A OpenAI entende algo especial e raro, que está escondido bem debaixo do nosso nariz. Que é, como Peter Drucker disse há meio século, o propósito de um negócio é criar um cliente.
A OpenAI não vai vencer porque tem os melhores modelos, ou os chips mais avançados, ou a melhor curva de custo-benefício, ou até mesmo o melhor produto — embora a gente acredite que eles realmente tenham tudo isso. Acreditamos que a OpenAI vai vencer porque é incrivelmente boa em criar novos tipos de clientes e porque tem a estratégia de distribuição mais duradoura.
Enquanto escrevemos isso, em setembro de 2026, os rankings de produtos de inteligência como serviço (intelligence-as-a-service) já não são a questão mais importante. A inteligência está em todo lugar. Qualquer um pode fazer praticamente qualquer coisa; mas a maioria das pessoas ainda não faz. O que importa agora é: você consegue despertar esse novo comportamento e vencer na distribuição?
O argumento a favor da OpenAI se resume ao seguinte. Para construir um negócio duradouro na escala da fronteira da IA, existem quatro alavancas que você pode puxar:
- Criar novos tipos de comportamento
- Distribuir para muitos usuários
- Precificar seu produto de forma a capturar valor
- Ter altos custos de troca
A número 4 está basicamente fora de cogitação. A fronteira da IA é uma Corrida da Rainha Vermelha, pelo menos na camada de modelos. É fácil demais trocar de modelo, chegando ao ponto de alternar tarefa por tarefa, e todo mundo está melhorando o tempo todo.
A número 3 é o que todo mundo espera alcançar. Mas, de novo, o mercado é extremamente competitivo e a OpenAI (junto com outras) está determinada a liderar a fronteira de custo-computação, buscando isso por meio de economia de escala, integração vertical e outras estratégias para derrubar o custo dos tokens. Quem acabar liderando em custo-benefício será, de qualquer forma, quem estiver vencendo em escala.
O que significa que tudo se resume a 1 e 2. E achamos que a OpenAI é claramente a melhor no item 1:
- Eles têm um histórico consolidado na IA de encontrar aqueles avanços simples e óbvios depois que acontecem que destravam novos tipos de comportamento de consumo
E também são os melhores no item 2:
- Todo laboratório de IA hoje está tentando acelerar a distribuição ao máximo, indo além dos seus próprios produtos. E existem duas formas de fazer isso: como plataforma ou por meio de parcerias. Fazer isso como uma plataforma de verdade é preferível no longo prazo: a receita chega um pouco mais devagar, mas é muito mais duradoura e valiosa quando vem.
Existe um motivo de fundo para a OpenAI estar dominando os itens 1 e 2: eles têm uma das inteligências gerais mais amplas e completas, não apenas nos modelos, mas na empresa e na sua base de clientes. Eles estão expostos à base de usuários mais ampla (entre consumidores, prosumers e empresas), têm a stack tecnológica de autoaperfeiçoamento mais profunda (chegando aos seus chips proprietários) e é por isso que encontram consistentemente os novos padrões e primitivas que funcionam. Eles estão jogando o jogo longo sobre como construir a plataforma de IA vencedora, e está dando certo.
A OpenAI é muito boa em descobrir qual é a próxima grande novidade
A OpenAI não nasceu para ser uma empresa voltada ao consumidor final. Eles meio que caíram nisso por acaso, com o lançamento do ChatGPT. E foi um acidente feliz, porque aquele momento é um dos pontos de virada da história da tecnologia. Se não tivessem feito isso, o mundo seria muito diferente. A IA provavelmente ainda estaria guardada nas mãos dos laboratórios e de clientes próximos, não estaria evoluindo nem perto do ritmo atual, e estaríamos numa linha do tempo "fechada por padrão", e não nessa infinitamente mais rica que temos hoje.
Sam Altman contou recentemente uma história sobre as semanas após o lançamento do ChatGPT, quando a maioria das pessoas na OpenAI pensava: "Bom, foi divertido, mas acho que devemos partir para construir produtos de verdade. Um chatbot não pode ser o nosso foco, pode?" Foi especificamente Peter Thiel quem aconselhou Sam: não, é exatamente isso. Você criou um novo tipo de cliente. Nada mais é tão importante quanto isso.
