O fundador da Nest, Tony Fadell, sobre a próxima geração de promissoras startups de tecnologia profunda
- Aisha Washington
- há 1 hora
- 8 min de leitura
A carreira de Tony Fadell abrange vários capítulos marcantes da tecnologia de consumo: o trabalho visionário, porém prematuro, da General Magic, a criação do iPod, o lançamento da Nest e a difícil integração de uma startup ao Google. No TC Disrupt 2024, ele recorreu a essas experiências para explicar por que uma tecnologia revolucionária, por si só, raramente produz uma empresa duradoura.
Seu argumento central era prático, e não romântico. Fundadores de tecnologia profunda precisam de um problema real do cliente, do timing certo de mercado, de uso disciplinado de capital e de uma organização capaz de sobreviver a anos de incerteza. A conversa também explorou liderança, aquisições, inteligência artificial, realidade virtual e robôs humanoides — áreas em que o entusiasmo técnico pode facilmente ultrapassar a realidade comercial.
O produto é apenas o começo
Fadell disse que nunca se cansa de falar sobre o iPod, mesmo décadas após seu lançamento. A conversa ocorreu por volta do 23º aniversário do lançamento do iPod e do 13º aniversário do primeiro produto da Nest, oferecendo uma oportunidade natural para relembrar as influências por trás de ambas as conquistas.
Uma dessas influências foi seu pai, cuja carreira em vendas ensinou Fadell que até um produto forte precisa ser explicado, posicionado e vendido. Fadell reforçou essa lição por meio de seus próprios fracassos iniciais. Como empreendedor universitário, ele gastou o dinheiro disponível no desenvolvimento de um produto e deixou quase nada para levá-lo ao mercado.
A experiência mudou sua forma de pensar sobre a construção de empresas. Na época em que iniciou sua carreira, Fadell estimava que vendas e marketing podiam exigir de cinco a dez vezes o orçamento de desenvolvimento de produto. Desde então, as redes sociais alteraram essa proporção, mas não o princípio subjacente: fundadores precisam planejar a distribuição desde o início. A engenharia responde se algo pode ser construído; uma empresa também precisa responder quem precisa disso, como essas pessoas o descobrirão e por que pagarão por ele.
General Magic e o custo de chegar cedo demais
A General Magic tornou-se um exemplo emblemático de inovação sem timing adequado. Suas equipes exploraram e-mail móvel, bilhetagem eletrônica, jogos para download, animação e comunicação digital expressiva cerca de 15 anos antes de o iPhone tornar muitas dessas experiências populares.
As ideias eram notavelmente prescientes, e vários veteranos da General Magic mais tarde ajudaram a criar grandes plataformas tecnológicas, incluindo o Android. Ainda assim, Fadell argumentou que a empresa não tinha clareza suficiente sobre os problemas imediatos que estava resolvendo. A tecnologia de suporte, o comportamento do consumidor e a infraestrutura de mercado não eram maduros o bastante.
Para fundadores de tecnologia profunda, essa história torna mais complexa a habitual celebração de estar “à frente da curva”. Estar certo sobre o futuro não garante que uma empresa sobreviverá o suficiente para alcançá-lo. Uma startup precisa de um caminho crível entre sua visão de longo prazo e um problema que os clientes reconheçam hoje.
Por que fundadores precisam entender os pontos de ruptura organizacionais
Fadell incentivou empreendedores a obter experiência dentro de organizações maiores, porque startups acabam enfrentando muitas das mesmas questões operacionais. Uma equipe de cinco pessoas pode se coordenar informalmente; uma empresa com dezenas ou centenas de funcionários não pode.
À medida que o número de funcionários cresce, os padrões de comunicação, as responsabilidades e as expectativas culturais mudam. Fadell descreveu pontos de ruptura distintos em estágios como cinco a dez funcionários, 15 a 20, 30 a 40 e aproximadamente 120. Cada transição cria novas demandas de gestão, porque relacionamentos humanos não escalam de forma tão organizada quanto software ou manufatura.
Por meio de investimentos em mais de 200 startups, Fadell viu fundadores enfrentarem repetidamente esses desafios. Seu conselho é tratar o desenho organizacional como parte central do processo de construção do produto. Linhas de reporte, direitos de decisão e hábitos de comunicação podem parecer detalhes administrativos, mas frequentemente determinam se uma equipe promissora conseguirá continuar executando.
