Os desafios e oportunidades no mercado de SaaS + IA + Serviço
AI-First + Serviço = negócios full-stack
👋🏼 Bom te ver por aqui novamente :)
→ Novo neste mundo de Micro-SaaS? Fiz esta playlist para você.
→ Tem uma ideia e não sabe por onde começar? Conheça meu curso gratuito.
→ Veja +1.000 Micro-SaaS: Acessar diretório.
→ Junte-se a +10k empreendedores construindo Micro-SaaS. De graça.
A comunicação vinda de diferentes canais pode dificultar o controle do seu suporte. Com uma estrutura maior e contatos que chegam de landingpages, redes sociais, WhatsApp, e-mails, é importante estruturar e centralizar tudo dentro de um único CRM.
Há quase um ano estou utilizando o Crisp para:
Suporte omnichannel entre WhatsApp, email e comunicação pelo website;
Gatilhos customizados de CTA para os usuários em determinadas partes do site (ex: lead ficou 5s na página de preço - aparece chamada);
Campanhas de e-mail automático de boas vindas para novos membros da comunidade + e-mails transacionais;
CRM e histórico de navegação dos clientes;
Plataforma de disparo de mensagem via API oficial do WhatsApp para clientes do MGM.
Os desafios e oportunidades de construir SaaS de IA
Recentemente, estive conversando com um amigo empreendedor que vem estudando o mercado de SaaS de IA há um certo tempo. Ele trouxe vários insights que me fizeram refletir sobre o momento e os desafios e oportunidades que estão surgindo com as mudanças de IA nos modelos de negócios e precificação do SaaS.
Dando um rápido contexto, em janeiro deste ano (2024), escrevi um artigo sobre as 4 Eras do SaaS, e nele trouxe uma visão de como o mercado de SaaS veio evoluindo.
Fase 1: “charge per user" (cobrar por uso);
Fase 2: “we can measure value” (podemos medir o valor gerado);
Fase 3 - “unpredictable billing” (cobrança imprevisível);
Fase 4 - “the pure value era” (a era do valor puro).
E agora, estamos entrando, mais rápido do que muitos previram, na era do VALUE BASED SAAS.
Transição do modelo de assinatura para o modelo baseado em resultado
Em estudo recente de Kyle Poyar, descrito em seu artigo “From selling acess to selling work”, o empreendedor traz uma reflexão sobre como as empresas de IA-first (seu modelo de negócio é construído em cima de IA) estão criando um novo modelo de precificação baseado em resultado, que consecutivamente captura uma fatia maior do mercado - pois não cobra pelo acesso ao software, mas sim, pelo resultado gerado.
De acordo com Kyle, o modelo “on-premise” consistia basicamente naquele em que as pessoas pagavam pelo software e tinham que aguardar meses até acontecer uma nova atualização.
Com o tempo, os softwares começaram a migrar para o modelo de assinatura, que funciona como um “aluguel”, diminuindo o risco de o negócio dar errado (para ambos os lados), pois as empresas poderiam cancelar, caso não tirassem valor suficiente do sistema. Esse modelo captura cerca de 10-15% do valor econômico que costuma entregar aos seus clientes.
Agora, este novo modelo de precificação por sucesso, citado por Kyle, captura algo em torno de 20-30%, devido ao fato de o produto ter uma relação mais direta com o resultado (e facilmente mensurável). Dessa forma, os clientes conseguem medir o sucesso.
O primeiro SaaS do mercado a lançar um modelo de precificação baseado em sucesso foi o Intercom, com seu agente FIN IA, que cobra US$ 0.99 por ticket resolvido.
“Isso garante que você só paga quando o Fin faz o que é mais importante para você: resolver a dúvida de um cliente.”
Esse movimento é relevante e muito importante para os próximos anos do mercado de SaaS no Brasil, e pessoalmente eu vejo poucos negócios explorando essa abordagem. O mercado ainda vai passar por várias etapas de amadurecimento, tanto do lado das empresas de SaaS como dos clientes.
Além disso, essa mudança também é interessante, pois abre a possibilidade para explorarmos algumas vertentes no Brasil, tais como “empresas de serviço full-stack”.
Negócios de AI-First e o novo modelo de serviço
O Brasil é um país incrível e cheio de oportunidades. Quando falamos do mercado de serviço, estamos falando que 70% do PIB é movido por este mercado.
