Falei com 3 fundadores de diferentes empresas que estão nesse jogo nos últimos 10 dias. As empresas deles vendem dados de treinamento para os principais laboratórios de IA, e todos eles falam do jeito que as pessoas falam quando o chão está se movendo sob seus pés. É mais ou menos assim.
Começamos em abril. No primeiro trimestre fechamos US$ 30 milhões em pedidos. Tem ordens de compra abertas na minha mesa no valor de US$ 100 milhões. Em dezembro devemos chegar a algo em torno de US$ 150 milhões
. Nada disso é recorrente, mas tudo está crescendo. Este mês pode fechar em US$ 20 milhões para nós. Somos menos de 12 pessoas, e talvez alguns estagiários.
Toda conversa que tenho nesse mercado soa assim agora. Por um tempo, fiquei pensando: isso é um foguete, por que mais pessoas não estão falando sobre isso? Aí me caiu a ficha de que os próprios fundadores estão fazendo uma pergunta melhor. Eles sabem que o dinheiro é real. Eles sabem que os contratos não são para sempre. O que fazer em uma situação dessas?
O que está sendo realmente vendido
Seis coisas.
Algumas empresas vendem horas: humanos rotulando imagens e avaliando respostas de chatbots, o produto da era da linha de montagem, já morrendo. Algumas vendem julgamento: médicos, advogados e físicos escrevendo como raciocinam, a US$ 100 a US$ 500 por hora, porque os modelos esgotaram o que os amadores podiam ensinar. Algumas vendem mundos: instâncias simuladas do Salesforce, bancos falsos, réplicas de hospitais onde agentes praticam um trabalho em milhões de repetições. A unidade aqui é o julgamento de especialista encapsulado em uma tarefa, um mundo para agir, uma rubrica que define o que é bom e um verificador que pontua. Algumas vendem vereditos: benchmarks, avaliações, red teams, os árbitros da corrida. Algumas vendem corpos: conjuntos de sensores, luvas táteis e arneses de câmera em trabalhadores reais, porque robôs precisam ver as mãos. E algumas vendem direitos: arquivos licenciados, os acordos no estilo Reddit que valem dezenas de milhões por ano, instituições convertendo décadas de texto acumulado em uma anuidade.
Agora veja como o dinheiro realmente chega. Quase tudo é uma ordem de compra contra uma entrega: um conjunto de dados aceito, um lote de tarefas que passou no controle de qualidade, um ambiente entregue. Nada renova por padrão. Os números de manchete que você lê são anualizados, geralmente o melhor mês multiplicado por 12, em um negócio onde um laboratório pode dobrar ou zerar seus pedidos dentro de um trimestre. E todos internamente sabem que o valor bruto não é o líquido. Os marketplaces repassam 60-70% do faturamento para os especialistas que fazem o trabalho. A exceção é estrutural, e empresas que executam suas entregas de regiões de custo mais baixo ficam com 70-80%+ de cada dólar, e é por isso que alguns dos nomes mais lucrativos nesse mercado são aqueles que as listas de valuation mal acompanham. Os laboratórios não se importam onde o julgamento foi fabricado, pelo menos por enquanto. O P&L do fornecedor, com certeza, se importa.
Os gigantes acidentais
Quase ninguém no topo desse mercado começou com a intenção de construí-lo.
A Mercor começou como um marketplace conectando engenheiros freelancers a empresas, com um entrevistador de IA fazendo a triagem. A Micro1 começou do mesmo jeito, com uma recrutadora de IA chamada Zara. A Turing passou anos como um marketplace de desenvolvedores remotos. A Handshake passou uma década como uma rede de recrutamento universitário e pivotou depois de notar que os laboratórios estavam roubando anotadores com doutorado de sua própria base de membros. Parou de alugar sua rede e começou a vender o trabalho em si, e foi de 0 a aproximadamente US$ 1 bilhão em receita bruta anualizada em cerca de 16 meses. Até a Scale começou como uma API para o Mechanical Turk antes de encontrar os carros autônomos.
O padrão te diz qual é o verdadeiro produto. Essas empresas não venceram porque entendiam de dados. Elas venceram porque já tinham construído máquinas para verificar estranhos em escala: quem é realmente médico, qual engenheiro realmente sabe programar, em quem se pode confiar sem conhecer. Quando os laboratórios de repente precisaram de especialistas verificados aos milhares, as empresas de recrutamento eram as únicas com a oferta. Os dados nunca foram o produto. Julgamento verificado era, e os veteranos do julgamento verificado eram plataformas de emprego.
