Fundo de IA da Bain Capital Ventures aposta US$ 1,6 bilhão na vida após a AGI

A Bain Capital Ventures levantou US$ 1,6 bilhão para o Fund XI, fazendo uma grande aposta em estágio inicial em negócios concebidos para a “vida após a AGI”. O fundo de IA da Bain Capital Ventures mira infraestrutura, software, robótica, ciência, segurança e serviços viabilizados por tecnologia. Sua aposta central é que as próximas empresas valiosas aplicarão modelos cada vez mais capazes, em vez de simplesmente construir modelos maiores.

O sócio Slater Stich apresentou a tese em uma entrevista à Bloomberg em 16 de setembro. Ele argumentou que o trabalho intelectual mudará antes da maior parte das atividades físicas, porque agentes digitais já operam dentro de ambientes de software. Robôs enfrentam restrições adicionais relacionadas a hardware, segurança, manufatura e ambientes físicos imprevisíveis.

Essa distinção dá ao anúncio sua tensão real. Laboratórios de IA de fronteira estão gastando pesadamente para aprimorar modelos de propósito geral. A BCV aposta que fundadores mais próximos dos fluxos de trabalho, dos clientes e de dados especializados podem capturar valor substancial desses modelos.

A estratégia também traz um risco de timing. A inteligência artificial geral não tem uma definição universalmente aceita, e os agentes atuais ainda cometem erros com consequências relevantes. Portanto, o Fund XI precisa encontrar empresas que se tornem úteis antes da chegada da AGI, permaneçam defensáveis à medida que os modelos melhoram e sobrevivam caso o cronograma se prolongue.

O fundo de IA da Bain Capital Ventures é mais do que um pool maior

O Fund XI transforma a linguagem pós-AGI da BCV em uma decisão imediata de alocação de capital.

A BCV anunciou o fundo em 16 de setembro de 2026. Seu anúncio do fundo informa que o veículo fará investimentos em estágios iniciais e de crescimento em empresas de tecnologia.

A empresa chama o veículo de Fund XI e afirma que superou sua meta de captação. Entre os investidores estão fundos de pensão, fundos patrimoniais, fundações e pessoas associadas à Bain Capital. A BCV não divulgou publicamente uma divisão detalhada desses compromissos.

O novo veículo sucede o Fund X, levantado pela empresa em 2023. Mais de 82% dos dólares investidos pelo Fund X foram destinados a rodadas de pre-seed até Série B, segundo a BCV. Esse histórico importa porque um fundo de US$ 1,6 bilhão poderia, de outra forma, migrar para negócios posteriores e maiores.

O Fund XI preserva uma identidade de estágio inicial, ao mesmo tempo que dá à BCV espaço para continuar apoiando empresas bem-sucedidas. Essa combinação permite que a empresa estabeleça participação quando uma startup ainda é jovem e invista novamente à medida que suas necessidades de capital crescem.

Essa estrutura se encaixa em vários setores-alvo. Uma empresa de software empresarial pode conquistar clientes com uma equipe inicial relativamente pequena. Uma startup de robótica ou infraestrutura de IA pode exigir financiamento repetido antes de alcançar uma produção confiável.

A BCV já investiu nas áreas mencionadas no anúncio. Seus exemplos incluem Crusoe e Poolside em infraestrutura, além de Cognition, Decagon e Legora em IA aplicada. A empresa também identifica Atoms e Sunday Robotics como investimentos em IA física.

Saúde, segurança e serviços especializados ampliam ainda mais o portfólio. A BCV aponta Loyal e Forus em saúde, Adaptive Security e Dream em segurança, e Crosby Legal e Norm em serviços.

A amplitude é deliberada, mas complica a mensagem do fundo. Infraestrutura, automação jurídica, descoberta científica e robótica têm ciclos de desenvolvimento distintos. Também enfrentam compradores, margens, gargalos técnicos e exigências regulatórias diferentes.

O elo comum não é uma única categoria de produto. É a crença de que modelos cada vez mais capazes reorganizarão a forma como o trabalho é realizado em diversos mercados.

A BCV traz recursos substanciais para essa tese. A Bain Capital afirma que sua plataforma de venture capital administrava mais de US$ 10 bilhões em 31 de março de 2026. A plataforma investe desde seed até crescimento e opera na Bay Area, em Nova York e Boston.

