Agora, o título já será familiar para a maioria dos leitores da Crunchbase News: SaaS está Morto.
O mercado acredita que as empresas de software não podem mais cobrar prêmios e prevê um crescimento lento indefinidamente.
Há duas razões. Primeiro, a IA impulsiona uma redução de 10 vezes nos custos de produção de software. Segundo, essas capacidades de IA permitem uma enorme onda de novos concorrentes, tanto startups financiadas por VC quanto soluções internas.
Redução dos custos de produção de software e aumento da concorrência, dizem eles, eliminarão o poder de precificação do software. As ações públicas de software caíram 20% este ano até meados de maio, e pela primeira vez na história, o software é negociado com desconto em relação ao múltiplo médio do S&P500 sobre lucros. O SaaS está morto.
É verdade que a IA trouxe queda de custos e aumento da concorrência. Mas isso não significa que o SaaS esteja morto. Reduzir o custo de produzir software não significa que a receita de software irá encolher. Na verdade, a história sugere o contrário.
Em certos casos, a eficiência gera consumo. Essa é a lição do Paradoxo de Jevons. Funcionou para motores a carvão, funcionou para data centers e também funcionará para software impulsionado por IA.
O Paradoxo de Jevons
Vamos começar com o carvão. Na década de 1860, na Grã-Bretanha, muitos se preocupavam em esgotar rapidamente os recursos de carvão do país. A sabedoria convencional dizia que desenvolver motores mais eficientes para queimar carvão faria o carvão durar mais tempo.
Mas o economista William Stanley Jevons percebeu que motores mais eficientes para carvão causariam um aumento na demanda por energia de carvão, resultando em britânicos esgotando seu carvão mais rápido, não mais devagar.
Jevons estava certo. Quando maior eficiência gerava menores custos, também liberava uma enorme nova demanda. Isso consumiu reservas de carvão mais rápido, não mais devagar.
Há 25 anos, entrei para uma empresa de buyout durante a crise das pontocom de 2001. Meu primeiro investimento foi numa empresa de data center em dificuldades. A Exodus Communication, que atingiu um pico de capitalização de mercado de US$ 32 bilhões, passou por falência duas vezes enquanto a demanda por data centers continuava a cair.
Em 2004, recomendei que nossa empresa adquirisse esse negócio de data center na segunda falência por US$ 200 milhões e o fundisse com um concorrente chamado Savvis.
Na época, o mercado considerava os data centers uma indústria em declínio. Empresas pontocom estavam retirando racks de servidores dos locais, e os pisos dos data centers estavam vazios. Analistas da indústria previam que, dada a lei de Moore sobre o crescimento exponencial da capacidade dos chips e o aumento da densidade de potência dos servidores, um único rack em 10 anos entregaria o que 100 racks entregavam em 2005, e que em 20 anos, um rack entregaria o que 10 mil racks entregavam em 2005. A sabedoria convencional dizia que chips mais eficientes exigiriam menos espaço nos data centers ao longo do tempo.
Nossa tese de que a demanda por espaço nos data centers cresceria não era uma opinião popular na época. Se 10 mil racks em 2005 seriam substituídos por apenas um rack em 2025, será que os EUA já não tinham espaço suficiente nos data centers?
A IBM veiculava anúncios mostrando uma sala cheia de servidores substituída por um mainframe. Um membro cético do comitê de investimentos me disse que esse negócio havia passado por falência duas vezes em dois anos e que, se passasse por uma terceira vez, eu deveria acompanhá-lo.
Hoje, um único rack pode realmente entregar 20 mil vezes mais poder computacional do que os racks de 2005, e como todos sabem, longe de termos espaço demais, não conseguimos construir nova capacidade de data centers rápido o suficiente. Uma demanda latente verdadeiramente enorme por poder computacional foi liberada à medida que a eficiência dos racks aumentava. A história da Savvis também terminou bem, sendo vendida seis anos depois por US$ 3,2 bilhões.
O Paradoxo de Jevons foi verdadeiro para o carvão e para os data centers. Também será verdadeiro para o trabalho do conhecimento apoiado por IA.
O trabalho do conhecimento e a expansão do mercado
Há 25 anos, apenas os ricos tinham acesso a conselhos personalizados de investimento. Em 1996, o Nobel Bill Sharpe cofundou a Financial Engines para levar conselhos personalizados de investimento a qualquer pessoa com um 401(k).
Minha empresa era investidora e tive o privilégio de trabalhar de perto com a empresa. No início, ela tentou vender conselhos sobre como investir os fundos do 401(k), mas apenas cerca de 20% dos funcionários estavam interessados em receber conselhos e depois administrar suas próprias posições no 401(k).
A inovação revolucionária da Financial Engines foi administrar diretamente as posições do 401(k), não apenas dar conselhos. Os funcionários podiam marcar uma caixa: “faça isso por mim”. A demanda das pessoas que antes não tinham acesso a esses conselhos superou todas as expectativas e fez um bem enorme. Lembro-me de que um cliente inicial foi a JCPenney, cujos dezenas de milhares de funcionários com idade média de 27 anos tinham aproximadamente 40% de seus fundos do 401(k) em dinheiro, 40% em ações da JCPenney (que acabaria entrando em falência em 2020) e 20% em tudo o mais. Apenas transferi-los para fundos mútuos sensatos e de baixo custo adequados à sua idade e outros objetivos financeiros gerou enormes benefícios.
