O unicórnio de três pessoas: Como os agentes de IA estão reescrevendo a economia das startups

A revolução da receita por funcionário

Algo estranho começou a aparecer nos dados por volta de 2024. Empresas nativas de IA estavam gerando números de receita por funcionário que faziam os benchmarks tradicionais de SaaS parecerem erros de arredondamento.

A Midjourney, a ferramenta de geração de imagens, teria se aproximado de 500 milhões de dólares em receita anual em 2025 com cerca de 40-100 funcionários. Mesmo na estimativa mais alta, isso equivale a 3-5 milhões por pessoa. A Lovable, a plataforma sueca de vibe coding, atingiu 100 milhões de ARR em apenas oito meses com 45 funcionários, registrando 2,2 milhões em receita por pessoa. A Bolt.new foi de zero a 20 milhões de ARR em 60 dias com cerca de 15 pessoas, e continuou subindo para 40 milhões de ARR em março de 2025.

Para contextualizar, a mediana das empresas SaaS privadas gera 130 mil dólares em receita por funcionário, segundo os benchmarks da SaaS Capital de 2025. As melhores empresas na faixa de 20-50 milhões de ARR atingem aproximadamente 175-187 mil dólares.

Aqui está a comparação:

Estes não são outliers na mesma indústria. Representam um tipo fundamentalmente diferente de empresa: uma em que a IA lida com o trabalho que antes exigia dezenas ou centenas de pessoas.

A ElevenLabs, startup de voz com IA, ultrapassou 330 milhões de ARR em 2025 com cerca de 400 funcionários e captou recursos a uma avaliação de 11 bilhões. A Perplexity AI alcançou aproximadamente 150-200 milhões de ARR com um time central de cerca de 90-100 pessoas. A Replit, plataforma de codificação com IA, cresceu de 16 milhões para 265 milhões de ARR em um único ano (crescimento de 1.556%) e captou recursos a 9 bilhões de avaliação em março de 2026.

O padrão é consistente: empresas nativas de IA alcançam receita por funcionário de 6 a 38 vezes superior ao SaaS tradicional. Não se trata apenas de ser mais eficiente. Categorias inteiras de trabalho (suporte ao cliente, criação de conteúdo, geração de código, iteração de design) estão sendo absorvidas pelo próprio produto.

---

Por que Dario Amodei dá 70-80% de probabilidade

Em maio de 2025, na conferência de desenvolvedores "Code with Claude" da Anthropic em San Francisco, o CPO Mike Krieger (cofundador do Instagram) fez uma pergunta direta ao CEO da Anthropic, Dario Amodei: seria possível uma única pessoa criar um negócio de um bilhão de dólares usando IA?

A resposta de Amodei: "Com certeza vai acontecer, possivelmente já no próximo ano." Depois, moderou ligeiramente com jornalistas, dizendo que a probabilidade era "provavelmente mais perto de 70 a 80 por cento" para 2026. Acrescentou que os setores mais prováveis seriam aqueles "onde você não precisa de muitas coisas humanas e institucionais para ganhar dinheiro", citando trading proprietário e ferramentas para desenvolvedores como candidatos iniciais.

Sam Altman havia plantado a semente ainda antes. No final de 2023, conversando com o cofundador do Reddit, Alexis Ohanian, revelou: "No meu grupinho de chat com meus amigos CEOs de tecnologia, há uma aposta sobre o primeiro ano em que haverá uma empresa de um bilhão de dólares com uma pessoa só. Algo que seria inimaginável sem IA e que agora vai acontecer."

Em uma conversa separada com Garry Tan da YC, Altman foi mais longe: "O futuro das startups pode ser simplesmente uma pessoa e 10.000 GPUs."

Eles não são observadores casuais. Amodei lidera a empresa que constrói o Claude. Altman lidera a empresa que constrói o GPT. Quando ambos os CEOs apostam independentemente na mesma mudança estrutural, vale a pena prestar atenção ao raciocínio, não apenas à previsão.

A lógica é a seguinte: agentes de codificação com IA cuidam da implementação. A IA lida com suporte ao cliente com custo marginal quase zero (o agente de IA Fin da Intercom já processa milhões de resoluções a 0,99 dólares cada). A IA cuida de iteração de design, criação de conteúdo, análise de dados e, cada vez mais, prospecção de vendas. As tarefas humanas restantes (definir a direção do produto, tomar decisões de gosto, construir relacionamentos, navegar regulações) representam uma parcela decrescente do trabalho total da empresa. E essa parcela pode encolher o suficiente para que uma pessoa gerencie.

