A confissão das labs

Em duas semanas de maio, OpenAI e Anthropic admitiram, na mesma estrutura societária, o que vinha sendo cuidadosamente evitado em decks de investidor: o modelo não é mais o gargalo. A implementação é.

A Anthropic anunciou uma joint venture de US$ 1,5 bilhão com Blackstone, Hellman & Friedman e Goldman Sachs. A OpenAI estruturou a OpenAI Deployment Co com US$ 4 bilhões liderados por TPG, e adquiriu a Tomoro para começar com 150 engenheiros. Ambas copiam o modelo do Palantir: forward-deployed engineer, embarcado no cliente, ficando até a coisa virar produção.

A confissão é honesta. Com valuation de US$ 850 bilhões, dentro de uma estrutura societária que pressupõe Blackstone como canal. Para o mercado americano, é um veículo bem desenhado e provavelmente vencedor. Para o mercado brasileiro e latino-americano, é uma notícia diferente — e bem melhor para quem está aqui.

Provavelmente as labs vencem nos EUA

O modelo que OpenAI e Anthropic acabaram de montar é desenhado para o mercado americano e tem boa probabilidade de funcionar lá.

Os ingredientes estão alinhados. O canal de private equity é poderoso — Blackstone tem centenas de portfolio companies que viram pipeline para a JV da Anthropic, TPG tem o mesmo para a OpenAI Deployment Co. A economia do forward-deployed engineer fecha quando o cliente é uma empresa americana de US$ 5 bilhões de receita que paga US$ 2 milhões por uma implementação de doze semanas: o engenheiro embarcado de US$ 400 mil/ano cabe nessa equação.

O modelo de serviço é familiar para o comprador — o C-level americano já comprou Palantir, já comprou McKinsey em parceria com SaaS, já entende o que significa “embedded team.” E o ciclo de feedback entre engenheiro embarcado e roadmap do modelo é um moat real, que se compõe ao longo de meses.

A previsão honesta: em 18 a 24 meses, OpenAI Deployment Co e a JV da Anthropic vão ter capturado uma fatia significativa do gasto de implementação de IA nas mid-to-upper Fortune 1000 nos EUA. As consultorias americanas que tentarem competir frontalmente — querer ser a “OpenAI Deployment Co alternativa” — vão perder. As que viraram parceiras competentes no ecossistema vão capturar uma fatia menor, porém defensável, do trabalho.

Esse é o cenário razoável para o mercado americano. Ele não se transfere para a América Latina.

Por que o modelo não atravessa

A confissão das labs tem um problema embutido para quem está fora dos EUA. O veículo de US$ 5,5 bilhões foi calibrado para uma economia, um canal, uma regulação, um idioma e um modelo de compra específicos. Cada um desses cinco eixos quebra quando você atravessa o equador.

Economia. OpenAI e Anthropic podem operar com engenheiros embarcados em São Paulo a custo local — Globant e EPAM fazem isso há vinte anos, e nada impede uma operação brasileira das labs de calibrar folha à realidade daqui. A questão real é outra: alocação de capital. O bottleneck atual das duas companhias é capacidade no mercado americano, onde o ticket médio por implementação é 3 a 5 vezes maior e onde o ciclo de feedback do engenheiro embarcado para o roadmap do modelo é estrategicamente mais valioso do que o equivalente brasileiro seria. Cada engenheiro sênior alocado em ramp de operação BR é um engenheiro não capturando conta da Fortune 1000. A lógica favorece foco no mercado americano pelos próximos 24 meses — e ramp relevante em mercado novo leva exatamente esse tempo.

Canal. Em PE no Brasil, mid-market é dominado por gestoras locais que não compõem o canal das JVs americanas. As portfolio companies da Blackstone no Brasil são poucas, em geral muito grandes, e tomam decisões de tecnologia de forma idiossincrática. A venda via portfolio companies das parceiras — o motor central das duas JVs — não tem volume relevante aqui. A venda direta da OpenAI Deployment Co a uma empresa brasileira média vai esbarrar em ciclos de 9 a 18 meses, sem o relacionamento prévio que faz o motor americano girar.

Regulação. LGPD não é GDPR com tradução. Regulação setorial é específica — Resolução 4658 do Banco Central para instituições financeiras, normas da ANS para saúde, exigências da ANATEL em telecom. Requisitos de residência de dados, transferência internacional e tratamento de dados pessoais sensíveis variam por setor de forma que não é parametrizável a partir de um template americano. Implementar agente que toca dados regulados no Brasil exige conhecimento que não está em compliance training corporativo.