Por que os laboratórios continuam pagando
A razão pela qual os laboratórios assinam ordens de compra de 9 dígitos é uma guerra da qual não podem sair. Quase pareceu que a Anthropic estava à frente por um tempo, mas as últimas duas semanas nivelaram o campo de jogo em grande parte. Nenhum laboratório mantém uma vantagem de capacidade duradoura. Ninguém fica com a coroa por uma temporada completa, modelos abertos ficam a meses de distância da fronteira, e cada nível de preço continua desabando. Eles estão numa esteira. Os fornecedores de dados vendem o que é necessário para alimentar essa esteira. A receita deles não exige escolher um vencedor. É um imposto sobre ninguém vencer.
Alex Karp passou este mês acusando o Vale do Silício de superestimar a IA, dizendo ao público para não acreditar em seus próprios olhos. As ordens de compra concordam com ele. Se os modelos estivessem quase prontos, os laboratórios não estariam pagando tanto pelo julgamento humano. Cada fatura nessa indústria é uma confissão sobre o que os modelos ainda não conseguem fazer.
Mas a mesma esteira continua executando seus próprios fornecedores. Em 2023, o produto eram trabalhadores de multidão avaliando respostas. Quando os modelos superaram os avaliadores, as avaliações se tornaram ruído, e 2024 pertenceu a especialistas credenciados. Então os modelos de raciocínio aprenderam a se autoavaliar contra respostas verificáveis, e 2025 moveu o dinheiro para ambientes e rubricas. Cada geração de modelos se forma além dos dados que a treinaram. Os degraus abaixo da fronteira continuam se dissolvendo. A fronteira continua pagando.
Conversei com um amigo em um laboratório de fronteira neste fim de semana e perguntei com quantos fornecedores de dados ele trabalha diretamente. Sete, ele disse. Todos os sete têm a tarefa de produzir o mesmo tipo de conjuntos de dados. Escusado será dizer que, daqui a um ano, alguns deles verão essa PO desaparecer. Esse é o mercado inteiro em uma anedota: demanda enorme, oferta deliberadamente duplicada e um comprador que controla o relógio.
O relógio dentro de cada contrato
Pesquisadores da Epoch AI entrevistaram fornecedores e publicaram a tabela de preços - uma réplica simples de site para execuções de treinamento de agente custa cerca de US$ 20 mil, e um laboratório supostamente comprou centenas delas, uma vez, da mesma forma que você compra cones para uma autoescola. Um clone de alta fidelidade de uma ferramenta empresarial com tarefas escritas por especialistas custa entre US$ 200 e US$ 2 mil, e a exclusividade multiplica tudo por 4 a 5 vezes, porque uma tarefa na qual seu rival também treina não te ensina nada sobre como vencê-lo.
Mas aqui está a reviravolta: quando os modelos passam em uma tarefa cerca de 70% das vezes, a tarefa é descartada. O produto se deprecia ao ter sucesso. Isso garante pedidos repetidos, e é por isso que as curvas de receita parecem verticais, e também garante que nada se anuíza por conta própria. Tudo precisa ser reconstruído mais difícil, para sempre. De certa forma, os fornecedores também estão correndo em uma esteira mais fraca, apenas ao lado dos laboratórios de fronteira.
Tenho a sensação de que os fundadores neste espaço estão otimistas sobre o negócio de dados pelos próximos 3-4 anos, pelo menos, e talvez devessem estar, mas os compradores aqui, os laboratórios de fronteira, estão escolhendo trabalhar dos dois lados do balcão. A Anthropic supostamente discutiu gastar mais de US$ 1 bilhão em ambientes em um ano, enquanto trabalhava com mais de uma dúzia de fornecedores e fazia todos se conformarem com suas estruturas, comoditização por meio de aquisição. A OpenAI supostamente registrou uma plataforma de dados interna visando reduzir a dependência dos mesmos fornecedores que enriquece, e pediu a contratados que enviassem artefatos de trabalhos reais passados, a maneira mais educada de dizer "gostaríamos da fonte, não do revendedor". A xAI cortou um terço de sua equipe interna de anotação para cultivar tutores especialistas. Karpathy, otimista sobre ambientes como conceito, é publicamente pessimista sobre a técnica de treinamento que toda a categoria monetiza.