---

O novo stack de startups

As ferramentas que tornam times pequenos possíveis não são teóricas. Estão em produção e crescendo mais rápido do que quase qualquer coisa na história do software.

Claude Code atingiu aproximadamente 2 bilhões de dólares em receita anualizada no início de 2026, tornando-se uma das ferramentas para desenvolvedores de crescimento mais rápido da história. Agora responde por cerca de 4% de todos os commits públicos no GitHub, um número projetado para ultrapassar 20% até o final de 2026. O Claude Code captura cerca de 54% do mercado de codificação com IA, aproximadamente 2,5 vezes a fatia de 21% da OpenAI.

Cursor (da Anysphere) cresceu de 100 milhões para mais de 2 bilhões de ARR em cerca de 12 meses, um aumento de 1.100% ano a ano. É a empresa SaaS que mais rápido escalou de 1 milhão a 500 milhões de ARR, com receita dobrando aproximadamente a cada dois meses. A empresa captou recursos a 29,3 bilhões de avaliação em novembro de 2025, contra 400 milhões apenas 15 meses antes. Mais de um milhão de usuários pagam por ela.

GitHub Copilot alcançou 4,7 milhões de assinantes pagos em janeiro de 2026, alta de 75% ano a ano, com total de usuários superior a 20 milhões. A aproximadamente 19 dólares por mês por assinante, isso é mais de 1 bilhão de ARR.

Devin (da Cognition) passou de cerca de 1 milhão de ARR em setembro de 2024 para 73 milhões em junho de 2025. Após adquirir a Windsurf em meados de 2025, a entidade combinada alcançou 155 milhões de ARR. A Cognition captou recursos a 10,2 bilhões de avaliação em setembro de 2025.

Replit: 75% de seus usuários nunca escrevem nenhum código. Leia de novo. Três quartos das pessoas construindo software na Replit fazem isso inteiramente por linguagem natural.

A receita combinada dessas ferramentas se aproxima de mais de 7 bilhões anualizados. E todas têm menos de três anos em sua forma atual. Nunca vimos uma camada de infraestrutura emergir tão rápido.

Veja como é o stack para um time pequeno em 2026:

Um fundador com bom julgamento e expertise no domínio agora pode acessar o resultado do que antes era uma empresa de 20-40 pessoas. Não com a mesma qualidade em todas as funções, mas em um nível suficiente para desenvolvimento de produto de 0 a 1 e tração inicial.

---

O que 500 mil dólares compravam vs. o que 500 dólares compram agora

A economia de construir produtos de software mudou mais entre 2023 e 2026 do que nas duas décadas anteriores.

Os custos de inferência contam a versão mais nítida dessa história. Segundo a pesquisa da Epoch AI, a inferência equivalente ao GPT-3.5 caiu de 20 dólares por milhão de tokens em novembro de 2022 para 0,07 dólares por milhão de tokens em outubro de 2024. Isso é uma redução de 280 vezes em menos de dois anos. A análise da a16z descobriu que os custos estão caindo pela metade aproximadamente a cada dois meses, uma taxa que chamam de "LLMflation".

A trajetória do GPT-4 é ainda mais dramática. No lançamento em março de 2023, o custo combinado era de cerca de 37,50 dólares por milhão de tokens. Em agosto de 2025, desempenho equivalente custava 0,14 dólares por milhão de tokens. Isso é um declínio de 267 vezes. Projeções colocam abaixo de 0,01 dólares até 2028.

O que isso significa em termos práticos?

Andrej Karpathy cunhou o termo "vibe coding" em 6 de fevereiro de 2025, em um post que teve mais de 4,5 milhões de visualizações: "Existe um novo tipo de programação que chamo de 'vibe coding', onde você se entrega totalmente às vibrações, abraça as exponenciais e esquece que o código sequer existe."

O conceito viralizou porque deu nome a algo que milhares de pessoas já estavam fazendo. Produtos que teriam custado 500 mil dólares em salários de engenharia em 2023 (um time de 5 engenheiros por 6 meses) agora podem ser prototipados por uma pessoa em dias pelo custo de uma assinatura de IA.

A trajetória da Lovable é a prova mais clara. A plataforma permite que usuários não técnicos descrevam o que querem e gera aplicações web funcionais. Atingiu 100 milhões de ARR em oito meses. Até março de 2026, estava adicionando 100 milhões em receita por mês com 146 funcionários, ainda uma fração do que empresas SaaS tradicionais exigem nessa escala.