A Financial Engines passou de zero para US$ 169 bilhões em ativos sob gestão quando foi adquirida em 2018 por US$ 3 bilhões.
A empresa ofereceu um serviço muito semelhante ao que hoje chamaríamos de IA agente. O cliente (um funcionário com poupança para aposentadoria) delegava uma decisão (investir meu dinheiro) a um sistema de computador, e o funcionário pagava de forma vinculada ao resultado (~50 pontos-base sobre AUM).
Claro, a tecnologia para oferecer isso era bastante diferente, e essa era uma aplicação muito restrita. A lição permanece: o software permitiu uma enorme eficiência na entrega do trabalho do conhecimento (neste caso, conselhos individuais de investimento) e surgiu um enorme mercado latente para comprar o serviço.
O fim do racionamento do trabalho do conhecimento
A maior eficiência de custos da IA, assim como a maior eficiência de custos dos algoritmos da Financial Engines, permite que a demanda aumente porque relaxa uma restrição de oferta no trabalho do conhecimento.
Os trabalhadores do conhecimento levam anos de educação e treinamento, tendem a querer morar em lugares de alto custo, ao longo do tempo querem trabalhar apenas em certos tipos de problemas que acham interessantes e precisam de muita gestão para se darem bem. É por isso que pagamos salários tão altos e fazemos tudo o que podemos para torná-los mais produtivos.
O software empresarial é uma ferramenta para tornar os trabalhadores do conhecimento mais produtivos. O mercado total de software empresarial nos EUA está na ordem de US$ 0,5 trilhão por ano, segundo a Gartner. O mercado dos EUA para o trabalho do conhecimento, ou seja, o valor pago aos 100 milhões de trabalhadores do conhecimento neste país, é de aproximadamente US$ 10 trilhões, segundo números do Bureau of Labor Statistics dos EUA. Atualmente, gastamos cerca de 5% do custo dos trabalhadores do conhecimento em ferramentas de software para ajudá-los.
A IA permite que as empresas de software não apenas vendam ferramentas para os trabalhadores do conhecimento, mas comecem a vender os próprios resultados do trabalho do conhecimento, como escrevi em artigos anteriores da Crunchbase.
Coloque isso junto: 90% de compressão de custos no desenvolvimento de software mais a capacidade de vender o trabalho do conhecimento. Sabemos que há uma enorme demanda latente por trabalho do conhecimento, se apenas não fosse tão cara e difícil de acessar.
Pela primeira vez, milhões de pessoas e empresas que nunca tiveram acesso a um estrategista, um analista, um advogado ou um consultor financeiro estão prestes a ter um.
O software está longe de estar morto. O aumento da eficiência oferecido pela IA permitirá que ele faça muito mais por menos, e assim como um motor de carvão ou data center mais eficiente, isso liberará uma enorme demanda latente por trabalho do conhecimento.
No final, isso aumentará a receita e a força das empresas de software que usam IA para melhorar ainda mais a produtividade dos trabalhadores do conhecimento ou entregar diretamente os resultados do trabalho do conhecimento. O papel do software hoje é resolver o problema de entregar isso com segurança e confiabilidade.
Não foi tarefa fácil para a indústria aprender a gerir trabalhadores do conhecimento que são humanos, e será igualmente grande a tarefa de aprender a gerir aqueles que são trabalhadores do conhecimento máquina. Esse é o desafio.
Mas lembre-se de que hoje o mercado do trabalho do conhecimento é 20 vezes maior que o mercado de software. A escala do prêmio para as empresas de software é liberar a demanda latente por trabalho do conhecimento que, se a história for alguma indicação, vai eclipsar o atual mercado de software.
O mercado hoje teme que a eficiência oferecida pela IA encolha a indústria de software. Exatamente o contrário é verdadeiro. A IA liberará uma enorme demanda latente por trabalho do conhecimento, e o mercado de software explodirá. Viva o software.
Bob Morse cofundou a Strattam Capital em 2014 e é sócio-gerente. Ele atuou em vários conselhos de empresas de tecnologia privadas e públicas e atualmente é diretor da CloudHesive, Contegix, Daxtra Technologies, Green Security, Resource Navigation e Trax Group. Anteriormente, foi sócio e membro do comitê de investimentos da Oak Hill Capital Partners. Também trabalhou na GCC Investments e na Morgan Stanley. Morse atua no conselho de administração da Austin PBS e como membro do conselho consultivo do HMTF Center for Private Equity Finance na The University of Texas at Austin McCombs School of Business. Ele estudou na Princeton University, graduando-se summa cum laude com um BSE, e na Stanford Graduate School of Business, onde obteve seu MBA e foi bolsista Arjay Miller. Morse mora em Austin.
Leitura relacionada:
- Não fale apenas sobre IA. Meça os resultados empresariais. Veja como.
- A ascensão do executivo da IA
- Da invenção à inovação: entendendo o momento da IA
Ilustração: Li-Anne Dias
