a16z: O software empresarial "caro e difícil de usar" é o verdadeiro ouro do AI

SAP tão caro que é inacreditável, mas ninguém se atreve a trocar, a16z aposta no futuro da reescrita de software empresarial com IA.

Autor: Eric + Seema Amble

Tradução: Deep潮 TechFlow

Deep潮 Guia de leitura: Atualizar do SAP ECC para o S4HANA custa 700 milhões de dólares, leva 3 anos, e ainda é preciso deslocar 50 pessoas da Accenture — e, no entanto, as maiores empresas do mundo continuam a usá-lo. Este artigo da a16z analisa, sob uma perspetiva de investimento, uma conclusão contra-intuitiva: os vencedores do futuro não serão as empresas que “substituem o SAP”, mas aquelas que tornam o SAP mais programável e mais fácil de usar. Este quadro oferece uma referência valiosa para compreender as verdadeiras oportunidades na pista de IA empresarial.

O texto completo:

Startups de IA e os seus clientes concentram-se em novas capacidades e nos produtos que delas emergem: assistentes de voz elegantes, ferramentas de automação de fluxos de trabalho, plataformas de geração de texto.

Já existem muitas empresas empolgantes nestas áreas, e no futuro haverá ainda mais (também investimos em algumas!). Mas o impacto real da IA será algo muito menos glamoroso, porém muito mais valioso: ajudar grandes organizações a extrair mais valor do vasto software que já estão a usar. Uma questão quase ofensiva, mas que qualquer um que tenha passado uma semana numa empresa Fortune 500 entenderá: por que razão ainda usam SAP (e ServiceNow, Salesforce)?

A resposta curta é: o SAP, ou qualquer outro sistema legado principal, contém os dados centrais da empresa. Mais importante, a empresa fez muitas personalizações em cima dele e construiu processos e responsabilidades específicos, muitos dos quais nem sequer estão documentados. Migrar tudo isso é doloroso, caro e demorado — geralmente requer uma enorme equipa de consultores, anos de trabalho e centenas de milhões de dólares. Atualizar do SAP ECC para o SAP S/4HANA pode custar 700 milhões de dólares, levar 3 anos, e envolver uma equipa de 50 pessoas da Accenture. Após a migração, o software quase só serve para gerar relatórios de leitura, sem possibilidade de operação. Só agora, a IA realmente abre uma oportunidade para atualizar, personalizar, substituir e aceder melhor aos dados depositados nesses sistemas de registos.

No final, o objetivo da IA talvez não seja “substituir SAP/ServiceNow/Salesforce”, mas torná-los mais programáveis e acessíveis. Os vencedores serão aqueles que (1) consigam reduzir riscos e prazos de implementação de forma mensurável, e (2) expandir um plano de controlo confiável para operações diárias, fragmentando gradualmente as interfaces legadas em plataformas de operações assistidas por IA, compostas por componentes modulares, governados e leves. Em outras palavras, os sistemas de registo continuarão a existir a longo prazo; as camadas de interface, automação e expansão tornar-se-ão as novas fronteiras do software.

SAP é doloroso, mas ainda o usamos

Vamos começar por uma breve introdução ao que é o SAP. À primeira vista, estes sistemas são difíceis de navegar, complicados de modificar, mas, surpreendentemente, continuam a ser a espinha dorsal operacional das maiores empresas do mundo. Veja como é usar SAP!

Porém, esse “não se sabe porquê” é precisamente a oportunidade.

A resposta desconfortável é: por debaixo de uma interface feia e de configurações intermináveis, estes sistemas são extremamente poderosos: codificam o modelo de dados autoritário da empresa, mantêm mecanismos de controlo e permissões em conformidade, suportam fluxos de trabalho de operação em escala, e conectam dezenas (ou centenas) de processos downstream. Não são “aplicações” ao estilo consumidor, mas sim memórias organizacionais acumuladas através de tabelas, papéis, aprovações, lógica de contabilização e gestão de exceções.

Substituir estes sistemas não é apenas caro, mas também extremamente arriscado. Quanto mais a empresa investe — em campos personalizados, fluxos de trabalho, regras de preços, lógica de relatórios — mais estes sistemas se tornam uma barreira de proteção, uma vantagem competitiva construída sobre os custos de migração. É por isso que a escalabilidade é tão forte: cada empresa é única, a mudança é constante (novas regulamentações, novos produtos, novas estruturas), e estes sistemas sobrevivem porque podem ser moldados para se adaptar à realidade. O problema é que essa mesma flexibilidade também os torna frágeis: cada personalização é uma mina para futuras atualizações, cada fluxo de trabalho um labirinto, cada interface um peso para quem tem de usá-la.

