Wrapper de ChatGPT não é empresa AI-native
Chave de API, system prompt e uma janela de chat não são fundação. O que separa um thin wrapper de uma empresa AI-native, com dados, evals e loops de feed
A diferença entre colar um chat em cima do produto e arquitetar a empresa em torno do modelo. O que separa um thin wrapper de uma empresa AI-native, e o teste que aplicamos antes de escrever a primeira linha de código.
Um wrapper de ChatGPT é um produto que repassa chamadas de API para o modelo de terceiros e coloca pouco mais que uma interface em cima disso; uma empresa AI-native é aquela cuja arquitetura, dados proprietários, avaliação e loops de feedback foram desenhados em torno do modelo, o chat, quando existe, é só a superfície.
Em resumo
- No Vale do Silício, a categoria tem nome: thin wrapper, um produto que repassa chamadas de API a um modelo de terceiros com pouco mais que uma interface por cima.
- A stack completa de um wrapper cabe em uma linha: chave de API, system prompt, janela de chat e um contrato de tratamento de dados em PDF, um estagiário competente monta isso em um fim de semana.
- Cerca de 90% dos wrappers de IA lançados no Product Hunt nos últimos dois anos atingiram o pico e pararam discretamente de receber commits.
- Granola, Cursor e Perplexity começaram como algo próximo de um wrapper, o que separou os 10% que sobreviveram não foi código melhor, foi ter validado antes de construir.
O chat é a interface. Não é a fundação.
Um wrapper de ChatGPT não é uma empresa AI-native porque nada do que dá valor à empresa pertence a você. No Vale do Silício, essa categoria já tem nome: **thin wrapper**, um produto que repassa chamadas de API para o modelo de terceiros e não coloca muito mais em cima disso do que uma interface. A tecnologia completa cabe em uma linha: uma chave de API, um system prompt, uma janela de chat e um contrato de processamento de dados em PDF. Um estagiário competente monta isso em um fim de semana.
Empresa AI-native é o contrário disso. É quando a arquitetura, o modelo de dados, a camada de avaliação e os loops de feedback foram desenhados **em torno** do modelo, não colados depois. A pergunta que separa os dois casos não é "vocês usam IA?". É: se o provedor do modelo lançar amanhã, de graça, exatamente a sua funcionalidade, o que sobra da sua empresa? Se a resposta for "o front-end", você tem um wrapper. Se a resposta for "os dados, o workflow, a avaliação e a confiança do cliente", você tem uma empresa.
Anatomia de um wrapper
Abrir a caixa é mais rápido do que discutir. O que tem dentro de um wrapper típico:
O mercado deixa isso ainda mais explícito: existem starter kits comerciais vendendo 12 apps demo de IA prontos (texto, imagem, áudio, voz, visão, chat) sobre Next.js com autenticação, banco, pagamentos e integração com OpenAI, Anthropic, Replicate e Groq, para "construir sua startup de IA em horas". Quando a construção vira commodity de fim de semana, a construção deixa de ser a vantagem.
Um sinal de alerta prático: **a ordem dos argumentos de venda**. Quando conformidade é a primeira coisa que um fornecedor diz sobre o produto, vale examinar o resto com cuidado, um restaurante que anuncia o certificado da vigilância sanitária em vez da própria cozinha já disse algo sobre a cozinha.
- **Chave de API** para o modelo de outra empresa.
- **System prompt**, a única "propriedade intelectual" que muitos exibem.
- **Janela de chat**: histórico à esquerda, campo de entrada à direita, logo no topo. Quem viu três demos conhece todas.
- **Um PDF de conformidade** para tranquilizar o jurídico.
O que os números mostram
Não é opinião de investidor. É padrão documentado.
A piada "mais um GPT-for-X" se escreve sozinha. Mas ela erra metade da história: os 10% que sobreviveram não tinham código melhor, modelos maiores nem prompts superiores. Tinham uma coisa em comum, **validaram antes de construir**.
- Cerca de **90% dos wrappers de IA** lançados no Product Hunt nos últimos dois anos entregaram, atingiram o pico e pararam discretamente de receber commits.
