Tração inicial não vira vantagem duradoura em startups de IA

A tese: momentum não é fosso

Dan Hockenmaier argumenta que a tração inicial em startups de IA não deve ser confundida com defensabilidade. Muitos fundadores afirmam que "não existem mais fossos" ou que "execução é o único fosso", mas para o autor isso confunde um meio de ganhar defensabilidade com o fosso em si. Momentum é melhor entendido como moeda que se gasta para cavar um fosso - algo genuinamente difícil de replicar por concorrentes, mesmo quando bem financiados.

O risco está crescendo porque a adoção rápida de IA faz os números iniciais de todas as empresas parecerem bons, atraindo rodadas enormes e competição extrema. O autor questiona quem, entre Lovable, Suno, ElevenLabs, Harvey, Gamma e os próprios labs, estará sem fosso quando a maré baixar. Ele cita aquisições da Bending Spoons (Eventbrite, Airtable, Miro) como exemplos de empresas que aceleraram e depois estagnaram.

O ciclo de vida da startup

O autor descreve três fases: a Wilderness, onde há liberdade total para competir e mudar de rumo; o Tunnel, onde a empresa levanta capital, cresce e as decisões passam a envolver trade-offs reais; e o Endgame, quando o campo de jogo e os rivais estão claros e mudar de curso fica difícil porque quebraria expectativas de investidores, funcionários e clientes. É difícil saber quem tem fosso até o endgame.

Os oito fossos, reavaliados pela IA

Usando a taxonomia dos 7 Powers de Hamilton Helmer (com os data effects elevados a oitavo fosso), o autor classifica os fossos como wedges (vantagens precoces que compram tempo), compounders (se formam no túnel e geram a maior parte do valor) e reinforcements (demoram demais para a maioria das empresas de tecnologia). Ele distingue "benefício" (vantagem econômica) de "barreira" (quando essa vantagem se torna difícil de copiar) - só a barreira é fosso verdadeiro.

Cornered resource: acesso preferencial a ativos valiosos, geralmente o time fundador. O exemplo extremo é a Discovery Loop, fundada por Jeff Dean e colaboradores ao deixarem o Google, sem produto nem clientes, levantando US$ 1 bilhão a uma avaliação de US$ 10 bilhões. Mesmo assim, dado o trânsito livre de talentos entre labs nos últimos 18 meses, costuma ser um wedge temporário.

Counter-positioning: incumbentes não copiam a startup porque isso danificaria seu negócio - o caso do Google, que teria construído um ChatGPT antes do ChatGPT mas não lançou. A inteligência barata cria oportunidades, como OpenEvidence, Sierra e Speak, que usam custo marginal menor para disruptar serviços humanos caros. Mas o prazo de validade está encurtando.

Switching costs: a IA os enfraquece ao criar produtos mais valiosos e eliminar parte do custo de migração, mas os impactos se concentram nos custos diretos. A "taxa de workflow" (reaprendizado do time) e o risco (sistemas críticos como pagamentos ou infraestrutura) resistem. O autor cita Abridge, Decagon e Sierra como candidatas a se tornarem difíceis de remover, e levanta a hipótese de switching costs em consumidor via ferramentas como Grok Bot e Instinct.

Network effects: a internet era tecnologia de distribuição (conectar pessoas), enquanto IA é tecnologia de produção - muitos produtos são single-player. Não se pode simplesmente "adicionar" efeito de rede. TikTok já corroeu o grafo social com o algoritmo, e a IA pode completar o movimento. Ainda surgirão casos empresariais, como HuggingFace e OpenRouter, cuja força dependerá de haver oligopólio (OpenAI e Anthropic) ou fragmentação entre labs e alternativas de pesos abertos.

Data effects: o candidato a rei da era da IA, com assíntota muito mais longa do que Helmer previa. Para virar fosso, o dado precisa ser difícil de replicar - hoje, geralmente gerado pelo próprio produto, já que empresas como Mercor e Handshake tornam o resto comprável - e melhorar diretamente o produto em loop composto. Cursor foi o exemplo canônico, mas escolheu o mercado mais lucrativo da IA e atraiu competidores de bolso fundo. Empresas verticais como Legora e EvenUp podem ter janela maior.

Economias de escala: claras na infraestrutura (Nvidia, TSMC, AWS), duvidosas nos modelos de fronteira e mais obscuras nas aplicações. O teste permanente: isso persiste quando alguém levantar US$ 1 bilhão para fazer o mesmo?

Brand: o fosso mais superestimado. O contraponto é o Tylenol: mesmo após a crise de 1982, quando sete pessoas morreram, a marca recuperou participação e cobra 5x o preço de genéricos. Startups e seus mercados são jovens demais para isso; Airbnb, Stripe e Figma têm benefício real, mas não barreira.

Process power: o caso estreito em que execução vira fosso - uma forma de trabalhar profundamente enraizada e incopiável. Palantir é o exemplo, com seus engenheiros de campo (FDE). Uma nova geração usa o modelo FDE como camada de implementação da IA, e alguns podem desenvolver process power, mas isso leva muito tempo.

Conclusão

Há uma tensão central: o trabalho número 1 do fundador é gerar momentum, mas quando ele chega, o relógio começa a correr para cavar o fosso antes dos concorrentes. A saída é ter uma teoria de defensibilidade desde o início: focar na execução e no produto, mas sabendo qual caminho até a defensibilidade as decisões de hoje aproximam ou afastam. Os fossos continuam viáveis - a IA reavalia sua importância relativa, mas os fundamentos seguem os mesmos.