Essa vulnerabilidade está por toda parte. Apesar do CRM ser amplamente adotado, a satisfação dos utilizadores varia bastante; as personalizações do ERP estão sempre a causar atrasos e estouros de orçamento. Os funcionários estão a ser esmagados por fluxos de trabalho fragmentados — um trabalhador digital troca cerca de 1200 vezes de aplicações por semana (perdendo cerca de 4 horas semanais); 47% dos trabalhadores digitais têm dificuldade em encontrar as informações necessárias para fazer o seu trabalho. Grandes projetos de transformação digital frequentemente falham, com cerca de 70% a não atingirem os objetivos. E o custo dessas fricções é enorme: só o mercado de implementação de software e integração de sistemas vale cerca de 380 mil milhões de dólares em 2023.

Este processo e estas dores criam uma oportunidade para a IA transformar a implementação e o uso de tais softwares. A melhor forma de entender essa oportunidade é seguir o ciclo de vida do sistema: primeiro, implementa-se ou migra-se; depois, vive-se nele diariamente; e, por fim, constrói-se algo novo em cima dele, à medida que o negócio evolui. Em cada fase, o trabalho consiste em transformar a confusão de intenções humanas em ações corretas, auditáveis e dirigidas ao sistema de registos.

Vamos ver como a IA pode melhorar cada fase do uso de sistemas legados.

Fase de implementação

Começando pela fase de implementação — a mais arriscada, sensível ao orçamento e com retorno mais claro. Especificamente, trata-se de transformar requisitos confusos (reuniões, documentos, tickets) em requisitos estruturados, e gerar automaticamente fluxos de trabalho de implementação: mapeamento de processos e campos, configurações e código, scripts de teste, planos de transição, manuais de migração — incluindo limpeza e validação de dados necessários para a entrada em produção. É uma tarefa difícil: a gigante alemã Lidl gastou 500 milhões de dólares e ainda assim desistiu de migrar para SAP.

Empresas nesta área estão a construir copilotos, ferramentas de gestão de projetos e outros softwares para ajudar na migração e implementação. Aqui estão alguns exemplos de startups neste setor (algumas apoiadas pela Andreessen Horowitz):

Axiamatic é uma camada de IA de “garantia” no ERP: constrói grafos de conhecimento a partir de entregas de projetos, usando Slack/Teams para marcar requisitos e mudanças, identificando falhas ocultas na gestão de mudanças, reduzindo riscos de projetos S/4HANA e acelerando o progresso (colaborando com SAP Build; já integrado nos fluxos de trabalho da KPMG/EY/IBM).

Conduct é um copiloto de mapeamento de código e processos: gera uma camada semântica e documentação técnica para migração ECC→S/4, e suporta perguntas e respostas sobre tabelas e APIs personalizadas, acelerando a transferência de responsabilidade para equipas internas.

Auctor fornece uma entrega de implementação orientada por agentes para integradores e consultores: automatiza a transformação de requisitos em requisitos estruturados, e serve como sistema de registo para SOWs, documentos de design, histórias de utilizador, planos de configuração e testes.

Supersonik fornece às redes de revendedores/MSP e clientes uma plataforma de capacitação com IA: assistentes visuais e de voz treinam dentro da interface real, reduzindo a necessidade de engenheiros de pré-venda, apoiando a implementação liderada por canais e a expansão.

Tessera é uma plataforma de gestão de transformação empresarial end-to-end, nativa de IA: conecta-se a instâncias existentes de ERP, avalia o estado da implementação, marca e corrige automaticamente alterações necessárias durante a migração.

Estas empresas criam valor ao tornar a transformação mais rápida, barata e com menos riscos. Isso acontece ao detectar problemas cedo na gestão de requisitos e mudanças, evitar escaladas, reduzir prazos de projeto — um atraso de um mês pode custar milhões — transformar dados de projeto confusos em conhecimento estruturado, acelerar a transferência de responsabilidade interna, e automatizar mapeamentos, documentação, testes e formação, reduzindo a dependência de grandes integradores.

