A gente construiu e vendeu um ERP. Vendeu a AgendaSAT. Tocou uma software house com clientes como Reserva, Kasznar Leonardos e Target Bank. Levou produto à escala dentro do Grupo Stone/Trinks. Em todos esses anos, uma coisa foi constante: software vendido por assinatura tinha margem bruta alta e previsível. Escrevia-se o código uma vez, servia-se o milésimo cliente por quase nada.

Isso está mudando. Não porque a IA seja mágica, mas porque ela quebra duas premissas básicas do modelo: o custo de servir e a previsibilidade da resposta. Vale entender o que muda na engenharia, o que muda no preço, e o que ainda ninguém sabe.

1. O que muda na engenharia

O custo virou variável. Todo request que chama um modelo consome inferência, e inferência é dinheiro. A a16z já apontava, em 2020, que empresas de IA gastavam "25% ou mais da receita" em recursos de nuvem. Os dados recentes confirmam a pressão: a ICONIQ, no State of AI de janeiro de 2026 (cerca de 300 executivos de software), mostra o gasto com inferência subindo de 20% para 23% do custo conforme o produto escala. Não é uma linha de infra que você otimiza depois. É COGS, e cresce com o uso.

O mesmo input pode dar outro output. Esta é a parte que engenheiro sênior demora a digerir. Não é só a temperatura do sampling. O Thinking Machines Lab publicou em setembro de 2025 um experimento direto: 1.000 completions do Qwen3-235B com temperatura 0 — o cenário supostamente determinístico — produziram 80 saídas únicas. As mil respostas eram idênticas até o token 102; no token 103 elas divergiam. A causa não é o modelo: é que kernels de inferência não são invariantes ao tamanho do batch, então o resultado numérico muda conforme quem mais está na fila junto com você.

Pare um segundo nisso. Sua feature pode responder diferente por causa da carga do servidor do fornecedor.

Teste unitário não cobre isso. assert resposta == esperado não funciona quando não existe o esperado. O que funciona é avaliação: conjuntos de casos, critérios de qualidade, comparação estatística entre versões, regressão medida em percentual de acerto — não em pass/fail. É mais parecido com controle de qualidade industrial do que com o teste que a gente escreve há vinte anos. E dá trabalho: a a16z estima que 40-50% da funcionalidade pretendida de um produto de IA vive no tratamento dos casos de borda.

Latência virou requisito de produto, não detalhe de infra. Modelo bom e lento perde para modelo razoável e rápido em qualquer fluxo onde o usuário está esperando. Isso muda decisão de arquitetura: o que roda síncrono, o que vira job, o que é cacheado, o que nem precisa de modelo.

E você agora tem um fornecedor no caminho crítico. Preço, disponibilidade, política de uso e o próprio comportamento do modelo mudam por decisão de terceiros. Deprecar uma versão de modelo é, na prática, um evento de regressão do seu produto.

2. A margem bruta está sob pressão (e as fontes divergem)

Aqui é onde a gente precisa ser honesto: os números não batem entre si.

O baseline do SaaS tradicional é sólido. A SaaS Capital, com mais de 1.000 empresas B2B privadas pesquisadas em 2025, coloca a mediana da margem bruta total em 77%, e a margem só de assinatura em 81%.

Agora o lado da IA:

  • a16z: margens de IA "frequentemente na faixa de 50-60%", contra 60-80%+ de SaaS comparável.
  • Bessemer, State of AI 2025 (agosto/2025): as "AI Supernovas" — as que crescem mais rápido — rodam com margem bruta média de ~25%, muitas vezes negativa; as "Shooting Stars", mais comportadas, ficam em ~60%.
  • Bessemer, AI Pricing & Monetization Playbook (fevereiro/2026): 50-60% contra 80-90% do SaaS.
  • ICONIQ (janeiro/2026): margem bruta média das empresas de IA pesquisadas saiu de 41% em 2024 para 52% projetados em 2026.