E não é só o ChatGPT: a OpenAI merece crédito por ser geralmente boa em encontrar os padrões e primitivas revolucionários que realmente importam, despertando novos tipos de comportamento dos usuários. Ben Hylak explicou isso muito bem em um texto outro dia: “A OpenAI é o rei (quase) invicto em descobrir a 'próxima grande novidade'. É sempre muito mais simples do que você imagina e super óbvio depois que acontece.” A interface de chat do GPT, o raciocínio, a chamada de ferramentas (tool calling) e o Computer Use foram todos grandes avanços que simplificaram e direcionaram o rumo da tecnologia, tornando-a utilizável. A única grande exceção em que a OpenAI não liderou a revolução foi na programação, e eles tiraram a diferença sem problemas.
Por que eles são tão bons nisso? Talvez nos primeiros anos eles simplesmente tivessem aquele ingrediente secreto; ninguém consegue explicar direito a energia fundadora e a magia que criam algo assim. Mas, com o tempo, isso claramente se tornou uma habilidade cultivada. Existem três fatores críticos aqui:
- Eles pensam e agem como uma empresa que quer ser uma plataforma. "Plataforma" é um termo carregado e vamos entrar nos detalhes dele daqui a pouco, mas esta é uma empresa que realmente acredita que seus usuários são inteligentes e podem fazer suas próprias escolhas, dentro de limites cuidadosamente desenhados.
- Estão apostando dobrado na profundidade técnica, ou seja, tentando possuir ou controlar cada camada bem no fundo da sua stack, refinando continuamente as primitivas da plataforma que seus usuários precisam como blocos de construção.
- E talvez acima de tudo, eles têm uma tremenda amplitude de consumo. Continuam sendo líderes na pura variedade de tipos de consumidores e casos de uso, cobrindo a vida pessoal e profissional das pessoas.
A amplitude de pessoas que os utilizam é o fator mais subestimado aqui. Como Hylak coloca de forma simples: “Computer use” [por exemplo] é algo muito genérico e inespecífico. Para ser melhor nisso, você precisa aumentar sua inteligência de forma geral. Em vários domínios, em vários fluxos de trabalho.” As pessoas subestimam constantemente o quão difícil é passar de uma solução específica para uma solução geral. Mas você geralmente só descobre o que é simples e óbvio (em retrospectiva), porém genérico e inespecífico (como problemas a serem resolvidos), quando vai atrás dessa solução geral.
Por que mais empresas não buscam "soluções gerais"? Porque isso custa bastante caro e vai contra a maioria das boas práticas de gestão de uma organização de produtos focada. Você precisa coletar insumos de uma variedade enorme de clientes, comportamentos e ações, deixando-os fazer essencialmente qualquer coisa que quiserem, para gerar progresso geral em um domínio, em vez de progresso específico em um produto.
Isso significa que a capacidade de incorporar "conhecimento geral" ao seu produto depende, na verdade, da sua estratégia de distribuição. Isso não é nada óbvio, mas é importante, e a OpenAI entendeu o recado.
Como você entrega "exatamente o que eu quero" (que pode ser algo muito personalizado, específico e cheio de detalhes) em escala massiva, para todo mundo?
Existem basicamente três caminhos. Você pode entregar isso em um produto independente, pode entregar por meio de parcerias ou pode fornecer como uma plataforma.
- Produtos independentes têm uma restrição vantajosa: seu produto precisa, por natureza, deixar o usuário "fazer o que quiser" (ou seja, perguntar qualquer coisa ao ChatGPT). Assim, você cria genuinamente a experiência do cliente, desde colocar o produto nas mãos dele até vê-lo usá-lo todos os dias.
- Distribuir por meio de parcerias tem a vantagem de os parceiros te darem muito alcance rapidamente, cobrindo vários casos de uso. Mas, no fim das contas, é o parceiro quem detém e direciona o instinto de "qualquer coisa que eu quiser" do cliente. Portanto, no longo prazo, não só eles provavelmente vão capturar a parte mais atrativa da economia, como também controlam o que o usuário efetivamente pode fazer e o que é aprendido. Além disso, seus clientes podem nem saber que você está por trás daquilo tudo, então você não ganha confiança nem simpatia deles.
