Todo mundo está falando em ser AI-first. Mas e se o verdadeiro salto for ser AI-native? Qual a diferença entre esses dois caminhos?

Nos últimos meses, diversas empresas têm se declarado AI-first. Circulam, inclusive, e-mails públicos de CEOs reforçando esse posicionamento. Um exemplo é o manifesto de Tobias Lütke, CEO da Shopify (leia aqui), onde ele afirma que:

“A utilização efetiva de AI agora é um requisito essencial para cada colaborador da Shopify — e isso vai além de desenvolvedores ou analistas.”

Em resumo, o que o manifesto propõe é:

• Proficiência em AI como base: Usar AI passou a ser uma expectativa padrão, independentemente da função.

• Justificativa para não usar: Colaboradores precisam explicar por que não usar AI antes de solicitar mais recursos (como tempo ou equipe).

• AI desde o protótipo: A tecnologia deve estar presente desde o início dos projetos, acelerando aprendizado e entrega.

• Responsabilização por uso: O uso de AI passa a influenciar avaliações de desempenho e promoções — inclusive para lideranças.

Esse é o espírito do AI-first mindset, definido pela Forbes como uma abordagem intencional para integrar AI em todos os aspectos da vida profissional e pessoal. Trata-se de priorizar e usar AI como principal interface para tomada de decisão, inovação, comunicação, criatividade e resolução de problemas (fonte).

É uma abordagem poderosa — mas talvez não seja suficiente.

O que é ser AI-native? E qual a diferença entre ser AI-first e AI-native?

Todo mundo está falando em ser AI-first. Mas e se o verdadeiro salto for ser AI-native? Qual a diferença entre esses dois caminhos?

AI-native é um produto, serviço ou organização cuja proposta de valor, funcionamento e modelo de negócio dependem fundamentalmente de inteligência artificial — desde a concepção.

Enquanto AI-first é sobre pensar em como usar AI para tudo o que precisa ser feito, ser AI-native significa começar com outras perguntas:

• Que problemas (ou necessidades) da minha cliente só agora eu consigo resolver (ou atender) porque temos essa nova tecnologia?

• E que problemas eu já resolvia antes — mas que, com AI, consigo resolver muito melhor?

Essas perguntas mudam completamente o ponto de partida. Ao invés de adaptar o que já existe para caber na AI, você passa a imaginar soluções que só são possíveis porque a AI existe. Isso é o que diferencia o uso oportunista da AI de uma verdadeira reinvenção de produto.

Quando os smartphones se popularizaram, muitas empresas adotaram a estratégia de mobile-first — priorizando o uso no celular, mas ainda com uma base pensada para o desktop.

Logo depois, surgiram empresas que já nasceram mobile-native. Que pensaram seus produtos, modelos de negócio e experiências desde o início com o celular como plataforma principal. E isso fez toda a diferença.

Veja, por exemplo, a diferença entre empresas como Facebook, Google e LinkedIn — que precisaram adaptar suas experiências para o mobile — e empresas como Instagram e WhatsApp, que já nasceram com o celular como plataforma principal. Facebook, Google e LinkedIn tiveram que fazer um esforço, inicialmente usando a estratégia mobile-first e outras estratégias, incluindo aquisição de empresas mobile-native como, por exemplo, Google adquirindo Android e Facebook adquirindo Instagram e WhatsApp.

Enquanto essas conseguiram se adaptar e hoje são referências no uso do mobile, outras, como o eBay, enfrentaram dificuldades em competir com apps que já nasceram nativamente móveis, como a Shopee, e perderam relevância em mercados-chave. A experiência de uso da Shopee era mais fluida desde o início, o modelo de negócio já se beneficiava das particularidades do mobile, e o crescimento foi impulsionado pelo próprio design nativo para essa plataforma.

Estamos vendo algo semelhante acontecer com a AI. Falar em AI-first é um bom começo. Mas o salto real acontece quando o produto é AI-native, ou seja, quando a AI não é apenas uma prioridade, mas uma fundação.

AI-native é quando o produto só faz sentido com AI no centro. Quando o valor entregue às clientes depende diretamente dessa tecnologia. Quando o modelo de negócio, a proposta de valor e a experiência do usuário já nascem moldados por ela.

É esse tipo de empresa que está começando a surgir agora. E, como aconteceu com o mobile, pode ser difícil para quem não nasceu assim competir no mesmo nível.