Leia de novo. A ICONIQ mostra margem subindo. A Bessemer mostra margem baixa. Não é contradição: são amostras e estágios diferentes. Empresa que acabou de escalar tem margem ruim; empresa que já fez o dever de casa de roteamento de modelo, cache e pricing melhora. A ICONIQ está medindo uma coorte que aprendeu.

E existe uma força puxando a favor: a queda do custo de inferência. A própria a16z chamou de "LLMflation" — para um nível fixo de qualidade, o custo por token vem caindo cerca de 10× por ano; o preço de um modelo com a qualidade do GPT-3 caiu de US$ 60 por milhão de tokens (nov/2021) para US$ 0,06 — fator de 1.000 em três anos.

Então a margem se resolve sozinha? Não. Porque a gente gasta o ganho: mais tokens de raciocínio, mais contexto, mais chamadas por tarefa, agentes que fazem dez passos onde antes havia um. O custo unitário cai e o consumo unitário sobe. Quem apostar que o barateamento vai salvar a margem sem mudar o produto está terceirizando um problema de engenharia para a Nvidia.

A conclusão prática: margem bruta virou uma decisão de produto. Qual modelo para qual tarefa. O que precisa de LLM e o que era regra de negócio disfarçada. Onde cachear. Onde parar de gerar. Isso não é FinOps rodando depois — é design.

3. O que muda no preço

Preço por assento pressupõe uma coisa: o software ajuda uma pessoa a trabalhar. Mais pessoas, mais assentos, mais receita.

Quando o software faz o trabalho, essa conta racha. O cliente bem-sucedido é o que precisa de menos gente. Você criou um produto cujo sucesso reduz a sua própria receita — e cujo custo (inferência) sobe justamente quando o uso sobe. O pior dos dois mundos: receita fixa, custo variável.

Os dados mostram a migração em curso. Na ICONIQ (jan/2026): 58% ainda cobram por assinatura/plataforma, 35% por consumo e 18% por resultado — e 37% das empresas pretendem mudar o modelo de precificação no próximo ano. Ninguém está confortável.

O padrão que está emergindo é híbrido: uma taxa de plataforma que dá previsibilidade, mais créditos ou consumo atrelados ao volume. A Bessemer dá o exemplo concreto: US$ 12 mil/ano de plataforma + créditos de resultado (100 tickets resolvidos inclusos, depois US$ 5 mil por 100 adicionais). E o caso mais citado é o Fin, da Intercom: US$ 0,99 por ticket de suporte efetivamente resolvido. Um preço, uma métrica, um alinhamento.

A restrição, na frase de Jacob Jackson (Supermaven) citada pela Bessemer: "Quando você recebe US$ 10 do cliente, você não pode simplesmente gastar 10 centavos na AWS." Ou seja: o preço tem que refletir o valor entregue, mas o custo unitário tem que caber dentro dele — e agora ele varia por cliente, por caso, por dia.

Cobrar por resultado só é honesto se você consegue medir o resultado. Se você não consegue provar que resolveu o ticket, fechou o mês, encontrou a inconsistência — não cobre por isso. Cobrar por outcome sem instrumentação é cobrar por narrativa.

4. O que a gente aprendeu construindo

Chamar o modelo é a parte fácil. É uma tarde de trabalho.

A parte difícil é ter dado confiável para ele decidir em cima.

O MIT (iniciativa NANDA), no State of AI in Business 2025, encontrou que cerca de 95% dos pilotos de IA generativa não geraram impacto mensurável no P&L — a partir de 150 entrevistas, 350 respondentes e 300 implantações públicas. A conclusão deles não foi "faltou modelo melhor". Foi falta de integração, de contexto e de aprendizado com o próprio negócio. Também acharam algo desconfortável para quem gosta de construir tudo em casa: comprar de fornecedor especializado deu certo em ~67% dos casos; build interno, cerca de um terço disso.

