O maior mercado de IA vertical está escondido à vista de todos

• Quanto mais fragmentado e operacionalmente complexo for um setor, mais ele tende a ser o mercado ideal para que sistemas de IA vertical construam barreiras defensivas poderosas — algo que a maioria dos fundadores e investidores ainda ignora
• Uma automação limpa de tarefa única é fácil de copiar, mas sistemas profundamente inseridos em fluxos de trabalho entrelaçados com regulação, integrações legadas e tratamento de exceções criam uma estrutura difícil de ser acompanhada por concorrentes, clientes e até laboratórios de IA
• Quando o tamanho do mercado é recalculado não pelo orçamento de software, mas pelos custos de serviços e mão de obra, mercados verticais que pareciam pequenos revelam, na prática, áreas de gasto enormes
• Quando o produto deixa de apenas dar suporte ao trabalho e passa a substituir o próprio trabalho, a área faturável dentro do mesmo cliente pode se expandir em dezenas de vezes
• Nos próximos 5 anos, cada setor deve decidir qual abordagem vencerá entre plataformas verticais especializadas por finalidade, adição de IA aos SoRs existentes e construção interna de IA

---

Por que esse mercado está escondido

• As duas características que escondem os melhores mercados de IA vertical também funcionam, ao mesmo tempo, como sua barreira defensiva
• A primeira característica é o workflow grit: um ambiente de trabalho complexo, cheio de tratamento de exceções, integrações legadas, aprovações humanas, compliance e modos de falha com alto custo
  • Tarefas limpas e bem definidas são fáceis de construir, demonstrar e vender, mas no momento em que a inteligência se torna transferível, elas viram commodity
  • Trabalhos estreitos, de baixo risco e fáceis de encaixar em sistemas existentes podem ter suas funções copiadas por concorrentes, ser construídos internamente pelo cliente ou até lançados diretamente por laboratórios de fronteira
• Fluxos de trabalho com alto nível de grit bloqueiam essas três ameaças ao mesmo tempo: os labs não querem lidar com a complexidade operacional, os clientes não têm capacidade técnica e os concorrentes não conseguem encurtar o caminho
• Para tornar a IA utilizável em fluxos de trabalho com alto grit, é preciso muito mais do que acesso a modelos: estruturar dados não estruturados, integrar sistemas legados, desenhar ciclos de aprovação, definir taxas de erro aceitáveis e construir confiança em ambientes onde o custo do erro é alto
  • Esse trabalho se acumula silenciosamente e forma um mapa proprietário da operação do workflow que novos entrantes não conseguem reproduzir apenas comprando o mesmo modelo
• No começo, a recompensa parece pequena, mas esse trabalho operacional difícil concede o direito de expandir para workflows adjacentes e categorias de orçamento maiores

Casos reais: financiamento automotivo, cobrança médica e logística de cargas

• Salient: constrói agentes de voz com IA para ligar para tomadores de empréstimo automotivo inadimplentes. Opera sob regulação FDCPA, TCPA e Reg F, em um ambiente onde uma única violação pode desencadear ação regulatória
  • A IA precisa navegar por regras estaduais e federais sobrepostas, negociar pagamentos em tempo real, respeitar limites de frequência de chamadas e encaminhar para agentes humanos quando necessário
  • Uma ligação humana de cobrança custa entre $4 e $12, enquanto uma chamada com IA custa apenas uma fração disso
• Charta Health: automatiza a revisão de prontuários antes da cobrança, atravessando regras de seguradoras, códigos CPT e padrões de negação que variam por especialidade e região
• Na logística de cargas, HappyRobot, Pallet e Augment constroem agentes de IA que lidam com as intermináveis ligações, e-mails e atualizações em portais necessários para coordenar transportadoras, embarcadores e armazéns
  • “Ligar para o caminhoneiro para confirmar o status do carregamento” não parece algo de escala venture, mas cada carga envolve dezenas de pontos de contato manuais, e o setor de logística gasta mais de $1 trilhão por ano em custos operacionais não físicos

A segunda característica: estrutura de mercado

• Uma estrutura de mercado fragmentada entre milhares de operadores, com baixo DNA tecnológico entre os compradores
• Fornecedores horizontais de IA precisam de clientes concentrados e de alto valor para fechar a conta da distribuição, mas quando a receita está espalhada entre milhares de pequenas e médias empresas, cada uma operando sistemas diferentes e dados não estruturados, um player genérico não consegue justificar o esforço de GTM
• Operadoras imobiliárias, empresas de serviços de campo e clínicas ambulatoriais de reabilitação, por exemplo, não têm capacidade técnica para construir IA de produção internamente e veem tecnologia como algo a comprar, não a possuir
• A fragmentação cria espaço para construir, e a baixa propensão à construção própria amplia isso, dando tempo para acumular contexto operacional de forma composta antes de qualquer outro ator