Delegação é uma habilidade de liderança aprendida
Fadell tornou-se diretor de tecnologia e vice-presidente da Philips no início dos seus vinte anos, passando subitamente a ser responsável por construir uma organização de centenas de pessoas sem experiência significativa em gestão. Segundo seu relato, seu primeiro ano como gestor foi ruim. O treinamento o ajudou a aprender a delegar, construir confiança e parar de tentar controlar cada tarefa.
A experiência não necessariamente o tornou menos exigente. Em vez disso, ele disse que ela o tornou mais preciso sobre onde a intervenção era necessária. Líderes eficazes dão aos colegas espaço para tomar decisões e aprender, ao mesmo tempo em que evitam erros que poderiam prejudicar irreparavelmente a empresa.
Fadell também distinguiu duas formas de atenção aos detalhes. Uma vem do ego e do desejo de dominar. A outra está enraizada na missão: um líder examina o trabalho de perto porque certas escolhas determinam se o produto atende adequadamente aos clientes. O desafio gerencial é saber quais detalhes afetam materialmente o resultado e quais devem permanecer nas mãos da equipe.
O que a aquisição da Nest revelou sobre cultura
A aquisição da Nest pelo Google demonstrou como uma organização pode mudar abruptamente após um acordo. Fadell reconheceu erros da gestão da Nest, ao mesmo tempo em que argumentou que a empresa compradora não preservou compromissos importantes e elementos da cultura original da startup.
Ele caracterizou fusões e aquisições como especialmente frágeis, citando a incompatibilidade cultural como uma razão importante pela qual muitos negócios fracassam. Um contrato pode definir propriedade e termos financeiros, mas não consegue reconciliar automaticamente pressupostos diferentes sobre urgência, responsabilização, autonomia e desempenho.
Fadell contrastou o ambiente intensamente orientado a programas da Apple com a cultura mais permissiva que encontrou no Google. Em sua descrição, a Apple tornava altamente visível a contribuição de cada pessoa, enquanto as tradições do Google — incluindo o tempo reservado para projetos paralelos — podiam permitir que alguns funcionários evitassem uma responsabilização comparável. Ele acredita que um senso mais amplo de direito adquirido posteriormente se espalhou por partes do Vale do Silício.
Independentemente de todas as empresas se encaixarem ou não nessa comparação, a lição para fundadores é clara: cultura é um sistema operacional, não decoração de escritório. Se uma aquisição a substitui da noite para o dia, a equipe pode perder a motivação e o propósito compartilhado que tornaram a startup valiosa.
Tecnologia profunda precisa de restrições, marcos e capital paciente
Fadell contestou a suposição de que “moonshots” ambiciosos prosperam quando recebem recursos corporativos quase ilimitados. Sem restrições, argumentou ele, programas experimentais podem se desconectar das necessidades dos clientes e da disciplina comercial. Ele apontou o enorme investimento da Waymo e seu longo caminho rumo a um negócio sustentável como uma ilustração do problema.
A tecnologia profunda exige paciência, mas paciência não é o mesmo que um orçamento sem prazo definido. Fadell recomendou estabelecer marcos demonstráveis de curto prazo dentro de um plano de longo alcance. Esses marcos preservam o impulso, fornecem evidências para investidores e dão às equipes a chance de aprender com feedback do mundo real.
Essa abordagem também torna a captação de recursos mais administrável. Uma empresa que comprova uma etapa difícil pode atrair o capital e o talento necessários para a próxima. Fadell citou a Diamond Foundry como exemplo de progresso orientado por marcos. Ele também discutiu investimentos de longa duração que aplicam IA a áreas como terapêuticas contra o câncer e visão computacional eficiente, incluindo empresas que identificou como Oranus, Plumerai e Tiny AI.
Muitos desses esforços exigem de cinco a dez anos antes que seu impacto se torne visível. As taxas de fracasso são, consequentemente, altas; Fadell sugeriu que a maioria dos portfólios de venture capital contém muitas perdas ou baixas contábeis. Os poucos sucessos, porém, podem criar tecnologias fundamentais com efeitos muito além de um recurso convencional de software.