Isso já aconteceu antes, dentro dessa mesma indústria. Entre 2016 e 2021, uma geração de empresas de dados se alimentou de programas de carros autônomos, então as montadoras sobreviventes internalizaram a rotulagem e os fornecedores mais puros foram absorvidos ou fechados. A Scale sobreviveu porque pulou para a onda dos LLMs a tempo. Considere a Appen. Uma empresa australiana, uma queridinha de capital aberto de US$ 4 bilhões que fornecia dados humanos para grandes empresas de tecnologia, com, em seu pico, 80% da receita vinda de cinco clientes. Em janeiro de 2024, o Google cancelou seu contrato sem aviso prévio. A ação caiu mais de 95% daquele pico. Um e-mail de cliente, uma mudança de técnica, e a então líder de toda a categoria se tornou um estudo de caso. A indústria farmacêutica foi pelo outro caminho, nunca trouxe os testes de drogas de volta para dentro, e 40 anos depois, a indústria terceirizada de testes ainda rende juros. Ambos os finais são possíveis aqui. Qual deles você terá é decidido por uma lei.
Mas qual é a lei? O que quer que uma máquina possa verificar, as máquinas eventualmente aprenderão sem você. O que ainda precisa de um humano para dizer "isso é bom" continua pagando humanos. Código pode ser verificado, então foi a primeira vítima, e os laboratórios agora extraem suas próprias tarefas de treinamento de repositórios públicos às dezenas de milhares. Gosto, ambiguidade, julgamento regulado e o mundo físico são os últimos a cair, talvez nunca. Não existe teste unitário para o que um cirurgião sênior vê, e você não pode testar unitariamente uma camisa dobrada. Verificação é a escassez. Venda contra isso e o relógio trabalha a seu favor, não contra você.
O que o dinheiro deve comprar
Nada disso significa que a onda de dados é falsa. O dinheiro é real, o crescimento é real, e a física da esteira garante demanda por lições de casa mais difíceis por anos. Significa que a onda recompensa um formato muito específico de empresa e pune os clones, num nicho onde uma empresa totalmente bootstrapada pode entregar produto e uma equipe de entrega offshore pode undercutar qualquer preço que você cite. Quando o cliente número um de um mercado está construindo seu substituto enquanto paga suas faturas, seu produto não é o fosso. Sua posição é.
Então aqui está a pergunta real, aquela que os fundadores que estão imprimindo esse dinheiro fazem no jantar. Ninguém que administra um negócio que gera US$ 100M-500M em dinheiro de PO nessas margens vai parar. Nem deveria. Aceite cada pedido. Toque a máquina no máximo. O único erro disponível neste estágio é tratar a bonança como o negócio em si, em vez de como o financiamento para o negócio. A receita de PO é um ótimo combustível, mas o que se segue é o cardápio do que ela pode comprar, e uma leitura honesta de cada opção.
Aprofunde-se nos dados, não os amplie. O movimento preguiçoso é horizontal: mais domínios, mais oferta generalista, competindo com 4 gigantes que possuem a confiança. O movimento que rende juros é vertical: escolha um domínio onde a verificação continue difícil, contrate os 200 melhores especialistas dele como seus, e torne-se a única contraparte que os laboratórios procuram para isso. Uma jovem empresa é dona do áudio. Uma é dona do design de chips. Uma é dona da matemática avançada. Novos degraus continuarão a aparecer à medida que os modelos avançam, e os laboratórios gerando seus próprios dados não acaba com essa demanda, a move na curva de dificuldade para cima, em direção a quem quer que domine o topo de um domínio. Funciona quando você realmente possui especialistas escassos. Falha quando seus especialistas são intercambiáveis com uma planilha de um rival.
Vá para o físico e seja dono do ciclo inteiro. O erro nos dados físicos é pensar que as luvas são o negócio. A captura de hardware é a parte barata. As empresas que importarão são as que operam a operação de coleta de ponta a ponta - elas empregam os trabalhadores, constroem os equipamentos, contratam especialistas da indústria internamente que sabem como é uma solda, sutura ou procedimento de bloqueio corretos, codificam como uma indústria realmente opera e vendem o resultado anotado com termos de exclusividade. Os quadrados mais vazios no mapa que consegui criar na minha cabeça são plataformas industriais, refinarias, chãos de fábrica, minas, lugares onde nenhum conjunto de dados existe a qualquer preço, enquanto todos se aglomeram em demos relacionadas a varejo, finanças e saúde. No entanto, isso funciona quando você controla a captura, a qualidade e os direitos, e falha quando você é um intermediário para as câmeras de outras pessoas.
