Evan Armstrong: por que a camada de contexto está mudando a economia do software corporativo e da contratação

O analista de tecnologia Evan Armstrong propõe enxergar a IA corporativa não como uma ameaça ao software em si, mas como uma redistribuição de valor dentro da stack. Segundo sua visão, código e produtos SaaS baseados em interface ficam mais baratos, enquanto o principal ativo das empresas se torna o contexto: conhecimento sobre processos, permissões de acesso e fluxos de trabalho.

Por que o SaaS Desabou

Em um artigo intitulado Context is King, publicado em 12 de fevereiro de 2026, Armstrong tenta explicar por que o mercado reavaliou drasticamente sua atitude em relação aos serviços em nuvem tradicionais. Segundo ele, aproximadamente $300 bilhões em capitalização de mercado de empresas de software desapareceram em meio ao medo de que a IA generativa simplificasse a criação de aplicações comerciais ao nível de commodity. A lógica dos investidores parece crua, mas direta: se um CRM, um painel de análise ou uma ferramenta interna podem ser montados seguindo instruções, por que pagar o prêmio SaaS como antes?

Armstrong acredita que a questão vai além do hype em torno de geração de código. Ele aponta três mudanças mais profundas: desaceleração do crescimento em empresas SaaS públicas, deterioração das margens brutas em produtos construídos em torno de IA desde o início, e redução dos custos de troca entre serviços. Desde 2023, as taxas de crescimento do SaaS público caíram, segundo suas estimativas, de 36% para 17%, enquanto novas aplicações de IA mantêm margens mais próximas a 50–65% em vez dos anteriores 75–85%. Nesse modelo, o código se torna mais barato, e as antigas avaliações de negócios não parecem mais sustentáveis.

Três Camadas da Stack

A ideia central de Armstrong é que o software corporativo agora é melhor descrito não como uma coleção de aplicações separadas, mas como uma stack de três camadas. A primeira camada consiste em sistemas de contabilidade e bancos de dados, que não desaparecem porque agentes precisam de registros confiáveis para operar. A segunda camada compreende aplicações de interface, onde humanos clicam em botões, visualizam relatórios e executam tarefas individuais. Esta camada, na visão do autor, enfrenta o maior risco de se tornar intercambiável.

O foco muda para a terceira camada—a camada de contexto. Isso não é meramente orquestração de agentes, mas conhecimento acumulado da empresa sobre como o trabalho realmente é feito dia após dia. O que importa aqui não são apenas regulamentações formais, mas dependências práticas: quem aprova exceções, onde os processos travam, quais combinações de ações aceleram negócios ou ajudam a fechar incidentes. Esta camada, segundo Armstrong, determina se um agente será útil em um ambiente de trabalho ou permanecerá uma demonstração impressionante.

• quem tem acesso a quais dados
• quais ações podem ser executadas sem aprovação
• a ordem na qual os processos de vendas, compras, incidentes e suporte fluem
• quais passos mais frequentemente levam ao sucesso versus fracasso

Uma camada assim transforma um agente de um executor em um sistema que escolhe a ação correta no momento certo. E ela se acumula: cada execução de fluxo deixa rastros que tornam a próxima execução mais precisa. Portanto, contexto se torna não um documento de checkbox, mas um ativo com efeito de compounding. Essencialmente, as empresas começam a codificar seu próprio modo de trabalhar para que possa ser usado não apenas por pessoas, mas também por sistemas de IA.

"O contexto de como as pessoas trabalham gradualmente se torna o

contexto de como agentes de IA trabalham ainda melhor."

Quem Ganha a Camada?

A pergunta mais interessante aqui não é técnica, mas estratégica: quem realmente será dono dessa camada. Armstrong lista vários contendores. ServiceNow já tem penetração profunda em processos corporativos, Notion controla vastos arrays de documentos internos e bases de conhecimento, e Glean está construindo uma ponte da busca empresarial para o contexto empresarial. Em paralelo, OpenAI e Anthropic avançam pelo lado das plataformas de agentes, tentando se tornar um sistema operacional semântico sobre CRM, bancos de dados e aplicações internas.

Dessa lógica vem uma conclusão desconfortável para o mercado de trabalho. Se a camada de contexto realmente começar a substituir custos de coordenação, dinheiro escorrerá não apenas de orçamentos de TI, mas também da folha de pagamento. A pressão cairá não apenas sobre desenvolvedores de ferramentas internas simples, mas também sobre aqueles papéis que dependem de emails, aprovações, passagem de tarefas entre departamentos e gerenciamento manual de processos. Trata-se da automação gradual da coordenação de escritório, não apenas de mais um ciclo de otimização de desenvolvedores.

O Que Isso Significa

A principal conclusão para os negócios é direta: vencedores não serão aqueles com simplesmente mais modelos ou preços de token mais baixos, mas aqueles que rapidamente codificarem seus processos, direitos de acesso e lógica interna em contexto adequado para agentes. Na nova corrida corporativa, o ativo mais valioso se torna não a interface, mas o conhecimento de como a empresa realmente funciona.