A trajetória da Anthropic, que saltou de US$ 1 bilhão para US$ 19 bilhões em receita recorrente anual em 14 meses, desafia a gravidade do software corporativo. No centro dessa expansão não está um exército tradicional de engenheiros de aquisição, mas uma infraestrutura que utiliza a própria inteligência artificial da empresa para retroalimentar sua tração. Amol Avasare, Head of Growth que garantiu sua posição através de um e-mail direto para o CPO Mike Krieger, opera sob uma premissa radical: a disciplina de crescimento deixou de ser um problema estrito de engenharia para se tornar um desafio de orquestração de modelos. Ao automatizar testes e métricas, a criadora do Claude está prototipando abertamente o formato definitivo da organização nativa em inteligência artificial.
A Automação da Engenharia de Crescimento
Historicamente, operações de growth em empresas como Facebook ou Uber dependiam de otimizações marginais: testes A/B incessantes, mudanças de interface e engenharia de conversão em microescala. A Anthropic inverteu deliberadamente essa proporção. A equipe de Avasare aloca 70% de seus recursos em apostas estruturais e apenas 30% na otimização iterativa. Essa mudança brusca de paradigma ocorre porque o trabalho braçal da experimentação foi, em grande parte, terceirizado para a própria máquina.
O epicentro dessa operação é o "CASH", uma ferramenta interna alimentada pelo Claude que automatiza o ciclo de vida dos experimentos de crescimento. Em vez de depender de desenvolvedores sêniores para codificar variantes de páginas ou fluxos, o modelo de linguagem assume a execução técnica. Avasare, que lapidou táticas de integração na Mercury e na MasterClass, aponta que a ativação de usuários continua sendo o gargalo de maior alavancagem no setor de inteligência artificial, mas a mecânica para resolvê-lo mudou drasticamente.
Quando a inteligência artificial passa a identificar ativamente quais experimentos devem ser rodados, o custo marginal de testar novas hipóteses despenca. A equipe humana deixa de ser um funil de produção de código e passa a atuar como um filtro editorial de negócios, focando em resolver o atrito real de adoção em vez de gerenciar a infraestrutura do teste estatístico.
A Inversão da Pirâmide de Produto
A consequência mais profunda da automação interna da Anthropic é a reestruturação da proporção histórica entre gestores de produto (PMs) e desenvolvedores. No Vale do Silício tradicional, a regra de ouro exigia de cinco a dez engenheiros para justificar a existência de cada PM. Com a inteligência artificial tornando a engenharia exponencialmente mais produtiva, Avasare projeta um cenário iminente onde essa proporção se inverte: as organizações precisarão de mais gestores do que programadores.
O gargalo do desenvolvimento está migrando rapidamente da escrita de código para a definição precisa do problema. Na rotina de Avasare, a inteligência artificial já substitui os tradicionais documentos de requisitos de produto (PRDs). Ideias complexas são prototipadas diretamente com o modelo, enquanto agentes autônomos analisam cerca de 25 gráficos de métricas todas as manhãs. Até o alinhamento operacional é monitorado por máquinas, com a ferramenta interna Cowork analisando canais do Slack para detectar falhas de comunicação entre equipes.
Essa dinâmica transforma fundamentalmente o papel da área de produto. Em vez de traduzir requisitos de negócios para engenheiros, o PM moderno interage diretamente com o modelo para instanciar soluções funcionais. A engenharia humana fica reservada para arquitetura de sistemas críticos e pesquisa de fronteira, enquanto a camada de aplicação se torna um exercício avançado de design de prompts.
A evolução da Anthropic serve como um estudo de caso definitivo sobre o futuro da gestão corporativa. Ao utilizar o Claude para automatizar o próprio crescimento, a empresa prova que a inteligência artificial é um novo substrato organizacional, não apenas um recurso de software. O que está em jogo não é apenas a velocidade de escala até US$ 19 bilhões, mas a obsolescência do modelo de desenvolvimento da última década. As empresas que dominarem essa transição transformarão suas estruturas operacionais em algoritmos de aprendizado contínuo.
Fonte · The Frontier | AI
