A AI Derrubou 220 Unicórnios Abaixo de US$ 1 Bi. Empresas Pré-ChatGPT Enfrentam um Acerto de Contas

Captaram recursos em múltiplos de pico, contrataram agressivamente e construíram produtos que pareciam duráveis em 2021. Agora, centenas dessas empresas estão presas em uma armadilha sem saída limpa.

A CNBC reportou em 1º de junho o que muitos fundadores vêm vivendo em silêncio nos últimos dois anos: empresas construídas antes que o ChatGPT mudasse o jogo estão sendo pressionadas por dois lados. Mais de US$ 250 bilhões fluíram para a OpenAI e a Anthropic antes de seus mega-IPOs esperados, retirando o oxigênio do mercado de venture mais amplo. E concorrentes nativos de AI agora constroem, a uma fração do custo, o que startups pré-2022 levaram anos e centenas de milhões de dólares para construir.

O resultado, segundo dados do PitchBook citados pela CNBC, é que mais de 220 empresas que já ostentavam o status de unicórnio (avaliadas em US$ 1 bilhão ou mais) caíram abaixo desse patamar. A lista inclui nomes que a maioria dos CEOs reconheceria: Glossier, Savage X Fenty, AG1, The Farmer's Dog. Não são apostas obscuras. São empresas com receita real, clientes reais e equipes reais. O colapso de avaliação não se deve a produtos ruins. Deve-se à reavaliação de toda uma geração de negócios.

Os Números por Trás da Armadilha

A escala da reprecificação é clara quando você observa os dados de coorte do PitchBook. As startups cujo último round fechou em 2021 valiam cerca de 68% menos, em média, até o final do ano passado. As que captaram em 2022 recuaram cerca de 52%. Não é uma correção. É uma reescrita estrutural do que o negócio valia depois que o macro mudou e a AI alterou a estrutura competitiva de custos por baixo.

A armadilha de financiamento funciona assim: as avaliações de 2021 e 2022 são altas demais para justificar um novo round de venture (um round plano ou em queda sinaliza dificuldades para funcionários, clientes e futuros investidores), mas as empresas não são lucrativas o suficiente para abrir capital. E os mercados públicos para IPOs de tecnologia permanecem seletivos, cada vez mais focados em negócios nativos de AI com economia unitária clara em escala. Essas empresas ficam presas entre uma avaliação do último round que não conseguem superar e um caminho de saída que não conseguem alcançar.

David Zhu, ex-chefe de engenharia do DoorDash, foi direto em comentários reportados pela CNBC: empresas de software corporativo orientadas por fluxo de trabalho serão "disruptadas ou extintas" dentro da próxima década à medida que agentes de AI assumem o trabalho de coordenação e inserção de dados que antes exigia plataformas com equipes humanas.

Fatos-Chave

• Mais de 220 empresas que já detinham avaliações de unicórnio caíram abaixo do patamar de US$ 1 bi (PitchBook, via CNBC)
• Startups cujo último round foi em 2021 valiam cerca de 68% menos até o final do ano passado; as de 2022 recuaram cerca de 52% (PitchBook)
• Mais de US$ 250 bilhões fluíram para a OpenAI e a Anthropic antes de seus IPOs esperados, concentrando capital longe da coorte pré-ChatGPT (CNBC)

Por que Concorrentes Nativos de AI Têm uma Vantagem Estrutural de Custo

O problema central não é que as empresas pré-ChatGPT construíram produtos ruins. É que o custo de construir esses mesmos produtos acabou de cair uma ordem de magnitude.

Samir Kaul, sócio da Khosla Ventures, descreveu o que mudou após o final de 2022 em termos destacados pela CNBC: hoje, cerca de 50 engenheiros conseguem realizar o que teria exigido 500 há cinco anos. Novos fundadores codificam em linguagem natural. Entregam mais rápido, gastam menos e conseguem atingir paridade de funcionalidades com plataformas legadas sem os anos de headcount acumulado que tornam os incumbentes caros de operar.

Um investidor de venture mencionado na reportagem da CNBC observou que, já em 2023, suas empresas de portfólio pós-ChatGPT superavam em receita a maioria de seus investimentos pré-ChatGPT. Isso representa uma janela de dois anos na qual o cenário competitivo mudou o suficiente para reprecificar toda uma coorte de empresas.

Para os CEOs de negócios pré-ChatGPT, a ameaça competitiva não é abstrata. O concorrente não está captando US$ 50 milhões para superá-lo em marketing. Ele está captando US$ 5 milhões, lançando uma versão nativa de AI do seu fluxo de trabalho principal em seis meses e praticando preços abaixo dos seus porque o custo de atendimento é uma fração do seu.

