Salil Darji, conselheiro de startups de IA, aponta os erros que os fundadores percebem tarde demais

Conselheiros de startups de IA veem cada vez mais o mesmo descompasso: os fundadores prometem demais ao mercado, mas não conseguem provar valor nem mesmo em um único cenário específico. Para o mentor Salil Darji, quem sobrevive não são as equipes mais barulhentas, e sim as que encontram antes das outras um problema concreto, mantêm o foco e constroem o negócio sobre uma economia real.

Foco vale mais que ambição

Darji afirma que empresas de IA jovens começam cedo demais a pensar em termos de "mercado gigantesco" e de "escalar em todas as direções". Na prática, a equipe entra em vários setores ao mesmo tempo, tenta agradar a diferentes tipos de cliente e acumula uma longa lista de funcionalidades antes de provar o valor de pelo menos uma delas. O resultado é esforço disperso e um produto sem contornos claros.

No fim, os próprios fundadores já não conseguem explicar com clareza o que fazem melhor que os outros. O problema também afeta a confiança, e não só o produto. Quando a startup não consegue formular um caso de uso concreto, investidores e parceiros têm mais dificuldade em acreditar que a equipe sabe definir prioridades.

Um foco estreito no início, ao contrário, torna o negócio mais compreensível. Fica mais fácil validar a demanda, coletar feedback mais rápido, estimar o ciclo de vendas com mais precisão e enxergar mais cedo onde a receita realmente aparece. No estágio inicial, isso costuma pesar mais do que uma lista vistosa de frentes futuras.

Pitch deck não é produto Outro erro típico é transformar o pitch deck no objetivo principal.

Darji observa que muitas equipes correm para preparar uma apresentação bonita para uma aceleradora, uma competição ou uma reunião com investidores. No processo, pulam o trabalho mais difícil: entender qual dor estão resolvendo, por que a abordagem escolhida é melhor que as alternativas e como a economia do negócio vai funcionar. Nessa situação, os slides criam uma sensação de progresso, mas não substituem a elaboração real do modelo.

"O pitch deck não é o objetivo final; o que importa é o caminho até ele."

Se o fundador percorre esse caminho com honestidade, a apresentação surge quase como efeito colateral. Ela já traz respostas para as perguntas incômodas: quem são os concorrentes reais, quando entra o primeiro dólar de receita, como é a implementação, quanto dura o ciclo de fechamento e onde a empresa corre o risco de errar. Há ainda outra dificuldade: os conselhos de diferentes mentores e programas muitas vezes se contradizem. Por isso, não basta ao fundador colecionar recomendações. Ele precisa aprender a filtrá-las e ficar só com o que se encaixa no seu mercado e na sua estratégia.

As apostas reais da IA

Uma das teses mais pé no chão de Darji é esta: IA é, antes de tudo, computação, e não mágica. Essa visão muda a perspectiva. Em vez de correr atrás do modelo da moda ou de mais uma interface de chat, ele propõe buscar tarefas de previsão concretas: o que dá para prever, que sinal extrair dos dados e onde isso gera benefício tangível para o cliente.

Daí o interesse por setores menos aquecidos, como construção, educação, monitoramento ambiental e outros nichos, onde a concorrência é menor e o valor prático pode ser maior. Ao mesmo tempo, Darji enxerga as próximas grandes oportunidades não só nos agentes, mas também na personalização. Para ele, os serviços de IA vão sair na frente se passarem a entender mais a fundo o contexto do usuário: o que ele já sabe, que estilo de explicação funciona para ele, quais notícias já viu, com quem se comunica e como toma decisões.

Mas é justamente aí que surgem questões de privacidade, de volume de dados coletados e de controle humano.

• Começar com um problema para um público Buscar setores subestimados, e não os mercados mais barulhentos Calcular o caminho até a receita antes de desenhar um mercado gigantesco * Coletar apenas os dados sem os quais o produto não funciona Um risco à parte é a economia do próprio mercado de IA. Darji alerta que muitas empresas parecem sobrevalorizadas e que sua receita, por enquanto, não corresponde às expectativas dos investidores. Se o mercado passar por uma correção, quem vai atravessá-la melhor não são os nomes mais barulhentos, e sim as equipes com produto claro, margem real e disciplina no trato com dados. Sua abordagem em projetos educacionais é reveladora: primeiro remover os dados pessoais e verificar que resultado é possível obter sem acesso desnecessário, e só depois tornar o sistema e a infraestrutura de proteção mais complexos.

O que isso significa

Para os fundadores, o recado é simples: a era em que uma startup de IA podia ser vendida só com uma história sobre "revolução" está chegando ao fim rapidamente. Vão vencer as equipes que estreitam o problema, fazem as contas da unit economics, tratam os dados com cuidado e usam a IA como ferramenta para resolver uma dor concreta, e não como enfeite para o pitch aos investidores.