Que tipo de software será substituído pela IA?

A correção do setor de software desde 2026 é diferente das anteriores, que eram impulsionadas por “desaceleração de demanda/alta dos juros”: o mercado discute mais o valor final — se essas empresas conseguirão manter seus lucros daqui a dez anos e se o fosso competitivo será ou não reaberto por uma IA “agente” (agentic).

De acordo com informações da Mesa de Negociação Trend, Gabriela Borges, analista do Departamento Global de Pesquisa em Investimentos do Goldman Sachs, escreveu de forma direta no relatório do dia 16: “O mercado está questionando o fosso competitivo e o modelo de negócios do software.” Ela desmonta um a um os sete principais argumentos pessimistas apresentados por investidores, atribuindo uma pontuação de risco de 1 a 5, e diferencia se o impacto é sobre softwares de aplicação em sentido estrito ou se pode se espalhar para a infraestrutura/camada de segurança, além do ROI relacionado ao CAPEX dos provedores de nuvem.

Curiosamente, o Goldman Sachs não considera como risco central o “software de sistema ser totalmente substituído pela IA” (nota 1). As preocupações mais agudas estão em duas direções: primeiro, a migração de valor da camada de registro de sistema (System of Record, SoR) para o “sistema operacional/agente de orquestração” (nota 4); segundo, a própria velocidade de iteração tecnológica dificultando a precificação do desfecho (nota 5) — é difícil encontrar um “piso” para a avaliação.

Nessa incerteza, o relatório também é claro quanto aos pontos de atenção: observar dois tipos de sinais — primeiro, se as empresas de software conseguem provar que “experiência no domínio do setor” realmente traz resultados melhores com agentes; segundo, se os fundamentos nos relatórios financeiros permanecem estáveis ou até melhoram.

Nesta correção do software, o mercado olha para o “debate do valor final”

A avaliação do Goldman Sachs é: na queda de 2026, o foco mudou de “curva de crescimento de curto prazo” para “o fosso competitivo será ou não erodido pela IA”. O centro do debate está em software de aplicação, mas já começa a atingir infraestrutura/camada de segurança, e investimentos relacionados ao CAPEX dos provedores de nuvem.

Por isso, o relatório tem um tom de “desmontar o debate”: lista sete argumentos pessimistas, do “espantalho” à argumentação de aço, atribuindo uma pontuação de risco e tentando responder à mesma pergunta — o que ainda sustenta o valor final?

SoR dificilmente será “derrubado”, mas “migração de valor” é mais perigosa

• A: Risco de SoR ser “substituído” é muito baixo (nota 1)

O primeiro argumento pessimista é o “rip and replace”: novos players usam IA para refazer a camada de registro do sistema, tornando obsoletos sistemas essenciais como ERP/CRM/HR. O Goldman Sachs considera isso de baixo risco, com uma razão simples: IA generativa é mais um motor de análise e geração do que de transação; IA corporativa exige grande volume de dados de alta qualidade, estruturados e rastreáveis, e SoR é justamente o recipiente e sistema de governança desses dados.

O relatório também reconhece que o risco de substituição realmente existe: se alguém redesenhar uma arquitetura mais moderna, escalável e de menor custo total na camada SoR, pode incentivar a migração. Como exemplo, cita-se a migração para SAP S/4HANA Cloud: grandes empresas geralmente levam 18 a 36 meses em projetos de múltiplas etapas, com alto custo e longo ciclo, o que abre espaço para imaginar “alternativas mais baratas e rápidas”.

A “ação defensiva” sugerida pelo Goldman Sachs também foca na arquitetura: SoR deve evoluir de um “livro caixa passivo” para um “sistema de raciocínio”, de “AI powered (acoplado)” para “AI native (nativo na arquitetura)”. Entre os sinais, o texto destaca a replatforming da Salesforce em 2024 e o ajuste de rota da Workday de sistema fechado para aberto.

Outra variável-chave é o limite dos dados empresariais. Se as empresas continuarem restringindo sua vantagem de dados aos aplicativos existentes (o relatório cita o ajuste da Salesforce nos termos da API do Slack em maio de 2025, limitando o treinamento de LLM e exportação em massa), então o SoR como base será mais estável, mas o pool de lucros acima pode ser absorvido por novas camadas.

• B: Valor migra do SoR para o “sistema operacional/agente de orquestração” (nota 4)

O Goldman Sachs considera que o risco mais realista não é o desaparecimento do SoR, mas sim sua transformação em “base de dados de conformidade”, concentrando valor na camada de orquestração capaz de raciocinar entre sistemas, chamar APIs e executar fluxos de trabalho automaticamente. Agentes podem ler, escrever e reconciliar entre múltiplos SoR, e os usuários deixam de acessar diretamente a interface original; o fosso competitivo criado por UI, fluxo de processos e hábitos de uso do passado se enfraquece.