Para entender melhor esse novo momento, vale olhar para o que aconteceu com a geração anterior de empresas, as tech-native, que souberam usar a internet como base para disrupção.

AI-native: uma nova geração de empresas está nascendo

Google, Netflix, Amazon, Airbnb, Uber. São empresas que usamos com frequência — e que, cada uma à sua maneira, redesenharam os mercados em que atuam. Elas nasceram com tecnologia no centro da estratégia, como preconizo em meu mais recente livro Transformação digital e cultura de produto: Como colocar a tecnologia no centro da estratégia de sua empresa. E mais: nasceram na era da internet. Por isso, podemos chamá-las de tech-native e, até de forma mais precisa, de internet-native.

A computação existe há décadas. O primeiro computador eletrônico de grande escala e programável, o ENIAC, foi apresentado em 1946. Mas foi só com a popularização da internet que a tecnologia deixou de ser restrita ao backoffice e passou a ser plataforma de disrupção.

As tech-native reinventaram como buscamos informação, como nos locomovemos, como consumimos mídia, como compramos, como viajamos. E as empresas tradicionais tiveram, e continuam tendo, que correr atrás.

Esse movimento está prestes a se repetir com a inteligência artificial.

Assim como houve um antes e depois da internet, começamos agora a ver nascer uma nova geração de empresas: as AI-native. Elas já estão sendo concebidas em um mundo onde AI é parte do dia a dia e, mais do que isso, parte central do produto, da operação e da estratégia.

Essas empresas não estão tentando “adotar AI”. Elas estão sendo construídas em cima da AI, assim como a Netflix foi construída em cima da internet.

E esse impacto pode acontecer nos três tipos de empresa que descrevo no meu livro:

• Empresas digitais, cujo produto é a própria tecnologia. Já vemos exemplos AI-native como OpenAI, Midjourney, RunwayML e JusticeText.
• Empresas tradicionais nascidas digitais, que vendem serviços tradicionais mas nasceram com tecnologia no centro. A DoNotPay, por exemplo, oferece serviços jurídicos automatizados e já nasceu com AI na base da proposta de valor.
• Empresas tradicionais, cujo produto não depende originalmente da tecnologia, mas que agora começam a passar pela transformação AI — assim como passaram pela transformação digital.

Assim como as tech-native estabeleceram novos padrões para experiência, velocidade e escala, as AI-native estão prestes a redefinir o que significa ser competitivo em muitos setores.

Exemplos que mostram o verdadeiro poder de produtos AI-native

Se você já usou o ChatGPT, então já experimentou um produto AI-native — e teve contato direto com o poder de soluções que têm a inteligência artificial no seu core. Não como um recurso adicional ou uma prioridade de construção (AI-first), mas como um fundamento da experiência, do modelo de negócio e da proposta de valor.

A seguir, veja outros exemplos de produtos que nasceram AI-native — e que mostram como essa tecnologia pode ser usada para resolver problemas concretos de forma inovadora:

Veja alguns exemplos:

• OpenAI: criadora do ChatGPT, que revolucionou o uso da linguagem natural ao disponibilizar ao público uma interface simples para interação com modelos de linguagem generativos, como o GPT-4.
• Midjourney: plataforma de geração de imagens a partir de descrições textuais, com foco artístico e expressivo, usada por designers, criadores de conteúdo e entusiastas de AI.
• RunwayML: plataforma de criação de vídeos com recursos avançados de AI, como geração e edição de cenas, remoção de fundo, e transformação de estilo — com uso crescente em publicidade e produção audiovisual.
• JusticeText: usa AI para analisar vídeos, transcrições e áudios judiciais, ajudando advogados públicos a defender réus de baixa renda com mais agilidade e precisão.
• Be My Eyes + OpenAI: app para pessoas com deficiência visual que, com ajuda do GPT-4, descreve ambientes, lê rótulos e explica contextos a partir da câmera do celular.
• DoNotPay: começou como um app para recorrer a multas de trânsito automaticamente e hoje ajuda usuários a resolver pequenas disputas legais com o apoio de modelos de linguagem.
• Pictory: transforma textos ou scripts em vídeos curtos com narração, música e cortes automáticos — útil para marketing, educação e conteúdo em escala.
• NotebookLM (by Google): cria resumos, insights e até roteiros de podcast com base em documentos e fontes que você envia. Além disso, gera vozes sintéticas que simulam uma conversa entre apresentadores sobre o tema.
• Wondercraft: transforma artigos e roteiros em podcasts com vozes realistas geradas por AI, trilha sonora e efeitos, permitindo publicar diretamente em plataformas como Spotify ou Apple Podcasts — inclusive com a possibilidade de clonar sua voz.