Acreditamos que há espaço para mais startups desenvolverem ferramentas que colaborem com os parceiros existentes, em vez de competir com eles. Especificamente:

• Agentes de implementação que partilham riscos e resultados (rastreio de requisitos, comparação de configurações, simulação de transições, geração de código, deteção de derivações)

• Ferramentas de documentação semântica que mantêm o conhecimento atualizado e acessível

• Agentes de capacitação que transformam formação e canais de distribuição em produtos reutilizáveis

Por serem capazes de aliviar a carga das empresas, estas startups podem precificar os seus produtos com base no valor de evitar atrasos, penetrando nos orçamentos de transformação já existentes de CIOs e CFOs, e substituindo contratos pesados com integradores.

Fase de uso e manutenção

Depois de implementar o software, o uso diário significa navegar por interfaces confusas. O trabalho diário atravessa dezenas de telas, o conhecimento operacional é constantemente perdido com a rotatividade de pessoal, e muitos fluxos de trabalho marginais nunca recebem atenção na camada principal do produto. Os utilizadores gastam muito tempo a procurar campos, a espelhar dados entre sistemas, a pedir ao suporte para gerar relatórios. Resultado: ciclos lentos, erros evitáveis, formação contínua.

A oportunidade da IA é envolver esses sistemas legados com um “sistema de ação” mais amigável e poderoso.

Startups nesta área constroem ferramentas que ajudam as equipas a extrair mais valor dos sistemas que já usam. Na prática, parecem copilotos que vivem no Slack ou numa barra lateral do navegador: respondem a perguntas como “Onde está X?” ou “Como faço Y?” usando pesquisa semântica, e executam ações seguras via API (criar tickets, lançar lançamentos, atualizar fornecedores). Também conectam fluxos de trabalho compostos entre aplicações (por exemplo, “buscar pedidos do trimestre passado no SAP, verificar contratos no Coupa, redigir diferenças no ServiceNow”), com etapas de aprovação manual, auditoria e controlo de permissões. As melhores ferramentas monitorizam a adoção, o tempo poupado e a redução de erros.

No contexto empresarial, muitas tarefas importantes não estão expostas de forma limpa via API — estão nos interfaces, clientes pesados, sessões VDI ou consoles de gestão semi-documentados. É por isso que agentes de “computação” modernos, com prioridade a APIs, são complementos essenciais ao copiloto: estendem a automação a esses 30-40% finais de fluxos de trabalho que não têm pontos de chamada confiáveis.

A capacidade central não é clicar no botão, mas manter a fiabilidade na confusão: perceber a UI, identificar elementos estáveis, recuperar-se de janelas pop-up e mudanças de layout, e criar pontos de verificação para uma recuperação segura no meio do fluxo.

Quando combinados com validação (comparação de diferenças, reconciliações, ambientes sandbox) e governança empresarial (SSO, gestão de chaves, privilégios mínimos, auditoria), estes agentes transformam tarefas manuais — classificação de tickets, encerramentos de período, atualizações de clientes, alterações de preços — em automação governada e reutilizável, mesmo nas partes de SAP, ServiceNow ou Salesforce que os fornecedores nunca pensaram automatizar. As APIs aceleram o caminho, a computação torna automatizáveis os fluxos de trabalho de cauda longa.

Empresas como Factor Labs e Sola já usam estes agentes em produção, substituindo custos de terceirização e ajudando grandes organizações a automatizar tarefas em escala.

Por fim, mesmo que torne o SAP, ServiceNow ou Salesforce mais acessível, o negócio continuará a evoluir, e os sistemas de registos também terão de evoluir. Novos produtos, políticas, fusões, regulamentações, e fluxos de trabalho de cauda longa que nunca justificam um projeto de núcleo, obrigam a uma atualização contínua para refletir o estado real do negócio.

Historicamente, as equipas tinham duas opções: personalizar o software (com o custo de manter a fragilidade) ou construir aplicações pontuais (com dificuldades de integração, governança e manutenção). A terceira via da IA é entregar rapidamente experiências pequenas, governadas, sobre os sistemas de registos, mantendo-os limpos.

