Edição 03 · Maio 2026 Executive Technology Review por Felipe Avila

Esta é a edição 03 do Executive Technology Review.

Uma coisa que aprendi a fazer com disciplina, e que me ajudou em vários momentos de decisão estratégica, é testar a hipótese contrária à que parece óbvia. Não como exercício de retórica. Como método.

Quase sempre o que parece a continuação natural do que vem funcionando é o que mais cedo perde tração. As fortalezas que levaram a empresa ao patamar atual raramente são as mesmas que vão levá-la ao próximo. Mas é difícil enxergar isso de dentro, porque o que funciona produz evidência diária de que está funcionando. Só quando a gente força a hipótese oposta, mesmo que ela pareça absurda na primeira leitura, algumas verdades estruturais aparecem.

Esta edição é sobre uma dessas verdades. A narrativa dominante hoje, repetida em conselho, em reunião de orçamento e em artigo de imprensa, é que IA democratiza mercados. A hipótese contrária, que vamos testar nos próximos cinco minutos, é exatamente o oposto. E ela tem implicação direta para qualquer executivo decidindo onde alocar capital em tecnologia nos próximos doze meses.

· · ·

E	m dezembro de 2020, a Uber tomou uma decisão que parecia racional pelo critério do balanço.

Transferiu o Uber Advanced Technologies Group (ATG), sua unidade de veículos autônomos, para a Aurora Innovation em troca de uma participação de 26%. Encerrou um programa que consumia centenas de milhões por ano em um momento de capital escasso e demanda destruída pela pandemia. Faz sentido olhando para o relatório financeiro daquele trimestre. Pelo critério do ciclo de dados, era uma rendição disfarçada de pivô estratégico.

A premissa dominante nas mesas de decisão executiva hoje é que IA democratiza mercados.

Modelos fundacionais estão disponíveis por API. Infraestrutura é vendida por assinatura. Um time de dez engenheiros consegue hoje deployar o que exigiria centenas há cinco anos. A conclusão que parece natural é que o campo está se nivelando, e que a empresa que adota IA nos processos está no mesmo ritmo competitivo da concorrência.

A hipótese contrária é desconfortável. IA não nivela mercados. Concentra. O que Furman e Seamans documentaram em estudo publicado pelo NBER em 2019 é que IA amplifica a vantagem de quem já tem escala de dados, ciclos de feedback e capital para reinvestir. O resultado não é convergência. É divergência composta. Nos setores com maior intensidade de dados, a diferença de produtividade entre o quartil superior e o quartil inferior cresce 1,33 pontos percentuais ao ano, de forma consistente, e não se fecha com o tempo.

Isso obriga uma distinção que o vocabulário corporativo ainda não internalizou: a diferença entre dado como estoque e dado como fluxo. O volume histórico é estoque, e o estoque parece impressionante em apresentação para o conselho. Mas o que define posição competitiva em IA é o fluxo: a taxa de acumulação de dados novos relevantes, comparada à do líder do setor. Quem está fechando o ciclo mais rápido vai estar em posição estruturalmente diferente daqui a dezoito meses, independente de qualquer investimento em modelo ou infraestrutura.

O CICLO QUE FECHA Em 2024, a Waymo acumulava mais de 22 milhões de milhas autônomas em vias públicas, com frota comercial ativa em três cidades. A Uber, que partira da maior base de dados de mobilidade urbana do mundo, encerrou seu programa autônomo e hoje depende de parcerias com Waymo para oferecer robótáxis na própria plataforma.

A Uber em 2017 tinha tudo o que parecia necessário para vencer a corrida por veículos autônomos.

Tinha a maior plataforma de mobilidade do mundo, com dezenas de milhões de usuários ativos e dados transacionais massivos sobre padrões de demanda urbana. Tinha capital. O Uber Advanced Technologies Group chegou a 1.200 funcionários e orçamento anual estimado em mais de US$ 500 milhões. Pela métrica de recursos disponíveis, era o concorrente óbvio para liderar o segmento autônomo.

O problema estava em uma distinção que não era óbvia na época: dados transacionais de mobilidade e dados de percepção autônoma são ativos completamente diferentes. O primeiro diz onde as pessoas querem ir e quando. O segundo diz como um veículo sem motorista deve reagir a um ciclista que atravessa no sinal vermelho, a uma via com sinalização apagada, a um pneu na pista a 80 km/h. Os dados da plataforma Uber não alimentavam o modelo de condução. E o ATG não capturava milhas autônomas em escala suficiente para fechar o ciclo certo enquanto a concorrência fechava.

Em março de 2018, um veículo do ATG se envolveu em um acidente fatal em Tempe, Arizona, com uma pedestre. A Uber suspendeu todos os testes em vias públicas por nove meses. Em um ciclo onde cada milha importa, uma pausa de nove meses é vantagem competitiva transferida para o concorrente sem que o concorrente precise fazer nada. A retomada veio, mas com mais cautela, mais burocracia interna de aprovação, menos apetite para acumulação agressiva. Compreensível pela reputação. Destruidor pelo ciclo.

A decisão de dezembro de 2020 não foi a causa do fracasso. Foi o reconhecimento formal de que o ciclo havia sido perdido.

A leitura que esse caso obriga, para quem aloca capital em IA agora, é direta.

A decisão executiva real não é entre adotar IA e não adotar. É entre adotar tecnologia (eficiência operacional) e fechar ciclo (posição competitiva). As duas consomem orçamento. As duas aparecem como “investimento em IA” na apresentação para o conselho. Mas só uma constrói vantagem que o concorrente não consegue replicar assinando o mesmo contrato de API daqui a doze meses.

A REGRA QUE INVERTE A ANÁLISE Modelos fundacionais resolvem o problema técnico. Não resolvem o problema de quem ainda não acumula dados proprietários. Adotar IA sem fechar ciclo reduz custo operacional. Não muda posição no ciclo competitivo.

Quem aprova orçamento precisa saber qual dos dois está sendo comprado. Porque o critério de sucesso é diferente, o horizonte é diferente e a janela de viabilidade é diferente.

Esta edição desenvolveu metade do argumento aqui no email.

Fica de fora o avesso do case Uber: a Waymo, que tomou em 2009 a decisão de controlar a camada de dados antes de qualquer vantagem ser visível, e construiu ao longo de uma década o ciclo que tornou catch-up economicamente inviável.

Ficam de fora a pesquisa integral de Furman e Seamans aplicada ao contexto de decisão executiva brasileira, o framework Mapa de Fechamento em seis passos e as sete perguntas que sugiro você responder antes de aprovar o próximo investimento em IA.

Está tudo no PDF da Edição 03, logo abaixo. Quem baixa sai com o método para diagnosticar em qual estágio do ciclo o seu setor está agora, e quanto tempo resta antes que a janela feche sem aviso.

Para baixar o PDF completo desta edição, desça até o anexo logo abaixo ↓

Executive Technology Review Edição 03 · Maio 2026 Felipe Avila · Newsletter semanal sobre decisão executiva em tecnologia www.felipeavila.com.br