EN

O Service as Software ainda não chegou ao marketing. Esta é a lacuna de codificação que o impede.

Por Luis Gomes & Ygor Fonseca, Founders

Abra o Cursor, o editor, e não o site de marketing. Abra qualquer repositório de código aberto com mais de cinquenta colaboradores. Comece uma sessão. O agente lê o README, o CONTRIBUTING.md, a configuração do linter, a suíte de testes, os pull requests encerrados com os comentários de quem revisou, as discussões de issues em que alguém tentou a solução óbvia e viu essa solução falhar. Antes de você digitar um único prompt, o agente já leu a parte bagunçada do projeto: cada beco sem saída, cada objeção de quem revisou, cada motivo pelo qual uma refatoração de aparência limpa foi rejeitada três meses atrás. Agora abra a sua área de marketing. Abra o documento de tom de voz da marca. Abra as análises pós-campanha. Abra a conversa no Slack em que o briefing do último trimestre foi reescrito doze vezes antes do lançamento. Abra a campanha abandonada do segundo trimestre de que ninguém fala. Não existe nada equivalente. A parte bagunçada do marketing não está registrada em lugar nenhum. Está em mensagens diretas, em vídeos do Loom e na cabeça das pessoas.

Em março de 2026, Julien Bek, da Sequoia, publicou Services: The New Software e deu nome a uma categoria que vinha se formando havia dois anos. Empresas como Crosby (acordos de confidencialidade), Pace (gestão de sinistros de seguro), Anterior (codificação médica na saúde) e WithCoverage (corretagem de seguros) pararam de vender ferramentas de IA e passaram a vender o próprio trabalho. O comprador não paga mais pelo acesso ao software. Paga pelo chamado encerrado, pelo contrato redigido, pelo sinistro resolvido. A ideia de Bek foi adotada em vários setores, por empresas de operações de segurança, por plataformas marítimas e por consultorias globais, e o termo está virando vocabulário da categoria. O marketing não acompanhou. Este texto defende que a lacuna não é estratégica. É estrutural. O marketing não virou Service as Software porque o trabalho nunca foi registrado de um jeito que um sistema autônomo consiga retomar. A programação chegou antes porque o repositório era a fonte da verdade, por convenção, havia décadas. O marketing não tem uma convenção equivalente. A correção é a convenção, construída de propósito, cliente a cliente, codificada no nível do artefato. Chamamos a nossa versão de Codified Engagement. Os argumentos vêm a seguir.

Todo discurso de venda de "plataforma de marketing com IA" em 2026 (os assistentes de chat, as ferramentas criativas com agentes, a camada de SaaS de GEO/AEO) traz escondida a mesma premissa. A premissa é que a distância entre o marketing como ele é e o marketing como Service as Software é um problema de modelo, a ser resolvido com prompts melhores, recuperação de dados melhor ou ajuste fino melhor. A distância real é que a área de marketing do próprio comprador nunca registrou por escrito o que fazia, e nenhum modelo resolve isso.

Resumo

  • Service as Software é vender o trabalho, e não a ferramenta. O comprador paga pelo chamado encerrado ou pelo contrato redigido, e não pelo acesso a um software. O "orçamento de trabalho" (cerca de $6 em serviços para cada $1 em software) é o mercado disponível.
  • Ele chegou primeiro ao jurídico, aos seguros, à saúde, aos impostos, à TI e à segurança porque essas categorias já eram legíveis: documentos estruturados, formulários regulados, um registro do "porquê". A legibilidade era a pré-condição. A IA foi o que destravou.
  • O marketing não chegou lá porque o seu trabalho nunca foi registrado por escrito. O tom de voz da marca, a campanha cancelada, o motivo de um limite de frequência ter mudado: tudo isso vive em mensagens diretas, em vídeos do Loom e na cabeça das pessoas. Não está num arquivo que um agente consiga ler.
  • Nenhum modelo resolve uma informação que falta. As ferramentas de marketing com IA de 2026 são copilotos vestidos de piloto automático. O profissional continua sendo a unidade de trabalho, porque nada do último trabalho foi registrado para o próximo ler.
  • A correção é codificar no nível do artefato: um arquivo por cliente (hipótese de trabalho, regras fixas, índice de skills, índice de memória, trava de segurança) que o agente lê antes de cada tarefa. Chamamos isso de Codified Engagement.