Essa escala pode dar aos fundadores acesso a apoio de contratação, potenciais clientes, relacionamentos de infraestrutura e financiamento posterior. Ela também eleva o padrão para o Fund XI. Um fundo desse porte precisa de mais do que alguns experimentos promissores para gerar retornos em escala de venture capital.

O evento, portanto, muda duas coisas. A BCV tem mais capital para perseguir empresas iniciais de IA e assumiu publicamente uma visão específica do mercado. A empresa espera que o valor se desloque do desenvolvimento de modelos para negócios que realizam trabalho útil.

Essa visão agora precisa competir com uma alternativa igualmente plausível. Provedores de modelos de fronteira e grandes plataformas de nuvem podem absorver recursos de aplicações, reduzir margens de infraestrutura e vender diretamente aos mesmos clientes.

Por que o trabalho intelectual vem primeiro

O trabalho intelectual digital oferece aos agentes de IA um caminho mais curto entre a capacidade do modelo e o valor mensurável para o cliente.

Stich disse à Bloomberg que os ambientes de software devem mudar antes do mundo físico. Agentes digitais podem ler documentos, usar ferramentas de software, chamar interfaces de aplicação e produzir resultados sem manipular objetos físicos.

Um agente de IA é um software que conclui uma sequência de tarefas com orientação humana limitada. Diferentemente de um chatbot básico, ele pode selecionar ferramentas, acompanhar resultados intermediários e agir em sistemas conectados.

Essas capacidades continuam imperfeitas. No entanto, o ambiente operacional é mais fácil de controlar do que um armazém, laboratório, casa ou rua pública. O software apresenta interfaces estruturadas, erros reversíveis e oportunidades baratas para repetir uma etapa malsucedida.

O trabalho intelectual também contém muitas tarefas que os compradores podem isolar e medir. Equipes jurídicas revisam contratos. Equipes financeiras conciliam registros. Engenheiros investigam incidentes. Equipes de vendas pesquisam contas e preparam materiais de acompanhamento.

Uma startup não precisa automatizar uma ocupação inteira para criar valor. Ela pode começar com um fluxo de trabalho delimitado, no qual conclusão mais rápida, maior volume ou menores taxas de erro importam.

É por isso que o fundo pós-AGI da Bain não está esperando um marco de AGI universalmente aceito. Os sistemas atuais já podem lidar com partes mais restritas do trabalho profissional. Modelos melhores podem então ampliar o alcance e a duração dessas tarefas.

A própria tese de infraestrutura da BCV descreve agentes conectando-se a dados privados e públicos. Ela identifica identidade, permissões, movimentação e armazenamento de dados como camadas que precisarão de nova infraestrutura.

Esses requisitos criam oportunidades além da aplicação visível. Um agente empresarial precisa de controles de acesso confiáveis. Ele precisa saber quais registros um usuário pode visualizar, quais ações exigem aprovação e quais informações devem permanecer privadas.

Também precisa de contexto. Um modelo pode produzir linguagem fluente enquanto deixa de considerar o histórico do cliente, a decisão de projeto ou a exceção de política que determina a resposta correta.

Essa limitação torna a arquitetura do conhecimento parte da disputa competitiva. Empresas que organizam informações proprietárias podem tornar agentes mais úteis sem possuir um modelo de fronteira. Uma base de conhecimento de IA pesquisável pode conectar respostas geradas aos registros por trás do trabalho real.

A mudança econômica pode se estender além do licenciamento tradicional de software. Muitos aplicativos empresariais cobram pelo acesso por meio de licenças por usuário. Uma empresa nativa de IA pode, em vez disso, vender trabalho concluído, casos resolvidos ou resultados verificados.

Esse modelo cria um mercado potencial maior porque compete com gastos de mão de obra, não apenas com orçamentos de software. Também cria responsabilidade operacional. Um fornecedor que vende resultados precisa lidar com exceções, controle de qualidade e falhas que um fornecedor convencional de software pode deixar para os usuários.

O trabalho intelectual representa, portanto, tanto a primeira oportunidade quanto o primeiro teste de credibilidade. Os clientes perguntarão se um agente conclui o trabalho corretamente, não se seu modelo subjacente tem bom desempenho em um benchmark.

