A onda de churn da IA

Resumo executivo

ARR (receita recorrente anual) não é uma métrica GAAP. Ainda assim, virou o bloco de construção das métricas SaaS. E a base dos múltiplos de valuation em SaaS.

Pensamos no ARR como uma receita (normalmente) de alta margem, previsível e em crescimento. O que significa que empresas SaaS estão (normalmente) no caminho de se tornarem muito lucrativas em escala.

As startups de IA vêm derrubando esse raciocínio cada vez mais. O que não é necessariamente receita recorrente, mas é tratado como se fosse:

• Receita experimental de produtos de IA (que não estão em produção)
• Contratos com saída em três meses nos quais 70-80% saem
• Preços baseados em uso ou em resultado
• Serviços profissionais prestados por forward deployed engineers

As startups de IA nos obrigam a repensar o ARR. Existe um problema de margem bruta, sobre o qual já escrevi antes. Mais preocupante ainda: há dúvidas reais sobre a durabilidade da receita de IA, algo que Cassie Young, da Primary Venture Partners, previu recentemente como um iminente “apocalipse da retenção bruta”.

Os compradores vão colocar seus experimentos de IA sob escrutínio. Os turistas da IA vão migrar para o próximo produto da moda. E as grandes plataformas vão engolir dezenas de wrappers finos de LLM conforme os modelos melhoram.

Durabilidade é uma questão existencial para apps de IA. Ainda assim, existem relativamente poucos dados objetivos sobre o tema. Para mudar isso, me juntei à ChartMogul, onde sou Analyst-in-Residence.

Fizemos scraping dos sites de 3.500 empresas de software e usamos IA para classificá-las como SaaS B2B, SaaS B2C ou empresas nativas de IA (que podem ser B2B ou B2C). Depois comparamos as taxas de retenção bruta de receita (GRR) e retenção líquida de receita (NRR) entre esses grupos. Hoje compartilho o que encontramos e o que você pode fazer para se proteger do que pode ser uma onda de churn iminente.

O problema dos turistas da IA

O scraping com IA gerou um conjunto de dados com cerca de 2.700 empresas SaaS B2B, 600 empresas SaaS B2C e 200 empresas nativas de IA. As nativas de IA incluíam negócios B2B e B2C, além de startups que vendem tanto para consumidores quanto para empresas.

Primeiro olhei as taxas de retenção anualizadas ao longo de 2025 entre os negócios que tinham alcançado pelo menos $ 250.000 de ARR. Por que $ 250.000: dados históricos de retenção são bem menos confiáveis em startups muito iniciais, com poucos clientes chegando à renovação.

O que os dados mostram:

• SaaS B2B é relativamente sólido. A NRR mediana foi de 82%. (O quartil superior, 97%.)
• B2C é muito menos sólido, com upsell mínimo. A NRR mediana foi de apenas 49%.
• As empresas nativas de IA tiveram GRR ainda pior que o B2C (40%) e NRR comparável (48%).

Pelo lado otimista, a retenção em IA melhorou bastante desde o começo do ano. A GRR mediana saltou de 27% em janeiro para 40% em setembro. Suspeito que muitos dos primeiros turistas foram embora; quem ficou está mais comprometido ou está saindo da experimentação para a produção.

Mesmo assim, as empresas nativas de IA como um todo ainda não se parecem muito com as empresas SaaS B2B que conhecemos e adoramos (e gostamos de avaliar com base no ARR).

Fácil de comprar, fácil de cancelar?

A onda de churn da IA não vai atingir todas as empresas de IA da mesma forma. Produtos mais baratos sempre atraíram mais churn. Em produtos de IA, essa diferença é especialmente acentuada.

A melhor proteção contra o churn é sair dos consumidores e das compras self-service (negócios abaixo de $ 50 por mês) em direção a compras B2B maiores.

O que os dados mostram:

• Produtos nativos de IA vendidos acima de $ 250 por mês têm 70% de GRR e 85% de NRR. Isso é essencialmente o mesmo que SaaS B2B.
• Produtos nativos de IA vendidos entre $ 50 e $ 249 por mês têm 45% de GRR e 61% de NRR. São 15 pontos pior que SaaS B2B. (Poucos produtos B2C cobram acima de $ 100 por mês.)
• Produtos nativos de IA vendidos abaixo de $ 50 por mês têm apenas 23% de GRR e 32% de NRR. São 20 pontos pior que SaaS B2B ou B2C.

É a maldição do wrapper de IA. O lado ruim de ser fácil de comprar é ser fácil de cancelar.

Vejo um segundo fator em jogo aqui também. Usuários self-service de IA talvez sejam clientes pagantes. Eles se veem como pessoas que estão testando.

