AI 對新創公司的影響，已經不只是讓工程師寫程式更快、讓客服流程自動化，或是在既有產品裡加上一個 Copilot。YC 合夥人 Diana 近日指出，真正的變化在於，AI 正在改寫「一間公司應該如何從零開始被建立」。對早期創辦人而言，AI 不該只是公司偶爾使用的效率工具，而應該從第一天開始，就被設計成整間公司的作業系統。
A perspectiva de produtividade já ficou ultrapassada; a IA está reescrevendo o ponto de partida do design de uma empresa
Diana acredita que, quando o mercado fala sobre IA hoje, ainda permanece com muita frequência no enquadramento de “aumento de produtividade”, por exemplo: engenheiros podem escrever código mais rápido, equipes podem automatizar mais processos, a empresa pode lançar mais funcionalidades. Mas esse argumento, na verdade, subestima a mudança estrutural que a IA traz. Ela aponta que, com as ferramentas certas combinadas com as pessoas certas, agora é possível criar funcionalidades que antes exigiam uma equipe inteira, e até desenvolver produtos que antes eram impossíveis.
Portanto, a pergunta que os fundadores realmente precisam fazer não é “quais processos da empresa podem receber IA”, e sim “se hoje começássemos do zero para construir uma empresa, quais tarefas originalmente não deveriam ser tratadas camada por camada por mão de obra humana?”
Esse é também o núcleo das chamadas empresas “AI-native”. Diana afirma que a IA não deve ficar fora dos processos da empresa, como um plug-in para melhorar a eficiência de alguns departamentos; ao contrário, cada fluxo de trabalho, cada decisão e cada ação importante da empresa devem atravessar uma camada de um sistema inteligente que aprende continuamente e melhora.
Em outras palavras, no futuro, a startup não vai primeiro criar o organograma, departamentos, fluxos de reunião e estruturas de gerenciamento, e só depois incorporar IA; em vez disso, a empresa deve ser projetada desde o primeiro dia como um sistema que pode ser compreendido, consultado, analisado e melhorar-se a si mesmo por IA.
Primeiro passo: transformar a empresa inteira em um centro inteligente que possa ser consultado por IA
Nesse modelo, o primeiro passo para construir uma empresa é fazer com que toda a organização se torne “consultável”. Em empresas tradicionais, as informações geralmente ficam espalhadas em reuniões, mensagens privadas, e-mails, documentos, CRM, GitHub, sistema de atendimento ao cliente e na cabeça do gestor.
Isso torna a empresa um sistema em circuito aberto: o fundador toma decisões, o time executa tarefas, mas se os resultados foram eficazes, onde está o problema e como ajustar o próximo passo, muitas vezes dependem de reportes manuais e da interpretação dos gestores. Diana acredita que esse tipo de modelo naturalmente causa perda de informações e também diminui a velocidade da empresa.
As empresas AI-native precisam mudar para um sistema em circuito fechado. Cada reunião, cada chamado, cada feedback do cliente, cada decisão do produto, cada ligação de vendas e cada rodada de entrega de engenharia deve gerar registros que possam ser lidos por IA e retroalimentar a camada inteligente da empresa.
Diana recomenda que startups gravem reuniões importantes, usem ferramentas de anotações com IA, reduzam informações escondidas em DM e email e incorporem Agents no Slack, Linear, GitHub, Notion, Google Docs, ferramentas de atendimento ao cliente, ligações de vendas e dados operacionais. O que a empresa realmente precisa construir não é uma pilha de ferramentas dispersas, e sim um centro inteligente capaz de responder imediatamente “o que, afinal, está acontecendo na empresa agora”.
Do ponto de vista do gerenciamento de engenharia: reduzir o tempo do Sprint pela metade e aumentar a produção em quase 10 vezes
Ela usa o gerenciamento de engenharia como exemplo para explicar: se um Agent consegue ler tickets do Linear, canais de engenharia no Slack, GitHub, e-mails de clientes, ferramentas de atendimento ao cliente como Pylon, planos avançados no Notion ou Google Doc, ligações de vendas e registros de reuniões diárias, então ele não ajuda apenas a organizar resumos de reuniões; ele consegue analisar o que foi realmente entregue no Sprint anterior, se o resultado realmente atende às necessidades do cliente e quais funcionalidades, embora tenham sido concluídas, não geraram o efeito esperado.