Construir novas ferramentas e automações sobre sistemas legados torna-se assim a “camada de amor” sobre o software que ninguém gosta. Este padrão começa com um plano unificado de dados e ações: através de APIs e eventos (com UI segura quando necessário), lê-se dados do sistema de registos, normaliza-se em modelos semânticos de objetos de negócio (ordens, fornecedores, tickets), e expõe-se um conjunto de operações governadas, com controlo de permissões, fluxos de aprovação e auditoria.

Sobre esta camada, as equipas entregam experiências modernas, específicas para cada cenário. Em vez de fazer um analista de compras percorrer 12 transações no SAP para registrar um fornecedor, dá-se-lhe uma aplicação leve de “registo de fornecedor” — recolher documentos, verificar duplicados, aprovar, e escrever de volta ao SAP.

Em vez de fazer o RevOps abrir cinco interfaces do Salesforce para atualizar condições de renovação, oferece-se uma folha de cálculo com edição em lote, validações de política, pré-visualizações de impacto, e submissão com auditoria completa. Em vez de um projeto de portal, dá-se à equipa operacional um painel de comandos que responde a perguntas e executa tarefas diárias (como “criar devolução”, “estender limite de crédito”, “abrir um ticket P2”, “registar receita”), tudo sem abrir dezenas de abas.

Estas extensões também desbloqueiam fluxos de trabalho e automações entre sistemas — aqueles que nenhum fornecedor constrói prioritariamente: gatilhos acionados por eventos, como “se a fatura foi lançada e a diferença é superior a 3% → rascunho de explicação → encaminhamento para aprovação”, ou “se um ticket é reaberto → criar problema → atribuir responsável → atualizar cliente”, com pontos de intervenção manual ao longo do caminho.

Com o tempo, as implementações mais valiosas evoluirão para “pacotes de intenções” reutilizáveis — de orçamentos a cobranças, de registo de fornecedores a encerramentos de período — não só codificando o que fazer, mas também como fazer de forma segura no seu ambiente.

Plataformas como a General Magic’s Cell facilitam a construção destes blocos básicos: carregas uma especificação OpenAPI, cada endpoint torna-se uma operação acionável, e com um script simples podes embutir um comando nativo que faz chamadas API reais, com análise, multi-inquilino, segurança e controlo de permissões — mudando o foco de “reconstruir UI” para “compor operações e estratégias corretas sobre sistemas de confiança”.

Qual será o fim?

Acreditamos que os sistemas legados continuarão a existir, mas deixarão de ser a interface principal do trabalho. Os sistemas ERP, CRM e ITSM estão tão enraizados que não podem ser substituídos rapidamente, evoluindo lentamente, permanecendo como sistemas de registos. O que mudará será a camada de ações orientada ao utilizador: a IA será a interface padrão para entender como os sistemas funcionam, executar fluxos de trabalho entre eles, e entregar experiências modernas que contornam as interfaces legadas. Em outras palavras, a ponte tornará-se uma autoestrada.

Este tipo de software persistente parecerá mais um sistema operativo do que um chatbot: uma camada unificada de dados e ações, com modelos semânticos de objetos de negócio, e com guardas de confiança para IA em produção. Se fores utilizador final, não precisarás aprender qual interface, qual campo ou qual código de transação usar — basta descrever o resultado desejado, e o sistema leva-te lá.

O sistema fará algumas perguntas de clarificação, mostrará uma pré-visualização do que vai fazer, e executará com aprovação e rastreabilidade. O ciclo final será algo como: “Criar devolução e notificar cliente”, “Abrir um ticket P2 e consultar os três eventos mais recentes”, ou “Registar este fornecedor, recolher documentos, encaminhar para aprovação, definir condições de pagamento” — tarefas que hoje envolvem saltar entre SAP, Salesforce, ServiceNow e folhas de cálculo. Isso reduzirá erros, retrabalho, dependência de conhecimento tribal, e acelerará os ciclos — além de diminuir drasticamente a formação, pois a interface será orientada por intenções, sensível a papéis, e suportará autoatendimento por padrão.

A vantagem competitiva acumular-se-á na experiência real de uso: cada fluxo bem-sucedido torna-se uma intenção reutilizável, cada exceção um guardião, cada entrega de migração uma linhagem de dados viva, e cada integração aprofunda o mapa do funcionamento real da empresa. Com o tempo, a camada de IA será o destino para entender mudanças, evitar derivações, medir ROI e entregar novos fluxos — mesmo que os sistemas de base permaneçam inalterados.