Para investidores, avaliar essas empresas exige mais do que seguir tendências. Eles precisam entender a ciência subjacente, raciocinar a partir de primeiros princípios e administrar tanto o capital financeiro quanto o humano por um longo período.
IA Além do Boom dos Grandes Modelos de Linguagem
Fadell espera que partes do mercado de grandes modelos de linguagem pareçam infladas em retrospectiva. Ele não descartou os LLMs, mas argumentou que eles são uma classe de ferramenta, e não uma resposta universal. Em muitos produtos, modelos menores ou mais especializados podem ser mais precisos, eficientes e confiáveis.
O termostato da Nest, de 2011, ilustrou sua categoria mais ampla de inteligência de máquina voltada a tarefas específicas: um sistema projetado para executar uma função delimitada, em vez de gerar respostas irrestritas. Fadell contrastou essa abordagem com os riscos de alucinação associados aos modelos generativos.
Ele apontou para sistemas compactos de visão capazes de executar análises sofisticadas com modelos medidos em megabytes. Na sua visão, a ênfase da Apple em modelos menores e controlados oferece uma direção sensata, pois esses sistemas podem ser otimizados para tarefas definidas. Ele também mencionou trabalhos exploratórios sobre abordagens quânticas para IA, tratando-as, porém, como um campo separado e ainda em desenvolvimento.
A lição de negócio é escolher a tecnologia que funciona para o problema atual. Adicionar um LLM porque a IA está na moda não substitui o discernimento de produto.
Sistemas de IA Precisam de Credenciais e Responsabilidade
Fadell propôs algo semelhante a um perfil profissional para agentes de IA. Antes de implantar um sistema, uma empresa deveria poder examinar com quais dados ele foi treinado, em quais áreas tem bom desempenho, quais vieses ou modos de falha são conhecidos e com que frequência ele produz erros.
Essa divulgação se torna essencial quando a IA influencia a medicina, o atendimento ao cliente ou outras decisões relevantes. Fadell levantou preocupações sobre clínicos usarem ferramentas generativas para preparar documentação de pacientes e alertou que detalhes alucinados poderiam causar danos graves. Seu ponto mais amplo foi que as organizações não podem contratar com responsabilidade um agente digital opaco sem compreender suas qualificações e limitações.
Por isso, ele defendeu exigências regulatórias relacionadas a dados de treinamento, erros e comportamento dos sistemas. A transparência não eliminará a “caixa-preta” da IA, mas pode dar a compradores e usuários uma base para avaliar riscos e atribuir responsabilidades.
Onde a RV e os Robôs Humanoides Podem Funcionar Primeiro
Fadell foi cético quanto à prontidão da realidade virtual para uso cotidiano contínuo. Embora a fidelidade visual tenha melhorado, ele argumentou que problemas persistentes de fatores humanos — volume físico, desconforto e constrangimento social — permanecem após várias gerações de desenvolvimento.
Ele vê mais valor em aplicações episódicas e desenvolvidas para uma finalidade específica. O treinamento médico e o design colaborativo tridimensional podem justificar o uso de um headset por uma sessão limitada. Gravity Sketch, uma plataforma de criação 3D compartilhada, representava o tipo de caso de uso focado que ele considera promissor. A realidade aumentada pode, no fim, se adaptar melhor à vida diária, desde que o hardware se torne suficientemente discreto.
Sua visão sobre robôs humanoides foi igualmente ponderada. Empresas como a Agility Robotics podem atender ambientes restritos, especialmente na logística, onde as tarefas e os arredores são previsíveis. O trabalho doméstico geral é muito mais difícil: os robôs precisam de extensos dados de treinamento, capacidades físicas robustas e uma estrutura de custos que consumidores comuns possam aceitar. Esse futuro pode chegar, mas Fadell espera que leve anos, em vez de surgir de uma só vez.
Na IA, na robótica e na computação imersiva, seu critério permanece consistente. As empresas de tecnologia profunda mais promissoras não são as que fazem as demonstrações mais grandiosas. São aquelas que conectam tecnologia difícil a uma necessidade específica, comprovam progresso por etapas e constroem uma organização disciplinada o suficiente para suportar a jornada.