Essa pressão alcança os fornecedores de software estabelecidos. Eles já possuem relacionamentos com clientes, dados de fluxo de trabalho e distribuição. No entanto, um produto autônomo pode entrar em conflito com modelos de precificação baseados no crescimento do número de usuários.

As startups enfrentam o problema oposto. Elas podem projetar em torno de agentes desde o início, mas não têm distribuição estabelecida nem acesso confiável a sistemas sensíveis. Sua velocidade técnica precisa superar a posição de mercado de um incumbente.

O Fund XI aposta que um grupo seleto de startups pode atravessar essa lacuna. Os candidatos mais fortes combinarão capacidade de modelo com conhecimento de domínio, integração de fluxo de trabalho e uma abordagem crível para supervisão humana.

A aposta pós-AGI vai além dos modelos de fronteira

A BCV está posicionando aplicações e sistemas habilitadores diante da corrida intensiva em capital para possuir o modelo geral mais capaz.

A principal divisão estratégica não é IA versus não IA. É a propriedade de modelos de fronteira versus empresas construídas em torno das consequências da melhoria desses modelos.

Laboratórios de fronteira competem por meio de talento em pesquisa, capacidade computacional, dados e programas de treinamento cada vez mais caros. Seus produtos fornecem capacidades gerais que outras empresas podem acessar por serviços de nuvem ou interfaces de aplicação.

A BCV pode investir em empresas de modelos, mas o enquadramento público do Fund XI aponta mais abaixo na pilha tecnológica. A empresa destaca infraestrutura, software aplicado, IA física, ciência, segurança e serviços.

Esse caminho se encaixa na economia de venture capital de várias maneiras. Uma equipe pequena pode combinar um modelo disponível com dados especializados e expertise em fluxos de trabalho. Ela pode testar a demanda dos clientes sem financiar um esforço de treinamento em escala de fronteira.

A abordagem também evita fazer o sucesso do fundo depender de uma definição de AGI. Se os modelos melhorarem gradualmente, negócios verticais úteis ainda poderão crescer. Se a capacidade avançar rapidamente, essas empresas poderão automatizar uma parcela maior de cada fluxo de trabalho.

No entanto, construir sobre modelos externos introduz dependência. Os custos, a confiabilidade e os limites de produto de uma startup podem mudar quando seu provedor de modelos altera preços, políticas ou condições de acesso.

Os provedores de modelos também podem avançar para aplicações atraentes. Um recurso que antes sustentava uma empresa independente pode se tornar parte de um assistente mais amplo, de uma suíte de produtividade ou de uma plataforma de nuvem.

A melhor defesa raramente é uma interface superficial sobre um modelo. Empresas duradouras precisam de ativos que melhorem com o uso, como dados proprietários de fluxo de trabalho, distribuição confiável, conhecimento regulatório ou operações profundamente integradas.

A estratégia de capital de risco em IA da BCV parece desenhada para encontrar esses ativos cedo. A empresa afirma buscar fundadores capazes de estabelecer empresas definidoras de categoria enquanto os mercados ainda estão se formando.

Essa linguagem pode soar subjetiva, mas o investimento em estágio inicial sempre envolve julgamento antes que métricas confiáveis existam. Uma jovem empresa de IA pode ter pouca receita, um produto em transformação e tecnologia fornecida parcialmente por outra empresa.

Os investidores precisam avaliar como os fundadores raciocinam sob incerteza. Eles precisam determinar se uma equipe consegue revisar seu produto sem abandonar o problema subjacente do cliente.

As quatro principais áreas mencionadas por Stich também exigem perfis diferentes de fundadores.

Fundadores de infraestrutura precisam de profundo julgamento técnico e paciência com clientes de engenharia exigentes. Eles devem antecipar gargalos que surgem à medida que modelos e cargas de trabalho mudam.

Fundadores de software precisam de distribuição e domínio do setor. Seu produto deve se encaixar no trabalho real, ao mesmo tempo em que resiste à rápida imitação por incumbentes e outras startups.

Fundadores de robótica precisam coordenar software, hardware, manufatura e segurança. Melhorias em modelos de visão e linguagem ajudam, mas não eliminam o custo físico de testes e implantação.

Fundadores de ciência precisam de pesquisa confiável e de um caminho que leve da descoberta computacional à validação experimental. Uma hipótese gerada promissora tem pouco valor até sobreviver aos testes de laboratório ou produzir um material, molécula ou processo útil.

