5 tendências que definirão a nuvem de IA em 2024

# Os modelos fundacionais de IA preparam o palco para a nova guerra da Big Tech

• Toda mudança tecnológica desencadeia uma disputa pelo controle da camada de base (fundacional). A era da IA não é exceção
• Os modelos fundacionais são o novo "petróleo (Oil)" que impulsionará aplicações e ferramentas de IA downstream
• Em 2023, as empresas de modelos fundacionais responderam por mais de 60% do financiamento de venture capital em IA
  • OpenAI, Anthropic, Mistral, Cohere e outras levantaram US$ 23 bilhões com um valor de mercado de US$ 124 bilhões
  • Em especial, esse fluxo de capital foi liderado principalmente por VCs corporativos, respondendo por 90% da captação privada em GenAI em 2023, segundo o Morgan Stanley (alta em relação aos 40% de 2022)
  • Empresas de Big Tech como Microsoft, Google, Amazon, NVIDIA e Oracle agora detêm participações significativas em empresas de modelos fundacionais
  • Esses investimentos estão sendo estrategicamente alinhados para reforçar as capacidades de IA dessas gigantes de tecnologia e impulsionar o consumo de seus principais serviços de nuvem e computação
  • Além disso, há empresas de Big Tech tocando suas próprias iniciativas de modelos fundacionais, como o Gemini do Google e o Llama da Meta AI
• Com tanto capital entrando nessa camada de base, a concorrência está se intensificando em uma velocidade sem precedentes, impulsionando uma enorme quantidade de inovação no ecossistema
• Principais tendências observadas em 2023:
  • Os modelos-base estão melhorando rapidamente:
    • Os LLMs de uso geral estão ficando cada vez melhores não apenas em capacidades básicas de desempenho, como precisão e latência, mas também na fronteira, incluindo capacidades multimodais
    • O lançamento do GPT-4o surpreendeu todos nós, e a nova versão mostrou capacidade de ver e entender vídeo e áudio em arquivos enviados, além de gerar vídeos curtos
    • A velocidade vertiginosa de melhoria dos modelos levanta dúvidas sobre estratégias de investimento em modelos cuja meia-vida é de poucos meses
  • A batalha entre código aberto e código fechado se intensifica:
    • Com o lançamento recente do Llama 3 e os líderes de código aberto quase alcançando o desempenho dos modelos fechados, o debate entre open source e closed source continua sendo um tema quente em 2024
    • O impacto regulatório levanta novas questões sobre se players de código fechado terão de abrir modelos anteriores como parte de novas estratégias de comercialização, ou se líderes de código aberto poderão se tornar, pela primeira vez na história, os vencedores desse mercado
  • O movimento dos modelos pequenos cresce:
    • Clem Delangue, CEO e cofundador da HuggingFace, declarou que 2024 será o ano dos SLMs
    • Exemplos lançados neste ano, como o Mistral 8x22b, mostram que modelos maiores nem sempre são melhores em desempenho e que modelos menores podem ter vantagens significativas em custo e latência
  • O surgimento de novas arquiteturas e modelos fundacionais de propósito específico:
    • Há empolgação com o surgimento de novas arquiteturas de modelos para além dos transformers
    • Por exemplo, modelos de espaço de estados e geometric deep learning estão expandindo a fronteira dos modelos fundacionais, podendo ser menos intensivos em computação, lidar com contextos mais longos ou demonstrar raciocínio estruturado
    • Também cresce de forma explosiva o número de equipes treinando modelos de propósito específico para geração de código, biologia, vídeo, imagem, voz, robótica, música, física, ondas cerebrais e mais
    • Isso adiciona mais um vetor de diversidade à camada de modelos
• Há tanta coisa acontecendo na camada de base que parece que o chão está se movendo
• Mas, apesar da quantidade massiva de capital investida aqui, o vencedor ainda não está claro

