A Anthropic atingiu a marca de US$ 19 bilhões em receita recorrente anual (ARR) no início de 2026, consolidando um salto sobre a base de US$ 1 bilhão registrada catorze meses antes. Em vídeo publicado no canal The Frontier | AI em 5 de abril de 2026, Amol Evasari, líder de growth da companhia, argumenta que a manutenção desse ritmo exige o descarte das cartilhas tradicionais de aquisição de usuários. Em vez de depender exclusivamente de processos manuais de experimentação, a empresa iniciou a transição para automatizar sua própria engenharia de crescimento. A tese central é que a alavancagem proporcionada pela inteligência artificial não apenas altera o produto final entregue ao usuário, mas força uma reestruturação completa na dinâmica interna entre engenheiros, designers e gerentes de produto (PMs).
O fim da otimização marginal
Evasari afirma que a equipe de growth da Anthropic aloca mais da metade de seu tempo em apostas de alto risco estrutural, invertendo a proporção a favor de micro-otimizações observada em operações convencionais. A justificativa reside no que o executivo define como a trajetória exponencial da inteligência artificial. Segundo o falante, o valor do produto entregue pela empresa será de cem a mil vezes maior em dois anos. Consequentemente, capturar frações dessa expansão futura exige intervenções diretas no núcleo da oferta, não apenas ajustes periféricos de conversão.
O reflexo dessa escala sem precedentes molda a cultura interna. Evasari menciona que gráficos lineares foram abandonados nas apresentações da companhia, substituídos exclusivamente por escalas log-lineares para representar o avanço tecnológico e financeiro. Ainda assim, o volume de tráfego cobra um preço operacional severo: cerca de 70% do esforço diário do líder de growth é consumido pelo que ele classifica como "desastres de sucesso", falhas sistêmicas decorrentes da incapacidade da infraestrutura de acompanhar a demanda abrupta.
Para contexto, a BrazilValley aponta que a decisão de ignorar otimizações marginais em favor de saltos arquitetônicos ecoa as fases iniciais de expansão acelerada das redes sociais na década de 2010, embora o vetor atual seja a capacidade de inferência computacional e não estritamente os efeitos de rede.
Automatização da experimentação e a crise do PM
A resposta da Anthropic para sustentar sua expansão envolve o projeto interno denominado CASH (Claude Accelerates Sustainable Hypergrowth). Liderada pela equipe de plataforma, a iniciativa utiliza o próprio modelo Claude para executar o ciclo completo de testes A/B: identificação de oportunidades, construção da funcionalidade, teste de qualidade e análise de dados. Evasari relata que o sistema já opera com uma taxa de acerto comparável à de um gerente de produto júnior com dois a três anos de experiência, atuando primariamente em alterações de interface e texto.
O impacto dessa automação atinge diretamente o organograma. O executivo relata que ferramentas como o Claude Code aumentaram a produtividade dos engenheiros de software em até três vezes. Esse ganho assimétrico gerou um gargalo para designers e PMs, que não conseguem acompanhar a velocidade de produção técnica. A solução provisória da Anthropic foi descentralizar a gestão: projetos que demandam menos de duas semanas de engenharia são obrigatoriamente liderados pelo próprio desenvolvedor, eliminando a figura do PM na execução diária.
Como sintoma dessa urgência, Evasari afirma que entre 60% e 80% das atualizações da empresa são lançadas sem qualquer Documento de Requisitos de Produto (PRD). A burocracia documental foi substituída por prototipagem rápida e alinhamentos informais, reservando protocolos rígidos apenas para lançamentos que envolvam riscos legais ou de segurança.
O modelo operacional descrito pela Anthropic sinaliza uma inversão no papel da gestão de produto em empresas nativas de IA. Se a engenharia ganha autonomia produtiva e os modelos assumem a formulação de hipóteses de conversão, o valor do PM deixa de estar na execução do cronograma. O desafio remanescente, como o próprio Evasari reconhece, é o alinhamento de múltiplos interesses humanos e corporativos — uma barreira de coordenação institucional que a automação ainda não conseguiu resolver.
Fonte · Brazil Valley | AI
