A exuberância do mercado de IA: um framework de investimento disciplinado que cria valor – Parte 2

Nos últimos meses, o debate sobre a possibilidade de estarmos em uma bolha de inteligência artificial intensificou-se. Embora circulem muitos equívocos e interpretações distorcidas de dados, há argumentos sólidos e convincentes em ambos os lados.

Como todos no mercado, não somos capazes de prever o futuro, mas avaliar rigorosamente diferentes perspetivas ajuda-nos a compreender melhor a dinâmica do mercado e os riscos envolvidos.

Aumento expressivo das menções à “bolha de IA” no fim do último ano
Reportagens que mencionaram “bolha de IA”

Independentemente da conclusão, a nossa década de experiência investindo em inteligência artificial consolidou uma estratégia disciplinada — construída para resistir a eventuais correções de mercado, sem abrir mão de capturar o potencial de criação de valor de longo prazo da IA. À medida que nos aproximamos do lançamento do nosso novo fundo AI-native, essa abordagem torna-se ainda mais determinante.

Argumentos contra a tese de uma bolha

1) A adoção de IA é sem precedentes em velocidade e escala

Para avaliar o valor real de qualquer tecnologia, é essencial observar as suas taxas de adoção. Sob esse critério, a IA está redefinindo as regras do jogo.

No segmento de consumo, o ChatGPT atingiu 800 milhões de utilizadores ativos semanais em pouco mais de dois anos — uma escala que levou mais de uma década para a internet alcançar. Isso não é apenas entusiasmo passageiro: é um sinal de utilidade concreta e de como a infraestrutura já existente (smartphones, banda larga, computação em nuvem, entre outros) pode acelerar de forma decisiva a disseminação de tecnologias disruptivas.

A adoção do ChatGPT supera a da internet em sua primeira década

A adoção no ambiente corporativo conta uma história igualmente convincente. Em 2025, 88% das organizações já utilizam IA em pelo menos uma função de negócio, frente a 50% no período pré-ChatGPT.

Uso declarado de IA em pelo menos uma função de negócio
Uso de IA pelas organizações dos respondentes (% dos respondentes). Organizações que utilizam IA em pelo menos uma função de negócio¹

Métricas de adoção são importantes, mas o verdadeiro teste é a geração de receita. As empresas conseguem, de fato, capturar valor económico relevante a partir desta onda tecnológica?

Para as principais empresas AI-native, a resposta é um sim inequívoco. Empresas SaaS tradicionais levaram, em média, cerca de 7 anos para atingir US$ 100 milhões em ARR. Já as melhores empresas AI-native estão a chegar a esse marco em aproximadamente 1,5 ano, encurtando drasticamente o ciclo de escala. A Anysphere, criadora do editor de código com IA Cursor, ultrapassou US$ 1 bilhão em ARR em novembro de 2025, partindo de aproximadamente US$ 1 milhão em ARR pouco menos de dois anos antes. Casos como esse mostram como empresas AI-native estão a reescrever décadas de economia do software.

A nova curva de crescimento até US$ 100 milhões em ARR para start-ups de IA

Os ganhos de eficiência são igualmente impressionantes. Historicamente, as melhores empresas de SaaS precisavam de 300 a 500 colaboradores para alcançar US$ 100 milhões em ARR (como Slack, Loom e Calendly). Já as empresas AI-native estão a atingir esse mesmo patamar com menos de 100 funcionários, muitas vezes com equipas de apenas 30 a 50 pessoas. Embora a maioria dessas empresas ainda apresente queima de caixa em função dos custos de computação e infraestrutura, esse nível de eficiência operacional sinaliza modelos de negócio estruturalmente mais escaláveis.

Número de funcionários necessários para atingir US$ 100 milhões em ARR

2) Os valuations estão elevados, mas seguem bem abaixo dos extremos da bolha das pontocom

A avaliação também é uma métrica relevante para medir o grau de exuberância do mercado. Atualmente, as avaliações das principais empresas de tecnologia listadas em bolsa estão em patamares elevados, porém significativamente inferiores aos observados no período que antecedeu a bolha das pontocom. Em 1999, as líderes do setor negociavam a múltiplos de P/L futuro em torno de 67x, e muitas sequer apresentavam lucro. Hoje, essas mesmas empresas negociam, em média, a 28x o lucro futuro — um nível elevado, mas sustentado por rentabilidade comprovada e forte geração de caixa.