Previsão: A batalha dos modelos de IA continuará acirrada no futuro próximo. Isso porque se trata de uma importante "corrida por território" que determinará qual Big Tech ficará no topo do mercado de nuvem e computação nos próximos anos

• Expectativas de curto prazo sobre quem capturará mais valor nessa disputa da camada de modelos:
  • Realidade 1: A camada de modelos vira commodity
    • Será que centenas de milhões de dólares de capital serão desperdiçados enquanto VCs e Big Tech bancam o derby dos líderes de IA?
    • Isso não significa que o modelo com mais capital será o vencedor
    • Porque os modelos open source continuarão desafiando os principais players do mercado
    • No entanto, um futuro em que os modelos de IA se tornem commodity não significa necessariamente que seu valor diminua
    • Modelos de IA como commodity seriam parecidos com computação como commodity ou com petróleo
    • Um dia, eles se tornarão um ativo essencial para a operação de negócios globais
    • Nessa realidade, o valor final do ecossistema de IA será capturado não pelos modelos em si, mas por provedores de computação e nuvem, marketplaces e aplicações
    • Porém, em um mundo em que os modelos de IA são commodity, como vimos no mercado de petróleo, ainda pode surgir uma ou duas empresas extremamente valiosas vendendo essa "commodity"
  • Realidade 2: Os gigantes dos modelos de IA dividem a torta
    • Assim como nas guerras da nuvem, algumas novas empresas de modelos, impulsionadas por apoio massivo de investidores estratégicos de Big Tech ou de VCs corporativos, passarão a dominar o ecossistema de modelos fundacionais e se tornarão gigantes
    • Cada vencedor encontrará um diferencial próprio que possa combinar com diferenciação tecnológica, seja por distribuição, eficiência de preço/custo, impacto regulatório etc.
    • Ainda pode haver diversos players (especialmente open source), mas o valor irá para os poucos principais players de modelos
    • O que definirá os gigantes de IA de amanhã não será apenas tecnologia superior, mas também seus canais de distribuição já estabelecidos
  • Realidade 3: Os modelos de IA se tornam tão variados e populares quanto o mercado de batata chips
    • Assim como existem infinitos sabores de batata chips, o futuro da economia dos modelos de IA pode se parecer bastante com a seção de snacks do mercado do bairro
    • Muitas empresas de modelos poderão prosperar, porque há casos de uso suficientemente diferenciados para que outras empresas de modelos sobrevivam (por exemplo, forma, desempenho, latência, custo, segurança etc.)
    • Além disso, à medida que considerações geopolíticas entrarem no domínio dos modelos de IA, geografia e regulação poderão ter papel importante aqui, já que questões regulatórias e de soberania apoiam a expansão da diversidade nessa camada

Previsão: Não chegamos a um consenso, mas cerca de metade das nossas parcerias prevê que os modelos de código fechado conduzirão a maior parte dos ciclos de computação de LLMs e que os gigantes dos modelos de IA acabarão dividindo a torta econômica (realidade #2 acima).

• Esperamos que os gigantes da nuvem usem seu acesso a computação, chips e capital para influenciar a batalha a seu favor
• E os líderes já estão na corrida
  • Microsoft/OpenAI, AWS/Anthropic, Google/Gemini e Meta/Llama são a alternativa OSS equivalente ao Linux, incluindo a líder europeia Mistral

# A IA está transformando todos nós em desenvolvedores 10x

• Hoje em dia, o engenheiro é sempre um construtor e um estudante: além do trabalho principal, precisa continuar aprendendo novas linguagens, frameworks, infraestrutura etc.
• Com a chegada da IA, os desenvolvedores também passaram a precisar dominar uma cadeia totalmente nova de ferramentas e boas práticas para aproveitar LLMs em constante evolução, incluindo um novo conjunto de produtos de infraestrutura para gerenciamento de dados, curadoria, prompts, pré-treinamento e fine-tuning
• Na era da IA, é preciso absorver rapidamente, a cada ano, o equivalente a 10 anos de novo conhecimento para desenvolvedores
• Mas a IA também pode oferecer uma solução para essa complexidade
  • Em 2023, copilotos de código foram amplamente adotados e
  • no início de 2024, surgiram versões iniciais de ferramentas agentic que apontam para a possibilidade de automação end-to-end de tarefas simples de programação