Essas ferramentas mostram como a AI já está resolvendo problemas concretos — de justiça social a acessibilidade, de automação criativa a democratização do conhecimento.

Se ainda não testou nenhuma delas, vale a pena experimentar. Em poucos minutos, você pode ter uma experiência real com um produto AI-native — criando, pesquisando, escrevendo ou ilustrando com ajuda da inteligência artificial.

Mais do que produtividade: inteligência no core do produto

Há uma diferença fundamental entre usar AI para automatizar tarefas — como a TI foi usada no passado — e usá-la para criar produtos verdadeiramente inteligentes, que resolvem problemas com mais eficiência, personalização e escala.

AI tem capacidades únicas. Hoje em dia, só se fala da AI que gera textos, imagens, vídeos, músicas e até aplicativos. Essa popularidade disparou a partir do final de 2022, quando a OpenAI apresentou o ChatGPT. Mas AI vai muito além da geração: ela já é, há bastante tempo, muito boa em classificar, reconhecer e recomendar. E o melhor — todas essas capacidades melhoram com o uso.

Isso permite criar produtos que aprendem, evoluem e entregam mais valor com o tempo — tanto para as clientes quanto para o negócio.

Outro ponto fundamental: soluções baseadas em AI não são determinísticas, em que algo é ou A ou B. Elas são probabilísticas — atribuem graus de confiança a diferentes possibilidades. E essa característica aproxima muito mais os produtos do funcionamento real do mundo, onde quase nada é preto no branco. A grande maioria das situações que enfrentamos é, na prática, probabilística.

Nas empresas AI-native, a pergunta “como vamos resolver esse problema?” já parte do que a tecnologia de AI é capaz de fazer. Da mesma forma que, em tech companies, sempre se começa com as tecnologias disponíveis como ponto de partida para a solução.

É esse tipo de mentalidade que diferencia um uso pontual de AI de uma verdadeira transformação de produto. Não se trata só de produtividade. Trata-se de pensar produto com AI desde o começo.

Eu vivi os dois lados

Ao longo da minha carreira, tive a oportunidade de atuar em empresas com diferentes tipos de DNA. Na Locaweb e na Conta Azul, o produto era a própria tecnologia. Eram empresas digitais — o software era o centro do negócio, e tecnologia, produto e estratégia caminhavam juntos desde o início.

Depois, fui para o Gympass, um caso claro de empresa tradicional nascida digital: um benefício corporativo, com entrega física (acesso a academias), mas que nasceu com a tecnologia como capacidade estratégica e como ponte entre clientes, usuários e parceiros.

Mais recentemente, vivi a experiência oposta — e igualmente transformadora — na Lopes, uma empresa tradicional do setor imobiliário com mais de 85 anos de história. Uma empresa que entendeu que precisava se transformar digitalmente para competir com entrantes como Loft e QuintoAndar, que já nasceram com tecnologia no centro.

Na Lopes, em 2020, dizíamos que estávamos indo além da transformação digital — estávamos promovendo uma transformação baseada em dados. Sem saber, já flertávamos com o conceito de AI-native, antes mesmo do impacto que a OpenAI e a AI generativa trariam no final de 2022.

A empresa tinha uma base muito rica de informações sobre imóveis, que nos permitiu desenvolver algoritmos para avaliação automatizada de propriedades, sistemas de recomendação, soluções de tri-match entre cliente, imóvel e corretor, entre outras iniciativas com potencial de escalar o atendimento e melhorar a experiência das clientes.

Um exemplo: o sistema original de recomendação de imóveis similares era simples, baseado em três variáveis estáticas (tipologia, preço e bairro). Substituímos por um sistema inteligente com dez variáveis estáticas, combinadas com machine learning baseado nos cliques anteriores. Os resultados foram expressivos:

• De 72% para 99,5% de imóveis com similares.
• Crescimento de 83% na quantidade de imóveis similares.
• Crescimento de 106% em cliques e 20% em leads gerados.

