Empresa grande é lenta de propósito
O The Times tem 240 anos, cobra três vezes o preço do New York Times e serve um público que, na descrição do próprio AJ, é britânico, rico, branco, dirige Porsche e viaja de jato privado. AJ (Apparicio Junior) lidera design lá, e o time dele está rodando um modelo de IA quatro versões atrás do que está disponível hoje, porque o time de segurança ainda não aprovou a atualização. Quando perguntei a ele se isso não era inércia, a resposta foi: a empresa moveu custo de risco, e ainda não sabe se aquele custo está gerando resultado ou só girando.
Essa frase explica quase tudo que a discussão sobre big corp e IA acerta na superfície e erra no fundo.
A narrativa que domina o Twitter e os painéis de produto é simples: startup constrói rápido, empresa grande move devagar, empresa grande está atrasada. A narrativa faz sentido porque você lança um SaaS em duas semanas, a startup do lado lança em quatro dias, e a empresa grande leva dezoito meses para aprovar uma tela nova. O que ela ignora é o que acontece quando essa empresa grande erra, e mais especificamente o que acontece quando essa mesma empresa erra em escala.
Dentro do The Times, o time de engenharia roda sessões onde o engenheiro escreve o começo do código, pausa, deixa o modelo continuar e depois retoma em cima do output. Há um processo separado de revisão automática que aponta redundância no código, mas sem executar nada, porque AJ tem medo, palavra dele, de autorizar que a IA tome decisões sem que alguém esteja olhando.
A empresa também proíbe qualquer uso de IA para geração de texto, inclusive pelo time de design, porque o contrato implícito com o leitor é que o que está escrito ali passou por um editor que foi a uma zona de guerra cobrir o assunto. Uma matéria gerada sem supervisão encerra esse contrato.
Isso soa conservador até você comparar com o que acontece quando a aposta de velocidade dá errado. O Rabbit lançou um dispositivo com IA cedo demais, com tecnologia que não sustentava a promessa, e foi esquecido em meses. O Lovable construiu velocidade no editor de código e o OpenAI chegou depois com a própria versão porque, do ponto de vista deles, era só uma feature, e features não precisam de startup separada para existir. Para uma empresa de três pessoas, o erro custa a empresa. Para o The Times, o erro custa a credibilidade com um leitor que paga há trinta anos.
Imagine uma empresa financeira que tem 30 mil funcionários em tecnologia. Se essa empresa financeira lançar um modelo que alucina em cima de uma informação regulatória e um cliente tomar uma decisão financeira errada, a consequência é processo, regulação e perda de conta de empresa que ele bancava há vinte anos.
A mesma empresa financeira que parece dormindo faz A/B test em cada botão de aprovação de crédito porque o volume é tão grande que 0,3% de diferença em conversão significa centenas de milhões de reais por ano. A precisão que parece lentidão de fora é uma escolha que faz sentido dentro, e ainda não sei se eu discordaria dela se estivesse no lugar deles.
O que AJ chama de “aprendizado tardio e mais preciso” é exatamente isso: big corp lança menos, mas quando lança, o produto foi validado por dentro de um jeito que startup não tem capacidade de fazer. A taxa de acerto é mais alta porque o custo de errar é maior, e esse cálculo é aritmética.
O problema é que a janela em que esse cálculo funciona pode ser menor do que parece. AJ faz uma aposta que eu acho que vai acontecer antes do que a maioria está contando: quando Apple ou Google liberarem o LLM com acesso ao sistema operacional do celular, o banco vira commodity em um clique.
O modelo sabe que existe outro banco com taxa menor e oferece a transferência sem que o cliente precise abrir nenhum app. O jornal vira agregação que o modelo sintetiza de graça. A relação construída com o cliente durante décadas deixa de ser barreira de saída e vira, na melhor das hipóteses, um fator de desempate.
Quando isso acontecer, a estrutura que justificou o ritmo lento vai precisar responder a uma velocidade para a qual ela não foi desenhada, com regulação que ainda não existe, diante de clientes que terão aprendido a deixar o modelo decidir por eles, e contra concorrentes que passaram os últimos anos aprendendo exatamente o que acontece quando você erra barato.