A gente vive isso na pele com o Otz.ai, nosso produto de gestão para PMEs brasileiras. A maior dor da pequena empresa não é falta de IA. É que ela não tem os dados.

Os números do Sebrae (Hábitos Financeiros dos Pequenos Negócios, divulgada em janeiro de 2026) são duros: 61% dos empreendedores pagam despesas da empresa com a conta pessoal — praticamente igual a 2023 (60%). E o controle financeiro? 30% em planilha, 25% em caderno, 20% em aplicativo, 13% jogam no colo do contador, 10% não têm controle nenhum.

Metade do país gerindo empresa com caderno, planilha ou nada. Não existe copiloto que salve isso. IA em cima de dado ruim é chute com sotaque — sai fluente, formatado, confiante e errado. E errado com confiança é pior do que não responder.

Por isso a nossa ordem de construção no Otz é chata de propósito: primeiro conectar e conciliar as fontes (banco, notas, vendas), depois estruturar, depois — só depois — deixar o modelo raciocinar em cima. E a política do produto é explícita: não inventamos número. Quando falta dado, a gente diz que falta. Um DRE com um buraco declarado vale mais para um dono de negócio do que um DRE inteiro e inventado. Essa é uma decisão de produto, e ela custa: significa mostrar lacuna em vez de mostrar tela bonita.

5. O que a gente ainda não sabe

Seria desonesto fechar com certeza. O que está genuinamente em aberto:

  • Onde a margem estabiliza. A ICONIQ vê recuperação; a a16z e a Bessemer veem um teto estrutural mais baixo. Pode ser que as duas estejam certas para coortes diferentes. Vamos saber daqui a dois ou três anos, não hoje.
  • Se preço por resultado sobrevive ao contrato. É elegante no blog. Em negociação com jurídico e compras de empresa grande, "resultado" vira uma discussão longa sobre atribuição.
  • Qual camada captura o valor. Se o custo do modelo cai 10× ao ano, a vantagem migra para quem tem o dado e a distribuição — mas isso é hipótese nossa, não fato.
  • Como se audita um sistema não-determinístico num setor regulado. Ainda não existe consenso, nem norma.
  • Quanto do ganho de produtividade fica com o fornecedor e quanto é repassado como preço menor. Historicamente, em software, quase tudo foi repassado.

O que a gente sabe é mais modesto: quem trata IA como feature vai ver a margem cair sem entender por quê. Quem trata como mudança de arquitetura de custo, de teste e de preço tem chance de construir um negócio que fecha a conta.

Sobre a Aimi Digital

A gente constrói produtos que transformam a gestão de negócios no Brasil. Já criamos, escalamos e vendemos software — ERP, agendamento, produto dentro de grupo grande. Hoje operamos em duas frentes: Tecnologia, construindo produtos como o Otz.ai; e Advisory, sentando com times que estão tomando exatamente essas decisões — o que virar produto, quanto cobrar, onde a margem vaza.

Não vendemos ferramenta. Vendemos o resultado. E, quando o dado não sustenta uma afirmação, a gente diz que não sustenta.

Fontes: The New Business of AI (and How It's Different From Traditional Software) — a16z · Welcome to LLMflation — LLM inference cost is going down fast — a16z · The State of AI 2025 — Bessemer Venture Partners · The AI Pricing and Monetization Playbook — Bessemer Venture Partners · 2026 State of AI: Bi-Annual Snapshot — ICONIQ · 5 Key Takeaways from ICONIQ's State of AI Report — SaaStr · 2025 Private B2B SaaS Benchmarks — SaaS Capital · Defeating Nondeterminism in LLM Inference — Thinking Machines Lab · The GenAI Divide: State of AI in Business 2025 — MIT NANDA · MIT report: 95% of generative AI pilots at companies are failing — Fortune · 61% dos empreendedores brasileiros fazem pagamentos da empresa com a conta pessoal — Agência Sebrae de Notícias