Quando a IA Torna uma Etapa Abundante, o Moat Migra para o Gargalo

Os candidatos a fármaco descobertos praticamente dobraram na última década. As aprovações ficaram estáveis em torno de 50 por ano. Em 2024, o CDER da FDA liberou 50 fármacos inéditos, a mesma vizinhança que ocupa há anos. Essa divergência é o argumento inteiro do ensaio “Uneven Frontiers”, de Ben Liu, publicado pela a16z em junho de 2026, e é o estudo de caso mais limpo até agora para um padrão que todo operador deveria acompanhar.

Liu é cofundador e CEO da Formation Bio, uma farmacêutica AI-native financiada pela a16z, então a conclusão que ele alcança também é a conclusão que a empresa dele foi construída para monetizar. Leia os dados com esse incentivo à vista. A mecânica que ele descreve, porém, se sustenta independente de quem lucra com ela.

Duas Fronteiras em Velocidades Diferentes

O enquadramento de Liu divide o desenvolvimento de fármacos em etapas e pergunta quais delas a IA acelera. Descoberta e design molecular se comportam como software. Rodam sobre dados, compute e iteração, e melhoram na curva em que tudo que é digital melhora. O desenvolvimento clínico se comporta como o mundo físico. Você recruta pacientes humanos, administra doses, espera anos pelos desfechos.

Os números mostram o que acontece quando uma fronteira dispara na frente da outra. Os fármacos gerados por alvo biológico atraente subiram de dois ou três há uma década para sete ou oito hoje, às vezes passando de quinze, com Liu projetando rumo a vinte, trinta, até cinquenta contra os alvos mais atraentes. Em 2025, mais de 100 programas perseguiram cada um o PD-1 e os GLP-1. A DelveInsight contou mais de 200 programas contra PD-1/PD-L1; a IQVIA contou 193 ativos de obesidade e GLP-1 em outubro de 2025.

A entrada do funil está transbordando. A saída do funil tem o mesmo diâmetro de anos atrás. A frase de Liu para isso: “Num mundo de abundância de descoberta de fármacos, a capacidade escassa deixou de ser fazer fármacos e passou a ser saber quais fármacos valem ser desenvolvidos.”

Por Que o Desenvolvimento Clínico Não Comprime

A etapa lenta segue lenta por razões que o compute não toca. Ensaios de Fase 2 levam de dois a quatro anos para ler os resultados. Distinguir uma vantagem real de eficácia do ruído pode levar uma década ou mais. A probabilidade base de sucesso na Fase 2 fica em torno de 30 por cento, o que significa que a maior parte do que entra na etapa cara falha ali.

Liu apresenta uma sequência que vale memorizar: “A descoberta e o design de fármacos vão melhorar primeiro, a previsão de toxicidade vai melhorar em seguida, e a eficácia clínica vai ser a última.” Cada etapa entrega mais incerteza para a próxima, e a última fica limitada por biologia e regulação, sob a fronteira de qualquer modelo. A versão direta dele: “Enquanto os reguladores exigirem ensaios clínicos prospectivos em humanos, o desenvolvimento clínico vai continuar sendo o gargalo. O fator limitante não é só computação; é o tempo irredutível necessário para testar medicamentos em humanos.”

Essa palavra, irredutível, é a afirmação que sustenta o resto. Um modelo mais rápido não encurta um desfecho de três anos. Mais candidatos entrando em ensaios não faz nenhum ensaio individual concluir mais cedo. A abundância a montante eleva o custo de errar a jusante, porque agora você pode bancar muito mais tentativas do que o gargalo consegue absorver, e escolher mal desperdiça o recurso escasso.

O Moat Migra para a Restrição

Aqui está a consequência operacional que Liu extrai. Quando a etapa de descoberta se comoditiza, o valor durável deixa de morar dentro dos modelos de descoberta. Ele migra para a etapa que não acelerou. A empresa que vence não é a que tem o melhor gerador de moléculas. É a que decide, melhor do que qualquer outra, quais moléculas merecem uma vaga no gargalo.

Isso é capacidade de seleção, desenho de ensaio, estratégia de biomarcadores e o discernimento de matar um programa antes que ele consuma quatro anos e uma fortuna. Nada disso é a parte que a IA barateou. Tudo isso é a parte que a IA tornou mais valiosa ao inundar o lado da entrada.

Já fizemos a versão abstrata desse argumento antes. Capacidade é commodity; orquestração é o moat traçou como a potência bruta do modelo barateia enquanto o sistema que a direciona segue escasso. O imposto da expertise de domínio mostrou que, na biologia espacial, o gargalo sempre esteve no discernimento especialista exigido para usar o modelo, jamais no modelo em si. E o déficit de adoção nomeou a mesma forma em escala macro: a capacidade do substrato disparou na frente da capacidade organizacional de absorvê-la. A biofarma é a prova física, regulada e rica em dados do padrão. A restrição aqui vai além de hábito organizacional: é a biologia humana e a lei do ensaio prospectivo, um gargalo dos mais duros que existem.

A Regra Geral

Tire o vocabulário farmacêutico e a regra é portátil. A IA raramente transforma uma cadeia de valor de forma uniforme. Ela comoditiza primeiro as etapas que se parecem com software, deixando as etapas físicas, reguladas ou ancoradas em confiança mais ou menos onde estavam. O valor não fica onde costumava ficar. Ele se acumula em tudo aquilo que a IA não consegue acelerar.

A análise de documentos jurídicos barateia; o padrão de prova do tribunal não se move. O texto de marketing fica abundante; a confiança de marca que leva anos para construir, não. A geração de código barateia; o incidente em produção às 3 da manhã ainda precisa de um humano responsável. Em cada caso a etapa abundante deixa de ser o lugar que captura valor, e a etapa lenta vira o ativo, justamente porque agora todo mundo tem a etapa rápida e quase ninguém resolveu a lenta.

Esse é o argumento de Liu, e é também um argumento interessado. A Formation Bio está posicionada para vender a capacidade do lado do gargalo que ele diz ser escassa. O incentivo não o torna errado. Ele significa que você deveria testar a afirmação contra a sua própria cadeia de valor, em vez de importar a conclusão dele inteira.

Faça Isto Agora

Mapeie a sua cadeia de valor em etapas e marque cada uma. Qual etapa a IA está tornando abundante neste ano, e qual etapa segue presa a algo físico, regulado ou dependente de confiança que nenhum modelo encurta. A etapa abundante está prestes a deixar de ser o seu diferencial, porque os seus concorrentes também a estão obtendo. A etapa presa é onde a sua vantagem durável vai ficar, e provavelmente está subfinanciada hoje porque é a parte lenta, sem glamour e cara que ninguém quer assumir.

Mova recursos para o gargalo antes da abundância chegar, não depois. Quando a etapa rápida estiver obviamente comoditizada, as firmas que construíram seleção e discernimento em torno da etapa lenta já vão ser donas dos retornos. Na farma isso significa saber qual fármaco desenvolver. No seu negócio significa saber qual dos muitos outputs baratos é o que vale o passo seguinte escasso, lento e caro. Encontre essa etapa. Construa ali.

Fontes

Ben Liu, Formation Bio (a16z). “Uneven Frontiers.” Junho de 2026.

A Victorino ajuda líderes a enxergar onde a IA transforma sua cadeia de valor em commodity e onde o moat durável realmente fica: contato@victorino.com.br | www.victorino.com.br