Previsão: Com a IA, o papel do desenvolvedor mudará mais radicalmente do que o de qualquer outra profissão. Daqui a 10 anos, toda pessoa com um computador terá capacidades significativas de desenvolvimento, o que fará com que a velocidade de desenvolvimento de software aumente drasticamente e a idade média dos fundadores de startups de tecnologia caia de forma expressiva.

• Três áreas principais que impulsionam a rápida evolução da economia de desenvolvedores de IA:
  • 1. O setor de copilotos de código se tornou um foco de inovação e concorrência, e em 2023 US$ 3,9 bilhões em capital de risco foram investidos em tecnologias e ferramentas de GenAI.
    • O produto Copilot existente do GitHub, baseado nos modelos GPT-4 e Codex da OpenAI, já foi instalado mais de 14 milhões de vezes
    • Muitos concorrentes startups bem financiados e em crescimento, como Tabnine, Magic.dev, Augment, Poolside, Cursor AI, OpenDevin, Cognition's Devin e Supermaven, estão construindo e iterando junto com os desenvolvedores
  • 2. O "Graduation Motion" dos copilotos, com recursos nativos de busca e geração por agentes, criará enorme valor nos próximos anos.
    • Devin, SWE-agent e OpenDevin mostram o potencial de ferramentas agentes de ponta a ponta que interagem com o ambiente de desenvolvimento (por exemplo, editores de arquivo, shell bash) e com a internet para concluir tarefas de programação
  • 3. O raciocínio entre código e linguagem continuará sendo o centro da atividade de IA, beneficiando-se tanto da inovação na camada de modelos (por exemplo, GPT-4, Claude 3 Opus) quanto de novos paradigmas de raciocínio/agentes (por exemplo, Cognition's Devin, SWE-agent, OpenDevin).
    • Melhorias na camada de modelos levarão a maior qualidade na edição e conclusão de código, entregando valor, no fim das contas, a desenvolvedores e organizações de software
    • Sistemas que ampliam os limites de latência, tamanho de contexto e expansão de domínios de linguagem/conjuntos de pré-treinamento também gerarão enorme valor para os desenvolvedores
• A IA está impulsionando tanto inovação quanto disrupção, acelerando a velocidade dos desenvolvedores, a produtividade e a alavancagem das organizações de software
• Organizações de software voltadas para o futuro investigam regularmente ferramentas e fornecedores emergentes, e rapidamente priorizam e adotam softwares para desenvolvedores de alto valor agregado
• Os orçamentos de desenvolvedores voltaram a fluir, e há alta disposição para pagar por ferramentas com impacto visível
• Para empreendedores focados em desenvolvedores, este é um momento empolgante para construir algo. Há muitas oportunidades não só em copilotos, mas também em infraestrutura, ferramentas de desenvolvimento, QA, configuração e provisionamento de TI, monitoramento de operações de segurança, testes de invasão e mais
• Os copilotos podem ser hoje a oportunidade mais evidente, mas provavelmente também são a área mais competitiva
  • Houve uma explosão de ferramentas em domínios mais específicos de desenvolvedores, de SecOps em segurança a SRE, QA e testes de invasão
  • Essas ferramentas usam LLMs para abstrair a complexidade de baixo nível e automatizar tarefas de engenharia demoradas e dolorosas, liberando recursos de engenharia para trabalhos de nível mais alto
  • Integrar IA aos processos de DevOps melhora pipelines de CI/CD, testes automatizados e estratégias de implantação, permitindo entrega de software mais rápida e confiável
• Refatoração de código é outro excelente exemplo do impacto da IA no fluxo de trabalho e no ecossistema dos desenvolvedores
  • Muitas equipes modernas de engenharia dedicam apenas parte do tempo de seus FTEs à escrita de código totalmente novo
  • Especialmente em grandes organizações, uma parcela significativa do tempo de SWE é gasta nas partes “não sexy” do papel de engenharia de software: manutenção de código, segurança e testes
  • Muitas tarefas, como refatoração de código, exigem conhecimento profundo da stack e frequentemente são projetos difíceis que até engenheiros seniores executam com receio
• A IA tem um potencial claro para resolver esses desafios
  • Startups como Gitar, Grit e ModelCode usam modelos de geração de código, análise estática e parsers de AST para interpretar a estrutura do código e migrá-lo entre linguagens, bibliotecas de pacotes e frameworks
  • Parte desses esforços foca em frameworks web modernos, enquanto outros atuam em stacks de engenharia legadas frágeis (por exemplo, COBALT, PEARL etc.), nas quais, com o tempo, engenheiros qualificados estão se tornando obsoletos
  • Muitos fluxos de trabalho adjacentes às funções centrais de engenharia de software também consomem muito tempo, são repetitivos e adequados para automação
    > Previsão: até 2030, a maioria dos desenvolvedores de software corporativo atuará em um papel parecido com o de revisor de software. À medida que o custo de desenvolvimento cair e a produtividade dos desenvolvedores experientes aumentar, os salários subirão
• A IA afetará o escopo e as habilidades exigidas em todos os mercados de trabalho, mas provavelmente em nenhum tanto quanto no dos desenvolvedores
• Melhorias em IA não só aumentarão muito a produtividade dessa profissão, como também expandirão as fronteiras do universo dos desenvolvedores
• Daqui a 10 anos, a capacidade de desenvolver software será uma habilidade acessível à maioria da população mundial