A Bolt.new demonstrou que a velocidade era real: de 0 a 4 milhões de ARR em 30 dias, 20 milhões em 60 dias, 40 milhões em março de 2025. A empresa captou 105,5 milhões a uma avaliação de 700 milhões em janeiro de 2025.

Mas há uma distinção crítica entre o que 500 dólares podem construir e o que 500 dólares podem sustentar. Um protótipo não é um produto. Um produto não é um negócio. O custo da primeira versão despencou. O custo da décima versão, aquela que lida com casos extremos, escala sob carga, atende requisitos regulatórios e retém usuários, não despencou na mesma proporção. Mais sobre isso na seção de contra-argumentos.

---

O gargalo do gosto

É aqui que os dados de produtividade ficam interessantes e complicados.

Os números de destaque parecem bons. Um ensaio controlado randomizado de 2023 por Peng et al. (publicado via GitHub) descobriu que programadores profissionais usando o GitHub Copilot completaram tarefas 55,8% mais rápido (71 minutos vs. 161 minutos, p=0,0017). Um estudo multiempresa com Microsoft, Accenture e empresas Fortune 100 envolvendo cerca de 5.000 desenvolvedores mostrou um aumento médio de produtividade de 26%. O Google relatou que mais de 25% do novo código era gerado por IA no final de 2024, subindo para mais de 30% em abril de 2025. Os dados da McKinsey sugerem um impacto de 20-45% na produtividade de engenharia de software.

Mas então veio o estudo METR de julho de 2025, que jogou um balde de água fria na narrativa. Dezesseis desenvolvedores experientes de código aberto (com média de 5 anos e 1.500 commits em seus repositórios específicos) receberam tarefas em bases de código grandes e maduras (média de 22.000+ estrelas, 1 milhão+ de linhas de código, 10 anos de idade). Usando o Cursor Pro com Claude 3.5/3.7 Sonnet, foram na verdade 19% mais lentos com ferramentas de IA.

E aqui está o detalhe revelador: os desenvolvedores acreditavam que eram 20% mais rápidos, mesmo sendo mensuravelmente mais lentos.

Menos de 44% do código gerado por IA foi aceito. O estudo sugere que os ganhos de produtividade da IA estão concentrados em desenvolvimento greenfield e tarefas mais simples, exatamente o tipo de trabalho em que o "vibe coding" se destaca. Bases de código complexas, maduras e de nível produtivo são outra história.

Isso aponta para o que chamo de "gargalo do gosto". A IA pode gerar volumes enormes de código, designs e conteúdo. Mas alguém ainda precisa:

• Saber o que construir (senso de produto)
• Avaliar se o output da IA é bom (julgamento técnico)
• Decidir o que lançar e o que cortar (priorização)
• Entender o usuário profundamente o suficiente para tomar decisões não óbvias (empatia e expertise no domínio)

O "vibe coding" de Karpathy funciona precisamente porque contorna o código em si. Você descreve o que quer, a IA gera e você avalia o resultado. Mas a avaliação é a parte difícil. Requer gosto, e gosto vem de experiência, conhecimento profundo do domínio e um tipo específico de reconhecimento de padrões que os modelos de IA atuais não possuem.

Os fundadores que estão tendo sucesso com times pequenos não são generalistas que fazem tudo. São especialistas com gosto excepcional em um domínio estreito, usando IA para executar em um volume que não conseguiriam sozinhos. David Holz, da Midjourney, passou anos pesquisando interação humano-computador antes de criar uma ferramenta de geração de imagens. Os fundadores da Lovable tinham profunda experiência em ferramentas para desenvolvedores. O gosto é o fosso que a IA amplifica em vez de substituir.

---

Design organizacional para a era da IA

Se o unicórnio de três pessoas está se tornando plausível, como esses times pequenos devem realmente se organizar?

O organograma tradicional de startup (CEO, CTO, VP de Engenharia, time de engenharia, time de design, marketing, vendas, suporte) foi projetado para um mundo onde o trabalho humano era o principal insumo. Na era da IA, o organograma precisa refletir uma realidade diferente: a maior parte da execução é feita por sistemas de IA, e os humanos fornecem direção, julgamento e gestão de relacionamentos.