O relatório ilustra esse mundo por “quem está sobre quem”: Sierra empilhada sobre Salesforce, Anthropic Cowork sobre Microsoft, e o orçamento incremental tende a ser capturado pela camada superior. O Goldman Sachs alerta ainda que o mercado é especialmente sensível a essa tendência porque muitas empresas de aplicação que cresceram durante o ciclo de juros baixos (2020/2021) têm fossos competitivos frágeis e são mais vulneráveis à narrativa de “desintermediação”.

A oportunidade para players tradicionais está em “experiência de domínio + contexto”. O relatório cita declarações de várias empresas para demonstrar “por que o contexto importa”:

• A Microsoft enfatiza que permanecer no mesmo ecossistema reduz latência, garante dados atualizados e fornece mais contexto ao LLM, além de que a fricção, custo e “ruptura” na migração de dados em larga escala costumam ser subestimados;
• A HubSpot aponta que a principal deficiência da IA corporativa é a “falta de contexto”, e que a camada de registro do sistema agrega o histórico do cliente e informações colaborativas, reduzindo a necessidade de “ensinar a IA” repetidamente;
• A Datadog mostrou no Analyst Day de 12/2: um SLM treinado com dados internos oferece maior precisão a custo menor, destacando que “experiência de domínio” pode ser convertida em diferenciação no modelo e nos resultados.

Software vertical resiste melhor no curto prazo, mas “bom o suficiente” pode mudar o poder de precificação (nota 2)

O terceiro argumento pessimista é “horizontal engole vertical”: plataformas horizontais usam ferramentas de IA para permitir que clientes criem seus próprios fluxos de trabalho do setor, corroendo o poder de precificação do software vertical. O Goldman Sachs atribui risco 2, acreditando que o software vertical ainda possui barreiras: dados proprietários do setor, profunda integração nos fluxos de trabalho criando atributos de SoR, reputação de longo prazo como referência, e barreira regulatória em setores fortemente regulados.

O relatório usa a Guidewire como exemplo de escala de dados: em sua base de clientes, cerca de US$ 775 bilhões em prêmios de seguros P&C são gerenciados por ao menos um produto Guidewire, e o acúmulo histórico de dados é uma barreira difícil de ser replicada por concorrentes. O Goldman Sachs destaca ainda “o tempo dado pelos clientes”: softwares verticais profundamente integrados têm ciclos de tolerância e mudança medidos em anos, não em meses.

No entanto, o Goldman Sachs não descarta o risco. O relatório também lista novos impactos da horizontalização/IA: a colaboração da Palantir com AIG e Anthropic em casos de uso de seguros; a Intuit lançou o GenOS, facilitando a codificação de fluxos de trabalho verticais em softwares horizontais como Quickbooks. A questão-chave é: se os recursos de IA das plataformas horizontais forem apenas “suficientemente bons”, e não “claramente melhores”, ainda assim podem atrair clientes por serem mais simples de integrar e menos fragmentados — isso afeta diretamente o poder de precificação do software vertical a longo prazo.

Código mais barato traz mais competição, mas criar produto ≠ criar empresa (nota 2)

O quarto argumento pessimista é “custo do código em queda”. O Goldman Sachs reconhece que ferramentas de IA para codificação diminuem a barreira de entrada e atraem novos players, mas atribui risco 2, pois engenharia de software não é só escrever código: engenheiros gastam muito tempo em design, depuração, identificação de riscos e revisão; aumento de eficiência das ferramentas não significa eliminação de cargos de desenvolvimento.

O relatório traz um dado sobre “humanos ainda no loop”: pesquisa da Faros com 10 mil desenvolvedores mostra que equipes com alta adoção de IA completam 21% mais tarefas e fazem 98% mais merge de pull requests, mas o tempo de revisão dos pull requests aumenta 91%. O ganho de eficiência desloca o gargalo para outras etapas, especialmente em entregas corporativas, onde segurança, manutenção, integração, orquestração de processos, construção de ecossistema e GTM continuam sendo desafios.

“O futuro é customização” rouba parte do orçamento, Palantir faz da customização uma plataforma (nota 3)

O quinto argumento pessimista é “empresas preferem construir internamente”. O Goldman Sachs chega a uma conclusão equilibrada: a queda no custo do código não mudará amplamente o dilema build vs buy, mas empresas realmente direcionarão parte do orçamento para soluções internas em alguns cenários, risco avaliado em 3. O motivo principal é que custos e responsabilidades de manutenção se acumulam ao longo do tempo — mesmo que a eficiência dos agentes reduza custos de manutenção, o custo do fornecedor também cai, e a “fronteira desempenho/custo” geralmente ainda está com o fornecedor.

O relatório considera que o espaço mais vulnerável ao insourcing é aquele entre SoRs tradicionais, que exige coordenação entre múltiplos departamentos e onde softwares empacotados não conectavam bem.