# Modelos multimodais e agentes de IA transformarão a relação humana com o software

• A ascensão dos modelos multimodais e dos agentes de IA está impulsionando a próxima geração de inovação em IA
• Ela expande dramaticamente o alcance potencial de aplicação da IA para casos de uso muito mais amplos do que os dos primeiros modelos baseados em texto
• Para empreendedores de IA, surgem novas oportunidades de inovar não apenas em fluxos de trabalho com agentes, mas também em novas modalidades, como voz, imagem e vídeo
• Essas modalidades dão à IA capacidades equivalentes às humanas, como visão, audição e linguagem, abrindo a possibilidade de a IA complementar grande parte do trabalho humano que depende desses sentidos

Voz

• A primeira onda de empresas de IA de voz está aproveitando principalmente os avanços em Automatic Speech Recognition (ASR)
  • Abridge registra notas sobre conversas entre médico e paciente
  • Rillavoice captura conversas entre representantes de vendas em campo e clientes para apoiar o treinamento comercial
• Está surgindo uma nova geração de empresas de IA de voz que desenvolve produtos de voz conversacional capazes de lidar com fluxos de trabalho tediosos e repetitivos
  • Isso permite que pessoas em vendas, recrutamento, sucesso do cliente e casos de uso administrativos se concentrem em trabalhos de maior valor
  • A Ada incorporou voz conversacional ao seu produto de suporte ao cliente baseado em chat, aproveitando inovações recentes em voz
• Por trás desses avanços está uma nova arquitetura de voz
  • Ela pode processar e raciocinar sobre dados brutos de áudio sem transcrever a fala em texto
    • Trata-se de uma transição de arquiteturas em cascata para arquiteturas nativas de voz, como visto em novos modelos como o GPT-4o
  • Essa mudança permitirá produtos de voz conversacional com latência muito menor e compreensão muito mais alta de informações não textuais, como emoção, tom e sentimento
• Aplicações de voz com IA estão surgindo em muitos setores, como concessionárias de automóveis, varejo, restaurantes e serviços residenciais
  • Muitas vezes, uma parte significativa ou até a maioria das ligações de vendas receptivas feitas fora do horário comercial acaba sendo perdida, e nesses casos a IA é ideal para preencher essa lacuna
  • Em vendas, aplicações de voz com IA são casos de uso com ROI muito alto, porque a IA essencialmente recupera a receita perdida dessas empresas
• Empreendedores que constroem na fronteira da IA de voz podem oferecer interfaces mais naturais, conversacionais e com desempenho quase humano do que nunca