- Portais de comparação já listam **mais de 1.600 ferramentas de IA avaliadas**, e levantamentos de mercado somam meia dúzia de novas "plataformas de IA" a cada atualização.
Três pressões estruturais contra o wrapper
A categoria não morre por incompetência. Morre por física de mercado:
Repare: nenhuma das três se resolve escrevendo mais código. Resolvem-se com posicionamento, dados e profundidade de workflow.
- **O moat do modelo é de outra pessoa.** Os provedores de modelos de fundação têm interesse direto em absorver as categorias de wrapper mais populares dentro do próprio produto principal, a leitura de quais empresas farão isso, e quando, é nossa e não da fonte.
- **Se é genérico o bastante para ser útil a todo mundo**, é exatamente o tipo de coisa que os provedores de modelo tendem a lançar como feature gratuita mais cedo do que o fundador gostaria.
- **A distribuição está saturada.** A superfície do "wrapper fino em volta de um LLM" já foi tão explorada que ser indiferenciado nessa categoria virou suicídio econômico.
Wrapper não é xingamento. É estágio.
Não confunda crítica de categoria com sentença de morte. **Granola, Cursor e Perplexity começaram como algo próximo de um wrapper**. O problema nunca foi começar fino. O problema é continuar fino.
A transição de wrapper para empresa AI-native acontece quando cada mês de operação deixa um resíduo que o concorrente não consegue comprar:
É isso que queremos dizer com **build to compound**: cada semana precisa deixar um ativo que a próxima semana usa.
- **Dados proprietários do workflow**, não o dado público, mas o que só existe porque seu produto está no meio da operação do cliente. É a lógica dos efeitos de rede de dados em IA vertical.
- **Camada de avaliação própria**: como você sabe que a saída está certa neste domínio? Sem eval, você não tem produto, tem sorte.
- **Loops de feedback** que corrigem o comportamento do sistema com o uso real, não com um prompt maior.
- **Orquestração e roteamento entre modelos**, para que trocar de fornecedor seja uma decisão de custo, não uma refundação.
- **Economia unitária consciente**: engenharia sobre o modelo tem custo. Um exemplo público, vale registrar que é material publicado pelo próprio fornecedor da solução, portanto de peso baixo como evidência, descreve um wrapper de API que criptografa termos sensíveis antes do envio e observa que o **consumo de tokens aumenta** proporcionalmente à criptografia. O ponto geral se sustenta sem depender desse caso: toda camada adicional tem preço, e camada com preço também é camada difícil de copiar. Se essa conta entra em COGS ou em OpEx é outra discussão, tratamos dela em custo de inferência é COGS ou OpEx?.
O teste que aplicamos antes da primeira linha de código
Nosso viés é operacional: validar antes de construir é o único ponto em comum dos sobreviventes. Na prática, quatro perguntas, e nenhuma exige um modelo próprio para ser respondida:
Se as quatro respostas forem fracas, o problema não é o modelo. É a tese.
- **Teste da feature gratuita.** Se o provedor do modelo lançar isso de graça dentro do produto principal, o que ainda faz o cliente pagar?
- **Teste do resíduo.** Depois de seis meses rodando, que dado, avaliação ou integração ficou na empresa?
- **Teste do fim de semana.** Um time competente reconstrói isso em dois dias? Se sim, sua vantagem não está no software.
- **Teste da primeira frase.** Quando você descreve o produto, a primeira coisa que sai da sua boca é a IA ou é o problema do cliente?
Como isso se traduz no Brasil
O padrão global chega aqui com atraso e com uma vantagem. O atraso: o Brasil está vivendo agora a fase de "toda empresa quer IA imediatamente" que produziu a enxurrada de wrappers lá fora. A vantagem: quem constrói agora já tem o mapa de como essa história termina.
Setores regulados e operacionalmente densos, jurídico, saúde, seguros, serviços financeiros, logística, são onde o wrapper fino falha mais rápido e onde arquitetura de verdade compõe mais rápido. Regulação local, dado em português, processo próprio de cada operação e integração com sistemas legados não cabem em um system prompt.
