A IA física está reescrevendo o mercado de robótica. Quase nenhuma das startups que faz isso tem pipeline.

A máquina mudou mais rápido do que o jeito de vendê-la. Em uns três anos a robótica passou de algo que se programa célula por célula para algo que se treina, e uma geração inteira de startups vende hoje uma capacidade que não existia quando os incumbentes escreveram seus manuais. O que quase nenhuma mudou foi como isso é comprado. É por isso que existem tantas empresas de IA física com um vídeo de demo impecável, um time de engenharia sério, um roadmap financiado e um pipeline que na prática são três feiras e uma lista de espera.

O que a IA física mudou de fato

IA física é o rótulo para modelos que percebem e agem no mundo real, não apenas em texto, e a NVIDIA fez a maior parte do trabalho de fixar o termo, com o Isaac GR00T para humanoides e os modelos de mundo Cosmos. O Google DeepMind colocou o Gemini por trás de braços robóticos. Physical Intelligence, Skild AI, Figure, Apptronik e Agility Robotics empurram a mesma premissa por ângulos diferentes. Por trás do branding existem três mudanças que importam comercialmente, e as três mexem na venda.

Mudança um: de programado para treinado

Uma célula industrial clássica é instruída. Cada tarefa é ensinada, cada posição de garra é definida, e um código de peça novo significa uma visita do integrador. Um modelo visão-linguagem-ação é treinado, e a promessa é a generalização: o mesmo robô lida com o item que nunca viu. Comercialmente, isso troca a pergunta dá para programar na minha linha por aguenta a minha linha. É um ônus de prova completamente diferente, e é um que o marketing de robótica quase nunca precisou sustentar.

Mudança dois: de uma máquina que se compra para um resultado que se aluga

O modelo de robôs como serviço tira o robô do orçamento de investimento e coloca no operacional: paga-se por hora, por pick, por unidade movimentada. A Agility Robotics colocando o Digit para trabalhar com a GXO é a referência que quase todo mundo cita. Parece uma decisão de pricing. É uma decisão de go-to-market: outro comprador, outro caminho de aprovação, um primeiro compromisso muito menor e um negócio que agora vive ou morre pela expansão, não pela primeira ordem de compra.

Mudança três: do integrador para o próprio fabricante

A automação clássica chega ao cliente por integradores e distribuidores, e o tempo até o valor é medido em meses de engenharia. A nova onda promete semanas e vai majoritariamente direto, o que significa que o fabricante passa a carregar o risco de implantação, a relação com o cliente e a renovação. Significa também que você não herda mais o pipeline do integrador. Tem que construir o seu, e quase ninguém coloca isso no orçamento do deck da rodada.

Por que o manual antigo trava aqui

Nada disso é problema de tecnologia. É que uma empresa vendendo um sistema treinado, alugado e implantado por ela mesma está rodando um go-to-market desenhado para uma máquina programada, comprada e implantada por um integrador. Seis pontos de falha aparecem repetidamente.

01 - Ninguém busca uma categoria que não sabe nomear

Se a sua capacidade é realmente nova, o volume de busca para ela ainda não existe. O comprador busca o problema com o vocabulário que já tem: reduzir parada na linha de embalagem, falta de mão de obra no terceiro turno, paletizar sem grade de proteção. Um programa de demanda montado em cima de palavras-chave de categoria captura o punhado de gente já educada, normalmente por um concorrente, e perde todo o resto. Demanda de categoria nova não se captura. Se cria na linguagem do comprador e se captura na sua.

02 - O comitê de compra dobrou e ninguém avisou o marketing

Uma compra de automação convencional sobrevive com um engenheiro de produção como champion. IA física não. Autonomia no chão de fábrica puxa segurança do trabalho, TI e segurança OT no minuto em que a coisa está em rede rodando modelos, operações pelo throughput, financeiro por uma assinatura que não termina nunca, e muitas vezes o integrador que cuida do resto da linha. Qualquer um deles derruba o negócio, e cada um precisa de evidência diferente. Armar um único champion com um único deck é o jeito clássico de um negócio que todo mundo gostou morrer em silêncio na sexta semana.