Quando essas informações podem ser conectadas por IA, o Agent pode ainda propor o planejamento do próximo Sprint, tornando o planejamento de engenharia mais preciso, mais previsível e mais alinhado às necessidades do mercado. Isso significa que, ao construir uma startup do zero, você não deve primeiro replicar os sistemas de gerenciamento de engenharia de uma grande empresa. No passado, líderes de engenharia precisavam gastar muito tempo coletando status, organizando progresso e reportando para cima, porque as informações internas não eram transparentes e exigiam que humanos fizessem o trabalho de transportar e interpretar.
Mas se a empresa, desde o início, projetar todos os fluxos de trabalho essenciais como consultáveis, muitas tarefas tradicionais de gestão intermediária perdem a necessidade. Diana aponta que ela já viu práticas semelhantes em várias empresas da YC: alguns times reduziram pela metade o tempo dos Sprints de engenharia e, no mesmo período, chegaram a produzir quase 10 vezes mais.
Segundo passo: redefinir quem escreve código usando uma fábrica de software com IA
O segundo passo é reconstruir o processo de desenvolvimento de produtos usando uma fábrica de software com IA. Diana acredita que, em uma empresa AI-native, a IA não deveria ser apenas um assistente de código ao lado do engenheiro; é preciso redefinir “quem é responsável por escrever o código”.
No novo modelo de desenvolvimento de produto, humanos ficam principalmente responsáveis por escrever especificações e testes, definindo critérios de sucesso; enquanto o AI Agent fica responsável por gerar implementação, escrever código, testar repetidamente e corrigir até que o resultado esteja de acordo com as especificações. O papel humano passa a ser definir o problema, avaliar os resultados e calibrar a direção, e não concluir pessoalmente cada linha de código.
Esse modelo pode ser entendido como a próxima etapa do desenvolvimento orientado a testes. No TDD do passado, humanos primeiro escrevem testes e depois humanos escrevem código para passar nos testes; a fábrica de software com IA, por outro lado, permite que humanos escrevam especificações e a estrutura de testes, para que o Agent gere o código e faça iterações por conta própria.
Diana menciona que algumas empresas já levaram esse método ao extremo: quase não há código escrito manualmente no repositório de código, e a implementação é feita por IA guiada por especificações, testes e validação de cenários. Isso também é o verdadeiro significado dos “1000 engenheiros”: não é que um engenheiro de repente ficou mil vezes mais esforçado do que os outros; é que, por trás de um engenheiro, existe um sistema inteiro de Agents que permite que ele realize o trabalho que, no passado, exigia um time inteiro.
Terceiro passo: redesenhar a primeira turma de funcionários, deixando apenas três tipos de pessoas
Portanto, se for para usar IA para construir uma empresa do zero, o fundador precisa reavaliar a definição da primeira turma de funcionários. Diana cita a visão do fundador da Block, Jack Dorsey, dizendo que, se uma empresa apenas adicionar ferramentas de IA ao organograma original, mantendo níveis gerenciais e caminhos de fluxo de informações antigos, ela vai perder a mudança verdadeira.
No futuro, a empresa não deveria criar muitas “intermediações humanas”, fazendo a informação ser transmitida em camadas entre gestores, coordenadores e gerentes de projeto; ao contrário, a empresa deve ser projetada como uma camada inteligente, na qual a IA assume a integração e o fluxo das informações, enquanto os humanos ficam na borda para tomar decisões, criar, definir rumos e assumir resultados. Em uma empresa assim, os papéis dos funcionários ficam menos numerosos e mais claros.
O primeiro tipo é o contribuinte individual, isto é, builder-operator: não só engenheiros devem conseguir construir; operações, atendimento ao cliente e vendas também devem conseguir usar IA para criar protótipos, fluxos ou sistemas de automação.