Essa variedade explica por que o Fund XI é amplo. Ninguém sabe qual camada capturará a maior parcela da futura economia de IA. Distribuir investimentos entre camadas relacionadas oferece à BCV várias formas de participar.

Amplitude, porém, não é o mesmo que proteção. Se muitas empresas dependem dos mesmos fornecedores de modelos e provedores de nuvem, o portfólio pode conter uma concentração oculta.

Uma indisponibilidade de modelos, mudança de política ou forte alteração de custos poderia afetar várias empresas de uma só vez. Uma grande melhoria também poderia beneficiar o portfólio ao mesmo tempo em que tornaria alguns produtos existentes mais fáceis de copiar.

A tese da BCV, portanto, se apoia em uma distinção cuidadosa. A inteligência pode se tornar mais abundante, mas negócios defensáveis não se tornarão automaticamente abundantes junto com ela.

A Seleção de Fundadores se Torna a Verdadeira Vantagem Competitiva

Quando os ingredientes técnicos estão amplamente disponíveis, o julgamento dos fundadores e a seleção de mercado ganham mais peso.

O desafio da BCV não é encontrar pessoas capazes de criar uma demonstração de IA. O desafio é encontrar equipes que consigam transformar capacidades de modelos em constante mudança em negócios confiáveis.

Fundadores técnicos precisam decidir quais limitações são temporárias e quais permanecem estruturais. Um fluxo de trabalho bloqueado hoje por raciocínio fraco pode se tornar viável após outro lançamento de modelo. Um fluxo de trabalho bloqueado pela ausência de direitos sobre dados pode continuar difícil por anos.

O timing importa porque tanto entrar cedo quanto tarde tem custos. Uma empresa que chega cedo demais pode esgotar seu capital enquanto espera por modelos ou clientes. Uma entrante tardia pode enfrentar distribuição consolidada e margens comprimidas.

Fundadores fortes testam essas premissas por meio da implantação real. Eles observam onde os usuários substituem resultados, quais integrações atrasam a adoção e quais tarefas envolvem custos de erro inaceitáveis.

A diferença entre um protótipo impressionante e uma empresa muitas vezes aparece nos casos extremos. Ambientes corporativos contêm registros incompletos, caminhos de aprovação incomuns, políticas conflitantes e sistemas instalados em diferentes épocas.

Um agente jurídico pode resumir rapidamente um contrato padrão. O problema mais difícil é reconhecer quando uma cláusula interage com uma política específica do cliente ou uma jurisdição incomum.

Um agente de programação pode gerar um patch. O problema mais difícil é entender uma dependência de serviço não documentada, respeitar regras internas de segurança e saber quando o patch exige revisão humana.

Um modelo científico pode sugerir uma molécula candidata. O problema mais difícil é validar se a candidata se comporta como previsto sob condições físicas.

A robótica eleva ainda mais o nível de exigência. Um robô que opera perto de pessoas precisa lidar com variações que não aparecem em uma demonstração controlada. Confiabilidade, manutenção, fornecimento de componentes e falhas seguras afetam o produto.

Esses exemplos mostram por que a seleção de fundadores não pode se basear apenas em prestígio técnico. A equipe precisa entender implantação, incentivos dos clientes e a economia de alcançar desempenho confiável.

A BCV pode usar sua organização maior para ajudar. A empresa afirma que as companhias do portfólio podem acessar potenciais clientes e capacidades em toda a Bain Capital. Essas conexões podem encurtar o caminho até o feedback empresarial.

No entanto, acesso não garante adoção. Compradores corporativos frequentemente testam produtos de IA sem expandi-los pela organização. Revisões de segurança, governança de dados, trabalho de integração e cálculos de retorno pouco claros podem paralisar um piloto promissor.

Portanto, os fundadores precisam projetar um caminho de adoção, não apenas um roteiro técnico. Uma tarefa inicial delimitada com precisão pode gerar confiança antes que um produto obtenha permissões mais amplas.

Eles também precisam identificar o comprador correto. A pessoa que usa um agente pode não controlar o orçamento. O executivo que o aprova pode se preocupar mais com auditabilidade e risco do que com a qualidade da interface.

A escala do Fund XI permite que a BCV apoie empresas ao longo dessas etapas. Ela também cria pressão para investir capital suficiente sem enfraquecer os padrões de seleção.

