14 aprendizados do Vale do Silício em 2026

De 6 a 9 de outubro, percorremos San Francisco e diferentes cidades da Bay Area com a missão NewHack. Visitamos empresas, caminhamos por Stanford, conhecemos espaços de construção e conversamos com pessoas que estão tomando decisões no meio da mudança provocada pela inteligência artificial. Os registros, as fotos e as leituras disponíveis estão na página da missão.

Uma fila de tarefas geradas por agentes, um equipamento de energia desenvolvido em uma garagem e uma conversa sobre redes de ex-alunos podem parecer assuntos distantes. Ao longo da semana, começaram a se conectar. Em todos eles, a capacidade técnica precisava encontrar um problema, uma relação de confiança e uma forma de chegar ao uso real.

Organizei estes aprendizados a partir das conversas e do que observamos, acrescentando minha leitura sobre como aplicar esse repertório no Brasil. Algumas ideias apareceram em mais de um encontro. Essa repetição foi uma das partes mais úteis da viagem: permitiu comparar o mesmo princípio em organizações de tamanhos e mercados diferentes.

1. A oportunidade começa na pergunta que o mercado parou de fazer

Na Brex, a conversa retomou a dificuldade de fundadores estrangeiros para obter crédito corporativo nos Estados Unidos, mesmo quando suas empresas tinham recursos. O relato mostrou uma oportunidade criada ao questionar a referência usada para avaliar aquele cliente. A inadequação do modelo existente vinha antes da escolha de uma tecnologia.

Esse raciocínio reapareceu quando discutimos produtos com IA. Começar por um chatbot pode limitar a investigação cedo demais. Antes, existe uma pessoa tentando resolver algo, uma etapa que não funciona e uma hipótese sobre o cliente que talvez esteja errada. Automatizar essa etapa sem revisá-la pode fazer o problema circular mais rápido.

Para uma startup brasileira, eu começaria pelos casos em que um cliente com uma necessidade legítima desiste, espera demais ou precisa contornar o processo. O que a empresa está presumindo sobre ele? Que evidência falta? A oportunidade pode estar em mudar uma regra, uma referência ou uma forma de entregar, e só depois escolher a tecnologia adequada.

2. Com IA, a atenção e o julgamento ficam mais valiosos

Um exemplo da conversa na Brex ficou comigo: agentes encontram problemas e alimentam uma fila de tarefas em velocidade maior do que as pessoas conseguem revisar. A automação aumentou a detecção, mas a organização ainda precisava decidir o que importava e concluir o trabalho. O volume produzido podia virar uma nova dívida de atenção.

Na Netflix, a discussão sobre IA também levou à capacidade de revisar, comparar alternativas e escolher. Gerar mais código, análises ou versões de uma experiência amplia as possibilidades. A empresa precisa conseguir avaliar essas possibilidades dentro de um objetivo claro.

Isso muda a métrica que eu gostaria de acompanhar. Além do tempo para produzir uma primeira resposta, importa o tempo até uma entrega aceita e utilizada. Espera por aprovação, retrabalho e correções entram nessa conta. Uma equipe ganha produtividade quando consegue concluir melhor o que importa para o cliente.

3. Prototipar ficou mais acessível. Aprender com o protótipo exige método

A visita à Replit e a conversa da última tarde em San Francisco colocaram a construção de software no centro da jornada. Na Replit, educação, exemplos e apoio à primeira experiência apareceram como caminhos para aproximar mais pessoas da criação. O Free Mode entrou nessa conversa sobre reduzir a barreira para explorar uma ideia. Seus limites e custos precisam ser conferidos no produto; acesso inicial não resolve toda a operação de uma aplicação.

O efeito mais interessante dessa mudança é encurtar o caminho entre uma hipótese e algo que outra pessoa consegue experimentar. Um founder pode sair de uma discussão abstrata e colocar um fluxo diante do cliente. A qualidade desse encontro depende de observar o uso: onde a pessoa trava, que informação falta e se ela chega ao resultado esperado.

Eu usaria essa velocidade para testar uma pergunta pequena. Depois, conferiria persistência de dados, permissões, falhas e manutenção antes de ampliar o uso. Uma demonstração ajuda a aprender. Transformá-la em uma operação recorrente acrescenta responsabilidades que precisam entrar na decisão.

