Valuation de empresas brasileiras nativas em inteligência artificial baseada em modelos fundacionais

Resumo

A difusão de modelos fundacionais de inteligência artificial a partir de 2023 impulsionou o surgimento de empresas que estruturam seus produtos e serviços tendo esses modelos como infraestrutura tecnológica central. Relatórios de mercado internacionais documentam um prêmio de valuation associado a essas empresas ("prêmio de IA"), mas sem critérios e métodos sistematizados que o fundamentem. Essa lacuna se aprofunda no Brasil, onde transações envolvendo empresas de IA são menos frequentes e, quando existem, o faturamento, os múltiplos, os métodos e os critérios praticados raramente se tornam públicos. Nesse contexto, o objetivo deste estudo é identificar os métodos e critérios usados no processo de valuation de empresas brasileiras nativas em inteligência artificial baseada em modelos fundacionais no período pós-2023. Para tanto, foi adotada uma abordagem qualitativa com oito entrevistas semiestruturadas realizadas com fundadores e investidores do ecossistema brasileiro de IA, entre dezembro de 2025 e fevereiro de 2026. Os critérios clássicos de venture capital permanecem estruturais, mas foram internamente reconfigurados. O time fundador segue como critério de maior peso, agora acompanhado da exigência de perfil técnico de fronteira e de profundidade anterior ao hype recente da IA. Tamanho de mercado, produto e tração seguem relevantes, mas o tamanho de mercado e a defensibilidade se tornaram mais difíceis de estimar, diante da capacidade da tecnologia de redefinir continuamente o que é possível construir, escalar e copiar. O dado proprietário deslocou-se para o centro da defensibilidade: não basta têlo; é preciso também que o uso configure um efeito de rede do lado dos dados, em que o uso de cada cliente alimenta modelos que melhoram o produto para todos os demais, gerando conhecimento irreplicável por concorrentes. Escalabilidade operacional, natureza estocástica do produto e alinhamento com a disrupção emergem como novos elementos avaliativos. Os achados indicam que o valuation opera predominantemente como um processo de negociação, organizado por construção reversa a partir da diluição-alvo, pelo uso de múltiplos de mercado como referência de patamar ou Venture Capital Method. Em contrapartida, métodos baseados em projeções financeiras explícitas são descartados como inaplicáveis ao estágio dessas empresas. Os resultados também revelam uma terceira dimensão, não prevista no modelo analítico inicial: a assimetria técnica entre investidores e fundadores. Enquanto investidores acreditam estar avaliando a tecnologia adequadamente, os fundadores relatam, em direção convergente e oposta, que os investidores não conseguem ter compreensão profunda da tecnologia, comprometendo a avaliação do próprio negócio, dado que a base de valor se estrutura justamente em torno daquilo que essa tecnologia é capaz de criar. Para a prática, o estudo oferece subsídios a fundadores sobre o que é esperado no processo avaliativo e a investidores sobre a assimetria técnica percebida pelos fundadores. Para política pública, evidencia o desalinhamento entre a agenda nacional de IA e a lógica privada de alocação de capital, que tende a evitar teses de fronteira. Para a teoria, o estudo documenta como os modelos fundacionais redefinem os ativos avaliados e as formas de avaliação, além de identificar a assimetria técnica, na percepção de fundadores, como elemento ainda pouco explorado pela literatura.

Ficha do documento

Tipo

Dissertação

Ano

2026

Instituição

Fundação Getulio Vargas

Fonte

Repositório da FGV

Idioma

Português

Acesso

Acesso restrito

Identificador

oai:repositorio.fgv.br:10438/41380

Temas

Políticas PúblicasInfraestruturaDesenvolvimento EconômicoTecnologiaDados

Palavras-chave

Empresas brasileiras nativas em IAModelos fundacionaisInteligência artificialValuationBrazilian AI-native companiesFoundation modelsAdministração de empresasEmpresas - Avaliação - BrasilEmpresas - Inovações tecnológicasODS 9: Indústria, inovação e infraestrutura