O Itaú anunciou, nesta semana, a compra de 100% da NeoSpace, startup brasileira de infraestrutura de inferência de IA na qual o banco já detinha 15% desde uma rodada de investimento havia quase dois anos. O pagamento será parcelado em cinco anos, condicionado a métricas de desempenho, e a operação ainda depende de aprovação do Cade e do Banco Central — mas o detalhe que importa para quem decide orçamento de IA numa empresa de médio porte não é regulatório. É que os modelos da NeoSpace já rodavam dentro do Itaú há quase dois anos, em análise de crédito, relacionamento com clientes e prevenção a fraudes, antes de o banco decidir pagar R$ 2,9 bilhões pelo controle total.
O Itaú não pagou esse valor por acesso a uma IA nova. Pagou para deter de forma exclusiva um sistema que já estava validado, treinado e embutido nos próprios processos do banco — com quase dois anos de dado proprietário acumulado dentro de casa. Para uma empresa de médio porte, a lição não é “preciso de bilhões para competir em IA”. É que o ativo que vale a pena proteger, construir ou pagar por ele nunca é a ferramenta em si — é o dado específico do seu processo, acumulado ao longo do tempo, que nenhum concorrente consegue comprar pronto.
Principais aprendizados
- O Itaú comprou 100% da NeoSpace por R$ 2,9 bilhões mesmo já usando os modelos da empresa há quase dois anos em crédito, relacionamento e prevenção a fraude — o valor pago foi pelo controle total de um sistema já embutido na operação, não por acesso a uma IA nova.
- Enquanto o funding geral de startups cai 36% na América Latina no trimestre, o funding específico de startups de IA sobe 49% no mesmo período — capital não está escasso, está mais seletivo e concentrado em quem tem dado proprietário.
- Levantamento da Questum mostra M&A de tecnologia em queda de 33% no primeiro semestre, mas consolidadores pagam prêmio específico para software vertical com dado proprietário e IA aplicada — quem não tem esse diferencial perde competitividade na disputa por capital, independente do tamanho.
- No agro, o uso de IA mais que dobrou entre 2022 e 2026 (de 16,9% para cerca de 42% das propriedades, segundo estimativa da FGV), mas boa parte das iniciativas não entrega o resultado esperado por rodar sobre dado incompleto ou desatualizado — o mesmo gargalo de maturidade visto em outros setores.
- Para a empresa de médio porte, o critério replicável não é o tamanho do cheque — é identificar qual processo interno já gera dado estruturado de uso recorrente, e proteger ou desenvolver esse ativo antes de comprar mais uma ferramenta de IA genérica.
Por que o Itaú pagou R$ 2,9 bilhões por uma IA que já usava?
Porque o preço não foi pelo algoritmo — foi pelo controle exclusivo de um sistema que já passou quase dois anos sendo testado, ajustado e alimentado com dado real da operação do próprio banco. Um concorrente que decidisse comprar “a mesma tecnologia” no mercado hoje não teria acesso a esse histórico: compraria um modelo genérico, sem o volume de interações de crédito, relacionamento e fraude que a NeoSpace acumulou especificamente dentro do Itaú. É esse histórico, não o modelo, que o banco pagou para deter de forma exclusiva — inclusive com o pagamento condicionado a métricas de desempenho futuras, o que sinaliza que o próprio comprador trata o valor como dependência de resultado continuado, não como compra de prateleira.
O trade-off que a operação expõe é o mesmo que qualquer empresa enfrenta em menor escala: construir dado proprietário dentro de casa demanda tempo — quase dois anos, no caso do Itaú — e esse tempo é o que torna o ativo difícil de copiar depois. A empresa que trata IA como compra de ferramenta pontual, sem deixar o processo acumular dado específico ao longo do tempo, nunca chega a ter esse tipo de ativo para negociar, vender ou defender depois. A pergunta que vale para qualquer porte não é “quanto custa a ferramenta”, é “o que estou acumulando, de específico e difícil de copiar, enquanto uso essa ferramenta”.
O funding de IA sobe 49% enquanto o funding geral cai 36% — isso significa que só empresa grande atrai capital?
Não. Significa que o capital disponível está mais seletivo, não mais escasso, para quem tem o diferencial certo. O mesmo período em que o funding geral de startups na América Latina caiu 36% viu outra startup brasileira de manutenção preditiva alcançar valorização de unicórnio com uma captação 94% maior que a rodada anterior — construindo, ao longo de anos, uma base de dado proprietário de sensores industriais que nenhum concorrente replica da noite para o dia. O padrão se repete no M&A: o levantamento da Questum sobre o primeiro semestre mostra queda de 33% no volume de transações de tecnologia no Brasil, mas os compradores que seguem pagando prêmio são os que buscam software vertical com dado proprietário e IA aplicada — não qualquer empresa de tecnologia.