- Distribuir como uma plataforma significa que as pessoas constroem o que quiserem em cima de você. Isso é lento, porque você precisa criar do zero todos os novos produtos que suportam o "qualquer coisa que eu quiser". Mas é extremamente poderoso depois de estabelecido, porque mesmo que a receita venha mais devagar ou com taxas menores, você criou um ciclo de aprendizado sobre o mundo absurdamente poderoso, à medida que os usuários aplicam suas primitivas e padrões, ensinando a você sobre o mundo e sobre o que as pessoas esperam de você. Não no sentido de "treinar com dados de clientes", mas no sentido de "as primitivas se tornam um mapa melhor do território".
https://x.com/GavinSBaker/status/2100240010695827959
Com tempo suficiente, produtos vêm e vão, dinâmicas de parceria mudam e a economia delas pode decepcionar em relação às expectativas. Mas a OpenAI continua voltando, repetidas vezes, com sua obsessão em construir a plataforma duradoura. E o que eles estão fazendo está funcionando.
Plataformas de verdade são raras, mas valem a pena
Plataformas são difíceis de construir e difíceis de compreender. São até difíceis de definir!
De modo geral, temos um conceito amplo e nebuloso de plataforma que diz: "plataformas deixam as pessoas construírem aquilo que atende à sua necessidade específica".
No software, existem algumas formas de fazer isso. Dezenove anos atrás, Marc escreveu um ensaio chamado “Três tipos de plataformas que você encontra na internet” que continua útil até hoje. A definição de Marc é: “Uma 'plataforma' é um sistema que pode ser programado e, portanto, customizado por desenvolvedores externos — os usuários — e, dessa forma, adaptado a incontáveis necessidades e nichos que os desenvolvedores originais da plataforma jamais poderiam ter imaginado, muito menos tido tempo de atender.”
Os "três tipos" correspondem a três maneiras diferentes de organizar computadores para que um usuário obtenha o resultado personalizado que deseja. Eles ficam progressivamente mais difíceis de construir (à medida que você sobe de 1 para 3), mas são mais mágicos em termos do tipo de comportamento e criação que liberam.
- O Tipo 1 é o que chamaríamos hoje de "Headless" — dar aos usuários acesso a algo útil por meio de uma API (como o Flickr naquela época, ou até mesmo empresas tão valiosas quanto a Stripe se encaixariam aqui).
- O Tipo 2 usa o que chamaríamos de "Plugins": como a antiga plataforma do Facebook, ou a maioria dos apps da Shopify e da HubSpot hoje. Você tem um serviço central que atende aos primeiros 80% das necessidades dos usuários e, depois, apps personalizados que rodam em seus próprios servidores, provavelmente gerenciados por algum tipo de loja de aplicativos, que dão aos usuários as experiências customizadas que eles querem.
- O Tipo 3 é o crucial: é um verdadeiro ambiente de execução (runtime) que as pessoas podem programar para criar o que quiserem. São muito, muito difíceis de construir, mas são pura magia quando funcionam. iOS, AWS, Ethereum e, mais recentemente, a Cloudflare são alguns exemplos.
O que é interessante na IA hoje é que todas as empresas de modelos e provedoras de inferência, de certa forma, podem alegar que estão contribuindo com um trabalho de "plataforma Tipo 3". (Modelos são um tipo de runtime, acionados por instruções personalizadas!) Mas modelos sozinhos não liberam novos comportamentos, nem são tão defensáveis assim. Como vimos na programação, onde o ambiente de suporte importa tanto quanto o resto, é a superestrutura de restrições e primitivas que realmente importa aqui. Vamos te dar um motivo teórico e um prático para isso.
O motivo teórico é que, se você quer descobrir os padrões e primitivas óbvios em retrospectiva que realmente importam, precisa de exposição à maior variedade possível de usos, conhecimento tácito e tentativa e erro dos seus usuários, para poder evoluir de um produto específico (um avanço local) para um produto geral (um avanço global). E a forma mais pura de fazer isso é deixar que eles escrevam instruções arbitrárias (ou seja, código) para o que querem fazer. Acertar na segurança, no acesso, nas estruturas de dados e nas restrições é uma empreitada gigantesca que empresas "orientadas a produto" têm dificuldade de priorizar; só os verdadeiramente comprometidos vão chegar à terra prometida.