Idioma e domínio. Não se trata de português brasileiro versus inglês americano. Trata-se de saber que boleto é uma via com regras próprias, que nota fiscal eletrônica é integração regulatória mandatória, que PIX mudou a economia de payment companies em três anos, que CNPJ tem dígitos verificadores com semântica que sistemas legados não respeitam. Um agente que responde cliente de banco brasileiro precisa entender hierarquia de produtos que não tem equivalente americano. Isso não se localiza com fine-tuning. Localiza-se com engenheiro que entende.

Modelo de compra. A jornada de compra empresarial no Brasil tem cadência diferente. A relação importa mais. Procurement é mais formal e mais lento. Implementação em “embedded team” pressupõe um nível de abertura organizacional que muitas empresas brasileiras grandes ainda não têm — o time interno precisa ser convencido antes de qualquer terceiro entrar. Não é resistência irracional, é uma forma diferente de gerenciar risco político interno. Quem vende implementação de IA aqui precisa entender essa coreografia.

Nenhum desses cinco eixos é intransponível. Mas o veículo anunciado em maio não foi desenhado para resolver nenhum deles. Foi desenhado para um mercado onde eles não são problemas.

O que “localizar” de fato significa

Quando a OpenAI Deployment Co eventualmente abrir operação em São Paulo — e vai abrir, provavelmente em 12 a 18 meses, provavelmente em parceria com algum SI grande — a tentação será descrever isso como “expansão internacional.” Não é. É refazer o modelo do zero.

Localizar de verdade exige cinco mudanças simultâneas, cada uma com economia própria. Mudar a economia do engenheiro embarcado para algo que feche em ticket brasileiro. Construir canal sem depender de PE portfolio. Internalizar regulação setorial vertical por vertical. Construir capacidade de domínio em português com pessoas que já viveram aqui. E adaptar o modelo de atendimento para uma jornada de compra mais relacional e mais política.

Cada uma dessas mudanças é caríssima. Em conjunto, exigem reconstruir o veículo. E o tempo que leva para fazer isso é o tempo que consultorias regionais têm para construir capacidade e capturar o mercado.

A oportunidade estratégica

A oportunidade é específica. Existe uma janela de 24 a 36 meses durante a qual o mid-market brasileiro e latino-americano vai precisar implementar IA empresarial — e durante a qual nem a OpenAI Deployment Co nem a JV da Anthropic vão estar operando aqui na forma que operam nos EUA. Esse mercado, por estrutura, pertence a consultorias regionais que já estão dentro desses clientes, já entendem regulação setorial e já operam em real.

A pergunta estratégica não é se consultorias regionais vão capturar esse espaço. É quais chegam com capacidade construída — e quais chegam como revendedoras de API americana, com margem comprimida no tempo.

Três movimentos concretos separam as duas posições.

Capacidade proprietária de harness engineering, neutra em relação ao modelo. Integrada com os fluxos regulados brasileiros, capaz de operar com modelos open-weights self-hosted quando o caso de uso exigir — o que vai ser comum em FIs e saúde. Não é tecnologia que se compra; é tecnologia que se constrói, em ciclo curto, com engenheiros que já estão entregando.

Profundidade vertical. Vai ganhar quem souber, em detalhe, como uma seguradora brasileira processa sinistro, como um banco médio brasileiro estrutura crédito consignado, como um varejo brasileiro lida com SKU em múltiplos estados com ICMS diferente. Esse conhecimento está distribuído em pessoas que trabalharam na indústria, e capturá-lo dentro de uma consultoria exige decisão deliberada de contratar e organizar diferente.

Posição de partner preferencial. OpenAI e Anthropic vão precisar de partners de implementação no Brasil — não por estratégia de canal, por necessidade econômica. A pergunta não é se vão precisar, é quem vão escolher. A resposta vai favorecer quem chegar antes com capacidade demonstrada, propriedade intelectual visível e clientes em produção.

A confissão lida do sul

OpenAI e Anthropic admitiram publicamente, com US$ 5,5 bilhões em capital, que implementação é o moat. Esse é o sinal mais claro possível, vindo das próprias labs, de que o valor está se deslocando para a camada onde consultorias têm vantagem estrutural.

No mercado americano, as labs provavelmente vencem essa fatia — o veículo que montaram foi desenhado para vencer lá. No mercado brasileiro e latino-americano, a estrutura é diferente. Economia, canal, regulação, idioma e modelo de atendimento criam barreiras de localização que as labs vão demorar a vencer. Essa demora é a janela. Ela está aberta agora, e vai ficar aberta entre dois e três anos.

A confissão das labs é uma boa notícia. Mas ela foi dita em inglês, em valuation de US$ 850 bilhões, dentro de uma estrutura societária que pressupõe Blackstone como canal. Para ser uma boa notícia em português, ela precisa ser localizada — e quem localiza é quem captura.

Daniel Braz is CTO at BRQ Product & Experience Studios, where he leads a digital products studio focused on AI-augmented software engineering. He is currently researching context degradation and specification-driven development in agentic workflows.