O ARR Quebrou na Era da IA: 13 Investidores Admitem em Público

“É receita ou GMV? É recorrente? É o trimestre vezes quatro? Ou é 365 vezes a receita diária?” As perguntas vêm do texto de Simon Wu de julho de 2026, “ARR Doesn’t Mean What It Used To”, que cataloga o que founders querem dizer hoje quando falam ARR. O texto foi construído sobre entrevistas com 15 investidores institucionais, 13 deles nomeados com suas firmas: Emergence, Madrona, 8VC, FJ Labs, DFJ Growth, Footwork e outras. São as pessoas que precificam empresas como profissão, e elas afirmam, publicamente, que o número no topo de todo board deck perdeu a definição estável.

A maioria dos boards ainda opera como antes. Continua comparando múltiplos de ARR, aprovando planos construídos sobre metas de NRR e medindo a empresa contra comparáveis de SaaS cujas métricas foram calculadas sob regras diferentes. Os nomes das métricas sobreviveram à transição para os modelos de negócio da era da IA. Os significados ficaram pelo caminho.

As Definições Derivaram Sem Que Ninguém Percebesse

O ARR era uma convenção útil porque todo mundo o calculava do mesmo jeito: contratado, recorrente, anual. Os investidores entrevistados por Wu descrevem um mercado onde essa convenção se dissolveu. O ARR de uma empresa é o último trimestre multiplicado por quatro. O de outra é GMV fantasiado de receita. Uma terceira extrapola 365 dias a partir do uso de ontem. As três aparecem na mesma tabela de comparáveis, na mesma coluna, sob as mesmas três letras.

Isso vai além de uma divergência de arredondamento. Uma empresa que anualiza seu melhor trimestre e uma empresa que reporta compromissos anuais contratados podem exibir o mesmo número de manchete carregando negócios completamente diferentes por baixo. O investidor que precifica as duas com o mesmo múltiplo está errando o preço de pelo menos uma. O board que se compara contra uma cesta desses números está se comparando contra ruído.

Com o CARR a situação é pior. Uma das citações do texto é direta: “Não sei por que tantas empresas tentam levantar capital sobre múltiplo de CARR em vez de múltiplo de ARR. Não é um número de verdade.” O ARR contratado deveria capturar receita assinada mas ainda não ativa. Na prática, segundo as entrevistas, ele passou a misturar contratos assinados com capacidade não comprovada: receita que a empresa espera atender, precificada como se fosse receita que a empresa já entrega.

O NRR tem seu próprio modo de falha. Os investidores descrevem retenção líquida de receita inflada por conversões de prova de conceito contabilizadas como expansão. Um piloto que vira contrato aparece como o cliente existente “expandindo”, e a métrica que deveria medir fidelidade durável do cliente acaba medindo a habilidade do time de vendas de formar POCs. A métrica continua imprimindo alta. Só que deixou de significar o que o board pensa que significa.

Os Dados de Retenção Explicam o Mecanismo

Se a deriva de definições fosse apenas desleixo, a correção seria um glossário. O estudo de retenção da RevenueCat, de agosto de 2026, mostra que o problema é mais profundo: mesmo uma métrica da era da IA calculada corretamente engana quando lida com premissas da era SaaS.

O dataset é sólido para o padrão desse debate: 3.519 apps com IA, dados de assinatura de julho de 2024 a junho de 2025, mínimo de 100 assinaturas por app. Um em cada quatro apps de assinatura já usa IA. E a coorte de IA se comporta de forma diferente nas duas pontas da curva. Apps de IA faturam 41% mais no primeiro ano, com LTV mediano de primeiro ano de US$ 30,16 contra US$ 21,37 dos demais. E o churn é cerca de 30% mais duro.

Leia os dois números juntos e o problema da anualização fica concreto. A receita inicial de um produto de IA roda quente. Anualize um trimestre inicial forte e você projeta um ano que a curva de churn vai negar. A mesma aritmética que produzia uma estimativa justa para uma empresa da era SaaS produz uma estimativa inflada para uma empresa da era da IA, porque o formato da curva embaixo mudou. A multiplicação é honesta. A premissa envelheceu.