Imagem / vídeo

• Modelos de visão computacional já existem há anos, mas o aspecto empolgante da nova geração de LLMs multimodais é que eles conseguem combinar compreensão de imagem e de dados textuais (entre outras modalidades)
  • Essa combinação é muito útil para muitas tarefas
• A primeira onda de aplicações corporativas baseadas em imagem concentrou-se principalmente em casos de uso de extração de dados
  • Empresas como a Raft coletam documentos de carga e extraem informações críticas para preencher o ERP dos clientes e automatizar fluxos de conciliação de faturas
• À medida que os modelos fundacionais continuarem melhorando, espera-se o surgimento de aplicações verticais específicas de processamento de imagem e vídeo capazes de coletar volumes cada vez maiores de dados para alimentar aplicações
• Também existem aplicações em engenharia e design que aproveitam modelos de visão e de geração de imagem para ajudar no raciocínio sobre dados gráficos, a fim de gerar renderizações de esquemas ou projetos de edifícios, como faz a Flux.ai

Agentes autônomos de IA

• Um dos temas novos mais interessantes em IA é o desenvolvimento de agentes de IA capazes de lidar de forma totalmente autônoma com tarefas complexas de múltiplas etapas
• A maioria dos agentes de IA ainda não opera de forma confiável em casos de uso complexos, mas o avanço nos fluxos de trabalho com agentes está acontecendo muito rapidamente, e já estamos vendo vislumbres do que é possível
  • Devin, da Cognition AI (engenheiro de software de IA), mostra o que é possível à medida que as capacidades de planejamento e raciocínio da IA continuam a se expandir
• Mais aplicações estão começando a implementar agentes de IA em casos de uso bastante restritos, nos quais é possível limitar o impacto de erros compostos em processos de múltiplas etapas
  • Empresas estão usando soluções como a Leena AI para oferecer agentes de IA que apoiam tarefas de TI, RH e finanças, ajudando essas equipes a se livrar de trabalhos burocráticos e a melhorar a experiência dos funcionários
• Além disso, estão surgindo novos modelos com fortes capacidades de raciocínio para permitir que agentes executem fluxos de trabalho mais complexos
  • O mais interessante é que há muita pesquisa focada em novas abordagens arquiteturais para melhorar a implementação de agentes, por meio de vários métodos, incluindo raciocínio em cadeia de pensamento, autorreflexão, uso de ferramentas, planejamento e colaboração entre múltiplos agentes

# Vertical AI mostra potencial para superar o SaaS legado

• O Vertical SaaS se provou um gigante oculto que transformou indústrias durante a primeira revolução da nuvem
  • A soma do valor de mercado das 20 maiores empresas americanas de Vertical SaaS listadas em bolsa é de cerca de US$ 300 bilhões, e mais da metade delas abriu capital na última década
• Agora, com a chegada dos grandes modelos de linguagem (LLMs), começa a próxima onda do Vertical SaaS, à medida que vemos o surgimento de novas empresas baseadas em LLM voltadas para indústrias que atravessam os limites do Vertical SaaS legado e de novas capacidades
  • Aplicações de Vertical AI têm como alvo tarefas repetitivas baseadas em linguagem de alto custo, que representam muitos setores da indústria e uma grande parte da economia
• Segundo o Bureau of Labor Statistics dos EUA, o setor de serviços empresariais e profissionais representa 13% do PIB dos Estados Unidos
  • Só esse setor, onde predominam tarefas repetitivas de linguagem, é cerca de 10 vezes maior que a indústria de software
  • Mesmo além dos serviços profissionais, tarefas repetitivas verticais baseadas em linguagem representam uma parcela significativa em todos os setores
  • Acreditamos que a IA vertical competirá para capturar uma parte relevante desses custos e também estimulará atividades em áreas onde antes faltava mão de obra humana
  • Por exemplo, a EvenUp automatiza serviços jurídicos terceirizados e fluxos de trabalho internos de assistentes jurídicos, abrindo novas possibilidades em áreas de trabalho que antes eram difíceis de aplicar por conta do alto custo de mão de obra ou da falta de consistência