Veja o que está surgindo nos times pequenos mais produtivos:

O modelo Arquiteto-Operador: Uma pessoa define a direção do produto e avalia os resultados. Agentes de IA cuidam de implementação, testes, deploy e monitoramento. O arquiteto humano revisa diffs, aprova deploys e toma decisões de julgamento. Isso é essencialmente o que o Claude Code possibilita quando usado com equipes de agentes (o recurso de coordenação multiagente da Anthropic, lançado com o Opus 4.6).

O Trio do Gosto: Três pessoas cobrindo gosto de produto (o que construir), gosto técnico (como construir) e gosto de mercado (como vender). A IA cuida da execução nos três domínios. Cada pessoa gerencia uma frota de agentes de IA em vez de um time de humanos. Isso corresponde aproximadamente a CEO, CTO e Head of Growth, mas com escopo individual dramaticamente ampliado.

Especialista de domínio + stack de IA: Uma única pessoa com profunda expertise em um domínio (médico, jurídico, financeiro) que usa IA para construir e operar um produto que tradicionalmente exigiria uma equipe interdisciplinar. A Harvey (IA jurídica, avaliação de 11 bilhões, 195 milhões de ARR) começou com advogados que entendiam o domínio profundamente o suficiente para direcionar a IA efetivamente. A Abridge (avaliação de 5,3 bilhões) foi construída por clínicos que sabiam exatamente como a documentação clínica deveria ser.

O fio condutor: humanos fornecem julgamento e expertise no domínio. A IA fornece alavancagem e velocidade de execução. A proporção de julgamento versus execução no mix de trabalho de uma empresa mudou drasticamente para o lado do julgamento.

Isso cria um paradoxo na contratação. Startups tradicionais contratam pessoas que conseguem fazer coisas. Startups da era da IA precisam de pessoas que conseguem decidir coisas. Habilidades de execução (escrever código, projetar interfaces, redigir textos) estão se tornando commodities. Habilidades de tomada de decisão (avaliar tradeoffs, entender usuários, identificar oportunidades) estão se tornando mais valiosas.

---

O contra-argumento

A tese do unicórnio de três pessoas é convincente, mas a honestidade intelectual exige abordar o que times pequenos genuinamente não conseguem fazer, mesmo com ferramentas de IA perfeitas.

Vendas empresariais exigem humanos. Grandes contratos são fechados por pessoas que constroem confiança ao longo de meses ou anos. Como disse um líder de vendas empresariais: "Nem sempre é o melhor produto que ganha; são as pessoas por trás do produto que fizeram um trabalho melhor em construir confiança com os clientes." A IA pode gerar prospecção, qualificar leads e preparar materiais, mas o aperto de mão final é humano.

A conformidade regulatória não escala com agentes. Os setores de saúde, finanças e governo exigem equipes de compliance multifuncionais (jurídico, compliance, TI, ciência de dados, liderança executiva). A IA pode ajudar com documentação e monitoramento, mas as estruturas de responsabilidade exigem pessoas reais com títulos reais e responsabilidade legal real.

A resiliência organizacional é zero. Uma empresa de uma pessoa não tem plano de sucessão, não tem cobertura para dias de doença, não tem revisão entre pares. Se algo acontecer com o fundador, a empresa deixa de existir. Investidores e parceiros sabem disso, e isso limita os tipos de negócios e relacionamentos a que um operador solo pode acessar.

A descoberta inconveniente do estudo METR. Lembre-se: desenvolvedores experientes em bases de código complexas foram 19% mais lentos com ferramentas de IA. Isso sugere que os ganhos de produtividade da IA podem estar concentrados exatamente no tipo de desenvolvimento greenfield que times pequenos fazem, e podem não se traduzir para as fases de manutenção, escalabilidade e endurecimento que negócios maduros exigem.

A própria trajetória da Lovable conta a história real. Depois de atingir o status de unicórnio com 45 funcionários em julho de 2025, a empresa começou a contratar agressivamente. Até março de 2026, tinha mais de 146 funcionários. Mesmo o exemplo emblemático das startups lean nativas de IA descobriu que o crescimento exige pessoas.

90% das startups de IA falham no primeiro ano. Os números de receita por funcionário parecem incríveis para os sobreviventes, mas o viés de sobrevivência é extremo neste espaço. Em 2024, 966 startups americanas fecharam, um aumento de 25,6% em relação ao ano anterior.

A dívida técnica do vibe coding é real. Como apontou uma análise, "Uma economia de 2 semanas na codificação pode resultar em 2-3 meses de refatoração, correções de integração ou testes de regressão depois." Código gerado por IA que funciona não é o mesmo que código gerado por IA que é manutenível, seguro e performático sob carga.