Caso: mercado de tributos e contabilidade nos EUA

• O mercado americano de tributos e contabilidade é uma indústria de $145 bilhões, com uma longa cauda de cerca de 46 mil firmas de CPA, das quais 86% têm menos de 10 funcionários
  • Ao mesmo tempo, inclui as Big Four e grandes firmas nacionais
• Blue J: plataforma de pesquisa tributária baseada em IA, com tração nos dois extremos do mercado. Hoje atende mais de 2.800 organizações e teve crescimento de uso de mais de 700% ano contra ano
• A estrutura de longa cauda torna o mercado pouco atraente para players genéricos, enquanto o workflow grit — com leis tributárias sobrepostas, padrões ambíguos de fatos e respostas nas quais especialistas colocam sua reputação em jogo — cria um ponto de entrada sustentável mesmo em um ambiente de compra difícil

O reforço composto da barreira defensiva

• A complexidade operacional gera custos de troca (switching costs): removê-la exigiria recontratar equipe, reconstruir processos e abrir mão de anos de contexto acumulado do workflow
• A fragmentação não desaparece com o tempo, e os compradores não passam, de repente, a ter DNA de engenharia
• Quando OpenAI ou Anthropic perceberem a existência do mercado, o contexto operacional e a base de distribuição do sistema vertical já terão se acumulado por anos

TAM Goldilocks

• A maioria dos mercados de IA vertical fica escondida porque o tamanho do mercado é medido de forma errada
• A abordagem padrão é tratar os gastos com software daquela categoria como TAM, mas em setores fragmentados e operacionalmente complexos, o orçamento de software costuma ser pequeno
• A métrica correta é quanto o setor gasta no próprio trabalho: equipes que executam a tarefa, fornecedores terceirizados, agências, contratados — ou seja, o orçamento de serviços e mão de obra
• Essa redefinição também explica por que os concorrentes mais perigosos ignoram esses mercados: olhando pelo orçamento de software, “IA para locação imobiliária” parece nicho demais para justificar mobilização de laboratórios de fronteira
  • Já pelo orçamento de trabalho e serviços, o mercado é enorme, mas quando isso fica evidente, o sistema vertical já acumulou anos de vantagem
• As condições de um TAM Goldilocks: grande o bastante para gerar resultado de venture, mas disfarçado sob uma superfície modesta de software, ignorado por causa da complexidade operacional e capaz de se expandir dramaticamente depois de consolidar uma posição sistêmica

Da assistência à substituição

• A expansão acontece quando o produto deixa de auxiliar o trabalho e passa a executá-lo
• Exemplo de uma empresa de administração imobiliária: gasta $30.000 por ano com software de locação e $300.000 com equipe de locação
  • Quando o produto começa a executar o próprio trabalho, ele passa a ser vendido não para a linha de $30 mil, mas para a linha de $300 mil
  • À medida que se expande por todo o workflow e a operação, pode alcançar um orçamento operacional total de mais de $1 milhão
  • No mesmo cliente, na mesma empresa, a área faturável se expande em 30 vezes

Caso: EliseAI

• EliseAI: plataforma de gestão imobiliária com IA, que começou em um mercado limitado de proptech
  • No início, era uma solução de automação de locação com um único SKU, começando em ~$50 mil de ACV
  • Conforme o produto passou de auxiliar a substituir o trabalho de locação, expandiu-se e depois avançou para manutenção, cobranças e visitas guiadas por IA, cobrindo todo o ciclo de vida do inquilino
  • Hoje atende 1 em cada 8 apartamentos nos EUA, e administradores e operadores imobiliários gastam mais de milhões de dólares na plataforma
  • A empresa também entrou em saúde, mirando $600 bilhões por ano em custos administrativos com o mesmo playbook
• O TAM não cresceu junto com o produto; foi o produto que revelou o quão grande o TAM sempre foi

O que acontece quando se chega primeiro

• Nesse mercado, empresas de IA vertical que alcançam posição de sistema não estão apenas construindo grandes negócios, mas definindo como setores inteiros vão operar na próxima década
• Anthropic e OpenAI representam uma ameaça real na camada de aplicação, mas precisam lidar com prioridades conflitantes ao mesmo tempo
  • Precisam continuar investindo no avanço da fronteira dos modelos, e a maximização de receita baseada em tokens entra em conflito de interesses com o cliente final à medida que a adoção de agentes cresce
  • Além disso, teriam de construir simultaneamente aplicações customizadas de alta qualidade para dezenas de verticais diferentes
• Na maioria dos mercados, a IA vertical especializada por propósito deve superar os labs em execução por pura concentração
• Os próximos 5 anos vão decidir qual abordagem vence em cada mercado: plataformas especializadas por propósito que expandem uma wedge de IA para um sistema vertical, SoRs (Systems of Record) existentes que sobrepõem uma IA “boa o suficiente” para manter sua posição no mercado, ou IA interna construída sobre Anthropic/OpenAI
• A estratégia central: escolher um ponto de entrada afiado e operacionalmente complexo em um mercado que parece pequeno demais, expandir por todo o workflow para ganhar autoridade, substituir trabalho e se tornar um sistema sem o qual o cliente não consegue operar
• “Modelos vencem em demos, wedges vencem em pilotos, sistemas vencem no mercado”