Firm Valuation When AI Shapes the Business Model: A Milestone-Based Real-Options Framework for the AI Valuation Uncertainty Problem

Avaliar uma empresa é tradicionalmente uma questão de olhar para o seu passado para prever o seu futuro. Se um negócio tem um longo histórico de vender produtos, pagar contas e obter lucro, os especialistas podem usar esses números para estimar quanto a empresa valerá amanhã. Eles calculam o dinheiro que a empresa provavelmente ganhará nos próximos anos e ajustam esse valor para contabilizar o risco de que as coisas corram mal. Este método funciona bem para negócios estáveis, como uma padaria que está aberta há vinte anos ou uma fábrica que está a funcionar sem problemas há décadas. No entanto, as regras mudam completamente quando uma empresa é construída em torno da inteligência artificial. Estas empresas muitas vezes não têm um histórico de lucros, os seus modelos de negócio estão a ser reescritos em tempo real e o seu valor depende inteiramente de conseguirem atingir com sucesso uma série de objetivos futuros difíceis. Quando uma empresa está a tentar construir algo que nunca existiu antes, as ferramentas antigas para medir o valor falham frequentemente porque não conseguem ver os riscos e oportunidades específicos escondidos dentro do plano.

Um novo estudo do Instituto Swissi para IA e da Universidade de Ciências Aplicadas de Nürtingen-Geislingen propõe uma forma diferente de olhar para estas empresas. Os investigadores argumentam que os métodos padrão são demasiado vagos quando aplicados à inteligência artificial porque comprimem todas as incertezas complexas num único número opaco. Em vez de adivinhar uma taxa de crescimento geral, a equipa desenvolveu um protocolo estruturado que decompõe o valor de uma empresa numa série de passos específicos e verificáveis. Eles tratam a jornada de integração da inteligência artificial não como uma linha suave, mas como um caminho com portões. Em cada portão, a empresa deve provar que consegue fazer algo específico — como fazer um novo sistema de software funcionar, passar numa verificação regulatória ou encontrar o seu primeiro cliente pagante. Se a empresa passar pelo portão, avança e o seu valor aumenta. Se falhar, o caminho termina e o valor potencial desaparece. Ao mapear estes portões e atribuir uma probabilidade de sucesso realista a cada um, os investigadores criaram uma forma de ver exatamente de onde vem o valor e onde reside o risco.

O cerne desta nova abordagem é uma ideia simples mas poderosa: nem todas as empresas que utilizam inteligência artificial são iguais. Os investigadores criaram um sistema de classificação que separa as empresas em dois grupos principais. O primeiro grupo consiste em empresas que utilizam a inteligência artificial como uma ferramenta para melhorar o seu trabalho existente, como um banco que utiliza um programa de computador para verificar pontuações de crédito mais rapidamente. O segundo grupo consiste em empresas cujo produto é a própria inteligência artificial, como uma firma que constrói um novo tipo de software inteligente para vender a outros. Dentro do primeiro grupo, os investigadores dividiram ainda mais as empresas com base na profundidade com que integraram a tecnologia. Algumas utilizam-na apenas um pouco, como adicionar um chatbot a um website, enquanto outras reconstruíram todas as suas operações em torno dela. O estudo descobriu que, quanto mais profunda é a integração, mais o valor da empresa depende de possibilidades futuras em vez de lucros atuais. Uma empresa que apenas mergulhou os pés na inteligência artificial tem um valor previsível baseado nas suas vendas atuais. Mas uma empresa que reconstruiu totalmente o seu negócio em torno da tecnologia é essencialmente uma coleção de opções futuras, onde o verdadeiro valor reside no que ela poderá ser capaz de fazer a seguir.

Para determinar a probabilidade de uma empresa ter sucesso em cada etapa, os investigadores introduziram um método que substitui a adivinhação por uma conversa estruturada entre especialistas. Eles pediram a um painel de pessoas, incluindo os próprios líderes da empresa e especialistas externos, que comparassem diferentes fatores que determinam o sucesso. Estes fatores incluíam se a tecnologia realmente funciona, se a empresa tem as pessoas certas para a gerir e se as regulamentações governamentais permitirão que ela prossiga. Ao fazer com que estes especialistas comparassem os fatores entre si, aos pares, o sistema gera uma pontuação que reflete o quão preparada a empresa está para passar para a fase seguinte. Esta pontuação é então calibrada com dados do mundo real de projetos tecnológicos semelhantes para a transformar numa probabilidade específica. Este processo garante que a avaliação final não seja apenas uma opinião, mas um cálculo transparente onde cada número pode ser rastreado até a uma suposição específica. Se dois especialistas discordarem sobre o valor de uma empresa, podem agora identificar exatamente onde reside a sua discordância: é sobre a probabilidade de passar num teste específico, ou sobre a quantidade de dinheiro que esse teste gerará?

Os investigadores testaram o seu novo modelo numa startup suíça real que constrói software para gerir carteiras de energia. Esta empresa, que vende o seu produto de inteligência artificial diretamente aos clientes, estava em fases iniciais de desenvolvimento, sem histórico de receita, no momento do estudo. Usando os métodos antigos, avaliar tal empresa teria exigido um palpite grande e não explicado sobre o seu crescimento futuro. Usando o novo modelo, os investigadores mapearam quatro marcos principais que a empresa precisava de atingir nos próximos dois anos. Estes marcos incluíam estabilizar o sistema para testes iniciais, garantir clientes piloto pagos, gerar a sua primeira receita recorrente e, finalmente, provar que poderia vender o produto a muitos clientes ao mesmo tempo. Ao calcular o valor de cada etapa e a probabilidade de a atingir, chegaram a um valor total da empresa de 100 milhões de francos suíços. Este número coincidiu com a estimativa interna da própria empresa, mas o novo método revelou algo crucial: mais de metade desse valor dependia inteiramente do marco final, que era o mais difícil de alcançar.