O conceito de Service as Software

Bek define Service as Software com um teste simples. Se você vende a ferramenta, está numa corrida contra o modelo. Se vende o trabalho, cada melhoria do modelo deixa o seu serviço mais rápido, mais barato e mais difícil de bater. Uma empresa pode gastar $10K por ano com o QuickBooks e $120K com um contador para fechar o balanço. A próxima empresa lendária vai simplesmente fechar o balanço. O orçamento de trabalho, seis dólares para cada dólar gasto em software, é o mercado disponível. As ferramentas abrem a porta. O resultado é o que se vende.

A distinção importa porque o termo foi adotado em vários setores. A empresa de operações de segurança 7AI usa "Service as Software" como posicionamento de marca: agentes de IA que operam do início ao fim dentro de um SOC, e que entregam alertas enriquecidos e investigações concluídas em vez de painéis. É a lógica do piloto automático aplicada à segurança. O texto de análise da Thoughtworks (dezembro de 2025) cobre bem a base técnica dos sistemas com agentes: mecanismos de raciocínio, memória, coordenação de ferramentas, a nova disciplina dos ciclos de feedback. Mas ele não ancora a lógica comercial. A passagem do copiloto para o piloto automático é o que move a economia. A arquitetura de agentes é a base técnica que torna isso possível. São camadas diferentes da mesma pilha.

Quando usamos "Service as Software" neste texto, falamos da versão estrita. O vendedor captura o orçamento de trabalho porque entrega o resultado completo, e não o orçamento de ferramentas por ajudar uma pessoa a entregar mais rápido. Os produtos de janela de chat são copilotos. Os pilotos automáticos (Crosby, Pace, Anterior, WithCoverage, 7AI) são outra coisa.

A pré-condição da legibilidade

O texto de Bek explica por que o Service as Software vence. Ele não explica por inteiro por que algumas categorias chegaram lá primeiro. O argumento complementar, que podemos chamar de pré-condição da legibilidade, é o que os produtos de agentes de programação vêm demonstrando em silêncio desde que o Cursor e o Windsurf se popularizaram.

A engenharia de software, como profissão, codificou o seu trabalho ao longo de quatro décadas. Por convenção do setor, o repositório é a fonte da verdade. Os pull requests carregam o raciocínio de quem revisou. O CONTRIBUTING.md explica as regras do jogo. Os linters garantem o estilo. As suítes de teste registram a especificação. As issues encerradas registram os becos sem saída. Nada disso foi feito para agentes de IA. Foi feito para pessoas que chegavam a uma base de código nova. Os agentes herdaram tudo isso de graça.

Marcel Santilli, que vem defendendo essa ideia em entrevistas e podcasts, enxerga do mesmo jeito: os agentes de programação funcionam porque a parte bagunçada de todo repositório fica à vista, por convenção. Pull requests, comentários, docstrings, branches que não deram em nada. Existe um registro público do porquê de o código ser como é, e não só do que ele é. O "porquê" é a parte de que os agentes precisam.

O Software 3.0, a ideia que Andrej Karpathy apresentou no Sequoia Ascent em 2026, nomeia a mesma pré-condição sem usar a palavra. O agente opera sobre sensores (entradas que dá para consultar) e atuadores (saídas que dá para acionar), com os prompts como o novo código e uma janela de contexto guardando o material de trabalho. Para ele, o repositório é a principal superfície de sensores do agente. Quando essa superfície é rica, com décadas de artefatos estruturados, a qualidade do julgamento do agente sobe. Quando é pobre, com um documento no Notion e um histórico de Slack, o agente se perde.

O Building Effective Agents, da Anthropic, registra a mesma observação do lado de quem fornece a plataforma. Os padrões de fluxo de trabalho que o texto cataloga (prompt chaining, routing, parallelization, orchestrator-workers, evaluator-optimizer) dependem todos de entradas legíveis em cada etapa. O agente não tira conclusão do que não existe. Ele opera sobre o que dá para consultar. Se a camada de entrada é escassa, nenhum truque de arquitetura recupera o que falta.

