A maior mudança no modelo de venda de software em duas décadas está acontecendo agora

Quando a Amazon Web Services reinventou a computação em nuvem no final dos anos 2000, ela tornou possível uma categoria inteira de startups de Software as a Service. Qualquer empresa com uma boa ideia podia construir um produto de software, hospedar na AWS e vender por assinatura mensal para clientes em qualquer lugar do mundo sem precisar de infraestrutura física própria. Essa combinação criou o SaaS como conhecemos: produto autocontido, onboarding digital, customer success remoto, escala sem custo marginal significativo.

O SaaS 1.0 funciona quando o produto é suficientemente simples para que clientes o adotem e gerem valor sozinhos, com alguma orientação. O problema é que IA não é assim. Modelos de linguagem e agentes autônomos só produzem o resultado transformador que justifica o investimento depois de implementados corretamente, integrados aos sistemas existentes e adaptados ao contexto específico de cada empresa. E essa implementação, integração e adaptação não acontecem sozinhas com um vídeo de onboarding e uma documentação técnica.

Esse é o problema que a AWS está gastando US$ 1 bilhão para resolver, e que está dando origem ao que já se chama de SaaS 2.0, ou Service as a Software.

O que são Forward Deployed Engineers e por que a Palantir os inventou

O conceito de Forward Deployed Engineer foi cunhado pela Palantir há quase uma década, e o raciocínio por trás dele era simples: software complexo que modifica profundamente como uma organização opera não pode ser implementado à distância. Precisa de pessoas dentro do cliente, entendendo o contexto operacional específico, construindo integrações sob medida e descobrindo oportunidades de uso que nenhuma equipe de produto externa jamais anteciparia.

Um FDE é um engenheiro, às vezes um time pequeno, alocado diretamente na empresa cliente para prestar serviços relacionados ao produto contratado. No modelo da AWS, significa um time de engenheiros com uma salinha no escritório do cliente, ajudando a implementar e utilizar soluções cloud de forma que gere valor real para o negócio específico, não para o caso de uso genérico que o marketing do produto descreve.

A diferença em relação ao modelo tradicional de onboarding é estrutural. No modelo antigo, você desenvolve o software, entrega para o time de Customer Success que tenta fazer o cliente usar, e espera que o valor apareça. No modelo FDE, você envia um time de engenheiros que se integra à operação do cliente, desenvolve integrações específicas para o contexto, descobre novas ideias de produto que emergem do uso real, e continua desenvolvendo software enquanto está lá.

Leia Também
WordPress 7.0 lança API de Conectores e traz integração nativa com provedores de IA para o core
Elementor 4.0: A Nova Arquitetura que Muda a Forma de Construir Sites no WordPress

Por que IA especificamente tornou o FDE necessário em escala

A Palantir usou FDEs porque vendia software analítico para governos e grandes corporações com operações complexas. O modelo fazia sentido para um nicho específico de cliente sofisticado com problemas difíceis.

O que a explosão de IA em 2025 e 2026 fez foi tornar esse problema universal. Virtualmente toda empresa de médio e grande porte está agora tentando implementar IA em seus processos, e virtualmente todas estão descobrindo que o gap entre o demo impressionante e o valor operacional real é significativo e requer trabalho especializado para ser fechado.

Modelos de linguagem que funcionam perfeitamente em casos de uso genéricos falham ou entregam resultados medíocres quando confrontados com os dados específicos, os processos específicos e as integrações específicas de uma empresa real. Agentes que executam tarefas de forma autônoma precisam ser configurados, testados e monitorados em contextos que nenhum laboratório de IA consegue antecipar completamente no desenvolvimento do produto.

A AWS reconheceu que essa lacuna de implementação é o principal obstáculo para que seus clientes gerem valor com IA, e que sem resolver essa lacuna, o potencial do investimento em IA de clientes não se materializa, o que eventualmente reduz a demanda pelos serviços cloud que sustentam o negócio da Amazon.

Quem mais está apostando no modelo FDE para IA

A AWS não está sozinha nessa aposta. O modelo de Forward Deployed Engineers se disseminou rapidamente entre as empresas que reconheceram que vender acesso a IA e garantir que IA gera valor são problemas diferentes que exigem soluções diferentes.