4. A unidade de custo pode ser diferente da unidade de valor

Na Agora.io, discutimos infraestrutura de voz e experiências com agentes. Uma empresa pode consumir serviços por minuto, chamada ou uso de modelo, enquanto seu cliente procura uma confirmação de agenda, um atendimento resolvido ou uma etapa de cadastro concluída. Essa diferença ajuda a explicar por que uma boa demonstração ainda precisa de um modelo de negócio.

O custo por minuto descreve uma parte da operação. O valor percebido depende do percurso completo. Uma conversa pode ser rápida e não resolver. Outra pode exigir correção, várias tentativas e encaminhamento humano. Latência, interrupções e capacidade de entender uma mudança de intenção afetam tanto a experiência quanto a conta.

Antes de definir preço ou ampliar um piloto, vale medir o custo de uma tarefa concluída com qualidade. Nessa conta entram infraestrutura, integração, novas tentativas e revisão. A forma de cobrar deve ser escolhida a partir do negócio; a disciplina é manter visíveis a unidade que gera custo e o resultado pelo qual o cliente reconhece valor.

5. Distribuição faz parte da construção do produto

O encontro com Nicolas Camara, da Firecrawl, trouxe distribuição via desenvolvedores para uma conversa que começou em infraestrutura. Uma API pode participar de muitas aplicações sem aparecer para o usuário final. Sua descoberta e adoção passam por quem está construindo, pelo problema que essa pessoa encontrou e pela facilidade de chegar a uma primeira integração útil.

A trajetória pública da empresa ajuda a entender essa proximidade: a Firecrawl nasceu do trabalho com o Mendable, quando obter e organizar conteúdo da web se mostrou um problema recorrente. Em setembro de 2026, a empresa anunciou a Alexandria e uma rodada Série B de US$75 milhões. A rodada contextualiza aquele momento, mas o aprendizado que levo está na relação entre um problema bem delimitado, quem o enfrenta e como a solução chega até essa pessoa.

Documentação, exemplos, conteúdo técnico, encontros e Developer Relations podem participar desse caminho. Para quem empreende, eu desenharia a distribuição junto com a primeira experiência: quem encontra o produto, em que contexto, qual tarefa tenta fazer e que ajuda recebe até conseguir. Acompanhar integração e retorno ao uso ensina mais sobre adoção do que olhar apenas a exposição de um lançamento.

6. Comunidade ganha força quando oferece uma troca recorrente

Na Replit, o trabalho de comunidade apareceu ligado a ensinar, ouvir usuários e ajudar builders a aprender entre si. Na AGI House, em Hillsborough, a proximidade entre pessoas que constroem IA mostrou outra forma de reunir repertório e oportunidades. São experiências diferentes, conectadas pela possibilidade de uma conversa continuar em um projeto, uma contribuição ou uma nova pergunta.

A visita ao Google e a conversa com Martin Lima, do Cubo Itaú, na Plug and Play, acrescentaram uma camada: fundos, parceiros e comunidades podem conectar uma tecnologia a empresas que já têm uma necessidade. A relação ganha densidade quando quem aproxima entende os dois lados. Curadoria e continuidade ajudam a transformar o encontro em colaboração.

Na minha leitura, uma comunidade precisa ter uma razão para a pessoa voltar antes mesmo de comprar. Aprender, receber feedback, compartilhar trabalho e ajudar alguém são razões concretas. Na NewHack, quero usar esse princípio para conectar conteúdo, encontros e programas. O sinal de qualidade é o que as pessoas passam a conseguir fazer juntas, acompanhado de regras claras e cuidado com quem participa.

7. Cultura se revela em quem pode decidir e no contexto que recebe

Na visita à Netflix, cultura foi um dos temas que ajudaram a conectar autonomia e responsabilidade. O documento oficial da empresa enfatiza contexto, decisões informadas e pessoas responsáveis por conduzi-las. A ideia interessa porque põe uma pergunta prática diante da liderança: o time tem informação suficiente para decidir?

No Google, o percurso por Bay View trouxe outra dimensão. Espaços de concentração, convivência e trabalho conjunto tornam algumas interações mais fáceis. O aprendizado para uma equipe pequena está na rotina que se deseja criar. Uma discussão de produto e uma tarefa que exige concentração podem precisar de condições diferentes.

