Se os modelos de IA são tão bons, cadê as 100 empresas?

Um post no Hacker News fez esta semana uma pergunta simples: se os modelos de IA são tão bons, por que a OpenAI não abre logo 100 empresas? A thread do Ask HN foi longe. A pergunta parece provocação, mas é a melhor forma que eu vi de testar o discurso de que a IA já faz o trabalho de um time inteiro. Se faz mesmo, quem tem o melhor modelo e GPU de graça devia estar lançando um SaaS por semana.

Isso não acontece. Vale entender o motivo, porque a resposta diz muito sobre o seu trabalho como dev. E tem uma ligação com o Bun que pouca gente percebeu.

O que a pergunta está testando

A lógica é a de um teste de sanidade. Um vendedor de pá que diz ter achado ouro deveria estar cavando, não vendendo pá.

Tem gente dizendo que agentes escrevem features inteiras, que um dev com IA rende por dez e que "o software vai virar commodity". Se isso fosse verdade, a vantagem mais óbvia ficaria com os laboratórios. Eles têm o modelo antes de todo mundo, sem limite de uso, e têm dinheiro para contratar o resto.

Mesmo assim, o que eles lançam são produtos em volta do próprio modelo: chat, API, agente de código, navegador. Não aparece uma OpenAI Contabilidade, uma OpenAI Logística, uma OpenAI ERP para clínica veterinária.

Por que os modelos de IA não montam uma empresa sozinhos

Os comentários da thread foram para vários lados. Eu junto em três motivos, e todos batem com o que eu vejo no dia a dia.

Código nunca foi o gargalo de uma empresa. Empresa é distribuição, vendas, suporte, contrato, jurídico, cobrança, confiança. Pense em um sistema para clínicas. Escrever o CRUD de agendamento leva uma semana. Convencer 200 clínicas a trocar o sistema que elas usam há oito anos leva três anos e um time comercial.

Foco também custa. Cem empresas querem cem times de liderança, cem conjuntos de decisão, cem incêndios. Atenção de gente boa não escala com GPU. Um laboratório que abre frentes demais perde a corrida principal, que é o modelo.

O modelo é bom na média, e empresa se ganha nos detalhes. A IA gera muito bem o código que já existe aos milhares por aí. O difícil é a regra de negócio esquisita que só o seu cliente tem, o bug que só aparece com dados de produção, a decisão de não construir algo.

A IA reduziu o custo de escrever código. O custo de saber o que escrever continua igual.

Onde o Bun entra nessa história

No fim de 2025 a Anthropic comprou o Bun. O runtime que muita gente usa para rodar TypeScript sem configuração passou a ser de um laboratório de IA, e a explicação oficial foi que ele é parte importante da infraestrutura do Claude Code.

Agora junte isso com a pergunta do HN. Se os modelos de IA fossem capazes de construir qualquer software, a Anthropic podia pedir ao próprio modelo: "escreve um runtime JavaScript rápido, compatível com Node, com bundler, test runner e gerenciador de pacotes". Ela preferiu comprar o projeto e manter o time.

Não acho que seja contradição. É uma pista. O valor do Bun não está na quantidade de linhas de Zig. Está em:

• anos de decisões sobre compatibilidade com o ecossistema do Node
• milhares de issues de gente real quebrando coisas reais
• um time que sabe por que cada atalho existe
• confiança da comunidade, que não se gera com prompt

Isso é exatamente o que falta para a IA abrir 100 empresas. O laboratório que mais aposta em agentes de código comprou julgamento humano acumulado.

O que muda no seu fluxo de trabalho

Na prática, a IA deixa a parte mecânica muito mais barata. Esta tarefa, por exemplo, hoje leva minutos:

// "cria um endpoint que lista pedidos paginados"
import { Hono } from 'hono'
import { sql } from 'bun'

const app = new Hono()

app.get('/pedidos', async (c) => {
  const page = Number(c.req.query('page') ?? 1)
  const limit = 20
  const rows = await sql`
    SELECT id, cliente, total, criado_em
    FROM pedidos
    ORDER BY criado_em DESC
    LIMIT ${limit} OFFSET ${(page - 1) * limit}
  `
  return c.json(rows)
})

export default app

Funciona. Roda com bun run e pronto. Só que as perguntas que importam continuam com você:

• Paginação por OFFSET aguenta quando a tabela passar de 5 milhões de linhas? Ou é melhor cursor por criado_em?
• Esse endpoint precisa filtrar pelo tenant do usuário logado? Se esquecer, você vaza pedido de um cliente para outro.
• O financeiro quer o total com ou sem desconto?

O modelo escreve a consulta. Quem sabe que a pergunta do tenant existe é quem conversou com o cliente. É por isso que eu acho que o melhor uso hoje é delegar a digitação e ficar com a revisão. Código gerado precisa de dono, igual código de estagiário. A diferença é que o estagiário aprende e o modelo vai cometer o mesmo erro amanhã em outro arquivo.

Uma regra que eu passei a seguir: se eu não consigo explicar em duas frases por que aquele trecho existe, ele não entra no PR. Vale para código meu e vale para código de agente.

A objeção: "mas em dois anos vai dar"

Pode ser. Os modelos melhoraram muito em pouco tempo, e eu não vou fingir que sei onde isso para.

Só que a pergunta do HN continua valendo como métrica. Não adianta olhar benchmark nem demo no X. Olhe o que os laboratórios fazem com o próprio dinheiro. No dia em que a OpenAI ou a Anthropic começarem a lançar empresas verticais tocadas quase só por agentes, com cliente pagando e suporte funcionando, aí sim o jogo mudou de verdade.

Até lá, o comportamento deles diz outra coisa. Eles contratam devs. Compram ferramentas feitas por humanos, como o Bun. Investem bilhões em gente para avaliar e corrigir os próprios modelos. Ninguém compra um runtime se acha que vai gerar um melhor na semana que vem.

E tem um detalhe engraçado. Se o modelo já fosse capaz de tocar 100 empresas, ele provavelmente já teria pedido para sair e montar a dele.

Minha opinião

A IA é a ferramenta mais útil que eu ganhei na carreira. Escrevo testes, migrations e boilerplate num ritmo que era impensável três anos atrás. Mas a pergunta "por que eles não abrem 100 empresas?" desmonta o hype melhor que qualquer artigo longo. Fazer software nunca foi só digitar código, e a parte que sobra é justamente a que paga o seu salário.

Meu conselho é simples: use os modelos de IA para ir mais rápido no que você já entende e gaste o tempo que sobrar entendendo melhor o negócio do seu cliente. Esse é o tipo de trabalho que eu tento mostrar nos meus projetos.

Se a IA faz o trabalho de um time inteiro, por que a OpenAI não abre logo 100 empresas?

Essa pergunta no Hacker News desmonta o hype melhor que qualquer benchmark.

Código nunca foi o gargalo. Empresa é venda, suporte, contrato e confiança, e nada disso sai de um prompt.

A prova? A Anthropic comprou o Bun em vez de pedir ao próprio modelo um runtime novo. Comprou anos de julgamento humano.

A IA barateou escrever código. Saber o que escrever continua custando o mesmo, e é isso que paga o seu salário.

Escrevi sobre isso e sobre como uso IA no meu fluxo. Link nos comentários, se quiser trocar ideia.

#InteligenciaArtificial #DesenvolvimentoDeSoftware #Bun #TypeScript #Carreira