A conclusão aparece em todas essas fontes: a programação ficou pronta para o Service as Software porque o seu trabalho já era legível. As startups de piloto automático que Bek cita estão em categorias com a mesma pré-condição: documentos estruturados, entradas com esquema definido, saídas padronizadas, formulários regulados. A legibilidade era a pré-condição. A IA foi o que destravou.

A lacuna de legibilidade no marketing

O marketing não tem nada disso.

Documentos de tom de voz da marca existem, mas descrevem uma aspiração. Eles dizem como a marca deveria soar, e não como as decisões são tomadas de fato. O tom de voz real é aquele que aparece numa análise pós-campanha. Ele vive no histórico de Slack de quem cuida do ciclo de vida do cliente, nas edições do fundador ao texto de lançamento do terceiro trimestre, no slide trimestral da agência oficial da conta que ninguém fora daquela sala vê. Um agente que lê o documento de tom de voz recebe o equivalente, no marketing, a uma declaração de missão corporativa: tecnicamente verdadeira, inútil na operação.

As análises pós-campanha, quando existem, são slides. Os aprendizados reais ficam na reunião em que a análise foi discutida e nas três conversas paralelas que vieram depois. A decisão de encerrar o programa de fidelidade do último trimestre vive numa troca de mensagens diretas entre o líder de crescimento e o fundador. O motivo de o limite de frequência de e-mails ter sido afrouxado em fevereiro não está registrado em lugar nenhum além da memória de quem cuida do ciclo de vida do cliente.

Até a camada de dados, as plataformas de marketing que deveriam permitir consulta, só pode ser consultada na superfície. Um agente consegue puxar a taxa de abertura por segmento dos últimos noventa dias. Não consegue puxar o raciocínio por trás do limite de quatro envios por semana para o segmento B e de dois para o segmento C. Nem por que a sequência de carrinho abandonado foi refeita em março e desfeita sem alarde em abril. O quê está nos dados. O porquê não está no arquivo de ninguém.

E a camada de SaaS que promete deixar o marketing "pronto para agentes" está otimizando a camada errada. O texto The Whole Point Was the Mess, de Pedro Dias (maio de 2026), desmontou a categoria de SaaS de GEO e AEO. Ele mostrou que o artigo acadêmico em que essas empresas baseiam a estratégia de produto (Aggarwal et al., KDD 2024) nunca testou as intervenções de esquema e estrutura que essas ferramentas vendem. A camada de esquema vem depois da camada de codificação. Vendê-la como pré-condição é vender o folheto como se fosse o motor.

Todo profissional de marketing já viu essa falha de perto. Você traz uma ferramenta de marketing com IA. Roda uma campanha nela. Olha o resultado. O texto está gramaticalmente correto e mais ou menos no tom da marca. Também é genérico. Ele não menciona a conversa do mês passado sobre posicionar o programa de fidelidade contra o líder da categoria. Não sabe da implicância do fundador com aquela expressão. Não carrega as pequenas decisões do dia a dia que, somadas, eram o tom de voz da marca. O resultado é uma máquina de escrever mais rápida. Mais rápida que um redator júnior, mas ainda uma máquina de escrever. O trabalho não acumulou, porque nada do trabalho anterior foi registrado de um jeito que a próxima execução conseguisse ler.

É o padrão do copiloto, repetido dentro do marketing. As ferramentas de marketing com IA à venda em 2026 são copilotos vestidos de piloto automático. O profissional digita na janela. O sistema gera. O profissional edita. O profissional publica. O profissional continua sendo a unidade de trabalho.

A codificação no nível do artefato

A correção é a convenção que a programação ganhou por acaso, construída de propósito para o marketing, cliente a cliente. A nossa versão se chama Codified Engagement. O que conduz o trabalho não é a equipe nem a apresentação. É um arquivo por cliente com cinco componentes.

O primeiro componente é a hipótese de trabalho. Três frases no topo, atualizadas toda semana pelo profissional responsável. O que a marca está tentando fazer. Por que agora. O que está travando. A hipótese não é um documento de estratégia. É um artefato consultável que o agente lê antes de cada tarefa. Quando a hipótese muda, todas as skills que dependem dela mudam junto.