Continue construindo ambientes, mas venda-os subindo na pilha. O nível da réplica de site de US$ 20k já está se comoditizando em hubs de código aberto. O nível durável é de alta fidelidade, avaliado por especialistas, exclusivo, e aponta para 2 compradores, não 1. Laboratórios hoje. Empresas amanhã, e esse segundo comprador muda tudo. Satya Nadella tem dito a todas as empresas que elas pagam pela inteligência duas vezes, uma em dinheiro e outra no julgamento proprietário que vaza através de cada prompt, então elas devem construir suas próprias avaliações e seus próprios ambientes de aprendizado dentro de seus próprios muros. Leia isso como uma especificação de produto. A habilidade exata que você construiu para o trabalho de laboratório - transformar um fluxo de trabalho confuso em um mundo com rubricas e verificadores - se torna academias de treinamento privadas atrás do firewall de um cliente: o processo de sinistros deles, sua mesa de negociação, seu hospital, simulados para que seus agentes possam aprender sem que seu julgamento jamais saia do prédio. Isso multiplica sua base de compradores de 5 para 5.000. Funciona porque usa o mesmo músculo. Falha apenas se você esperar até que as POs do laboratório diminuam antes de construí-lo.
Entre em fluxos de trabalho empresariais com os olhos abertos. Implantar agentes dentro de empresas é trabalho de implantação direta: mapear como as faturas realmente se movem, descobrir que o POP é ficção, sentar com a equipe até que as exceções parem. (Escrevi recentemente um artigo completo sobre isso.) É um destino real, e algumas empresas de dados construirão negócios reais lá. Mas conheça a física antes de comprometer o dinheiro com isso. A receita de dados chega como POs de US$ 25 milhões assinadas em semanas; a receita empresarial chega como pilotos de US$ 500k- US$ 2 milhões assinados em trimestres, e aproximadamente 95% dos pilotos de IA empresarial hoje não mostram retorno mensurável. O movimento funciona como uma unidade separada, com expectativas separadas e sua própria liderança. Falha como um projeto paralelo formado por quem quer que o negócio de dados possa dispensar, porque o músculo é diferente e precisa de paciência, imersão e código de integração, em vez de produtividade.
Compre poder computacional apenas se ele alimentar seu produto. Mais de um fundador neste mercado está se perguntando se o dinheiro deveria se tornar GPUs e uma plataforma de RL hospedada. A resposta honesta é que alugar poder computacional bruto é uma commodity espremida entre hyperscalers e neoclouds, e um tesouro cheio de silício depreciando não é um fosso. A versão que funciona é mais restrita: hospedar os loops de treinamento que rodam dentro de seus próprios ambientes, onde a utilização é sua para garantir e o cliente está comprando o mundo, mais a academia, mais o poder computacional como um produto único. A Prime Intellect já executa esse jogo abertamente. Ela disponibilizou um hub de mais de 2.500 ambientes comunitários e vende o poder computacional e o treinamento hospedado que rodam sobre ele. Os ambientes são a vitrine. As GPUs são o checkout. Isso é uma aposta de venture, não uma decisão de estacionar dinheiro. Se eu fosse um fundador fazendo isso, tomaria a decisão deliberadamente ou não a tomaria.
Adquira o próximo degrau em vez de construí-lo tarde. A alocação de capital mais instrutiva neste mercado até agora é que um gigante usou sua bonança de PO para comprar 2 startups de ambiente em 5 meses, comprando seu caminho para o novo degrau enquanto os concorrentes ainda estavam contratando para ele. Em cerca de 18 meses, o modelo provavelmente posicionará empresas com engenheiros de ambiente reais que adorariam ser adquiridos. Velocidade é a única vantagem aqui. Você está sentado em pilhas de dinheiro - então um fundo de guerra mais um mapa claro de qual degrau vem a seguir supera a velocidade orgânica em um mercado que se reorganiza a cada 18 meses.
Venda para governos. Há uma nova classe de clientes chegando. Governos comprando programas de IA soberanos precisarão de pipelines de dados nacionais, corpus em idiomas nativos, avaliações locais e dados físicos de suas próprias fábricas e campos, pelas mesmas razões que compram suas próprias redes elétricas.
