Por quase 20 anos, o SaaS clássico dominou a criação de valor em tecnologia, com alta retenção, margens superiores a 80% e crescimento previsível. Em um ambiente de capital barato, isso gerou algumas das maiores empresas da história. Entre 2010 e 2021, índices de software e cloud nos EUA entregaram cerca de 16% a 18% ao ano, mais que o triplo do acumulado do S&P 500 em muitos casos.
A partir de 2022 e 2023, duas forças mudaram o jogo de forma irreversível: juros altos, que elevaram o custo de capital e puniram modelos baseados em “grow at all costs”, e a IA generativa, que reduziu o custo marginal de produzir software a patamares próximos de zero.
O software não morreu. O valor apenas migrou, mais uma vez.
Toda queda drástica no custo do software redistribui valor. Nos anos 1990, quando o software corporativo era caro, o valor migrou para quem controlava dados e fluxos. Nos anos 2000, com o avanço do open source e da internet, plataformas de distribuição como Google, AWS e Salesforce ganharam protagonismo. Já nos anos 2010, com a cloud se tornando commodity, venceram os modelos baseados em integração profunda e efeitos de rede, como Shopify, ServiceNow e Mercado Livre.
Hoje, o padrão se repete. Quem escreve o melhor prompt ou o código mais bonito importa menos. Quem controla o fluxo operacional real importa mais.
Nesse contexto, surge uma nova segmentação do mercado. De um lado, estão os softwares funcionais isolados, caracterizados por ferramentas pontuais, baixa barreira de substituição e compressão acelerada de preço e margem impulsionada pela IA. De outro, estão as redes transacionais e infraestruturas operacionais, formadas por plataformas que executam transações econômicas reais, acumulam dados contextuais proprietários e se tornam essenciais, com custos de troca extremamente elevados. É essa segunda categoria que está capturando a maior parte do novo valor.
Uma rede transacional forte é definida por efeito de rede direto, no qual cada participante valoriza a rede para todos, por dados transacionais proprietários e acumulativos relacionados a preço, risco, performance e comportamento real, por centralidade operacional, deixando de ser algo “legal de ter” para se tornar “impossível operar sem”, e por expansão natural de receita, incluindo pagamentos, crédito, seguros, precificação dinâmica e automação.
Os exemplos clássicos e modernos desse modelo, em 2026, incluem no setor financeiro Visa, Mastercard e Stripe Treasury; em dados financeiros, o Bloomberg Terminal; no e-commerce e fulfillment, Shopify, com pagamentos, crédito e logística, e a Amazon; nos workflows corporativos, o ServiceNow com agentes de IA; na América Latina, o Mercado Livre, que evoluiu de marketplace para fintech e logística; e, na logística e supply chain, a Wisetech no transporte internacional e a nstech no transporte doméstico de carga, buscando se tornar “rails” do setor.
A IA reforça, e muito, as redes transacionais. Modelos de inteligência artificial estão se tornando commodity, como Grok, Claude, Gemini e Llama, cada vez mais acessíveis. O diferencial passa a ser o acesso a dados operacionais reais e em tempo real, a um contexto transacional rico e à integração nativa com workflows críticos. IA genérica gera insights genéricos. IA combinada a dados de transações reais gera decisões acionáveis e defensáveis.
Há um ponto estrutural que começa a ficar claro: agentes de IA não criam valor econômico real sozinhos. Para sair da condição de “copiloto inteligente” e se tornar infraestrutura econômica, um agente precisa de três elementos. O primeiro é contexto profundo, baseado em dados operacionais reais, históricos e confiáveis. O segundo é capacidade de agir, por meio da integração direta com sistemas e fluxos que executam transações. O terceiro é feedback econômico real, expresso em resultados financeiros concretos, como pagamento, margem, risco e performance.
Sem esses três elementos, o agente se torna apenas uma camada de interface inteligente, útil, mas facilmente replicável. Sem uma rede transacional, o agente vira um “copiloto inteligente”, com valor limitado, que acaba se transformando em feature e sofre compressão inevitável de preço. Já com uma rede transacional forte, o agente se transforma em um orquestrador econômico, passa a executar decisões com impacto financeiro real e permite a captura direta de valor por meio de take rate, performance fee e expansão de ARPU.
Isso muda completamente a economia do software. O agente deixa de ser apenas uma UX inteligente e passa a ser infraestrutura de execução econômica. E quem controla a rede transacional onde esse agente opera captura a maior parte do valor.
Do ponto de vista de valuation e economia do negócio, redes transacionais costumam exibir retenção estrutural, quase como uma utility, custos de troca extremos, múltiplas alavancas de monetização, maior previsibilidade de fluxo de caixa de longo prazo e múltiplos de mercado consistentemente mais altos. A Visa mantém margens superiores a 60% há décadas. A Shopify viu seu GMV explodir e seu take rate subir com pagamentos e serviços. O Mercado Livre evoluiu de e-commerce para um ecossistema financeiro-logístico completo.
O grande desafio, e a razão pela qual poucas conseguem, é que construir uma rede transacional exige massa crítica inicial, resolvendo o problema do chicken and egg, confiança e neutralidade percebida, padronização de dados, integração profunda por meio de APIs bidirecionais, não apenas webhooks, governança robusta e tempo aliado a capital paciente. Quando atinge escala, esse modelo se torna quase inexpugnável, como verdadeiras ferrovias digitais.
Na logística, esse movimento representa o próximo grande terreno. A cadeia logística global é gigantesca, fragmentada e ineficiente, representando 13% do PIB global. A digitalização até agora ocorreu por meio de ferramentas isoladas, como TMS, WMS e tracking. O próximo passo é a consolidação em redes transacionais que executam match, contratação, pagamento e liquidação de frete, gerenciam risco, compliance e financiamento integrado, alimentam a IA com dados reais de toda a cadeia, permitem que agentes autônomos operem com capacidade de decisão e execução e conectam embarcador, transportador, operador, seguradora e banco em um único ambiente.
Quem fizer isso primeiro em escala, especialmente em mercados emergentes, criará uma nova camada de infraestrutura essencial.
O software não está morrendo. Está evoluindo de “produto” para “infraestrutura de fluxo”. À medida que código e modelos se tornam commodity, o valor se concentra em quem controla os fluxos econômicos reais, os dados transacionais proprietários, a posição central na cadeia e as redes onde agentes de IA realmente executam transações.
As grandes vencedoras da próxima década não serão apenas as melhores em IA ou as mais bonitas em UX. Serão aquelas que se tornarem infraestrutura invisível, tão essencial quanto a Visa é para pagamentos ou a AWS para cloud e IA.
Historicamente, é nesse nível que se capturam os maiores e mais duradouros múltiplos.