Para aplicar, eu escolheria uma decisão reversível e deixaria explícitos objetivo, responsável, limites e momento de revisão. A autonomia fica mais concreta quando a pessoa sabe o que pode resolver e quando precisa envolver outra área. Também vale observar o tempo gasto esperando uma autorização e o retrabalho causado por falta de alinhamento. É nessa rotina que a cultura pode ser avaliada.

8. Reinvenção exige preservar capacidades e revisar a forma de entregar

A Adobe trouxe a perspectiva de uma empresa que atravessou mais de quatro décadas de mudanças. A trajetória passa por publicação e criação digital, pelo modelo de assinaturas e pela entrada da IA generativa em seus produtos. Em cada movimento, mudaram partes da experiência, da operação e da forma de chegar ao mercado.

O que me interessa nessa história é como uma capacidade acumulada pode encontrar uma nova forma de servir o cliente. Conhecer profissionais criativos, seus fluxos e suas exigências continua relevante quando as ferramentas mudam. Ao mesmo tempo, a empresa precisa revisar o que entrega, como cobra e como demonstra utilidade em um novo cenário.

Para uma startup, essa leitura ajuda a evitar que o negócio fique preso à primeira solução que criou. Vale separar o problema atendido da implementação atual. Se uma nova tecnologia alterou o custo ou a expectativa do cliente, quais conhecimentos ainda ajudam e quais escolhas precisam ser refeitas? Essa revisão também chega à mensagem, aos canais e ao marketing.

9. Contexto e memória podem se tornar ativos da operação

No escritório da Pear VC, em San Francisco, conhecemos a Hexagon e o Milo. A proposta discutida aproxima um assistente do contexto de e-mails, reuniões, arquivos e decisões da equipe. O problema por trás disso é familiar: a informação existe, mas precisa ser reconstruída toda vez que alguém vai agir.

Uma memória útil precisa preservar relações. Quem decidiu? Por quê? Em quais condições? A decisão continua válida? Um pedido de reunião, por exemplo, não confirma um agendamento. Uma intenção comercial não confirma uma contratação. Recuperar uma frase sem essas diferenças pode produzir uma resposta convincente e uma ação inadequada.

Eu começaria por uma rotina importante e registraria fonte, responsável, condição de execução e evidência de conclusão. Isso melhora o trabalho da equipe e cria uma base mais útil para a IA. Quando o sistema passa a sugerir ou executar ações, atualização do contexto, permissões e formas de corrigir erros também fazem parte do produto.

10. Relações e experiência ajudam a começar. O novo negócio ainda precisa aprender

A caminhada por Stanford, incluindo o encontro com Giselle na Law School, abriu espaço para conversar sobre estudo, seleção e cotidiano do campus. Mais tarde, no encontro com a Hexagon, a rede de ex-alunos e a trajetória de quem empreende pela segunda vez apareceram como recursos para construir uma empresa. A convivência cria referências e relações que podem continuar depois da universidade.

Experiência anterior pode ajudar a reconhecer problemas, montar uma equipe e iniciar uma conversa. Ela também pode carregar premissas que já não descrevem o cliente ou o mercado atual. No lançamento de um novo produto, inclusive na saída de um período de desenvolvimento reservado, atenção precisa se transformar em uso, feedback e aprendizado.

A conversa com Martin, na Plug and Play, reforçou a importância de chegar a uma relação com algo útil para oferecer. Para um founder brasileiro, conhecer um setor, explicar como seus clientes compram ou apresentar uma necessidade local pode dar profundidade ao primeiro contato. Eu separaria as capacidades que posso reaproveitar, as relações que posso cultivar e as hipóteses que preciso testar novamente.

11. A IA também precisa aprender a agir no mundo físico

No Circuit Launch, em Mountain View, a conversa passou por robótica, dados e Physical AI, a inteligência artificial aplicada a sistemas que percebem e agem no ambiente físico. Um exemplo simples tornou o desafio compreensível: dar um aperto de mão envolve distância, força e ajuste ao contato. Descrever o gesto em texto não fornece toda a experiência necessária para executá-lo.

Quando o sistema age sobre uma máquina ou um objeto, aparecem outras condições de avaliação. Iluminação, posição de uma peça, movimento de uma pessoa, perda de conexão e recuperação de uma tentativa incompleta podem mudar o resultado. Uma demonstração controlada oferece uma primeira evidência; a operação exige entender a variação do ambiente.