O segundo tipo é o DRI, isto é, a pessoa diretamente responsável: não é um gerente tradicional, mas alguém que responde por um resultado específico; uma pessoa corresponde a um resultado e não consegue se esconder atrás de processos ou departamentos.
O terceiro tipo é o AI founder type: ou seja, o próprio fundador precisa estar pessoalmente na linha de frente usando IA, demonstrando o que significa ter suas capacidades ampliadas — em vez de delegar uma estratégia de IA a algum “responsável por IA” para resolver.
O que o fundador precisa maximizar não é o número de funcionários, e sim a quantidade de tokens usados
Isso também leva a um ponto mais contraintuitivo das empresas AI-native: no futuro, talvez o fundador precise maximizar não o número de funcionários possível, mas a quantidade de tokens usados. Diana acredita que startups devem estar dispostas a assumir faturas de API tão altas quanto desconfortáveis, porque esses gastos substituem custos de mão de obra no passado mais caros e mais “inchados”. Uma pessoa habilidosa em usar ferramentas de IA pode realizar, no período anterior à IA, o trabalho inteiro de uma grande equipe de engenharia, design ou operações.
Por isso, ao construir uma empresa do zero, o fundador não deveria tratar “contratar rapidamente para expandir” como um símbolo de crescimento; em vez disso, deve perguntar: quais trabalhos podem ser tratados por Agent, fluxos em circuito fechado e fábrica de software, e não precisam ser resolvidos contratando mais uma pessoa?
Isso é especialmente crucial para startups iniciais, porque pequenas empresas não têm esse tipo de bagagem histórica. Empresas grandes que precisam se transformar em AI-native terão que, ao mesmo tempo, manter o produto existente e desmontar SOPs acumuladas por anos, estruturas de gerenciamento, política interna e pilhas tecnológicas antigas; cada ajuste de fluxo pode quebrar um sistema que ainda estava funcionando.
Startups iniciais, por outro lado, não têm essas limitações: podem, a partir do primeiro dia, projetar reuniões, engenharia, atendimento ao cliente, vendas, recrutamento, operações e desenvolvimento de produto em estruturas que sejam legíveis, consultáveis e que possam receber feedback pela IA. Diana acredita que essa é justamente a grande vantagem das startups em relação a empresas grandes.
O limite para empreender no futuro será conseguir reinventar uma empresa usando IA
Portanto, a resposta para “como construir uma empresa do zero com IA” não é enfiar ChatGPT, Claude, Cursor, Devin ou várias ferramentas de Agent nos processos existentes; em vez disso, é redesenhar a empresa em si, ao contrário.
O fundador deve primeiro criar uma organização consultável, transformando todas as informações importantes em contexto que a IA possa ler; depois criar fluxos em circuito fechado, para que decisões, execução e resultados retroalimentem continuamente; em seguida, desenvolver produtos orientados por especificações e testes, para que Agents sejam responsáveis por grande parte da implementação; por fim, formar uma equipe com menos, porém mais fortes, builder-operator, DRI e AI founder type.
A visão de Diana aponta para uma conclusão ainda mais radical: startups na era da IA não serão apenas “a mesma empresa, mas com mais eficiência”. Empresas verdadeiramente AI-native serão diferentes em tudo — desde organização, fluxos de trabalho, desenvolvimento de produto, divisão de papéis e até estrutura de custos.
Elas não usam IA apenas para fazer a empresa andar um pouco mais rápido; desde o início, elas projetam a empresa como um sistema inteligente que aprende, dá feedback e faz autoaperfeiçoamento. Para os fundadores, esse pode ser o mais importante obstáculo ao empreendedorismo nos próximos anos: não é se você vai ou não usar IA, e sim se é capaz de reinventar a empresa em si usando IA.
Este artigo, compartilhado pelo parceiro da YC, ensina como construir uma empresa do zero usando IA; a startup deve tratar a IA como um sistema operacional e não como uma ferramenta. Foi publicado pela primeira vez em 链新闻 ABMedia.