Previsão: à medida que a Vertical AI impulsionar a economia de serviços e apresentar novos modelos de negócios, seu valor de mercado será pelo menos 10 vezes maior que o do Vertical SaaS existente

Copilot, Autopilot e serviços habilitados por IA: três novos modelos de negócio

• Os três novos modelos de negócio da economia de Vertical AI consistem em Copilot, Autopilot e serviços habilitados por IA
• A Vertical AI também será oferecida por meio de vários outros modelos de negócio, aumentando a probabilidade de alinhar as capacidades de IA às necessidades específicas de cada setor
• Copilot
  • Aumenta a eficiência dos trabalhadores ao automatizar tarefas com o uso de LLMs
  • A Sixfold ajuda subscritores de seguros a analisar melhor os dados e entender os riscos
  • No modelo Copilot, a aplicação de IA fica lado a lado com o usuário e o ajuda a ter mais sucesso
• Agent
  • Enquanto o Copilot ajuda funcionários a realizar seu trabalho, o Agent automatiza completamente o fluxo de trabalho e substitui o usuário
  • O Agent se concentra em funções específicas dentro de empresas verticais, como vendas outbound ou atendimento de chamadas inbound
  • A Slang AI atende chamadas recebidas de restaurantes, realizando tarefas como fazer reservas e responder perguntas
• Serviços habilitados por IA
  • Serviços geralmente terceirizados para fornecedores externos, como contabilidade, serviços jurídicos e faturamento médico
  • Como esses negócios são intensivos em mão de obra, tradicionalmente têm margens baixas, são difíceis de escalar e são mais difíceis de diferenciar e menos valiosos do que negócios de tecnologia
  • Ao automatizar tarefas com software, essas empresas de serviços habilitados por IA buscam oferecer ao mercado serviços melhores e mais baratos com mais rapidez, além de conquistar participação de negócios tradicionais orientados a serviços
  • A SmarterDx usa IA para auditar cobranças de internação em nome de sistemas de saúde e hospitais antes de enviar as faturas e a documentação clínica correspondente aos pagadores
    • Antes, esse trabalho de auditoria era terceirizado para fornecedores especializados

