Eu conversei com 3 fundadores de empresas diferentes 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. 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 terminar com 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. Sabem que os contratos não são para sempre. O que fazer em uma situação dessas?
O que está sendo vendido de fato
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 amadores podiam ensinar. Algumas vendem mundos: instâncias simuladas do Salesforce, bancos falsos, réplicas de hospitais onde agentes praticam uma função ao longo de milhões de repetições. A unidade aqui é 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, equipes de red team, os árbitros da corrida. Algumas vendem corpos: conjuntos de sensores, luvas tácteis e arneses de câmera em trabalhadores reais, porque robôs precisam observar mãos. E algumas vendem direitos: arquivos licenciados, 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 aprovado no controle de qualidade, um ambiente entregue. Nada é renovado por padrão. Os números de destaque que você lê são anualizados, geralmente o melhor mês multiplicado por 12, em um negócio onde um laboratório pode dobrar ou zerar seus pedidos em um trimestre. E todo mundo sabe que receita bruta não é líquida. Os marketplaces repassam 60-70% do faturamento para os especialistas que fazem o trabalho. A exceção é estrutural: empresas que executam a entrega a partir de regiões de custo mais baixo retêm 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.
Mercor começou como um marketplace conectando engenheiros freelancers a empresas, com um entrevistador de IA fazendo a triagem. Micro1 começou do mesmo jeito, um recrutador de IA chamado Zara. Turing passou anos como um marketplace de desenvolvedores remotos. Handshake passou uma década como uma rede de recrutamento universitário e pivotou depois de perceber que os laboratórios estavam fisgando doutores anotadores da sua própria base de membros. Parou de alugar sua rede e começou a vender o trabalho diretamente, 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 diz qual é o produto de verdade. Essas empresas não venceram porque entendiam de dados. Venceram porque já tinham construído máquinas para verificar estranhos em escala - quem é realmente médico, qual engenheiro sabe programar de verdade, 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 que detinham a oferta. Os dados nunca foram o produto. Julgamento verificado era - e os incumbentes 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. Por um tempo parecia que a Anthropic estava à frente, mas as últimas duas semanas nivelaram o campo de jogo. Nenhum laboratório mantém uma vantagem de capacidade duradoura. Ninguém fica com a coroa por uma temporada inteira, os modelos abertos ficam a meses de distância da fronteira, e cada escalão 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 nos seus próprios olhos. As ordens de compra concordam com ele. Se os modelos estivessem quase prontos, os laboratórios não estariam pagando tanto por 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 crowdsourcing 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.
Falei 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 conjunto de dados. Nem preciso dizer que daqui a um ano, alguns deles verão essa ordem de compra 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 treinamento de agentes custa cerca de US$ 20 mil, e um laboratório supostamente comprou centenas delas, uma vez, do mesmo jeito que você compra cones para uma autoescola. Um clone de alta fidelidade de uma ferramenta empresarial com tarefas escritas por especialistas custa . Tarefas individuais custam entre US$ 200 e US$ 2 mil, e exclusividade multiplica tudo por 4-5x, porque uma tarefa na qual seu rival também treina não te ensina nada sobre como vencê-lo.
Mas aqui está a reviravolta: assim que 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, que é por 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, só que ao lado dos laboratórios de fronteira.
Tenho a sensação de que os fundadores nesse espaço estão otimistas sobre o negócio de dados pelos próximos 3-4 anos pelo menos, e talvez devam 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 trabalha com mais de uma dúzia de fornecedores e fazendo todos se conformarem com seus frameworks - comoditização por 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 "nós gostaríamos da fonte, não do revendedor". A xAI cortou um terço de sua equipe interna de anotação para aumentar 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 trouxeram a rotulagem para dentro 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, que já foi uma queridinha de US$ 4 bilhões na bolsa, fornecendo dados humanos para as grandes empresas de tecnologia, com, no seu pico, 80% da receita vindo de cinco clientes. Em janeiro de 2024, o Google cancelou seu contrato sem aviso. As ações caíram mais de 95% daquele pico. Um e-mail de cliente, uma mudança de técnica, e a incumbente de toda a categoria se tornou um estudo de caso. A farmacêutica foi para o outro lado, nunca trouxe os testes de drogas de volta para dentro, e 40 anos depois a indústria terceirizada de testes ainda está crescendo. 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 acabarão aprendendo sem você. O que ainda precisar de um humano para dizer "isso é bom" continuará pagando humanos. Código pode ser verificado, então foi a primeira baixa, e os laboratórios agora mineram suas próprias tarefas de treinamento de repositórios públicos às dezenas de milhares. Gosto, ambiguidade, julgamento regulado e o mundo físico caem por último, 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 ela e o relógio trabalha a seu favor, não contra você.