A dispersão dentro da coorte ensina tanto quanto a média. A coorte do topo do estudo retém 13,9% dos assinantes depois de um ano, contra 1,4% na outra ponta: uma dispersão de aproximadamente dez vezes na retenção de um ano. Dois pitch decks, o mesmo slide de ARR, um negócio valendo um múltiplo do outro. A métrica de manchete é incapaz de dizer qual dos dois você tem na frente. Só as curvas de coorte conseguem.

Escrevemos sobre a dinâmica de Goodhart nas métricas de adoção de IA quando os números manipulados eram do lado da engenharia: contagem de tokens, percentuais de adoção. O stack financeiro está rodando a mesma falha com apostas maiores. Quando o board precifica sobre uma métrica, a métrica passa a ser produzida, venha ou deixe de vir junto aquilo que ela deveria medir.

A Diligência Está Descendo o Stack Atrás das Métricas

Há um sinal complementar do lado das aquisições. Uma thread de investidor, que só conhecemos pela descrição do TLDR Founders porque a fonte original ficou inacessível, argumenta que aquisições de IA agora exigem diligência no nível do código: pontuar dependência de modelo, moat de dados, concentração de talento e risco de substituição antes de atribuir valuations premium. Trate isso como uma afirmação descrita, sem verificação direta da fonte. Ela é, porém, consistente com tudo acima. Se as métricas de topo já perderam a capacidade de separar receita durável de receita oca, a diligência precisa descer até a camada onde a diferença mora: do que o produto realmente depende, e quão substituível ele é.

Essa descida tem um espelho dentro da empresa. Argumentamos no texto sobre responsabilização que alguém precisa ser dono da prova por trás de cada afirmação de IA que a empresa faz externamente. A deriva das métricas estende esse problema para o financeiro. Quando ARR pode significar quatro coisas diferentes, a escolha de qual cálculo apresentar é, ela mesma, uma decisão governada. Alguém escolhe a definição. Alguém assina o deck. Se ninguém na empresa consegue declarar, por escrito, qual definição foi usada e por quê, a empresa está a um processo de diligência de distância de uma conversa desconfortável.

Isso Virou um Problema de Governança Financeira

O instinto é tratar definição de métrica como detalhe contábil. As entrevistas sugerem que os investidores pararam de tratar assim. Um número com definição contestada é uma superfície de negociação, e quem controla a definição controla o preço. Isso torna a integridade das métricas uma preocupação de governança com linha direta para valuation, captação e resultado de M&A.

A parte desconfortável para quem opera: a deriva recompensa até o dia em que cobra. Taxa anualizada aparenta mais que ARR contratado. CARR aparenta mais que os dois. Cada upgrade de definição compra um deck mais bonito hoje e convida uma conversa de diligência mais dura depois, porque os investidores citados acima já viram o truque. Os entrevistados de Wu estão descrevendo as próprias premissas atualizadas. Se essas premissas se espalharem, a própria ambiguidade passa a ser descontada, e empresas que mantiveram definições estritas ficarão subprecificadas pelo próprio conservadorismo, a menos que digam isso explicitamente.

Faça Isso Agora

Antes da próxima reunião de board, produza uma nota de uma página sobre a proveniência das métricas. Quatro linhas por métrica:

ARR: a fórmula exata. Só contratado, ou anualizado? Sobre qual janela? Existe algo ali que se pareça com GMV?
CARR: qual fração é assinada-e-ativa versus assinada-e-esperada? Se a separação for impossível, pare de apresentar o número.
NRR: como as conversões de POC para contrato são contabilizadas? Se contam como expansão, calcule um segundo NRR sem elas e mostre os dois.
Retenção: curvas de coorte, sem médias misturadas. Se o produto usa IA, compare contra os formatos de coorte da RevenueCat, e abandone as curvas da era SaaS como referência.

Depois, peça para o CFO assinar, do mesmo jeito que uma liderança de engenharia assina uma decisão de arquitetura. As empresas que vão captar bem no próximo ciclo são aquelas cujos números sobrevivem à pergunta sobre a definição, porque as entrevistas de Wu mostram que essa pergunta agora é feita.

Fontes

Simon Wu, Signals by Simon. “ARR Doesn’t Mean What It Used To.” Julho de 2026.
RevenueCat. “AI App Retention Study.” Agosto de 2026.

A Victorino ajuda times de liderança a colocar governança por trás dos números que apresentam, da definição das métricas à evidência que as sustenta: contato@victorino.com.br | www.victorino.com.br