Para o Brasil, essa perspectiva abre perguntas em produção industrial, logística, agricultura e outros setores com problemas físicos. Cada oportunidade precisa ser delimitada com quem conhece a operação. Eu começaria por uma tarefa, medindo tentativas bem-sucedidas, intervenções e falhas, e incluiria o caminho de recuperação no teste. O resultado precisa fazer sentido nas condições em que será utilizado.

12. Um hackathon pode iniciar a empresa. A continuidade constrói o negócio

Na ElectricFish, em San Carlos, conhecemos uma história que começou em um hackathon e continuou em uma garagem. A colaboração inicial se transformou em desenvolvimento de uma solução de energia. O percurso acrescentou engenharia, fabricação, requisitos técnicos, parceiros e perguntas sobre implantação.

Isso encontra uma parte importante da minha trajetória com hackathons: reunir pessoas e desafios pode abrir caminhos que ainda não estavam desenhados. A história da ElectricFish torna visível o trabalho posterior. A equipe continuou, revisou a proposta e buscou condições para levar o que estava construindo ao uso real.

Para quem organiza programas de inovação, eu acompanharia essa ponte depois da apresentação final. Quais equipes continuam? Qual hipótese será testada? Quem pode contribuir com conhecimento, acesso ou um primeiro piloto? Para o founder, também existe uma pergunta: o que falta entre o protótipo que conseguimos mostrar e o produto que alguém consegue operar e manter?

13. O recurso certo precisa acompanhar a incerteza que falta reduzir

A conversa na ElectricFish trouxe grants, programas de apoio e marcos de desenvolvimento. Na Pear VC, o contexto aproximou capital da construção de empresas. Esses encontros ajudam a olhar para recursos com mais precisão: uma startup pode precisar de pesquisa, ensaios, acesso a instalações, conhecimento especializado, clientes ou dinheiro para ampliar uma operação.

Um grant pode apoiar um objetivo técnico delimitado e costuma vir com critérios, marcos e obrigações. Um programa pode oferecer relações e estrutura. Um investimento envolve outra relação com risco, participação e crescimento. Essas possibilidades exigem avaliação própria; o que funcionou para uma empresa não estabelece elegibilidade nem condições para outra.

O aprendizado é mapear a próxima evidência necessária e, então, procurar o recurso compatível. Construir um protótipo, fabricar de forma repetível, instalar no cliente e comprovar uso são marcos distintos. Quando essa diferença fica clara, a equipe consegue formular melhor seu pedido, estimar o trabalho necessário e avaliar se um parceiro aproxima o negócio da etapa seguinte.

14. O aprendizado fica mais rico quando o grupo o transforma em uma decisão

Na Plug and Play, fizemos uma rodada de debriefing para compartilhar o que cada pessoa havia percebido. O mesmo encontro levou a perguntas diferentes sobre educação, recrutamento, serviços jurídicos, mercado automotivo e ambientes corporativos. Ouvir essas leituras ampliou o que qualquer participante conseguiria registrar sozinho.

Esse foi um dos aprendizados mais importantes para mim. A viagem ganha profundidade quando existe espaço para elaborar o que aconteceu. Quem trabalha em uma organização regulada vê limites de implantação que outra pessoa talvez não perceba. Quem atende pequenos negócios pode reconhecer uma necessidade que ainda não apareceu na discussão de uma plataforma global.

Na volta, eu escolheria poucas hipóteses para investigar no Brasil. Para cada uma: qual problema queremos resolver, que observação da missão motivou a ideia, o que muda no nosso contexto e qual teste pode orientar uma decisão? Uma pessoa responsável, um prazo e um critério de revisão ajudam o repertório a entrar na operação.

Saio desses quatro dias com perguntas mais específicas sobre o que queremos construir. A combinação de tecnologia, cultura, relações e distribuição apareceu em empresas e ambientes muito diferentes. Para a NewHack, esse repertório encontra nosso trabalho de aproximar founders, especialistas e empresas e criar condições para que as conexões continuem em aprendizado e execução.

O próximo passo é levar esse trabalho para a rotina: escolher uma hipótese, conversar com quem vive o problema e testar com critério. As histórias completas e as fotos da missão estão abertas para quem quiser aprofundar os encontros ou retomar uma dessas perguntas.