As avaliações das maiores empresas de tecnologia são menores em relação a 1999

No mercado privado, observa-se um aumento significativo nas avaliações medianas pré-money, especialmente nas rondas de estágios mais avançados (Série B em diante). Esse movimento tem sido impulsionado principalmente por megadeals (rondas superiores a US$ 5 bilhões), direcionados a um grupo restrito de empresas de grande visibilidade. Como resultado, houve um elevado grau de concentração no mercado de venture capital, com apenas 0,05% das transações em 2025 absorvendo metade de todo o capital investido em VC no mesmo período. Por outro lado, as rondas em estágio inicial permanecem mais próximas das suas medianas históricas.

3) Os investimentos em CAPEX são elevados, mas maioritariamente financiados com caixa próprio das empresas.

Os hiperscalers (grandes provedores de infraestrutura em nuvem, como Google, Microsoft, Amazon e Meta) devem ampliar significativamente os seus investimentos em CAPEX para sustentar a procura esperada por soluções de IA. Esses aportes incluem infraestrutura crítica — como GPUs, servidores e data centers — e, em conjunto, representam centenas de bilhões de dólares em investimentos anuais. No entanto, diferentemente do período da bolha das pontocom, esses investimentos estão a ser financiados principalmente com recursos próprios, vindo dos balanços das próprias empresas, e não por meio de endividamento excessivo. Esse fator reduz de forma significativa o risco financeiro associado a essas iniciativas para as companhias que as estão a realizar.

Além disso, ao observar a procura por IA refletida nos resultados divulgados pelos hyperscalers, os atuais investimentos em CAPEX parecem justificados. A partir da análise dos investimentos já realizados e dos aportes futuros anunciados em infraestrutura de IA, é possível estimar o volume de demanda que esses projetos procuram absorver. Ao comparar essa capacidade futura da IA com as taxas atuais de crescimento da procura, é possível avaliar se as grandes empresas de tecnologia estão sendo excessivamente otimistas nas suas projeções. Os dados disponíveis até ao momento indicam que não.

Argumentos a favor da tese de uma bolha

1) A adoção é forte, mas ainda não vimos a geração de valor verdadeiramente transformacional.

A adoção de IA no ambiente corporativo vem crescendo de forma acelerada, mas a grande maioria dessas iniciativas ainda se encontra em estágios iniciais — como protótipos, experiências ou implementações limitadas a funções específicas. Segundo a McKinsey, apenas 7% das empresas que reportam o uso de IA a implementaram em escala plena nas suas operações. Algumas fontes também apontam para uma estagnação na adoção de IA no ambiente corporativo em diversos setores. Essa aparente perda de ritmo, assim como a distância entre a fase de experimentação e a efetiva implantação em produção, é exatamente o que os defensores da tese de uma bolha destacam.

Participação das empresas dos EUA com assinaturas pagas de modelos, plataformas e ferramentas de IA, por setor

É exatamente nesse ponto que se concentra a tese do nosso fundo focado em IA nativa. Procuramos empresas que estejam construindo a camada crítica de infraestrutura que viabilizará a implementação de IA em escala corporativa: soluções de cibersegurança para sistemas de IA, plataformas de observação para monitorização de modelos e ferramentas de orquestração para fluxos de trabalho com múltiplos modelos. Trata-se das empresas “picks and shovels” que viabilizarão a próxima onda de adoção — e que permanecem amplamente subinvestidas em comparação com as empresas da camada de modelos fundacionais.

2) O crescimento de receita é sem precedentes, mas a rentabilidade ainda é distante

Como mencionado anteriormente, o crescimento de receita observado é diferente de tudo o que já vimos na história. Ainda assim, a maioria dos líderes em IA continua a registar perdas financeiras expressivas. A OpenAI, por exemplo, projeta, segundo informações divulgadas, um consumo acumulado de caixa de US$ 115 bilhões até 2029, alcançando breakeven apenas nesse mesmo ano. A Anthropic, apesar de apresentar forte tração de receita, também permanece deficitária, com prejuízos anuais na casa dos bilhões de dólares

Isso é relevante porque o crescimento de receita sem um caminho claro para o lucro foi exatamente o que caracterizou as empresas da bolha da internet. A questão fundamental é se as perdas atuais representam um investimento necessário num mercado de dinâmica “winner-takes-all” (semelhante aos primeiros anos da Amazon) ou uniteconomics insustentáveis (como Pets.com ou Webvan). Os modelos fundacionais enfrentam uma estrutura económica particularmente desafiadora: custos de formação na casa das centenas de milhões de dólares, custos de inferência que escalam com o uso e uma concorrência intensa em preços, que já reduziu os valores de APIs em mais de 90% desde 2023.

