O fim do software padrão: por que IA está mudando o que faz sentido comprar ou construir

Por décadas, a escolha de tecnologia para empresas seguiu uma lógica simples: você comprava um software que foi construído para milhares de empresas como a sua, adaptava seus processos para caber nele, e aceitava as limitações como custo do negócio. Essa lógica tinha sentido. Construir software próprio era caro, lento e exigia equipe técnica que a maioria das empresas não tinha.

Em abril de 2026, Deep Nishar e Nitin Nohria publicaram na Harvard Business Review um argumento que merece atenção: a IA generativa está dissolvendo a lógica econômica que tornava o software padronizado a única escolha prática. Nishar é investidor com passagens por Google e LinkedIn, e entre seus investimentos estão Anthropic, Figma, Glean e Slack. Ele não está falando de teoria.

A questão que ele coloca é mais precisa do que “construir ou comprar”: quais workflows precisam ser seus?

Por que o software padrão dominou por tanto tempo

A resposta não é complexa: economia de escala. Um ERP desenvolvido por uma empresa de software com mil engenheiros, vendido para 50 mil clientes, distribui o custo de desenvolvimento de forma que nenhuma empresa consegue replicar internamente. O cliente pagava uma fração do custo real de construção.

O resultado prático: empresas adaptavam seus processos ao software, não o contrário. “Nosso jeito de fazer” virava “o jeito que o sistema permite”. Em muitos casos, isso funcionava bem o suficiente para não valer a pena questionar.

Segundo dados da Menlo Ventures de 2025, a camada de aplicação de IA generativa capturou US$ 19 bilhões, mais da metade de todo o gasto global com IA generativa naquele ano, com startups nativas de IA emergindo em cada função de negócio. Esse movimento não é coincidência. É a primeira vez em décadas que construir algo específico para o seu contexto ficou economicamente acessível para empresas que não são de tecnologia.

O que mudou com IA generativa

Construir um workflow personalizado antes exigia: engenheiros, tempo, manutenção contínua, e uma equipe de produto para definir os requisitos. Agora exige menos de cada um desses itens, e, em muitos casos, nenhum dos primeiros dois.

Um gestor com acesso a ferramentas de IA consegue hoje automatizar processos que antes precisariam de desenvolvimento: triagem de documentos, rascunhos de comunicação, extração de dados de PDFs, resumos de reuniões adaptados para diferentes audiências. Não são implementações perfeitas, mas são funcionais o suficiente para competir com módulos de software que custam mensalidades significativas.

A Deloitte apontou no relatório State of AI in the Enterprise de 2026 que empresas que medem o retorno de IA generativa reportam em média 171% de ROI, com empresas americanas chegando a 192%, três vezes mais que automações tradicionais. O número é alto em parte porque o custo de construção caiu, não só porque o benefício aumentou.

A pergunta que gestores deveriam estar fazendo

Nishar e Nohria propõem uma mudança de enquadramento: em vez de perguntar “qual software resolve este problema?”, perguntar “este workflow representa uma vantagem competitiva nossa, ou é só operação necessária?”

A distinção importa porque muda completamente a decisão:

Workflows operacionais: folha de pagamento, controle de estoque básico, emissão de nota fiscal. Não diferenciam ninguém. Faz sentido comprar software padrão, aceitar as limitações e focar energia em outro lugar.

Workflows que tocam no que você faz de diferente, como você atende clientes, como qualifica leads, como onboarda novos funcionários, como analisa propostas, são os candidatos para personalização. É aqui que a IA generativa muda o cálculo.

A pergunta concreta para qualquer gestor: “Se eu tivesse um processo nessa área que funciona exatamente do jeito que eu preciso, o quanto isso mudaria meu resultado?”

Três exemplos para o contexto brasileiro

Atendimento ao cliente. Um software padrão de CRM tem fluxos genéricos de resposta. Uma PME que atende via WhatsApp, tem linguagem própria e clientes com perfis específicos pode construir um fluxo personalizado, com triagem automática, respostas no tom certo, escalada nos momentos certos, por uma fração do custo de um módulo de atendimento enterprise. O workflow vira diferencial porque reflete quem você é, não quem o software imaginou que você seria.

Análise de propostas e contratos. Advogados, consultores e imobiliárias passam horas revisando documentos com padrões repetitivos. Um fluxo personalizado de IA que conhece o vocabulário da empresa, os pontos de risco relevantes para o setor e o formato de output esperado pelo time substitui horas de trabalho mecânico, sem precisar de um sistema de gestão documental de R$ 2.000 por mês.

Qualificação de leads. Ferramentas de CRM genéricas qualificam leads com critérios padrão de mercado. Uma empresa que entende seus próprios critérios de qualidade, quais perguntas indicam cliente ideal, quais sinais de comportamento predizem conversão, pode construir um fluxo que aprende com seu histórico específico, não com médias de setor.

Para quem está mapeando por onde começar, estas automações para pequenos negócios mostram casos concretos de onde a personalização entrega retorno rápido.

O risco de não revisar essa lógica

Nishar aponta que a pergunta não é sobre tecnologia, é sobre quem decide o que pertence a você. Empresas que continuam terceirizando todos os seus workflows para software padrão perdem a capacidade de diferenciar pela execução. Se o seu processo de vendas, atendimento e análise são idênticos aos de qualquer concorrente que usa o mesmo software, o diferencial precisa vir de outro lugar.

Isso não significa abandonar ferramentas consolidadas. Significa ter clareza sobre quais delas você usa porque são melhores, e quais você usa apenas porque nunca parou para questionar.

Apenas 1 em cada 5 empresas tem modelo maduro de governança para agentes autônomos de IA, segundo dados de 2026. A maioria ainda está na fase de experimentação. Quem construir clareza sobre seus workflows críticos agora terá vantagem estrutural quando a adoção se generalizar.

Para quem quer entender como delegar tarefas específicas para IA no contexto de gestão, o mapeamento de workflows é o ponto de partida, antes de escolher qualquer ferramenta.

A decisão de tecnologia mais importante dos próximos anos não vai ser qual software comprar. Vai ser saber o que não terceirizar.

Para revisar a estratégia de tecnologia do seu negócio com foco em onde IA gera retorno real: veja como posso ajudar.