Para quem decide orçamento numa empresa de médio porte, o recado não é “preciso virar unicórnio”. É que o mesmo critério que separa quem recebe capital premium de quem perde competitividade — ter dado específico do próprio processo, acumulado com disciplina — é o mesmo que separa quem converte investimento em IA em resultado medido de quem só acumula licença de ferramenta sem medir nada, como já detalhamos ao comparar o critério de retorno financeiro usado por grandes bancos com o que uma empresa de médio porte deveria medir antes de comprar mais uma ferramenta. A escala do cheque muda; o critério de onde está o valor real, não.
Minha empresa não tem orçamento de banco — como aplico esse critério na prática?
O caminho replicável não começa comprando ou vendendo uma startup — começa mapeando, dentro do próprio perímetro de ferramentas já aprovado pela área de TI, qual processo tem maior frequência, consome mais tempo e gera mais retrabalho, porque é esse processo que já produz o dado mais valioso para virar ativo proprietário. É o mesmo critério que sustenta o modelo AMPLIFICA da HAIA: a TI define uma vez o perímetro de dado e ferramentas autorizadas, e o próprio time de negócio constrói, dentro desse perímetro, a automação para o gargalo que ele mesmo enfrenta todos os dias — sem precisar contratar nenhuma plataforma nova.
Já vi de perto o tamanho do resultado que esse critério produz fora da escala de banco. Numa operação de educação e processos administrativos ligados a licitações, com equipe de cerca de 20 pessoas, um executivo da área de negócio — sem nenhuma equipe de desenvolvimento — construiu, sem código, uma ferramenta para extrair cerca de 25 campos de editais em PDF; o protótipo funcional saiu em 35 minutos, e a análise seguinte mostrou que até 7 das 20 pessoas do time tinham atividades automatizáveis pela mesma lógica. Como em qualquer caso real, os resultados refletem o contexto, a maturidade e os processos de cada organização, e não constituem promessa de resultado equivalente em outro ambiente — mas o ponto não é replicar o número, é replicar o critério: identificar o processo certo antes de perguntar qual ferramenta comprar.
O erro mais comum em empresa de médio porte é inverter essa ordem — comprar ou assinar uma ferramenta de IA genérica primeiro, na expectativa de que o dado “vai aparecer depois”. O dado do agro mostra onde isso leva: a adoção de IA mais que dobrou em quatro anos, mas boa parte das iniciativas não entrega resultado porque o dado por trás dela continua incompleto ou desatualizado. Ferramenta sem dado estruturado por trás não cria ativo — só gera despesa recorrente.
Perguntas frequentes
Por que uma empresa pagaria tanto por uma IA que já usava?
Porque o valor não está no modelo de IA em si, está no dado proprietário acumulado durante o tempo em que ele operou dentro da empresa. Um concorrente que compre a mesma tecnologia no mercado não tem acesso a esse histórico específico — por isso deter o controle total, e não apenas o acesso, passa a valer mais do que a tecnologia isolada.
O aumento do funding em IA significa que só startup de IA recebe investimento agora?
Não diretamente — significa que o capital disponível está mais seletivo e premia quem tem diferencial de dado proprietário, independente do setor. Uma empresa de qualquer porte que consiga demonstrar esse diferencial compete pela mesma preferência de capital; a startup de IA só chega lá mais rápido porque nasce com esse critério no centro da tese.
Minha empresa de médio porte precisa comprar uma startup para ter esse tipo de ativo?
Não. O ativo que o Itaú pagou para controlar é o mesmo tipo de coisa que qualquer empresa constrói internamente ao longo do tempo: dado específico do próprio processo, acumulado com disciplina dentro do perímetro de ferramentas já aprovado pela TI. Não exige comprar nada novo — exige escolher o processo certo e sustentar a coleta de dado por tempo suficiente para ele virar diferencial.
Como saber se o dado da minha empresa já é um ativo proprietário ou só um banco de dados comum?
O critério prático é perguntar se esse dado reflete um processo específico da sua empresa — que nenhum concorrente replicaria comprando a mesma ferramenta — ou se é só um registro genérico que qualquer sistema padrão também produziria. Dado proprietário nasce de frequência, tempo e contexto acumulados num processo próprio; dado genérico nasce só de usar um software.