A versão mais honesta da tese é provavelmente esta: estamos caminhando para unicórnios de 6-8 pessoas, não de uma só. As tarefas humanas que permanecem (relacionamentos empresariais, conformidade regulatória, resiliência organizacional, manutenção de sistemas complexos) são genuinamente difíceis de automatizar e genuinamente necessárias para resultados bilionários. Mas mesmo 6-8 pessoas construindo o que antes exigia 200 é uma revolução.

---

Um manual para fundadores que constroem com times pequenos

Se você é um fundador em 2026 pensando em construir de forma enxuta, aqui está um framework prático baseado nos padrões que emergem das empresas que realmente estão fazendo isso:

1. Escolha um domínio onde o gosto seja o fosso. As empresas que vencem com times pequenos são aquelas onde a expertise específica e o julgamento do fundador criam um produto que a IA sozinha não consegue replicar. A sensibilidade estética da Midjourney. A compreensão da Lovable sobre os fluxos de trabalho dos desenvolvedores. O domínio da Harvey sobre a prática jurídica. Expertise no domínio é o que impede que seu produto seja replicado por um concorrente com vibe coding em um fim de semana.

2. Use IA para execução, não para estratégia. Deixe o Claude Code escrever a implementação. Deixe o Cursor cuidar do código repetitivo. Deixe agentes de IA gerenciarem o suporte ao cliente. Mas tome as decisões de produto você mesmo. Fundadores que delegam excessivamente o pensamento estratégico para a IA acabam com produtos genéricos que competem em funcionalidades (um jogo perdido quando funcionalidades são baratas de replicar).

3. Otimize a velocidade de iteração, não a qualidade inicial. Os dados de custo de inferência dizem que sua primeira versão deve ser rápida e barata. Lance em dias, não meses. Obtenha feedback real de usuários. Depois itere com as mesmas ferramentas de IA, mas agora com dados reais sobre o que importa. A descoberta do estudo METR (IA é mais lenta em bases de código complexas) sugere que você deve lançar rápido antes que a base de código fique complexa, e então investir em arquitetura.

4. Construa sobre economia baseada em resultados. Precificação por assento está morrendo. Se seu produto entrega resultados mensuráveis (negócios fechados, tickets de suporte resolvidos, código implantado), cobre de acordo. O modelo de 0,99 dólares por resolução da Intercom Fin gerou dezenas de milhões no primeiro ano porque alinhou incentivos perfeitamente: o cliente paga apenas pelo valor entregue.

5. Invista no que a IA não consegue fazer. Use o tempo e dinheiro que economiza em engenharia para investir em relacionamentos com clientes, marca, comunidade e conformidade regulatória. Esses são os fossos que um concorrente com as mesmas ferramentas de IA não consegue replicar facilmente. As empresas que construírem efeitos de rede e fossos de dados sobre suas operações enxutas habilitadas por IA serão as que durarão.

6. Planeje o "ponto de inflexão de contratação". A trajetória da Lovable mostra claramente: você pode ir de zero a 100 milhões de ARR com 45 pessoas, mas o crescimento contínuo pode exigir escalar o time. Construa sua cultura, processos e documentação como se fosse ter 200 pessoas eventualmente, mesmo enquanto opera com 5. É contraintuitivo quando você está se movendo rápido, mas previne a corrida dolorosa quando o crescimento exige.

7. Mantenha suas ferramentas de IA diversificadas. Não aposte tudo em um modelo ou provedor. Os dados de custo de inferência mostram preços caindo e desempenho convergindo. Construa abstrações que permitam alternar entre Claude, GPT, Gemini e modelos open-source com base em tarefa, custo e requisitos de qualidade. As empresas presas a um único provedor enfrentarão pressão de margem à medida que o mercado amadurecer.

---

Perguntas frequentes

A "empresa de um bilhão com uma pessoa" é realmente possível?

O CEO da Anthropic, Dario Amodei, dá 70-80% de probabilidade para 2026. Os setores mais prováveis são aqueles que exigem mínima confiança institucional: trading proprietário, ferramentas para desenvolvedores, produtos digitais. A realidade é que requisitos regulatórios, de vendas e de resiliência tornam um unicórnio de 6-8 pessoas mais provável do que um literal de uma pessoa. Mas mesmo isso representa uma redução de 25-50x no tamanho do time comparado com unicórnios tradicionais.

Qual ferramenta de codificação com IA devo usar?