Grandes fundos podem enfrentar um problema de alocação. Cheques iniciais pequenos não afetam materialmente os retornos gerais, enquanto cheques grandes podem levar investidores a empresas em estágios mais avançados, com avaliações mais altas.

O histórico do Fund X da BCV oferece uma resposta. A empresa afirma que mais de 82 por cento dos dólares investidos foram destinados a rodadas de pre-seed até Series B. O Fund XI precisará preservar essa concentração na prática.

A estratégia só terá sucesso se o acesso antecipado gerar participação relevante em empresas excepcionais. Emitir muitos cheques em categorias da moda proporcionaria exposição, mas não necessariamente fortes retornos de venture capital.

A seleção de fundadores é, portanto, o mecanismo que conecta a narrativa pós-AGI ao desempenho financeiro. A narrativa identifica uma transição ampla. Equipes individuais ainda precisam descobrir onde se forma valor duradouro.

O Que os US$ 1,6 Bilhão Não Provam

Um grande fundo demonstra comprometimento dos investidores, mas não valida o timing da AGI nem garante que startups capturarão o valor resultante.

A primeira incerteza é definicional. AGI pode significar desempenho em nível humano na maioria das tarefas cognitivas, substituição econômica em muitos empregos ou simplesmente uma grande melhoria em relação a sistemas anteriores.

Stich reconheceu essa ambiguidade durante a conversa com a Bloomberg. Ele sugeriu que capacidades visíveis agora teriam parecido AGI sob uma perspectiva anterior.

Essa observação explica a urgência da BCV, mas não produz um limiar mensurável. Investidores e fundadores podem concordar que os modelos estão melhorando, mas discordar sobre quando sistemas autônomos se tornam confiáveis o bastante para trabalhos sensíveis.

Agentes de longa duração continuam especialmente importantes. Um modelo que executa bem uma etapa ainda pode falhar ao longo de uma sequência extensa. Os erros se acumulam à medida que o sistema reúne informações, seleciona ferramentas e atualiza seu plano.

A verificação pode limitar os danos em fluxos de trabalho de programação, pesquisa ou documentos. Contudo, a verificação adiciona tempo e custos. Ela também pode exigir profissionais cujo trabalho o produto deveria reduzir.

A economia do cliente cria outra incerteza. Um agente pode concluir uma tarefa a baixo custo direto enquanto gera despesas significativas de integração, monitoramento, suporte e conformidade.

Uma startup que vende trabalho concluído assume essas responsabilidades. Se promete um resultado, precisa absorver o custo de exceções e correções.

O concorrido mercado de aplicações adiciona pressão. Custos baixos de desenvolvimento facilitam que muitas equipes busquem fluxos de trabalho semelhantes. Aquisição de clientes, confiança e retenção passam então a ser mais importantes do que a demonstração técnica inicial.

Incumbentes têm respostas plausíveis. Eles podem adicionar agentes a produtos existentes, agrupar recursos em pacotes e usar dados de clientes já armazenados em seus sistemas.

Provedores de nuvem e modelos também podem passar da infraestrutura para as aplicações. Sua distribuição e acesso a modelos podem reduzir rapidamente a vantagem técnica de uma startup.

O fundo pós-AGI também abrange categorias intensivas em capital. Robótica e descoberta científica exigem validação física que o software não consegue comprimir completamente. Produção de hardware e trabalho de laboratório impõem cronogramas reais.

Esses investimentos podem criar barreiras mais fortes quando dão certo. Também podem consumir mais capital e levar mais tempo para produzir evidências.

A flexibilidade multietapas do Fund XI ajuda a BCV a acompanhar empresas promissoras. Ela não pode eliminar o risco de que implantações físicas avancem mais lentamente do que um fundo de venture capital espera.

Há também uma questão de alocação. Um mandato amplo pode se adaptar conforme os mercados mudam, mas pode tornar a tese de investimento difícil de refutar. O sucesso em qualquer categoria relacionada à IA poderia parecer confirmar a estratégia.

Uma avaliação significativa exige evidências mais específicas. O Fund XI deve produzir empresas com uso crescente pelos clientes, melhor economia unitária e defensabilidade que vá além do acesso a um modelo de terceiros.

Reportagem independente sobre o histórico do Fund X confirma a alocação declarada pela BCV em estágios iniciais. Ela também observa que o Fund XI abrange infraestrutura, software, robótica, ciência, segurança e serviços.