A Palantir é citada como paradigma de customização: através do AIP co-constrói casos de uso de IA de produção com o cliente, enfatizando ROI quantificável. A empresa apresentou crescimento: o negócio comercial nos EUA cresceu 109% em 2025, e a expectativa para 2026E é de aceleração para mais de 115%. Além disso, a Palantir conta com engenheiros de campo (FDE) para traduzir intenções do cliente em sistemas operacionais e transformar soluções específicas em capacidades reutilizáveis; mesmo enfrentando dúvidas sobre ser software ou serviço, mantém margem bruta de cerca de 85% no modelo híbrido.

O Goldman Sachs alerta ainda que a onda de insourcing corporativo pode estar perto de um “pico local”: fornecedores SaaS estão reforçando suas capacidades de IA, os protocolos de governança e segurança de dados (A2A, MCP, etc.) estão evoluindo, e equipes de TI estão amadurecendo. A ServiceNow já anunciou que está reconquistando orçamentos antes destinados a soluções internas.

“Imposto do LLM” pressiona margens: mais realista nos próximos 12–24 meses, no longo prazo volta ao poder de precificação (nota 3)

O sexto argumento pessimista é a reestruturação das margens. O Goldman Sachs prevê pressão moderada nas margens do setor por 12–24 meses: para conquistar adoção, fornecedores podem absorver custos de GPU e APIs de modelos de terceiros. Como a IA transforma “intensidade de uso” diretamente em custo (consumo de tokens, complexidade do modelo, frequência de queries), o SaaS migra do modelo de alavancagem de custos fixos para uma economia mais “pay as you go”.

O relatório cita Bessemer: algumas empresas AI-native que atingiram US$ 100 milhões em ARR rapidamente têm margens brutas de cerca de 25%, muitas até negativas; empresas AI-native mais maduras ficam em torno de 60%, ainda abaixo do SaaS tradicional.

Mas o Goldman Sachs não vê isso como queda permanente: segundo dados da Epoch AI, o custo de inferência de LLM cai de 9 a 900 vezes ao ano; o preço para atingir performance MMLU similar ao GPT-4 cai cerca de 40 vezes ao ano. Recuperar margens de longo prazo depende de “poder de precificação = diferenciação”. O relatório também destaca a vantagem estrutural da Microsoft: integração vertical e relação com a OpenAI permitem capturar lucros em várias camadas da cadeia de valor, reduzindo a “taxa LLM” paga a terceiros.

O que é mais difícil de precificar é a velocidade tecnológica: a incerteza em si pressiona a avaliação (nota 5)

O sétimo argumento pessimista recebe a maior nota de risco do Goldman Sachs: a evolução tecnológica é rápida demais para prever o desfecho. O relatório lista as novidades do ano: Anthropic (Cowork, Opus 4.6, plugins verticais), OpenAI (Frontier, OpenClaw), Google DeepMind (Deep Think), Meta (Avocado). Cita o white paper da Bridgewater (novembro 2025): a lei de escala de pré-treinamento ainda se aplica; e traz benchmarks recentes (vários modelos acima de 90% no GPQA Diamond).

Dois “pontos de inflexão embalados” ilustram a imprevisibilidade: o ChatGPT popularizou a capacidade ao tornar o acesso fácil; o Cowork levou a capacidade ao desktop GUI, permitindo testes por não técnicos. Para frente, a disseminação de agentes auto-hospedados como OpenClaw, em conversa com Matthew Prince (CEO da Cloudflare) no relatório, pode replicar a velocidade de adoção do ChatGPT nos próximos três anos; no curto prazo, o principal limitador corporativo ainda é a segurança.

A incerteza pode também criar novo TAM. O relatório cita o caso da equipe MAI Superintelligence da Microsoft: o MAI-DxO atingiu 85% de acerto nos desafios do The New England Journal of Medicine, e ao inserir o blog da Microsoft e métricas iniciais no ChatGPT, estimou-se um TAM anual de US$ 50 a 100 bilhões (cenário de alta: US$ 150 a 200 bilhões). Mas o ponto do Goldman Sachs não é “apostar no desfecho”, e sim reconhecer: a incerteza em si dificulta a ancoragem do valor final, e alta incerteza tende a gerar múltiplos de avaliação mais baixos.

Pontos de atenção para “estabilidade” no relatório: realização do domínio e fundamentos sólidos

O Goldman Sachs resume os sinais de estabilidade em dois: primeiro, se empresas de software empresarial conseguem comprovar com produtos e casos que a experiência no domínio realmente traz melhores resultados com agentes; segundo, se os fundamentos nos relatórios financeiros permanecem estáveis ou até melhoram (especialmente testados nas temporadas de resultados). Até lá, o foco é mais em “fossos competitivos arquiteturais” — ou seja, não só na interface e fluxo de trabalho, mas expandindo para camadas mais profundas de tecnologia e estrutura de plataforma.

 

~~~~~~~~~~~~~~~~~~~~~~~~