E converta o que puder em receita que renova. POs são como o clima. Parte delas pode ser transformada em clima estável: assinaturas de avaliação em vez de vendas de benchmark únicas, contratos de manutenção de ambiente em vez de construções únicas, retainers de atualização de dados, programas de certificação que faturam anualmente. Nada disso parecerá tão espetacular quanto uma PO de US$ 50 milhões, e essa é a parte complicada: proteger-se com peças menos brilhantes. Porque tudo isso sobrevive ao trimestre quando a PO não chega.
E eu falhei como fundador em saber disso - existem dois erros a evitar. Entrar na pista generalista dos gigantes, onde o prêmio de confiança não pode ser replicado do zero. E uma captação moderada a um múltiplo imoderado, que compra obrigações precificadas como software em economias que não são nada disso, enquanto fecha as duas saídas que realmente existem aqui: permanecer privado e rico, ou tornar-se infraestrutura que alguém deve possuir.
Confiança é o ativo que rende juros
Cada opção naquele cardápio acima passa pelo mesmo portão. Empresas não vão te entregar seu processo de sinistros, laboratórios não vão te entregar as prioridades de treinamento de fronteira, e governos não vão te entregar corpora nacionais a menos que a confiança tenha sido construída deliberadamente, e confiança neste mercado não é uma vibe, é uma pilha de compromissos verificáveis.
As empresas que entendem isso constroem confiança como um produto. Primeiro vem convencer a empresa da qual você está pegando os dados de que você não está tirando nada sensível e que elas não estão cometendo nenhum erro, no que diz respeito à lei, que as colocará em apuros. Certificações de segurança e residência antes que o cliente peça são a norma. Benchmarks públicos são outra forma de máquina de confiança aqui. Por outro lado, os laboratórios que compram esses dados também querem trilhas de proveniência: sessões verificadas por câmera, atestado de credenciais, prova de que um humano específico fez o pensamento, porque o segredo sujo da cadeia de suprimentos são anotadores colando saída de modelo de volta como trabalho humano.
Ajuda ter cláusulas de neutralidade, por exemplo, nenhum laboratório no cap table, nenhum comprador único acima de uma parcela definida da receita, aprendido da maneira mais difícil por todos que viram os clientes de um rival fugirem no dia em que um laboratório comprou metade dele - embora para o time da Scale AI talvez tenha sido um resultado brilhante. Programas de certificação de especialistas ajudam se você conseguir construir uma marca, de modo que "avaliado pela sua rede" comece a significar algo que uma indústria reconhece. Cada um desses é um ativo que rende juros enquanto os formatos de tarefa morrem ou mudam. Quando o formato muda, e vai mudar, aproximadamente a cada 2 anos, a confiança é o que se transfere para o próximo produto.
A 50ª empresa
Scale e Mercor chegaram lá primeiro e chegaram lá enormes, então o que a 50ª empresa deve fazer?
Comece com o que a ascensão da Mercor realmente ensina, porque todos copiam a parte errada. A parte visível é a velocidade. A Scale levou cerca de 4 anos para atingir seu primeiro bilhão. A próxima coorte levou 2. A Mercor levou menos de 20 meses, Micro1 e AfterQuery perto de um ano, e uma startup de ambientes foi de US$ 1 milhão para US$ 63 milhões em 6 meses. Os fundadores leem isso como o mercado ficando mais gentil. É o oposto. Cada degrau é mais íngreme e mais curto, e a mesma aceleração que puxa um recém-chegado para US$ 100 milhões em um ano puxa o degrau debaixo deles com a mesma rapidez. Velocidade é uma propriedade da onda, não do barco - pense nisso e você terá segundas intenções sobre andar naquele barco, porque este jogo não é para todos.
A parte que vale a pena copiar é mais silenciosa. A Mercor construiu seu motor de verificação antes que a demanda existisse, para um negócio completamente diferente, então quando a onda chegou, ela integrou especialistas confiáveis mais rápido que qualquer um. Nunca precisou incorporar engenheiros dentro dos clientes ou executar equipes de serviços; o marketplace continuou sendo a máquina, e quando o próximo degrau apareceu, ela comprou seu caminho até lá em vez de construir por trás. E o líder bootstrapado neste mercado ensina a lição inversa com a mesma moral: ao permanecer lucrativo e nunca vender equity, ele manteve a opção que todos os outros venderam, a opção de dizer não a qualquer cliente, qualquer estrutura de negócio, qualquer trimestre. Em um mercado onde seus clientes são seus futuros concorrentes, a opcionalidade não é um luxo. É para isso que suas margens servem.