O desafio do mercado de serviço sempre foi o mesmo. Para escalar, você depende de pessoas, de processos e ferramentas, e isso faz com que o custo do serviço e o tempo de entrega sempre variassem.
Com este novo momento do mercado, muitas empresas de serviço tradicional estão se tornando negócios de alta escala, e esse é um momento único na história.
Por exemplo, se você tem uma empresa de serviço de nicho, pode reconstruir seu negócio inteiro do zero, de forma totalmente automatizada, com IA, e da noite para o dia ver o seu negócio passar a ser escalável.
Um exemplo desse tipo de negócio são agências de marketing que estão adaptando seu core, não somente pela entrega do serviço, mas, também, por automações, relatórios, criação de criativos, SEO, Ads - tudo de forma automatizada e com uma equipe enxuta.
Isso permite que você consiga escalar, aumentando em 10-15x sua entrega, e diminuindo proporcionalmente seu custo. Isso permite, que empresas de serviço e de nicho possam escalar suas operações sem abrir mão de ser enxuto.
Mas, ao mesmo tempo, isso gera o famoso dilema da inovação: para as empresas inovarem, correm o risco de precisarem canibalizar o próprio negócio. Ou seja, se você tem uma empresa de suporte e quer criar agentes autônomos para fazer diferentes níveis de atendimento, significa que você vai precisar canibalizar sua própria estrutura para adaptar as ferramentas de IA.
Empresas AI-First
Já a empresa que nasce como AI-First tem muito mais facilidade de penetração de mercado, se ela criar uma solução nichada para resolver um problema pontual para um grupo de clientes - diferentemente de uma grande empresa, por exemplo, que já tem uma base grande de clientes e quer implementar IA no seu negócio. Neste último caso, a empresa já tem uma estrutura muito mais robusta, que resolve vários problemas e, às vezes, mudar seu modelo de negócio andando pode ser extremamente desafiador.
Então, vamos ver bastante esse dilema de inovação acontecendo com os grandes negócios do mercado, tanto de SaaS como empresas mais tradicionais. Trata-se de um momento interessante que vai criar muita oportunidade, principalmente para negócios pequenos e nichados.
Mas e se a gente explorar a união do modelo de AI-First + Serviço?
AI-First + Serviço = negócios full-stack
Uma reflexão interessante sobre os modelos de negócio de AI-First é que quando você constrói uma empresa de serviço, principalmente no Brasil, as companhias acabam reservando um orçamento muito maior para serviço do que para software (em média o investimento das empresas é de 8% em TI).
Então, quando pensamos em criar uma estrutura de AI-First, isso permite que muitos serviços possam ser automatizados, por exemplo, por agentes autônomos. O que significa que, no Brasil, se as empresas de serviço + IA se posicionarem como negócios de serviço, os permite capturarem uma verba muito maior das empresas e, consecutivamente, tenham acesso a maiores oportunidades financeiras.
Por exemplo, se você construir uma empresa de recrutamento e treinamento, pode usar IA para ajudar em todo o processo de filtro de candidatos, e até nas entrevistas. Isso permite que você capture parte do orçamento de RH das empresas, e não de software.
Quando você vende um SaaS de recrutamento, provavelmente lida com tickets menores, como, por exemplo, R$ 100 por assento. Agora, se você tem um negócio “full-stack” que oferece o serviço e um software por trás, isso te permite capturar um orçamento maior - conseguindo escalar com múltiplos clientes.
Com essa mudança de paradigma, serão abertas oportunidades para muitos negócios menores e de nicho. Ou seja, pequenos negócios nichados terão a oportunidade de acessar faturamentos muito maiores do que os que acessam atualmente.
Então, construir um negócio AI-First full-stack, que mescla serviço com IA, pode ser uma grande oportunidade para pequenos negócios crescerem rapidamente no Brasil - principalmente para o mercado de serviços, que podem construir um Micro-SaaS para atender seus próprios problemas, podendo expandir seu software para outros segmentos/clientes.
Vejo uma oportunidade gigantesca no Brasil para os empreendedores criarem um mindset de vender serviço, ainda, e não somente software, oferecendo o pacote completo. Aquele serviço para o qual você tinha longos ciclos de vendas e uma equipe gigante para dar conta, agora, pode ser feito com um SLA e um custo 10x menor - criando uma vantagem competitiva gigante, e de forma totalmente escalável.
Então, quando paramos para imaginar, isso permite que pequenos empreendedores, que capturariam apenas 1-2% do mercado com seu SaaS, possam capturar 10-20x mais, oferecendo um serviço full-stack.