O segundo são as regras fixas. Restrições de tom de voz da marca. Limites regulatórios. Temas proibidos. Decisões recentes do fundador que se sobrepõem ao padrão. São as constantes que o agente lê em toda execução. Elas são escritas para um agente fazer cumprir, e não para um slide ficar bonito.

O terceiro é o índice de skills. Pequenos arquivos markdown, um para cada tarefa de marketing recorrente, que o agente chama pelo nome quando uma tarefa se encaixa. Cada skill tem uma condição clara para ser acionada e um escopo claro. As skills se acumulam. Um novo cliente acrescenta algumas novas, a agência amplia o índice, e o cliente seguinte se beneficia da disciplina do anterior sem herdar as particularidades da marca anterior.

O quarto é o índice de memória. Ele aponta para arquivos de memória com o que o profissional aprendeu e que não dá para deduzir dos dados nem do posicionamento da marca. São as decisões tomadas fora da tela, os experimentos que falharam, as objeções que se repetem, as pessoas por trás de quem aparece. A camada de memória é o que falta por completo na maioria das implantações de IA em marketing. Sem ela, toda conversa com o agente começa do zero.

O quinto é a trava de segurança. Limites rígidos para o que o agente pode fazer sem aprovação humana: nenhuma publicação externa, nenhum envio acima de um número definido de destinatários, nenhum gasto em mídia paga acima de um valor estabelecido, nenhuma exceção às regras fixas. Quando a trava dispara, o agente para e passa a decisão adiante. A falha silenciosa é o risco dominante na entrega AI-native, e a trava de segurança é a única proteção estrutural contra ela.

Esse arquivo é o artefato. Ele tem versões. O profissional edita e o agente lê. Toda conversa com o cliente atualiza o arquivo, ou não conta. A revisão de sexta, o briefing de terça, o sprint de CRO de quarta: tudo opera sobre o mesmo arquivo. Se uma decisão é tomada fora dele, o arquivo está errado e é corrigido antes da próxima execução.

A forma se replica. A implantação, não. Saber quais skills importam para esta marca, nesta categoria, neste estágio de adoção pelos clientes é o trabalho do profissional na primeira semana.

Objeções

Ouvimos quatro contra-argumentos em conversas com clientes. Vale responder a eles diretamente.

"O marketing tem dados. Isso não equivale a um repositório?" Não. Os dados de marketing mostram o que aconteceu. O equivalente ao repositório é o que foi pensado: as decisões, os becos sem saída, as direções criativas rejeitadas, as rodadas de ajuste de preço, os debates sobre o tom de voz da marca. Os dados vêm depois do julgamento. E o julgamento é o que não fica registrado. Um agente que lê os dados sem o julgamento vai otimizar, com perfeição, a função de perda errada.

"Documentos de tom de voz da marca já existem." Existem. Mas não são artefatos de operação. Um documento de tom de voz aspiracional fica numa wiki, é lido na integração e esquecido no terceiro mês. Um arquivo por cliente que o agente consegue ler é carregado pelo agente em toda tarefa, toda campanha, todo rascunho. O primeiro é o que você gostaria que fosse verdade. O segundo é o que de fato molda o resultado.

"Isso é consultoria com etapas a mais." É uma objeção justa. O teste é simples. O artefato é mantido, versionado e consultável pelo agente no momento da passagem, ou é uma apresentação feita uma vez? Se é uma apresentação, é consultoria. Se é uma configuração que o agente lê em toda execução, é uma vantagem defensável. O artefato com que o agente trabalha na terça às 9h, depois que a reunião de segunda com o cliente atualizou três linhas dele, é algo que uma apresentação nunca foi.