Esta descoberta destaca uma mudança importante na forma como o risco é compreendido no setor da inteligência artificial. O estudo mostra que, para empresas que vendem a sua própria inteligência artificial, o risco não está distribuído uniformemente pela jornada. Em vez disso, o risco concentra-se fortemente nas fases posteriores. As etapas iniciais, como construir um protótipo funcional, são relativamente seguras e têm probabilidade de sucesso. Mas as etapas posteriores, que envolvem provar que o mercado quer o produto e que a empresa pode escalar, carregam a maior incerteza. O modelo torna isto claro ao mostrar que, se o marco final falhar, a empresa perde aproximadamente metade do seu valor total. Isto é diferente das empresas tradicionais, onde o risco é frequentemente distribuído de forma mais uniforme. O novo método também contabiliza os custos que outras ferramentas de avaliação costumam esconder. Ele separa o dinheiro gasto na construção da tecnologia do dinheiro gasto no cumprimento de leis e regulamentos, garantindo que estes custos sejam contados claramente em vez de serem enterrados numa estimativa geral.

O estudo também aborda um problema comum na forma como as empresas reportam as suas finanças. Em muitos países europeus, as regras de contabilidade exigem que as empresas tratem o dinheiro gasto no desenvolvimento de novas tecnologias como uma despesa, o que faz com que a empresa pareça estar a perder dinheiro no papel. Em outros lugares, as empresas podem registar este gasto como um ativo, fazendo-as parecer mais valiosas. Esta diferença nas regras de contabilidade pode fazer com que duas empresas idênticas pareçam completamente diferentes para os investidores. O novo modelo evita esta confusão ao olhar para a realidade económica real do negócio, em vez de olhar para os rótulos contabilísticos. Ele trata o dinheiro gasto no desenvolvimento como um custo real, independentemente de como é registado nos livros, permitindo uma comparação justa entre empresas em diferentes países ou sob diferentes regras. Esta abordagem garante que a avaliação refllete o verdadeiro potencial do negócio, não apenas a forma como ele é escrito num livro de contabilidade.

Embora o estudo forneça uma forma clara e lógica de avaliar estas empresas, os autores são cuidadosos ao notar que isto é uma demonstração de um novo método, não uma prova final de que é perfeito. Eles testaram o modelo numa única empresa com informações muito claras, o que torna mais fácil aplicar o método. Eles reconhecem que as situações do mundo real podem ser mais complexas, com empresas que têm níveis mistos de integração tecnológica ou dados menos claros. Os investigadores sugerem que o próximo passo é testar este método em muitas empresas diferentes para ver se funciona tão bem na prática como funciona na teoria. Eles também apontam que as regras para a inteligência artificial estão a mudar rapidamente, e o modelo precisará de se adaptar à medida que novas leis forem aprovadas. No entanto, a ideia central permanece sólida: ao decompor a jornada complexa da inteligência artificial em passos menores e mensuráveis, podemos deixar de adivinhar e começar a compreender exatamente o que impulsiona o valor destas empresas modernas.

As implicações deste trabalho estendem-se para além do simples cálculo de um número. Elas mudam a conversa entre investidores e fundadores. Em vez de discutirem um valor único e vago, eles podem agora discutir os passos específicos que uma empresa precisa de dar para ter sucesso. Se um investidor considera que uma empresa é demasiado arriscada, pode apontar para um marco específico que acredita que dificilmente será alcançado. Se um fundador considera que a sua empresa está subvalorizada, pode mostrar como o seu plano para atingir o próximo portão é mais sólido do que o investidor imagina. Esta transparência ajuda ambos os lados a compreender a verdadeira natureza do risco e da oportunidade. Também ajuda reguladores e decisores políticos a ver onde estão os verdadeiros estrangulamentos. Ao identificar quais os passos que são mais difíceis e onde é criado o maior valor, o modelo pode guiar decisões sobre onde investir recursos e como apoiar o crescimento destas novas tecnologias.

Em última análise, esta investigação oferece uma forma de trazer clareza a um campo que tem sido frequentemente envolto em mistério. Durante décadas, avaliar uma empresa foi uma mistura de arte e ciência, dependendo da experiência e da intuição. Com a ascensão da inteligência artificial, a antiga intuição já não é suficiente porque as regras do jogo mudaram. O novo modelo fornece um mapa para navegar neste novo terreno. Não promete prever o futuro com certeza, mas promete tornar as incertezas visíveis. Ao mostrar exatamente onde residem os riscos e o que é necessário para os superar, permite que todos os envolvidos tomem melhores decisões. Quer seja um investidor à procura da próxima grande coisa, um fundador a tentar construir uma nova empresa ou um decisor político a tentar compreender a economia, esta abordagem oferece uma forma de ver a estrutura real do valor na era da inteligência artificial. Ela transforma uma caixa negra numa série de passos claros e compreensíveis, tornando o futuro dos negócios um pouco menos opaco e um pouco mais conhecido.