O que o dinheiro deveria 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 trabalhos de casa mais difíceis por anos. Significa que a onda recompensa um formato muito específico de empresa, e pune os clones, em um nicho onde uma empresa totalmente bootstrapped pode entregar produto e uma equipe de entrega offshore pode undercut qualquer preço que você cote. Quando o cliente número um do 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 imprimindo esse dinheiro fazem durante o jantar. Ninguém que administra um negócio que gera US$ 100-500 milhões em dinheiro de ordens de compra nessas margens vai parar. Nem deveriam. Aceite cada pedido. Toque a máquina a todo vapor. O único erro disponível nesse estágio é tratar a bonança como o negócio em si, em vez de como o financiamento para o negócio. A receita de ordens de compra é um ótimo combustível, mas o que vem a seguir é o menu do que ela pode comprar, e uma leitura honesta de cada opção.
Aprofunde-se nos dados, não na amplitude. O movimento preguiçoso é horizontal — mais domínios, mais oferta generalista, competindo com 4 gigantes que possuem a confiança. O movimento que rende juros compostos é vertical — escolha um domínio onde a verificação continua difícil, contrate os 200 melhores especialistas dele como seus, e torne-se a única contraparte que os laboratórios chamam para isso. Uma empresa jovem domina áudio. Uma domina design de chips. Uma domina matemática avançada. Novos degraus continuarão aparecendo à medida que os modelos avançam, e os laboratórios gerando seus próprios dados não acaba com essa demanda — move-a para cima na curva de dificuldade em direção a quem detém 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 possua o loop 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 operam a operação de coleta de ponta a ponta — empregam os trabalhadores, constroem os equipamentos, contratam especialistas da indústria internos que sabem como é uma solda, sutura ou procedimento de bloqueio corretos, codificam como uma indústria realmente opera, e vendem o exaustivo anotado com termos de exclusividade. Os quadrados mais vazios no mapa que consegui criar na minha cabeça são equipamentos industriais, refinarias, chãos de fábrica, minas — lugares onde nenhum conjunto de dados existe a qualquer preço, enquanto todos se aglomeram em demonstrações relacionadas a varejo, finanças e saúde. No entanto, isso funciona quando você controla captura, qualidade e direitos, e falha quando você é um intermediário para as câmeras de outras pessoas.
Continue construindo ambientes, mas venda-os acima na pilha. O nível de réplica de site de US$ 20 mil 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 por 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 por trás do firewall de um cliente: o processo de sinistros deles, a mesa de negociação deles, o hospital deles, simulados para que seus agentes possam aprender sem que seu julgamento jamais saia do prédio. Isso multiplica sua contagem de compradores de 5 para 5.000. Funciona porque usa o mesmo músculo. Falha apenas se você esperar até que as ordens de compra dos laboratórios diminuam antes de construí-lo.
Entre em fluxos de trabalho empresariais com os olhos abertos. Implantar agentes dentro de empresas é trabalho de implantação avançada — mapear como as faturas realmente se movem, descobrir que o SOP 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 ordens de compra de US$ 25 milhões assinadas em semanas; a receita empresarial chega como pilotos de US$ 500 mil a 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 conduzido por quem o negócio de dados pode dispensar, porque o músculo é diferente e precisa de paciência, imersão e código de cola, em vez de capacidade de processamento.