No entanto, esse nível sem precedentes de consumo de caixa está, em grande parte, restrito a um grupo seleto de empresas de modelos fundacionais. A camada de aplicações e de infraestrutura de software apresentam uma dinâmica distinta — que acompanhamos de perto por meio do Fundo IV. Identificamos e investimos em empresas nativas de IA que apresentam crescimento excecional, mantendo ao mesmo tempo uma disciplina rigorosa de consumo de caixa. Essas empresas utilizam modelos fundacionais existentes, em vez de desenvolvê-los do zero, o que resulta em modelos de negócio mais eficientes em capital e com trajetórias claras rumo ao lucro.

Ainda assim, nem todas as empresas da camada de aplicações são iguais. O espaço de aplicações de IA está saturado de empresas “wrapper” — start-ups que se limitam a adicionar uma interface de utilizador sobre modelos existentes, sem diferenciação técnica relevante ou vantagens competitivas defensáveis. Essas empresas são particularmente vulneráveis à comoditização, seja pelo movimento dos próprios provedores de modelos fundacionais ao subir na cadeia de valor, seja pela facilidade com que concorrentes podem replicar as suas funcionalidades.

Os nossos critérios de investimento são concebidos para filtrar empresas do tipo “wrapper” e identificar negócios com defensabilidade genuína. Focamos em aplicações verticais nas quais os fundadores apresentam profundo conhecimento do setor, relacionamentos já estabelecidos — ou potenciais — com clientes, e acesso a dados proprietários de campo. Os nossos dois sócios técnicos, ambos com décadas de experiência em inteligência artificial, avaliam se as empresas demonstram sofisticação técnica real, como abordagens próprias de fine-tuning, pipelines proprietários de dados, arquiteturas de modelos específicas por domínio ou capacidades únicas de integração que geram custos de troca. Essas caraterísticas não apenas conferem defensabilidade, como também tornam essas empresas alvos atrativos de aquisição para desenvolvedores de modelos fundacionais que procuram expandir a sua atuação em indústrias específicas.

3) Existe uma economia circular em funcionamento entre os grandes players de IA

Os principais players de IA estão todos interconectados por meio de acordos multibilionários que criam dependências circulares preocupantes. A NVIDIA concordou em investir até US$ 100 bilhões na OpenAI, que, por sua vez, utilizará grande parte desse capital para adquirir as próprias GPUs da NVIDIA para alimentar os seus data centers. Microsoft, Oracle, Meta, Google, Amazon e outros hyperscalers fazem parte de dinâmicas semelhantes — atuando simultaneamente como investidores, fornecedores e clientes uns dos outros.

Embora não haja dúvida quanto às receitas extraordinárias dessas empresas, essa economia circular gera risco sistémico. Caso um grande player deixe de atender às expetativas do mercado ou enfrente um desafio relevante, isso pode desencadear uma reação em cadeia negativa: redução de compras junto a fornecedores, baixas contábeis em investimentos e questionamentos sobre valuations em todo o ecossistema. Quando todos nesse grupo interconectado apostam simultaneamente no sucesso uns dos outros, a margem para erro reduz -se de forma significativa.

O nosso foco em estágios iniciais protege-nos dessas dependências circulares. As empresas Seed e Série A em que investimos constroem as suas soluções sobre modelos fundacionais comoditizados e infraestrutura de nuvem já estabelecida. Elas são clientes desse ecossistema, e não participantes dos seus fluxos de capital interdependentes. Uma correção nos valuations dos hyperscalers ou uma desaceleração no financiamento de modelos fundacionais não afetaria diretamente a capacidade de operação ou crescimento das empresas do nosso portefólio. Pelo contrário, tal correção poderia beneficiar empresas em estágio inicial ao reduzir a competição por talentos e tornar a infraestrutura de nuvem mais eficiente em termos de custo.