Essa jornada deixou claro como o uso estratégico de dados e AI pode ser diferencial mesmo em setores tradicionais. Foi um exercício de reenquadrar cultura, processos e estratégia. De construir pontes entre negócio e tecnologia. De inserir gestão de produto como peça-chave na definição dos rumos da empresa.

Essas vivências me mostraram na prática como é diferente nascer com tecnologia no centro — e trazer a tecnologia para o centro depois. E agora, com a AI, essa diferença pode ser ainda mais profunda.

E quem não nasceu AI-native?

A maior parte das empresas atuais não nasceu AI-native. Assim como as empresas tradicionais não nasceram tech-native nem internet-native. Isso não é necessariamente um problema — é uma realidade cujos impactos precisam ser compreendidos e enfrentados.

O desafio, agora, é reconhecer que estamos diante de um novo momento de transformação. Repetir os erros do passado — negar, minimizar, esperar amadurecer, tratar como moda — pode custar caro.

A AI não é só uma nova ferramenta de produtividade. É uma tecnologia capaz de tornar até os produtos mais tradicionais mais inteligentes. Mais úteis para as clientes. E mais eficientes para os negócios.

As tech-native correndo atrás

Algo curioso (e revelador) está acontecendo neste exato momento: muitas empresas que foram símbolo da revolução digital agora se veem pressionadas a correr atrás da nova revolução da AI.

O Google, por exemplo, está embarcando o Gemini diretamente nos resultados de busca, pois começou a ver as pessoas irem buscar suas respostas no ChatGPT. A Amazon incorporou AI generativa no Alexa. O YouTube passou a testar sumários automáticos e criação de conteúdo assistida. O Spotify está integrando assistentes baseados em voz. A Meta lançou múltiplas experiências de geração de imagem e texto no Instagram e no WhatsApp.

Essas empresas são os maiores expoentes do conceito de tech-native — muitas delas também internet-native. Mas agora precisam aprender a se tornar AI-native — ou, ao menos, competir com quem já nasceu assim.

Isso mostra que o jogo mudou. E quem antes ditava o ritmo agora precisa se adaptar.

Concluindo: O que fazer agora?

As empresas que não nasceram AI-native precisam reagir como muitas fizeram na era digital: experimentando, aprendendo rápido e trazendo a AI para o centro do que fazem.

Isso significa ir além de automatizar tarefas internas. Significa explorar como a AI pode transformar o próprio produto. Como pode ajudar a resolver os problemas das clientes de forma melhor, mais rápida ou mais barata. Como pode gerar vantagens competitivas difíceis de copiar.

No fim das contas, a promessa da AI não está só na eficiência operacional. Está em como ela pode dar origem a uma nova geração de produtos — produtos que aprendem, evoluem e resolvem melhor os problemas das clientes.

É um novo ciclo. Quem conseguir se adaptar rápido pode sair na frente. Quem demorar demais corre o risco de ser engolido — de novo.

Outros artigos sobre AI

Aqui estão outros artigos sobre AI que escrevi recentemente:

• Inteligência Artificial e Gestão de Produtos (Jan/24)
• Apertem os cintos, estamos em um ponto de virada! De novo! (Mar/24)
• Guia prático de IA para gestoras de produto (Mar/25)
• Você acha que a escrita é uma tecnologia ruim para a humanidade? (Abr/25)
• A internet empolgava. A IA assusta. Por quê? (Mai/25)

Treinamento e consultoria em gestão de produtos e transformação digital

Ajudo líderes de produto (CPOs, heads de produtos, CTOs, CEOs, tech founders, heads de transformação digital) a enfrentarem seus desafios e oportunidades de produtos digitais por meio de treinamentos e consultoria em gestão de produtos e transformação digital.

Gestão de produtos digitais

Você trabalha com produtos digitais? Quer saber mais sobre como gerenciar um produto digital para aumentar suas chances de sucesso, resolver os problemas do usuário e atingir os objetivos da empresa? Confira meu pacote de gerenciamento de produto digital com meus 4 livros, onde compartilho o que aprendi durante meus mais de 30 anos de experiência na criação e gerenciamento de produtos digitais. Se preferir, pode comprar os livros individualmente:

• Transformação digital e cultura de produto: Como colocar a tecnologia no centro da estratégia de sua empresa
• Liderança de produtos digitais: A ciência e a arte da gestão de times de produto.
• Gestão de produtos: Como aumentar as chances de sucesso do seu software.
• Guia da Startup: Como startups e empresas estabelecidas podem criar produtos de software rentáveis.