03 - O piloto é a venda, e está sem governança

Neste mercado o piloto não é um passo antes da venda. Ele é a venda. E a maioria roda sem métrica de sucesso escrita, sem critério de saída e sem caminho contratual para expansão, que é como se chega a oito pilotos, zero receita e um time de engenharia morando no cliente. Um piloto sem linha de chegada definida é uma consultoria de graça com o seu hardware junto.

04 - A demo prova o robô, não a implantação

Um bom vídeo mostra a máquina fazendo o difícil uma vez, com a sua iluminação e as suas peças. O comprador quer saber se aguenta os itens dele, a poeira dele, o turno da noite dele e o time dele. Marketing de demo ganha atenção e perde a avaliação. O que move um negócio de IA física é pouco glamouroso: o histórico de implantações, o dossiê de segurança, a documentação de integração e de segurança OT, e os modos de falha que você aceita nomear em público antes que um time de compras encontre.

05 - O pipeline são três feiras de sobretudo

Robótica ainda roda em evento, e evento ainda funciona. A falha é tratar a feira como o pipeline em vez de uma entrada dele. Escaneiam-se badges, a lista fica parada até alguém lembrar, e o interesse esfria por três semanas. O ajuste é simples e rápido: qualificar antes da feira, fechar as reuniões com antecedência, combinar com vendas o que conta como oportunidade e instrumentar o caminho do badge até o negócio registrado. É exatamente o trabalho por trás do 6 para 18 que está na home deste site: a mesma feira virando dezoito oportunidades registradas em vez de seis, sem estande maior.

06 - Você vende capacidade onde o orçamento é uma linha

Manipulação de propósito geral não é linha de orçamento em empresa nenhuma. Throughput da linha de embalagem, custo por pick, cobertura do terceiro turno e taxa de refugo são. Linguagem de capacidade vende para engenheiro, que raramente é quem tem o dinheiro. Traduza o mesmo sistema para o número operacional que ele move e o negócio encontra um orçamento de onde sair de verdade.

Como é um pipeline de IA física que funciona

O ajuste não são mais campanhas. É um motor de demanda com o formato de como esse produto é realmente comprado, e isso se resume a seis decisões.

A última linha é onde está o efeito composto, e é a que mais startup deixa no chão. Cada instalação é um ativo de demanda: uma célula rodando produz um resultado medido, uma referência que o próximo comprador realmente acredita, e um sinal de expansão, a segunda linha, a segunda planta, a segunda região. Ligue isso ao motor de demanda, com uma camada agêntica vigiando o sinal e disparando o próximo passo, e a expansão deixa de depender de o account manager lembrar de perguntar.

"O robô já generaliza. O go-to-market ainda não. Esse buraco é o mercado."

Fellipe Araujo

Por que sou direto nessa

Passei quinze anos fazendo produto B2B técnico e de ciclo longo gerar demanda, boa parte disso dentro de robótica, liderando a experiência web e digital de duas marcas globais de robótica em vários mercados e idiomas. Vi um negócio de um milhão de euros virar um P&L de nove milhões por causa de um sistema e não de um lançamento, e vi a mesma feira produzir o triplo de oportunidades registradas assim que alguém assumiu o caminho entre o interesse e a oportunidade. A tecnologia da IA física é genuinamente nova. Os modos de falha comerciais não são, e essa é a boa notícia: têm solução, e a solução é mais barata agora, enquanto a categoria ainda está sendo nomeada.

Esse é o custo real de esperar. Categoria se nomeia uma vez só. A empresa que ensina o mercado a enxergar o problema com as palavras do comprador vira aquela com quem todo mundo é comparado, e o desconto por chegar tarde se paga todo trimestre depois, em ciclo mais longo e margem mais fina. Construa o sistema de demanda enquanto o robô ainda é a parte interessante da conversa.

Fontes e referências: anúncios de plataforma de IA física da NVIDIA, incluindo Isaac GR00T e Cosmos; Gemini Robotics do Google DeepMind; implantações e acordos anunciados publicamente por Figure, Apptronik e Agility Robotics; e os dados anuais de instalação do relatório World Robotics da International Federation of Robotics. Os proof points da minha própria trajetória são os que já estão publicados neste site.