É por isso que co-fundamos em vez de só investir. On the ground, desde o dia zero: decidir a arquitetura, montar a camada de avaliação e definir qual dado a empresa vai acumular são decisões de fundação, não de roadmap. Essa é a diferença prática entre um venture builder e um fundo tradicional, que explicamos em venture studio de IA vs. venture studio tradicional. Wrapper é o que se faz num fim de semana. Empresa AI-native é o que se decide na primeira semana.
Perguntas frequentes
### É IA ou AI?
Em português, o correto é **IA** (Inteligência Artificial). **AI** é a sigla em inglês (Artificial Intelligence). No nosso vocabulário, mantemos o termo composto "AI-native" em inglês porque ele descreve uma categoria de empresa consolidada no mercado global, e não a tecnologia em si, mas quando falamos da tecnologia, falamos de IA.
### O que é um wrapper de ChatGPT, exatamente?
É um produto que repassa chamadas de API para o modelo de outra empresa e coloca pouco mais que uma interface por cima. A stack completa costuma ser: uma chave de API, um system prompt, uma janela de chat e um contrato de tratamento de dados em PDF, algo que um profissional competente monta em um fim de semana.
### É possível criar uma IA própria?
Treinar um modelo de fundação do zero é caro e raramente é o caminho certo para uma startup. Mas "IA própria" não significa modelo próprio: significa dados proprietários, camada de avaliação, orquestração entre modelos e loops de feedback que só existem porque seu produto está dentro do workflow do cliente. É exatamente essa camada que os provedores de modelo não conseguem lançar como feature gratuita.
### Todo wrapper está condenado?
Não. Cerca de 90% dos wrappers lançados no Product Hunt nos últimos dois anos pararam de receber commits, mas Granola, Cursor e Perplexity começaram como algo próximo de um wrapper. Começar fino é aceitável; continuar fino é o que mata.
### Como saber se minha startup é AI-native de verdade?
Aplique o teste da feature gratuita: se o provedor do modelo lançar sua funcionalidade sem custo dentro do produto principal, o que tende a acontecer com categorias genéricas e populares -, o que ainda faz o cliente pagar? Se a resposta for só a interface, você tem um wrapper. Se for dados, avaliação, workflow e integração, você tem uma empresa.
Fontes
Perguntas frequentes
- É IA ou AI?
- Em português, o correto é **IA** (Inteligência Artificial). **AI** é a sigla em inglês (Artificial Intelligence). No nosso vocabulário, mantemos o termo composto "AI-native" em inglês porque ele descreve uma categoria de empresa consolidada no mercado global, e não a tecnologia em si, mas quando falamos da tecnologia, falamos de IA.
- O que é um wrapper de ChatGPT, exatamente?
- É um produto que repassa chamadas de API para o modelo de outra empresa e coloca pouco mais que uma interface por cima. A stack completa costuma ser: uma chave de API, um system prompt, uma janela de chat e um contrato de tratamento de dados em PDF, algo que um profissional competente monta em um fim de semana.
- É possível criar uma IA própria?
- Treinar um modelo de fundação do zero é caro e raramente é o caminho certo para uma startup. Mas "IA própria" não significa modelo próprio: significa dados proprietários, camada de avaliação, orquestração entre modelos e loops de feedback que só existem porque seu produto está dentro do workflow do cliente. É exatamente essa camada que os provedores de modelo não conseguem lançar como feature gratuita.
- Todo wrapper está condenado?
- Não. Cerca de 90% dos wrappers lançados no Product Hunt nos últimos dois anos pararam de receber commits, mas Granola, Cursor e Perplexity começaram como algo próximo de um wrapper. Começar fino é aceitável; continuar fino é o que mata.
- Como saber se minha startup é AI-native de verdade?
- Aplique o teste da feature gratuita: se o provedor do modelo lançar sua funcionalidade sem custo dentro do produto principal, o que tende a acontecer com categorias genéricas e populares -, o que ainda faz o cliente pagar? Se a resposta for só a interface, você tem um wrapper. Se for dados, avaliação, workflow e integração, você tem uma empresa.
Quer mais? Receba um ensaio por semana sobre venture building, negócios AI-native e a oportunidade Brasil.
Avante Intelligence · semanal · sem spam. Ou ver a Biblioteca