Essa história de concentração de capital se conecta diretamente ao IPO da Anthropic e ao que ele sinaliza sobre para onde o investimento em AI está indo. E a mesma vantagem de custo nativa de AI está reformulando como as ferramentas corporativas de CRM e go-to-market competem, à medida que startups nativas de AI desafiam os incumbentes do Salesforce.

O Teste de Reavaliação Pré-ChatGPT

A linha divisória entre quais empresas enfrentam pressão existencial não é a data de fundação. É se o valor central do negócio reside em uma camada que um agente de AI agora consegue reproduzir a baixo custo. Uma empresa fundada em 2019 que vende dados proprietários, uma rede difícil de replicar ou um serviço intensivo em conformidade pode estar bem. Uma empresa fundada em 2022 que automatiza um fluxo de trabalho sem uma vantagem defensável em dados pode não estar.

Este é o teste que todo CEO de uma empresa que captou antes de 2023 deve realizar:

Pergunta 1. Verificação de vantagem competitiva. O valor central do nosso produto é um fluxo de trabalho, uma camada de inserção de dados ou um sistema de registro que um agente de AI agora consegue executar nativamente? Se sim, a vantagem competitiva está se erodindo e a velocidade de erosão é mais rápida do que a janela competitiva típica de três a cinco anos.

Pergunta 2. Armadilha de avaliação. Nossa última captação foi em 2021 ou 2022 a um múltiplo que realisticamente não conseguimos superar dado o crescimento atual? Se sim, a empresa precisa de um plano honesto: um round em queda, uma recapitalização ou uma virada rumo à lucratividade antes que a pista de caixa acabe. Fingir que a última avaliação ainda é relevante destrói mais valor do que reconhecê-lo cedo.

Pergunta 3. Delta de custo de atendimento. Um concorrente nativo de AI consegue alcançar nossos clientes a uma fração do nosso custo? Modele como ficaria a economia unitária se um concorrente começasse com 50 engenheiros fazendo o que seus 500 estão fazendo. Isso não é mais um cenário hipotético. É o ponto de partida para novos entrantes agora. A economia de custos de AI para ferramentas corporativas está mudando rápido o suficiente para que esse modelo precise ser atualizado trimestralmente, não anualmente.

Pergunta 4. De qual lado da linha estamos. Estamos do lado disruptivo ou do disruptado? E qual fluxo de trabalho poderíamos reconstruir de forma nativa em AI neste trimestre antes que um concorrente o faça por nós?

A última pergunta é a mais acionável. A maioria das empresas não consegue reconstruir toda a sua plataforma em um ano. Mas a maioria consegue escolher um fluxo de trabalho central, reconstruí-lo de forma nativa em AI e usar isso tanto como uma vantagem defensável quanto como uma prova de conceito para a transformação mais ampla. Para onde o investimento em AI está fluindo na pilha de GTM mostra onde os concorrentes já estão mirando nos incumbentes.

Por que a Armadilha de Financiamento é Pior do que Parece

O número de 220 unicórnios do PitchBook subestima o problema. Ele conta apenas empresas que já cruzaram US$ 1 bilhão em avaliação. Mas a mesma pressão estrutural se aplica a qualquer startup que captou a múltiplos elevados entre 2020 e 2022 e agora não cresce rápido o suficiente para justificar outro round de venture nem é lucrativa o suficiente para um IPO.

Os investidores também estão monitorando. Os frameworks de decisão em AI para CEOs estão cada vez mais focados na questão de quais posições legadas são defensáveis e quais não são. E a análise macro de trabalho, incluindo a pesquisa da Goldman sobre o impacto líquido de empregos pela AI, reforça que a reprecificação do custo de atendimento se estende além do software a todos os negócios orientados por fluxo de trabalho.

As empresas em pior posição são aquelas com quatro características específicas: captaram em 2021 ou 2022 a múltiplos de pico, o produto principal é uma camada de coordenação de fluxo de trabalho, estrutura de custos intensiva em headcount e dois anos ou menos de pista de caixa restante. Para quem está nessa situação, as opções são as seguintes:

Um round em queda ou recapitalização, feito com pista de caixa suficiente para negociar de uma posição de relativa força, preserva mais valor do que esperar. Uma virada rumo à lucratividade, em que a empresa reduz custos a uma estrutura sustentável e para de perseguir crescimento em escala de venture, pode estabilizar o negócio tempo suficiente para encontrar uma saída estratégica ou um caminho orgânico. Uma venda ou fusão, enquanto a empresa ainda tem receita e produto significativos, frequentemente produz resultados melhores do que uma venda em situação de dificuldade depois que a pista acaba. A janela para todas essas opções é menor do que a maioria dos conselhos está reconhecendo.