Compre poder computacional apenas se ele alimentar seu produto. Mais de um fundador nesse mercado está 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 dos 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 só. A Prime Intellect já executa esse jogo abertamente. Doou 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 nesse mercado até agora é que um gigante usou sua bonança de ordens de compra para comprar 2 startups de ambientes 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 cofrinho de guerra mais um mapa claro de qual degrau vem a seguir vence a velocidade orgânica em um mercado que se reestrutura 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, corpora em idioma nativo, 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 se renova. Ordens de compra são como clima. Parte disso pode ser transformado em clima permanente — assinaturas de avaliação em vez de vendas únicas de benchmarks, contratos de manutenção de ambiente em vez de construções únicas, retentores de atualização de dados, programas de certificação que faturam anualmente. Nada disso parecerá tão espetacular quanto uma ordem de compra de US$ 50 milhões — e essa é a parte complicada: proteger-se com peças menos brilhantes. Porque tudo isso sobrevive ao trimestre quando a ordem de compra não chega.
E eu falhei como fundador ao saber disso — há dois erros a evitar. Entrar na pista generalista dos gigantes, onde o prêmio de confiança não pode ser replicado do zero. E um aumento moderado com 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 se tornar infraestrutura que alguém deve possuir.
Confiança é o ativo que rende juros compostos
Cada opção naquele menu acima passa pelo mesmo portão. Empresas não vão te entregar seu processo de sinistros, laboratórios não vão te entregar prioridades de treinamento de fronteira, e governos não vão te entregar corpora nacionais a menos que a confiança tenha sido construída deliberadamente, e confiança nesse 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 de quem você está pegando os dados de que você não está tirando nada sensível e que elas não estão cometendo nenhum erro legal que as colocará em apuros. Certificações de segurança e residência antes que o cliente pergunte são a norma. Benchmarks públicos são outra forma de máquina de confiança aqui. Do outro lado, os laboratórios comprando 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 é 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 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 compostos enquanto os formatos de tarefa morrem ou mudam. Quando o formato mudar, 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 enormes, então o que a 50ª empresa deveria fazer?
Comece com o que a ascensão da Mercor realmente ensina, porque todo mundo copia a parte errada. A parte visível é velocidade. A Scale levou cerca de 4 anos para atingir seu primeiro . A próxima coorte levou 2. A Mercor levou menos de 20 meses, a Micro1 e a AfterQuery perto de um ano, e uma startup de ambientes foi de US$ 1 milhão a US$ 63 milhões em 6 meses. Fundadores leem isso como o mercado ficando mais amigável. É o oposto. Cada degrau é mais íngreme e mais curto, e a mesma aceleração que puxa um recém-chegado a 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 esse 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 de 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 bootstrapped nesse 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, opcionalidade não é um luxo. É o que suas margens estão comprando.
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 primeiro dia, a segunda classe de compradores construída antes de ser necessária, história de capital decidida no primeiro dia: 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 ordens de compra, e quem é o segundo cliente depois dos laboratórios. Uma empresa com boas respostas para essas vale a pena entrar, porque andar em foguetes geralmente te ensina coisas em um cronograma comprimido.
Daqui a 5 anos
Qual é o sentido 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 agendado 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 sob o crescimento. 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, verificação e academias empresariais primeiro, porque ambas se fortalecem à medida que os laboratórios se fortalecem; física 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 inútil 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 bootstrapped se torna o definidor de padrão, o nome cuja aceitação é por si só 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 algum dia forem deslocados como clientes, os empregadores ficam na fila seguinte. Os construtores de ambiente que sobreviverem acordam como a indústria de simulação empresarial. Os árbitros, se permanecerem independentes, terminam a década parecendo agências de classificação de risco, 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 se acumulando para ser a Scale da era incorporada, 5 anos antes nessa curva do que todos os que se aglomeram na curva digital.
Um fundador nesse mercado argumentou que os dados humanos se tornam um negócio de trilhão de dólares por ano, e ele acerta na parte mais profunda: os modelos aprendem com 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 por 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 agora são conhecidas, e cada uma delas é construível exatamente com o dinheiro que esse mercado está gerando — redes de especialistas próprias, trilhos de proveniência, franquias de árbitros, loops fechados no mundo físico.
Toda corrida do ouro termina de uma de duas maneiras: o ouro acaba ou os mineradores se industrializam. Esta termina de uma terceira forma. O ouro aprende a minerar a si mesmo. Quando isso acontece, os fornecedores que restarão 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 é "bom"? Segure essa resposta em um único domínio restrito e você terá uma empresa. Segure-a com credibilidade suficiente, por tempo suficiente, e você deixará de ser um fornecedor na corrida de outro. Você se torna parte de como a corrida é pontuada.