Depende do seu fluxo de trabalho. O Claude Code lidera em participação de mercado (54% da codificação com IA) e se integra profundamente em fluxos de trabalho baseados em terminal. O Cursor é o IDE de crescimento mais rápido e se destaca em desenvolvimento interativo. O GitHub Copilot tem a maior base de usuários (4,7 milhões pagos) e a integração mais profunda com o GitHub. Muitos desenvolvedores top usam múltiplas ferramentas: Claude Code para arquitetura e tarefas complexas, Cursor para codificação do dia a dia, Copilot para sugestões inline.

Quanto mais rápida a IA realmente torna os desenvolvedores?

A resposta honesta: depende muito da tarefa e do desenvolvedor. Estudos controlados mostram ganhos de velocidade de 26-56% para tarefas de codificação bem definidas. O Google reporta que mais de 30% do novo código é gerado por IA. Mas o estudo METR descobriu que desenvolvedores experientes em bases de código complexas e maduras foram 19% mais lentos. A IA se destaca em desenvolvimento greenfield e código repetitivo. Tem dificuldades com decisões nuançadas em sistemas grandes e interconectados.

Quais habilidades são mais importantes para fundadores que constroem com IA?

Expertise no domínio, gosto de produto e a capacidade de avaliar criticamente o output da IA. A barreira técnica para construir caiu drasticamente, mas a barreira de julgamento subiu. Entender seus usuários, saber quais tradeoffs fazer e conseguir distinguir um bom output de IA de um plausível mas errado são agora as habilidades centrais do fundador. Capacidade pura de programação importa menos do que dois anos atrás.

Os investidores não hesitarão em financiar uma empresa de 3 pessoas?

Alguns sim, outros não. Os dados de receita por funcionário são convincentes demais para investidores sofisticados ignorarem. A Lovable captou recursos a 6,6 bilhões de avaliação com menos de 50 pessoas. A Bolt captou 105,5 milhões a 700 milhões de avaliação com cerca de 15 pessoas. A preocupação do investidor não é o tamanho do time em si; é resiliência, capacidade de execução e a habilidade de escalar se o mercado exigir. Ter um plano claro de como crescer o time se necessário responde à maioria das objeções.

O vibe coding é uma ameaça ou uma oportunidade para desenvolvedores profissionais?

Ambos. É uma ameaça para desenvolvedores cujo valor principal é escrever código direto. É uma oportunidade para desenvolvedores que conseguem arquitetar sistemas, avaliar output de IA e fornecer a camada de julgamento que a IA não consegue. A Replit reporta que 75% de seus usuários nunca escrevem código. Isso significa que o número total de pessoas construindo software está se expandindo dramaticamente, e o papel dos desenvolvedores profissionais está mudando de "escrever código" para "projetar sistemas que a IA constrói".

---

Conclusão: A verdadeira vantagem competitiva

O unicórnio de três pessoas não é realmente sobre número de funcionários. É sobre o que aconteceu quando o custo da execução desmoronou enquanto o valor do julgamento permaneceu constante.

Por duas décadas, startups competiram principalmente em execução: quem conseguia contratar os melhores engenheiros, lançar mais funcionalidades e escalar mais rápido. Essa competição elevou o tamanho dos times, as taxas de queima de caixa e os requisitos de captação. A revolução da codificação com IA não apenas reduziu custos. Mudou quais insumos importam.

As empresas que alcançam números extraordinários de receita por funcionário compartilham um padrão: são fundadas por pessoas com profunda expertise no domínio e gosto excepcional, usando IA para executar em uma escala que antes era impossível sem grandes times. Não estão substituindo humanos por IA; estão substituindo a necessidade de muitos humanos pelo julgamento de poucos.

Se a primeira empresa literal de um bilhão de dólares com uma pessoa acontece em 2026 ou 2028 importa menos do que a mudança estrutural que ela representa. O time mínimo viável para um produto de classe mundial caiu de 50 para 5 em cerca de 18 meses. Isso muda a estratégia de captação, o design organizacional, a dinâmica competitiva e o planejamento de carreira de todas as pessoas em tecnologia.

Os fundadores que prosperarão não serão os que conseguem dar prompts mais eficazes para a IA. Serão aqueles cujo gosto, expertise no domínio e julgamento os tornam insubstituíveis, mesmo em um mundo onde tudo o mais pode ser automatizado. O unicórnio de três pessoas não é sobre fazer mais com menos. É sobre saber o que vale a pena fazer desde o início.