Um modelo de IA de ponta de seis meses atrás hoje custa pouco.
Por isso, para Michele Catasta, presidente e chefe de IA da Replit, a vantagem saiu do modelo e foi para o sistema que controla os agentes na empresa. A Replit é a plataforma em que se cria software descrevendo o que se quer. A pergunta para quem decide é onde investir: no melhor modelo ou no controle dos agentes.
Catasta sustenta a mudança com a queda de preço. O que exigia muito capital de quem cria produtos sobre os modelos há poucos meses já não exige. Os modelos abertos, de uso livre, derrubam o custo e livram a Replit de depender de um só fornecedor. Os modelos mais avançados fazem o caminho oposto: cada novo salto custa mais e terá menos compradores. Para Catasta, o que importa agora é como a empresa põe essa inteligência para trabalhar. É nessa última etapa, disse, que vai a maior parte do esforço de engenharia.
Se a inteligência sobra, o difícil passa a ser manter o comando sobre os agentes. Segundo uma pesquisa recente citada por Catasta, 86% das empresas avançadas em IA usam agentes, mas só 17% sabem desligá-los se saírem do roteiro. 'É como criar a sua própria empresa e decidir não ter departamento de RH', comparou. A maior parte dessa adoção veio de funcionários rodando agentes no próprio notebook, sem segurança.
A resposta da Replit foi reunir todos os agentes numa plataforma controlada por ela. Ali, o cliente acompanha custo, segurança, uso de dados e o registro do que cada agente fez. Um administrador define quais agentes conversam entre si e quais ficam isolados. A mesma tecnologia sustenta a meta que Catasta fixou para 2030: toda empresa da Fortune 500 funcionando sem filas de aprovação, com cada funcionário tocando suas ideias com agentes.
Gasto de cada agente à vista
Nada roda solto no notebook
Uso de dados acompanhado
Histórico do que cada agente fez
Admin decide quem conversa com quem
Botão para parar o agente que sair do roteiro
Na própria Replit, quase todo funcionário roda vários agentes em paralelo, 24 horas por dia, e o quadro triplicou em nove meses, passando de 400 pessoas. Catasta chamou o ritmo de 'quase uma receita para o desastre' e o atribuiu à tecnologia que dispensa a fila de aprovações. Fora do palco há outra explicação possível: a rodada de investimento que a empresa fechou em março de 2026 (TechCrunch). O dinheiro explicaria o ritmo de contratar; à plataforma, Catasta credita ter absorvido tanta gente nova sem travar.
A quantidade de inteligência de que precisamos já está praticamente disponível e cada vez mais barata.
Para a FFX, a diferença que importa é entre aprovar cada tarefa e controlar cada agente. Muitas empresas misturam as duas coisas e respondem ao risco com mais comitê, o que anula o ganho. O desenho de Catasta dá liberdade à pessoa e concentra num lugar só o registro, o custo e o botão de desligar. Entre empresas diferentes, o problema segue aberto: Catasta admitiu que ainda não existe um padrão comum para agentes de plataformas distintas conversarem.
Quem ainda mede sua IA pelo modelo contratado aposta justamente na parte que fica mais barata para todos os concorrentes. O que nenhum concorrente compra pronto é a capacidade de deixar milhares de agentes trabalhando sem perder o comando.
As empresas brasileiras devem escolher a camada que comanda os agentes antes do modelo, porque o gargalo é o controle, não o acesso à inteligência.
O Bradesco construiu um barramento próprio que concentra o acesso aos modelos de linguagem, com segurança e regras de uso de dados embutidas, e com ele levou mais de 600 casos de IA generativa à produção (Let's Money, 2026).
Por ser do banco, essa camada não prende a operação a um fornecedor.
Para o varejo e a indústria, a decisão é concentrar registro, custo em dólar e desligamento num só sistema, próprio ou com saída prevista em contrato, e só crescer com desligamento testado.
Na sua empresa, quem tem uma boa ideia hoje precisa de um agente ou de cinco aprovações?
Plataforma em nuvem em que qualquer pessoa cria software descrevendo o que quer, e um agente de IA planeja, escreve, testa e publica.
- Avaliação de US$ 9 bilhões na Série D de US$ 400 milhões, liderada pela Georgian (TechCrunch, março de 2026)
- Mais de 60 milhões de usuários e uso em 85% das empresas da Fortune 500 (Replit, outubro de 2026)
- Clientes corporativos passaram de cerca de 2% da receita em 2025 para cerca de 15% em 2026 (TechCrunch, outubro de 2026)
- Meta declarada de US$ 1 bilhão de receita recorrente anual até o fim de 2026 (TechCrunch, março de 2026)
- Plataforma e agente 100% em português do Brasil desde setembro de 2026 (Startups, setembro de 2026)
Ressalvas e outros ângulos
A tese vem de quem vende o sistema de controle. Depender de um modelo é reversível: a própria Replit trocou a Anthropic pela OpenAI como padrão em outubro de 2026 (TechCrunch). Concentrar todos os agentes na plataforma de um fornecedor cria uma dependência mais difícil de desfazer.
Se o modelo vira insumo que se troca com frequência, contratos longos e exclusivos com um único fornecedor perdem sentido. O que merece proteção é o conhecimento da empresa e as regras que os agentes seguem, não o acesso ao modelo.
Catasta contrata recém-formados que passaram a faculdade usando agentes, num momento em que muitas empresas pararam de contratá-los. Para as áreas que vão operar agentes, esse perfil pode render mais do que treinar quem nunca trabalhou assim.
A plataforma da Replit mostra o custo agente por agente. Num varejo que paga o uso de IA em dólar, esse gasto deveria entrar no orçamento de cada área como qualquer outra despesa variável, com dono e teto.
- TechCrunch: Replit snags $9B valuation 6 months after hitting $3B (11/03/2026)
- TechCrunch: Replit makes OpenAI its default over Anthropic, CEO says (17/10/2026)
- Startups: Com a Replit, todos os times podem contribuir com o código da empresa (29/10/2026)
- Startups: Replit investe pesado no Brasil com Free Mode e plataforma 100% em português (11/09/2026)
- PR Newswire via Yahoo Finance: Replit expands government business worldwide (22/10/2026)
- Let's Money: Bradesco escala mais de 600 casos de IA com barramento próprio (27/04/2026)