Onde estamos no espectro entre bolha e não bolha?

Para ir direto ao ponto: não acreditamos que estejamos atualmente em uma bolha generalizada de IA. Como em toda a grande transformação tecnológica, houve um elevado grau de exuberância impulsionado pela magnitude da oportunidade à frente. Isso inevitavelmente leva à sobrevalorização de alguns ativos, mas não configura a superavaliação sistémica observada durante a bolha da internet. Os fundamentos — como adoção real, geração efetiva de receita e investimentos em infraestrutura financiados com caixa — são materialmente diferentes de 1999.

Dito isso, reconhecemos o nível de incerteza. À medida que entramos em 2026, acompanhamos de perto os indicadores mencionados anteriormente. A nossa posição pode evoluir conforme novas evidências surjam, e estamos preparados para ajustar a nossa estratégia de acordo. Mas há um ponto central: a nossa estratégia foi desenhada para gerar bons resultados independentemente de quem esteja certo.

Na Mindset Ventures, estruturamos a nossa abordagem de investimento para mitigar perdas relevantes num eventual cenário de correção, ao mesmo tempo em que capturamos a criação de valor de longo prazo da IA. Após uma década investindo em inteligência artificial e mais de 25 investimentos em empresas nativas de IA —incluindo a navegação pela correção de mercado de 2022 — desenvolvemos um framework que se mostrou resiliente. Ele baseia-se nos seguintes pilares:

1) Um período de investimento estendido que amplia a flexibilidade de valuation

O nosso novo fundo focado em IA nativa possui um período de investimento mais longo do que qualquer um de nossos fundos anteriores. Isso cumpre dois objetivos fundamentais. Primeiro, permite maior tempo para originar os melhores investimentos num mercado cada vez mais competitivo. Segundo — e mais importante  evita a exposição excessiva a um único ambiente de valuation. Podemos ser pacientes em períodos de exuberância e alocar mais capital quando os valuations se tornam mais racionais. Essa diversificação temporal é uma de nossas principais ferramentas de gestão de risco.

2) Um processo de diligência refinado ao longo de uma década e resistente ao hype

Ao longo de dez anos investindo em IA, construímos um processo de diligência especificamente desenhado para separar substância de narrativa. Após a identificação de start-ups alinhadas à nossa tese, elas passam por etapas bem definidas, com critérios claros. Sabemos exatamente quais os documentos e dados solicitar para uma compreensão aprofundada do negócio.

Mais importante do que nunca, contamos também com dois sócios técnicos, com décadas de atuação em IA, capazes de avaliar se a tecnologia de uma empresa é genuinamente sofisticada ou apenas bem posicionada do ponto de vista de marketing. Eles analisam arquitetura de modelos, abordagens de treino, qualidade dos dados e a defensabilidade dos moats técnicos. Essa diligência técnica ajudou-nos a evitar diversos casos de “AI-washing” — empresas que aparentavam ser atrativas apenas com base em métricas superficiais.

Ao final de todo esse processo, investimos exclusivamente em start-ups com substância real: product-market fit comprovado, diferenciação técnica clara e fundadores que compreendem profundamente tanto a tecnologia quanto o negócio.

3) O foco em estágios iniciais oferece proteção natural contra perdas

Permanecemos comprometidos com investimentos em estágios Seed e Série A, que oferecem proteção natural contra a volatilidade de mercado. Os mercados públicos tendem a sentir os efeitos de uma desaceleração primeiro, com o impacto se propagando para empresas privadas em estágio avançado, depois para o growth stage e, por fim, para os estágios iniciais. O nosso posicionamento concede-nos tempo para interpretar os sinais do mercado e ajustar a nossa estratégia antes que os valuations no nosso estágio sejam significativamente impactados.

Investimentos em estágio inicial também apresentam upside assimétrico. Um investimento bem-sucedido em Seed pode gerar retornos de 30 a 50 vezes o capital investido, criando um amortecedor relevante contra eventuais perdas no restante do portefólio. Esse perfil risco-retorno é estruturalmente distinto do investimento em estágios mais avançados, nos quais mesmo resultados bem-sucedidos tendem a gerar retornos de apenas 3 a 5 vezes. Num cenário de correção, a nossa construção de portefólio oferece proteção; num ciclo de continuidade do crescimento, capturamos ganhos desproporcionais.