OpenAI criou sua DeployCo com US$ 4 bilhões especificamente para construir essa camada de implementação em escala, com McKinsey, Bain e Capgemini como co-investidores que trazem exatamente a capacidade de trabalho próximo ao cliente que o modelo exige. Anthropic tem times de Forward Deployed Engineers que acompanham a implantação do Claude em contextos enterprise complexos. Databricks, ServiceNow, Salesforce e Anduril já construíram estruturas similares.

O padrão que emerge é de um mercado que está reconhecendo coletivamente que IA é uma tecnologia que requer implementação especializada próxima ao cliente de uma forma que o SaaS tradicional não exigia. A vantagem competitiva não está apenas em ter o melhor modelo ou o melhor produto: está em conseguir fazer o produto funcionar bem nos contextos específicos de clientes específicos.

A 8090 Labs e a nova categoria que está emergindo

Um sinal da maturidade desse movimento é que empreendedores sofisticados estão apostando nele de formas que vão além das divisões internas das grandes empresas de IA. Chamath Palihapitiya, uma das vozes mais influentes em investimentos em tecnologia, voltou à arena operacional como CEO da 8090 Labs, uma software house de IA para enterprises que acaba de fechar uma Série A de US$ 150 milhões.

A proposta da 8090 Labs é essencialmente uma empresa nativa no modelo Service as a Software: engenheiros especializados em IA que trabalham dentro de empresas clientes para construir soluções customizadas. Não é uma consultoria tradicional de TI, não é uma empresa de SaaS com onboarding remoto, é algo novo que combina serviço com software de formas que o mercado ainda está aprendendo a precificar e a contratar.

O fato de que Palihapitiya, que tem padrões muito seletivos sobre onde coloca seu tempo e reputação, escolheu esse modelo específico como seu retorno ao papel de CEO é um sinal de mercado que merece atenção. Pessoas com esse nível de perspectiva sobre ciclos tecnológicos raramente apostam em tendências que não estão convictos de que vão durar.

O que o SaaS 2.0 muda para quem compra e para quem vende

Para empresas que estão comprando IA, o modelo Service as a Software representa uma evolução importante no que esperar do fornecedor. Em vez de uma licença de software que vem com documentação e suporte técnico, a proposta é um relacionamento onde engenheiros especializados trabalham diretamente no problema de implementação. Isso tem implicações de custo diferentes, de estrutura contratual diferente e de expectativas de resultado diferentes.

A questão de ROI fica mais clara e mais direta: se os engenheiros estão dentro da empresa, o valor entregue pode ser mensurado no contexto operacional real, não numa demo de laboratório. Isso é bom para clientes que querem clareza sobre o que estão pagando. É também uma pressão sobre fornecedores para que entreguem resultados mensuráveis em vez de apenas acesso a tecnologia.

Para quem vende IA, o modelo FDE muda a estrutura de custos de forma significativa. Engenheiros trabalhando dentro de clientes são caros, não escalam da mesma forma que software, e exigem gestão de pessoas e de projetos com complexidade muito maior do que um produto SaaS. A vantagem é que create barreiras de saída muito mais altas no cliente: uma empresa que tem engenheiros da Anthropic ou da AWS integrados à sua operação não vai trocar de fornecedor facilmente.

O que esse movimento revela sobre o estado real da adoção de IA

O investimento da AWS, a criação da DeployCo pela OpenAI, a proliferação de times FDE em empresas de IA e o surgimento da 8090 Labs são todos sinais do mesmo diagnóstico: a promessa de que IA vai se implementar sozinha, que clientes vão descobrir o valor naturalmente com acesso ao produto, está se provando incorreta para as aplicações de maior impacto.

Essa é uma informação importante que transcende o debate sobre qual modelo é mais inteligente ou qual empresa tem mais clientes enterprise. Significa que a maior barreira para o impacto econômico da IA não é técnica, é de implementação. E que a indústria está reconhecendo isso e construindo a capacidade de serviço que fecha essa lacuna.

O SaaS 1.0 democratizou o acesso a software. O SaaS 2.0 está tentando democratizar a implementação eficaz de IA. São problemas diferentes que exigem soluções diferentes, e as empresas que estão construindo essa capacidade agora vão ter vantagem significativa sobre as que ainda estão esperando que clientes descubram o valor por conta própria.