Essa cobertura é notável, mas rótulos de categoria não revelam a qualidade do portfólio. As questões mais difíceis envolvem participação acionária, capital de acompanhamento, durabilidade da receita e eventuais saídas.

A captação deve, portanto, ser interpretada como convicção, não como prova. A BCV reuniu o capital para testar sua tese em vários mercados. Os resultados dependerão da execução no nível das empresas ao longo de muitos anos.

Três Sinais Testarão o Próximo Ato da BCV

As próximas evidências devem vir do comportamento de implantação, da construção do portfólio e da validação no mundo físico.

O primeiro sinal é se as empresas expandem agentes de IA além de pilotos controlados. Permissões mais amplas, uso recorrente e contratos baseados em resultados sustentariam a ênfase da BCV no trabalho do conhecimento.

A evidência mais forte não será outra demonstração bem-polida. Será clientes confiando aos agentes fluxos de trabalho mais longos e renovando após medir os resultados.

Esse sinal também testa a ideia de que startups podem vender trabalho em vez de acesso a software. Se os clientes pagarem por resultados concluídos, fornecedores nativos de IA poderão atender a orçamentos maiores do que os gastos convencionais com software.

Se a adoção permanecer limitada a assistentes e rascunhos supervisionados, a tese enfraquece. As startups ainda podem criar produtos úteis, mas a mudança econômica seria menor do que sugere o enquadramento pós-AGI.

O segundo sinal é a composição real dos investimentos do Fund XI. Os próximos negócios anunciados pela BCV mostrarão se empresas em estágio inicial continuam centrais e qual camada técnica recebe a convicção mais forte.

Uma concentração em infraestrutura sugeriria que sistemas habilitadores ainda oferecem as oportunidades mais claras. Mais investimentos em agentes verticais sustentariam a alegação de que o valor das aplicações está se tornando mais fácil de capturar.

Uma participação maior de financiamento em estágios avançados levantaria uma questão diferente. Isso poderia indicar que a BCV vê melhores oportunidades ajustadas ao risco em empresas estabelecidas do que em startups pós-AGI recém-formadas.

O terceiro sinal é uma implantação física confiável. Robótica e ciência movida por IA precisam produzir evidências além dos benchmarks de software, incluindo operação repetida, progresso de manufatura ou validação experimental.

O sucesso em ambientes físicos ampliaria a oportunidade do Fund XI para além do trabalho do conhecimento. Também sustentaria a sequência de Stich, na qual sistemas digitais se transformam primeiro e aplicações físicas vêm em seguida.

O progresso lento não invalidaria todo o fundo. Ele concentraria o valor de curto prazo em software e infraestrutura, ao mesmo tempo em que estenderia o cronograma para robótica e ciência.

Esses três sinais devem ser considerados em conjunto. A implantação empresarial mede a demanda. A construção do portfólio revela a convicção interna da BCV. A validação física testa se a tese consegue atravessar o trabalho digital e chegar à economia material.

O fundo de IA da Bain Capital Ventures é, em última análise, uma aposta na migração de valor. A BCV espera que modelos cada vez mais capazes tornem a inteligência mais disponível e, em seguida, desloquem a competição para implantação, dados, controle de fluxos de trabalho e confiança.

Essa conclusão é plausível sem pressupor que a AGI chegará em uma data fixa. Ela também deixa espaço para falhas. Os provedores de modelos podem capturar uma parcela maior da camada de aplicações, as empresas estabelecidas podem defender sua distribuição, e os clientes podem resistir a sistemas autônomos.

Para desenvolvedores, a questão prática é onde a capacidade técnica encontra um fluxo de trabalho caro e repetível. Para compradores corporativos, a questão é se os agentes entregam resultados auditáveis sob restrições operacionais reais.

Profissionais do conhecimento devem observar a rapidez com que a IA passa de sugerir ações para concluí-las. Essa transição determinará se as ferramentas atuais continuarão sendo assistentes ou se se tornarão uma camada operacional para o trabalho profissional.

O Fundo XI dá à BCV capital suficiente para perseguir ambas as possibilidades. Agora, a empresa precisa mostrar que “a vida após a AGI” identifica companhias duradouras, e não apenas um nome atraente para o próximo ciclo de investimentos.