O motivo prático, para a IA neste momento, é que para os agentes serem úteis, eles precisam escrever código. Isso talvez não seja óbvio, mas foi algo que aprendemos no último ano. Por mais incríveis que os modelos de IA sejam escrevendo código, eles são surpreendentemente ruins em chamar ferramentas e executar instruções no trabalho de conhecimento do dia a dia — a menos que você inverta a lógica e diga: "escreva um programa que faça essas tarefas", e aí eles mandam muito bem. Uma questão em aberto na adoção de IA nas empresas hoje é "como as pessoas e organizações vão dar suporte a isso de forma segura?", e você provavelmente deve apostar nas pessoas com mentalidade de plataforma para acertar essa conta.
Uma das grandes questões em aberto agora é que tipo de efeitos de rede, custos de troca e outros fossos de proteção (moats) vão surgir nas várias camadas da stack de IA. Até o momento, a camada de modelos continua assustadoramente substituível. Há uma sensação geral de que o "modo multiplayer" (por exemplo, colaboração em projetos, agentes confiando nos agentes dos amigos) tem bons ingredientes para defender um modelo de negócios, mas isso ainda não impactou de fato a briga generalizada de "mais uso, menos custo" que vemos no gasto de tokens. A principal pergunta que importa não é "seu modelo gera retenção?", e sim "você está criando um novo comportamento?". Como Steve Hou colocou bem: “A elasticidade que importa não é a elasticidade de substituição entre modelos, mas a elasticidade da demanda agregada por IA.”
Fazer paralelos com o passado nunca é perfeito, mas se os últimos quatro anos de IA servirem de indicação, os próximos grandes avanços em usabilidade multiplayer e defensável da IA por pessoas comuns vão surgir de momentos de epifania, quando encontrarmos o empilhamento ideal de modelos inteligentes, primitivas computacionais e padrões de comportamento, e algo simples e óbvio emergir. Pode vir de startups construindo sobre as empresas de modelos como plataformas; pode vir das próprias empresas de modelos. De qualquer forma, a OpenAI obviamente quer ser o motor por trás disso e entregar o resultado aos usuários.
Em um mundo de abundância, a causalidade se inverte
Velhos hábitos custam a morrer. Nas análises tradicionais que você faria de um laboratório da fronteira da IA como negócio, olharia para todo tipo de coisa óbvia para avaliar vantagens competitivas: quem tem os melhores modelos? Quem tem os melhores chips? Quem tem o melhor custo-benefício? Quem tem os melhores produtos?
Obviamente, tudo isso ainda importa. Mas em um mundo de inteligência abundante, sob demanda e em qualquer lugar, provavelmente estamos invertendo a causalidade se acharmos que ter tudo isso significa vitória. Acreditamos que, no futuro, a OpenAI terá os melhores modelos, chips e produtos porque tem a melhor distribuição, e não o contrário. Eles tomaram ótimas decisões até agora para garantir poder computacional suficiente, treinar modelos de forma extremamente eficaz, desenvolver o Jalapeno como um chip otimizado e outras coisas práticas que fazem diferença competitiva no leque de opções de IA. Mas, no futuro, achamos que eles vão continuar vencendo porque vão se manter na fronteira da coleta de informações sobre o mundo, a partir de seus próprios usuários recém-despertados, e se autoaperfeiçoando a partir daí.
Novos produtos e modelos podem roubar a atenção de todo mundo por uma ou duas semanas, mas no longo prazo não vemos a OpenAI abrindo mão da liderança naquilo que realmente importa:
- Eles mantiveram a marca dominante no consumo e uma ampla base de usuários
- Despertaram novos tipos de comportamento de usuário, que são óbvios em retrospectiva e mudam o jogo do que é possível
- Empurraram a fronteira dos "melhores modelos, melhor preço" em suas ofertas
- Seu "flywheel" nunca desacelera, e tudo melhora junto
Sam descreve o estado futuro dos produtos da OpenAI como tendo apenas duas ofertas: ou você pode criar qualquer coisa que quiser, ou pode simplesmente conversar com o ChatGPT. É assim que a verdadeira abundância se parece em um produto. Você pode descrever exatamente o que quer, aquilo que vai te ajudar, e obter na hora, ou pode recorrer ao bom e velho "ou posso só falar com essa caixa de texto e descobrir para onde estou indo".
Essa abundância está disponível de forma geral; hoje. Existe um grupo bem pequeno de pessoas usando IA freneticamente para tudo na vida; e existe um grupo um pouco maior e mais amplo de pessoas que usam o ChatGPT regularmente. Estes últimos ainda não foram despertados como clientes. Quem vai fazer isso?
Achamos que a OpenAI sabe como.