O que Fazer Neste Trimestre

A reportagem da CNBC descreve um problema no nível da coorte. Mas a decisão é individual. Veja a lista curta para um CEO cuja empresa captou antes de 2023:

Audite a vantagem competitiva com base no teste. Aplique as quatro perguntas ao seu produto central real, não ao roadmap aspiracional. Seja honesto sobre quais fluxos de trabalho são defensáveis e quais não são. Esta é uma conversa para o conselho, não um exercício da equipe de gestão.

Redefina proativamente as expectativas de avaliação. As empresas que melhor estão navegando por isso são as que tiveram a conversa sobre round em queda ou recapitalização com seus investidores seis meses atrás. As que esperaram estão tendo essa conversa agora com menos poder de barganha. Se a avaliação do último round não é sustentada pelas métricas atuais, apresente isso na próxima reunião do conselho e enquadre as opções.

Escolha um fluxo de trabalho para reconstruir de forma nativa em AI neste trimestre. Não uma reconstrução completa da plataforma. Um fluxo de trabalho, construído do zero com AI como ator principal, não como uma funcionalidade sobreposta à arquitetura existente. Use isso para provar capacidade interna e criar uma vantagem defensável contra concorrentes que estão começando do zero.

Se a armadilha de financiamento é real, avalie M&A enquanto você controla o timing. Um comprador estratégico está muito mais interessado em uma empresa com 18 meses de pista de caixa e um roadmap claro de AI do que em um ativo em dificuldade. A conversa sobre avaliação é difícil de qualquer forma, mas é substancialmente melhor quando você a inicia do que quando suas opções estão se esgotando.

O acerto de contas pré-ChatGPT não está chegando. Já chegou. A pergunta é se sua empresa está realizando o teste e agindo com base nele, ou esperando a situação se esclarecer.

Perguntas Frequentes

O que significa "startup pré-ChatGPT" neste contexto?

Neste contexto, uma startup pré-ChatGPT é uma empresa que captou seus principais rounds de financiamento antes do final de 2022, quando o lançamento do ChatGPT mudou fundamentalmente a estrutura de custos para construir software e o apetite dos investidores por negócios nativos de AI. Essas empresas construíram seus produtos e suas avaliações em um mercado onde as capacidades de AI eram muito mais limitadas e caras de acessar.

Por que startups pré-2022 estão perdendo valor?

Duas forças atuam contra elas simultaneamente. Primeiro, o capital que antes financiava um mercado de venture amplo se concentrou em torno de um pequeno número de empresas de AI, incluindo OpenAI e Anthropic, restringindo o financiamento para todos os demais. Segundo, concorrentes nativos de AI agora conseguem construir produtos comparáveis com muito menos engenheiros e custos operacionais muito menores, o que corrói a vantagem competitiva e o poder de precificação dos incumbentes. Os dados do PitchBook mostram que startups cujo último round foi em 2021 valiam cerca de 68% menos até o final do ano passado.

Como um CEO pode saber se sua empresa está em risco?

O sinal mais claro é se o produto central da empresa é uma camada de coordenação de fluxo de trabalho ou um sistema de inserção de dados que agentes de AI agora conseguem replicar. Se sim, e se a empresa captou a avaliações de 2021 ou 2022 que não superou, a armadilha de financiamento é real. O teste de reavaliação com quatro perguntas neste artigo é uma forma estruturada de avaliar a exposição: verificação de vantagem competitiva, armadilha de avaliação, delta de custo de atendimento e de qual lado da linha de disrupção a empresa está.

Leitura Relacionada

• O IPO de US$ 96,5 Bi da Anthropic e o que Significa para a Escolha de Fornecedores de AI
• Startups Nativas de AI vs. Salesforce: O Debate do CRM com Agentes em Primeiro Lugar
• Para Onde Vão os US$ 200 Mi em Financiamento de AI em Vendas e o que Sinaliza para a Pilha de GTM
• A Divisão 74/20 da PwC: Quais CEOs Estão Capturando os Ganhos Econômicos da AI
• As Contas de AI Corporativas Estão Subindo Enquanto os Preços de Token Caem
• BCG AI Radar 2026: O CEO como Tomador de Decisão em AI