Sinais iniciais da força dos modelos de negócio de Vertical AI

• Nós, da Bessemer, tivemos a sorte de apoiar líderes de SaaS legado em vários setores e agora temos um dos maiores portfólios de Vertical AI
• Como resultado, já reunimos dados significativos que podem ser usados para comparar empresas de Vertical AI com empresas comparáveis de Vertical SaaS legado
• Três análises do nosso portfólio de Vertical AI mostram a força dessa nova classe de aplicações
  • Os players de Vertical AI estão liderando o mercado com capacidades que não competem com o SaaS legado
    • A utilidade dessas aplicações normalmente complementa produtos de SaaS legado e não exige substituir ou replicar os produtos existentes
    • Essas startups de Vertical AI já estão capturando cerca de 80% do ACV dos sistemas centrais tradicionais de Vertical SaaS
    • Isso demonstra a capacidade da Vertical AI de gerar gastos significativos dentro de mercados finais verticais ao substituir despesas com serviços, oferecendo um TAM que pode, no fim, ser várias vezes maior que o do SaaS tradicional
  • Os perfis de eficiência e crescimento de empresas de Vertical AI em escala relevante (ARR acima de US$ 4 milhões) também são animadores
    • Elas estão crescendo cerca de 400% ao ano, mostrando o crescimento mais rápido que já vimos até agora
    • Também apresentam eficiência saudável, com margem bruta média de cerca de 65% e índice de eficiência BVP de aproximadamente 1,1x (novo CARR líquido/perda líquida)
  • A análise da proporção da receita que empresas de Vertical AI gastam com custos de modelo ajuda a dissipar a preocupação de que essas aplicações sejam apenas wrappers superficiais
  • Em média, essas empresas atualmente gastam apenas cerca de 10% da receita, ou cerca de 25% do COGS total, com custos de modelo
  • Portanto, essas aplicações verticais construídas sobre LLMs já estão gerando margens equivalentes a cerca de 6 vezes o custo dos modelos subjacentes
• No geral, esperamos enorme criação de valor na camada de modelos, mas, segundo esses dados, assim como em inovações anteriores de infraestrutura, a maior parte do valor empresarial será mais uma vez capturada na camada de aplicações
• Os players estabelecidos de software vertical também não estão totalmente parados
  • Empresas como Thomson Reuters (aquisição da CaseText por US$ 650 milhões) e DocuSign (aquisição da Lexion por US$ 165 milhões) realizaram as primeiras aquisições notáveis de Vertical AI
• No entanto, ainda acreditamos estar perto da linha de largada da maratona da Vertical AI
  • Esperamos o surgimento de novas empresas públicas duradouras de IA vertical nos próximos anos
  • Dado o ritmo de crescimento, esperamos que pelo menos 5 Centaurs de Vertical AI (ARR acima de US$ 100 milhões) surjam nos próximos 2 a 3 anos

Previsão: o primeiro IPO de Vertical AI acontecerá nos próximos 3 anos

# A nuvem de consumo renasce por causa da IA

• É um fato amplamente conhecido que a nuvem para consumidores apresentou crescimento fraco na última década
  • Nuvem para consumidores é definida como empresas que oferecem diretamente a consumidores individuais armazenamento em nuvem, computação e aplicações digitais baseadas em nuvem (incluindo também produtos B2B e para "prosumers")
• A análise dos dados do Cloud 100, iniciados há 9 anos, mostra que apenas 4% da lista acumulada corresponde a empresas com produtos para consumidores
  • Pode-se dizer que, desde o IPO da Dropbox em 2018, não houve saída de uma empresa de nuvem para consumidores "pura"
• Os unicórnios de nuvem para consumidores vêm surgindo na esteira de grandes mudanças tecnológicas
• Mas, desde o lançamento do iPhone há 15 anos e o posterior desenvolvimento das plataformas de mídia social, não houve uma grande mudança tectônica abrangente na tecnologia voltada ao consumidor
• No entanto, há 2 anos os consumidores se depararam com uma grande ruptura
  • Com as capacidades multimodais em rápida evolução dos LLMs, tornou-se possível expandir e aprimorar texto, visão e audição de maneiras antes impossíveis, abrindo potencial de disrupção em todas as categorias da nuvem para consumidores existente
• A medida da capacidade de consumo da IA é quanto essas aplicações ocupam do nosso tempo e da nossa atenção
  • O ChatGPT agora compete com líderes da economia da atenção, como o Reddit, e outros assistentes de IA de propósito geral, incluindo Claude e Gemini, também estão ganhando tração rapidamente
• Além dos assistentes de propósito geral, já é possível ver exemplos de empresas de IA para consumidores que lideram a inovação em suas categorias, como Perplexity para busca, Character.ai para companhia, Midjourney para criatividade de imagem, Suno e Udio para geração de música, e Luma, Viggle e Pika para geração de vídeo
  • Essas empresas estão atraindo e retendo bases de usuários dedicadas, mostrando, em alguns casos, o potencial de aplicações baseadas em LLM para substituir de forma eficaz incumbentes modernos
• À medida que a IA muda a forma como interagimos com a tecnologia e nos divertimos com ela, este é um dos períodos mais empolgantes para construtores e investidores da nuvem para consumidores
• Espera-se que vários IPOs de nuvem para consumidores ocorram nos próximos 5 anos