Conectando os pontos = SaaS de IA + Serviços
Quando conectamos os pontos entre as mudanças de precificação do SaaS, de um modelo de aluguel para um modelo de trabalho/sucesso, junto às oportunidades de criarmos serviços, podemos concluir que o valor gerado não está mais somente em “vender assistentes virtuais”, mas, em resolver tarefas que as pessoas perdiam muito tempo resolvendo e cobrar por este problema resolvido.
É uma forma natural de começar a entregar neste mercado, sem precisar inventar a roda e ficar forçando um modelo de negócio que talvez as empresas tenham dificuldade de lidar.
Apesar da limitação tecnológica, ainda estamos no início da evolução das LLM, enquanto o modelo de criar agentes pode ser algo disruptivo, embora ainda seja complexo para as empresas trocar pessoas por robôs.
Ainda estamos na fase 1 e iniciando a fase 2, ou seja, nos próximos anos, veremos grandes evoluções nas LLM’s. Mas, quando chegarmos em um momento de ver mais “tarefas realizadas” e isso for mais fácil de medir, naturalmente, veremos as empresas adotando mais e mais a IA.
Agora, vamos falar sobre os principais desafios que estes novos modelos de negócio vão passar nos próximos anos.
Os desafios do novo modelo de negócio de IA
1. Falta de Previsibilidade de Custos
A introdução de modelos de precificação baseados em consumo, como cobrança por resolução de tickets ou por conversa gerenciada por IA, resulta em flutuações nos custos operacionais. Isso dificulta a previsão de despesas e receitas, exigindo que as empresas adotem estratégias como contratos flexíveis e períodos de carência para mitigar riscos financeiros.
Ou seja, isso será naturalmente uma barreira para as empresas. Mas o lado bom é que as empresas de CLOUD já fazem isso de certa forma, então não é algo que será criado “do zero”.
2. Novas Métricas e Modelos de Precificação (ARRR e LTM)
• Transição de ARR para ARRR: Com a mudança para modelos de precificação baseados em resultados, o tradicional Annual Recurring Revenue (ARR) está sendo substituído pelo Annual Revenue Run-Rate (ARRR), que reflete melhor a natureza variável das receitas, mas mesmo assim, ainda existem dúvidas sobre esse formato de métrica.
• Foco em LTM Revenue: O LTM oferece uma perspectiva mais recente do desempenho financeiro, superando limitações de relatórios anuais ou trimestrais que podem não refletir as condições atuais do mercado.
3. Foco no Resultado, Não na Ferramenta
Clientes esperam pagar pelos resultados efetivos proporcionados pelas soluções de IA, como tickets resolvidos ou conteúdo gerado, em vez de simplesmente acessarem uma ferramenta. Isso exige que as empresas garantam que seus produtos entreguem valor mensurável e reconhecível.
Por isso o modelo de AI-First acaba fazendo muito sentido no Brasil.
4. Educação do Mercado Corporativo
Empresas tradicionais podem resistir a modelos de precificação baseados em consumo devido à imprevisibilidade de custos. A educação de mercado vai naturalmente acontecer à medida que os novos players entrarem, e novas empresas locais começarem a adotar este novo modelo.
Um caminho natural será criar caminhos que ofereçam previsibilidade, como créditos cumulativos ou limites de uso. Estamos vendo vários cases de crédito nascerem em algumas verticais específicas.
5. Foco na Adoção do Produto e Acompanhamento Constante
Com a precificação atrelada ao uso efetivo, é essencial que as equipes de vendas e sucesso do cliente promovam a adoção contínua do produto, assegurando que os clientes obtenham o valor esperado e permaneçam engajados.
Ou seja, basicamente a venda não acaba mais quando o cliente assina o sistema. Na realidade, ela só começa. E as estruturas de pós-venda e construção de relacionamento passarão a ser cada vez mais cruciais.
6. Novo Modelo de Comissão para os Vendedores
Modelos tradicionais de comissão, baseados em vendas fechadas, podem não ser eficazes em ambientes onde a receita depende do uso contínuo. As estruturas comerciais terão que criar sistemas de compensação que considerem consumo real e expansão de receita para conseguir incentivar os vendedores a focarem no longo prazo.
Obrigado por ler até aqui :)
Adorei! Conecta muito com a ideia que estou desenvolvendo. Obrigada!