Nos últimos anos, a aceleração dos investimentos em inteligência artificial abriu espaço para inúmeras empresas que montaram negócios a partir de modelos de linguagem de grande porte. Contudo, segundo Darren Mowry, responsável pela organização global de startups do Google, confiar exclusivamente em um modelo de terceiros e oferecer apenas uma interface é uma estratégia cada vez mais arriscada.
Em entrevista ao podcast Equity, Mowry explicou por que o tempo dos produtos que são meros “embrulhos” sobre LLMs está chegando ao fim.
O alerta de Mowry não significa que a oportunidade em IA esteja desaparecendo; pelo contrário, o campo amadurece. A diferença é que o mercado agora exige propriedade intelectual, diferenciação técnica ou integração vertical profunda. Sem esses elementos, empresas que agregam ou reencapsulam modelos provavelmente serão pressionadas por provedores de modelo e por mudanças nas preferências dos clientes.
Por que envoltórios finos deixam startups vulneráveis
Startups que oferecem apenas um front-end sobre modelos como GPT, Gemini ou Claude muitas vezes dependem inteiramente da capacidade do provedor subjacente. Isso cria uma dependência estratégica: quando provedores melhoram recursos, adicionam funcionalidades empresariais ou verticalizam ofertas, a camada intermediária perde valor. Mowry compara essa dinâmica ao período em que diversos revendedores de infraestrutura cloud cresceram, apenas para ver a Amazon Web Services internalizar muitos serviços e reduzir o espaço para intermediários.
O fim do crescimento fácil
Durante momentos de rápida adoção, era comum ver usuários migrarem para soluções que oferecessem apenas uma experiência de uso polida. Mas, segundo Mowry, a janela para escalar com essa abordagem se fechou. Empresas que apostam em um modelo “contar com o back-end para fazer tudo” exibem uma luz de alerta para investidores e clientes, pois não demonstram um roteiro claro para criar vantagens defensáveis.
Agregadores sob pressão: duplicar modelos não é suficiente
Os chamados agregadores — plataformas que roteiam chamadas entre múltiplos provedores e oferecem uma camada unificada — também enfrentam desafios específicos. Enquanto a proposta inicial de valor incluía acesso simplificado e flexibilidade, a expectativa dos clientes evoluiu: agora buscam integrações inteligentes, governança incorporada e diferenciação por contexto, não apenas troca de modelo conforme custo ou disponibilidade.
Por que esse negócio pode se comprimir
Com provedores de modelos avançando em recursos de governança, monitoramento e orquestração, o espaço para intermediários que não agregam valor técnico real tende a encolher. Mowry recomenda cautela aos fundadores: evitar competir apenas no nível da agregação e focar em construir ativos proprietários, como bases de dados exclusivas, modelos fine-tuned para nichos ou automações profundas que se encaixem em fluxos de trabalho críticos.
Onde ainda há oportunidades reais
A mensagem de Mowry não é pessimista: ele aponta categorias com potencial duradouro. Ferramentas que incorporam IA no cerne do fluxo de trabalho do desenvolvedor — o que ele descreve como vibe coding — e plataformas que criam ecossistemas pegajosos tendem a resistir à concorrência. Exemplos de empresas que prosperam são aquelas que integram assistentes de codificação diretamente no ambiente de desenvolvimento ou que desenvolvem funções especializadas para setores como jurídico e saúde.
Além disso, há espaço para players que construam dados proprietários e pipelines verticais: startups que reúnem datasets difíceis de replicar, rotinas de rotulagem especializadas ou modelos fine-tuned para demandas regulatórias ganham uma defensibilidade real. Mowry também vê potencial em aplicações de consumo direto bem desenhadas, bem como em setores como biotecnologia e climate tech, onde grandes bases de dados combinadas com modelos avançados podem gerar valor não trivial.
Conclusão: elevar o patamar para sobreviver
O recado central é claro: o mercado de IA está evoluindo para premiar empresas com moats técnicos e posicionamento vertical. Startups que apenas empilham um UI sobre modelos de terceiros ou que atuam como simples roteadores de API correm o risco de serem comoditizadas. Em contrapartida, quem investir em IP, integração profunda e dados exclusivos tem maior probabilidade de construir negócios escaláveis e duradouros.
Assim, fundadores e investidores precisam reavaliar estratégias: em vez de replicar modelos, é preciso perguntar onde a empresa pode criar um ativo que os provedores de modelo e plataformas de cloud não consigam substituir facilmente. A resposta definirá quem sobreviverá à próxima fase de maturação da indústria de IA.