Previsão: devido à ascensão impressionante de mídia sintética, novas aplicações para consumidores e agentes de IA conversacionais, até 2030 os 3 principais negócios que dominarem a economia da atenção serão baseados em conteúdo ou produtos gerados por IA

• Está surgindo uma atividade considerável em estágio inicial na cauda longa de aplicações de IA para consumidores com funções específicas (por exemplo, geração e edição de conteúdo, educação)
  • A boa notícia é que isso é um sinal inicial de que os consumidores estão buscando IA para melhorar suas vidas
  • A má notícia é que não existem mais de 10 apps nativos de IA para consumidores por categoria que tenham mostrado profundidade de produto além de wrappers ou comprovado amor contínuo do cliente com forte retenção
  • Ainda acreditamos que existe uma oportunidade clara de construir empresas de nuvem sustentáveis para resolver muitas necessidades de consumidores ainda não atendidas
• Duas perguntas-chave sobre as necessidades dos consumidores:
  • O status quo é uma dor séria ou algo intensivo em trabalho para o consumidor?
  • Quanto esforço linguístico/visual/auditivo repetitivo e previsível é necessário?
• A IA não apenas vai recriar hobbies que adoramos, como social, entretenimento, compras e viagens, mas também ajudará as pessoas a descobrir e imaginar novas formas de se conectar ao mundo, brincar, comprar e explorar

# Conclusão - Nuvem de IA: realidade vs. hype

• Roy Amara disse que "tendemos a superestimar o efeito de uma tecnologia no curto prazo e subestimá-lo no longo prazo"
  • Isso descreveu com precisão os números do VC em muitas ondas tecnológicas do passado, como dot-com, nanotecnologia, cleantech e blockchain
  • Até mesmo o velho e entediante SaaS cresceu de forma excessiva em 2021
• Então, no caso da nuvem de IA, o hype está superando a realidade?
  • Estamos destinados a admitir, nos próximos 1 a 2 anos, que a promessa da IA dominou demais o venture capital em nuvem?
  • Ou a IA ameaça quebrar a "Lei de Amara"?
  • Será a primeira onda tecnológica em que a realidade superará um hype insano?
• Os resultados de uma pesquisa global com investidores da Bessemer oferecem uma resposta clara
  • Até agora, o hype valeu a pena
  • Para onde quer que se olhe, há evidências de um nível de impacto da IA sem precedentes históricos
• A maioria das empresas do nosso portfólio adotou internamente tecnologias de IA e atualizou seus roadmaps de produto para integrá-la
• As empresas do portfólio baseadas em IA estão demonstrando tração comercial significativa e crescendo com mais velocidade e eficiência do que qualquer outro grupo que já vimos
• Olhando para a previsão do ano passado, mesmo com sério otimismo e entusiasmo, não fomos capazes de prever completamente a velocidade e a escala dessa transformação
  • Especificamente, previmos que empresas baseadas em IA alcançariam US$ 1 bilhão em receita 50% mais rápido do que empresas tradicionais de nuvem
  • A OpenAI registrou US$ 2 bilhões em receita em fevereiro deste ano e, alguns meses depois, foi reportado que ultrapassou US$ 3,4 bilhões em receita anualizada
  • Espera-se que a Anthropic alcance US$ 850 milhões em receita anual até o fim de 2024
  • Segundo outros relatórios, a Midjourney está gerando US$ 200 milhões em receita, e estima-se que a Character.ai esteja em escala semelhante
• Nossa previsão final é que, quando olharmos para trás em 1 ano no State of the Cloud 2025, a IA não terá perdido nada da atenção que recebe atualmente