"O mapa de oportunidades de Bek não inclui o marketing." Correto, e essa ausência é a aposta. O mapa cobre nove setores (corretagem de seguros, contabilidade e auditoria, ciclo de receita na saúde, regulação de sinistros, consultoria tributária, trabalho jurídico transacional, serviços gerenciados de TI, cadeia de suprimentos e compras, recrutamento) e mais um décimo, a consultoria de gestão, marcado como dependente de julgamento. O marketing não está na lista. Três atritos explicam por quê. O trabalho é menos legível do que contratos jurídicos ou códigos médicos. A camada terceirizada (as agências) é mais fragmentada do que a corretagem de seguros. A relação entre comprador e vendedor é mais tensa do que no ciclo de receita da saúde. Esses três atritos também abrem espaço para uma empresa dedicada só a isso. Quem resolver primeiro o problema da codificação não captura só o trabalho. Captura toda a pilha de automação que vem depois, para a qual as categorias mais fáceis estão convergindo.

Os setores do Service as Software

Seis setores. Uma mesma lógica.

Jurídico: Crosby para acordos de confidencialidade, Harvey para a transição mais ampla do copiloto ao piloto automático, Lawhive para serviços jurídicos ao consumidor já nascidos como piloto automático. Seguros: WithCoverage para corretagem, Pace para sinistros, Strala para TPA AI-native, Harper para linhas comerciais mais novas. Saúde: Anterior para o ciclo de receita. Impostos: TaxGPT, Skalar, Ravical. Serviços gerenciados de TI: Edra e Serval. Compras: Magentic, AskLio, Tacto. Recrutamento: Juicebox, Mercor, Jack & Jill. Operações de segurança: 7AI. A lista não é completa. É representativa. Cada empresa vende resultados, e não ferramentas. Cada uma captura o orçamento de trabalho, e não o de ferramentas. Cada uma atua numa categoria em que o trabalho já era legível antes de a IA chegar, por convenção profissional, por esquema regulatório ou por padronização do setor.

O marketing é a próxima categoria. Quem chegar primeiro vai ser quem resolver o problema da legibilidade no nível do artefato de cada cliente. A camada de ferramentas (o SaaS de marketing com IA, as plataformas criativas com agentes, a categoria de GEO/AEO) não vai resolver isso, porque a lacuna vem antes das ferramentas. A lacuna está no que ninguém registrou por escrito.

A frase com que Bek fecha Services: The New Software nomeia o momento em que estamos. "Em 2025, as empresas de IA que mais cresceram eram copilotos. Em 2026, muitas vão tentar virar pilotos automáticos. Elas têm o produto e o conhecimento do cliente. Mas também enfrentam o dilema do inovador: vender o trabalho significa tirar dos próprios clientes a tarefa de fazê-lo. Essa é a abertura para pilotos automáticos dedicados só a isso."

No marketing, essa abertura fica com a empresa que começa pela camada de codificação e trata a IA como a camada que coordena um trabalho legível. Não fica com a empresa que começa por uma janela de chat e tenta encaixar a codificação depois. Partindo da janela de chat, a virada é morro acima. Partindo do arquivo codificado, a construção é morro abaixo.

Se a implantação de IA no seu marketing ainda parece trabalhar para uma janela de chat, a lacuna não está no seu modelo. Está no fato de que ninguém registrou o que a sua área de marketing de fato faz, com rigor de engenharia, num arquivo que o agente lê antes de cada execução. A codificação é a pré-condição. O piloto automático vem depois.

Agende uma conversa sobre estratégia →

Leia também

O imposto da rotatividade: como agências de marketing guardam o que as pessoas sabem

Quando uma equipe adota IA pessoa por pessoa, cada saída leva junto as regras do cliente e um histórico particular com a IA. Duas regras de gestão e um piloto em uma unidade mantêm esse conhecimento na agência.

Leia mais

Sua ferramenta de conversão com IA entrega um vencedor por semana. Veja como saber quais são reais.

A vantagem de uma ferramenta de conversão com IA é a velocidade: mais testes, mais rápido. Mas mais testes fabricam, por pura mecânica, mais vencedores falsos. A pilha de ganhos reportados pode crescer enquanto a sua taxa de conversão real fica parada. A verificação que pega isso, e duas medidas que a ferramenta não vai entregar a você.

Leia mais

Conte para a gente sobre o seu projeto

Onde estamos

  • Lisbon
    Portugal
  • São Paulo
    Brasil
  • Rio de Janeiro
    Brasil