Então a 50ª empresa entra onde a escada ainda está sendo construída: um domínio difícil possuído completamente, rubricas e verificadores e ambientes vendidos em vez de horas, benchmarks publicados desde o dia um, a segunda classe de comprador construída antes de ser necessária, história de capital decidida no dia um, bootstrap e mantenha a opção ou levante grande e compre degraus, nunca o meio. E se você não está fundando uma, mas decidindo se deve entrar em uma, faça as mesmas perguntas de dentro: qual dos 6 produtos essa empresa realmente vende, de quem é a confiança que ela detém, em que relógio está seu formato atual, para onde está indo o dinheiro das POs, e quem é o segundo cliente depois dos laboratórios. Uma empresa com boas respostas para essas perguntas vale a pena entrar, porque foguetes geralmente te ensinam coisas em um cronograma comprimido.
Daqui a 5 anos
Qual o propósito de escrever tudo isso se eu não estiver incrivelmente certo ou horrivelmente errado sobre algumas dessas coisas. Então aqui está minha visão de 5 anos.
O mercado bruto cresce por anos. O mecanismo de demanda não pausa enquanto a corrida dos laboratórios permanecer sem solução, e há um teste de estresse programado no calendário: os primeiros IPOs de laboratórios (que estão muito próximos hoje, em julho de 2026), quando os gastos com dados se tornam um item de linha que analistas públicos questionam a cada trimestre. Meu palpite é que a composição gira violentamente por baixo do crescimento. As horas morrem primeiro, e já estão quase mortas. Ambientes genéricos se comoditizam em hubs abertos. O valor se concentra em julgamento de fronteira, verificação e proveniência, árbitros, captura física e academias privadas para empresas, e se eu tivesse que classificar esses, verificação e academias empresariais primeiro, porque ambos se fortalecem à medida que os laboratórios ficam mais fortes; físico em segundo, porque é o único segmento onde a oferta, e não a demanda, é o gargalo. Das mais de 100 empresas vendendo para laboratórios hoje (criei uma lista e desisti no meio quando percebi que a tentativa era fútil porque fica desatualizada no minuto seguinte), espero que menos de 10 ainda estejam independentes e em escala em 2031. A maioria cessará operações com alguns fundadores ricos. O resto será absorvido, pelos gigantes comprando degraus, ou pelos próprios laboratórios, silenciosamente, pelas pessoas.
Os vencedores são legíveis se você observar o que eles já estão fazendo. O líder de qualidade bootstrapado se torna o definidor de padrões, o nome cuja aceitação é em si uma certificação. O gigante aquisitivo se torna uma bolsa onde o trabalho de especialista é precificado, verificado e vendido, seja quem for o comprador, e se os laboratórios forem um dia deslocados como clientes, os empregadores ficam na fila seguinte. Os construtores de ambiente que sobrevivem acordam como a indústria de simulação empresarial. Os árbitros, se permanecerem não possuídos, terminam a década parecendo agências de rating, escritos em regras de aquisição e talvez na lei. E em algum lugar no mundo físico, uma empresa coletando dados industriais com fusão de sensores está rendendo juros em direção a se tornar a Scale da era corporificada, 5 anos antes nessa curva do que todos que se aglomeram na digital.
Um fundador neste mercado argumentou que os dados humanos se tornam um negócio de um trilhão de dólares por ano, e ele acerta na coisa mais profunda: os modelos aprendem com os humanos em todos os estágios, para sempre. O que o trilhão perde é que ele precifica o tempo humano, não o intermediário. A fatia do intermediário é decidida se ele possui algo mais escasso que uma planilha de contratados. A boa notícia para todos que estão construindo aqui é que as coisas escassas são agora conhecidas, e cada uma delas é construível com exatamente o dinheiro que este mercado está gerando: redes de especialistas próprias, trilhos de proveniência, franquias de árbitros, loops fechados no mundo físico.
Todo vale do ouro termina de uma de duas maneiras: o ouro acaba ou os mineradores se industrializam. Este termina de uma terceira maneira. O ouro aprende a minerar a si mesmo. Quando isso acontece, os fornecedores que ainda estarem de pé serão aqueles que venderam à mina a única coisa que ela jamais conseguirá desenterrar: a resposta para a pergunta que todo modelo faz e nenhum consegue responder — o que significa "bom"? Segure essa resposta em um único nicho e você terá uma empresa. Segure-a com credibilidade suficiente, por tempo suficiente, e você deixará de ser um vendedor na corrida de outro alguém. Você se torna parte da forma como a corrida é pontuada.