Produtos SaaS de preço baixo tendem a ser freemium (ou reverse trial), em que os usuários têm tempo de sobra para experimentar antes de comprar. Com margens brutas acima de 80%, sustentar usuários gratuitos não quebra ninguém. Os usuários fazem upgrade quando decidiram conscientemente comprar. E a ruptura é mínima: as pessoas sabem o que estão levando quando compram SaaS.

Com produtos de IA, a conta muda. Cada token tem custo. Produtos de IA empurram para a conversão imediatamente ou a partir de qualquer uso mais sério. Alguns impõem até um paywall de uso diário antes de o usuário precisar fazer upgrade, algo que seria inédito em SaaS. As pessoas começam a pagar porque estão intrigadas com o que aquilo poderia ser, mas não planejaram como esses produtos se encaixam no negócio no longo prazo.

Precisamos ajustar como medimos retenção (e ARR, aliás) para separar com clareza gasto experimental de gasto sério, em vez de juntar os dois. Eu proporia tratar como gasto sério a receita de clientes que já pagaram pelo menos $ 250. Isso pode vir de um plano anual pago antecipadamente, de um negócio acima de $ 250 ou de um cliente de gasto baixo que permanece.

Retenção = ARR durável

Empresas nativas de IA vêm quebrando recordes de crescimento, com muitas escalando de zero a $ 100 milhões em apenas um ano. Isso é sem dúvida impressionante. Mas sustentar hipercrescimento fica quase impossível quando você tem uma base instalada cada vez maior saindo pela porta todo mês. Existe um termo para isso: queimar o próprio TAM.

Mapeei as 3.500 empresas de software do conjunto de dados em duas dimensões: retenção líquida de receita (NRR) de setembro de 2025 e crescimento de receita ano a ano.

O que os dados mostram:

• No geral, há uma correlação muito forte entre NRR e crescimento de longo prazo.
• Startups em estágio inicial conseguem crescer rápido (mais de 200%) mesmo com NRR abaixo de 40%.
• Ainda assim, empresas de baixa retenção correm um risco altíssimo de o crescimento inverter: três vezes mais delas estão encolhendo do que crescendo rápido.

Olhar retenção e ARR juntos deixa o quadro ainda mais claro. As empresas que chegam a $ 5 milhões de ARR têm taxas de retenção bruta e líquida substancialmente melhores que as de seus pares em estágio inicial. Parte disso pode ser viés de seleção; uma parcela surpreendentemente grande vem do fato de que as empresas que decolam conseguem se transformar conforme crescem.

Isso já é perceptível entre as empresas nativas de IA, embora seja preciso admitir que o tamanho da amostra começa a ficar pequeno (cerca de 50 por faixa), o que torna os dados direcionais em vez de estatisticamente à prova de balas. As melhores empresas nativas de IA têm o dobro da GRR e 2,5 vezes a NRR de seus pares em estágio inicial.

O que fazer com o churn

Ao longo dos anos, trabalhei com dezenas de empresas para melhorar a retenção. É também algo em que penso ativamente como autor de newsletter com uma assinatura premium de $ 15 por mês.

Na minha experiência, as melhores empresas tratam churn como um problema de negócio, não um problema de customer success. Como empresas de IA podem prevenir churn:

1. Vá atrás de fluxos de trabalho e casos de uso valiosos. Produtos de IA não têm churn alto por natureza; wrappers de IA voltados ao consumidor têm. Subir de segmento normalmente significa (a) estar mais profundamente embutido nos fluxos de trabalho do negócio, (b) estar integrado a mais ferramentas e (c) criar mais diferenciação em relação a LLMs de propósito geral.
2. Entregue serviços além da IA. A Palantir é conhecida por contratar forward deployed engineers para prototipar e implementar soluções de IA para prospects de alto valor. Muitas empresas de IA, incluindo a OpenAI, estão seguindo o mesmo caminho. Os FDEs fecham a lacuna entre o que é possível com IA e o que os clientes de fato realizam. Como a a16z escreveu recentemente, o modelo FDE troca margem por moat e costuma valer a pena no longo prazo.
3. Pare de vender demais no primeiro contrato. Há promessa de sobra sobre o que a IA poderia fazer. Normalmente é melhor começar pequeno, provar valor rápido e destravar oportunidades de crescimento depois. Isso também encurta os ciclos de venda e reduz drasticamente o escopo dos FDEs, permitindo que trabalhem com mais empresas.
4. Diminua a distância entre entregar produto e adoção. Brian Balfour, da Reforge, me disse recentemente que sua principal prioridade para 2026 é: como aceleramos a adoção do produto? O ritmo dos lançamentos de IA tem sido vertiginoso; os clientes não conseguem acompanhar e provavelmente nem sabem o que mudou.
5. Venda mais planos anuais. Migrar de planos mensais para anuais pode ser controverso. Mas normalmente você sai ganhando, porque tem mais tempo para impressionar o cliente e o cliente fica mais motivado a implementar o produto. Os dados mostram que a NRR mediana é de 10 a 20 pontos percentuais mais alta em planos anuais do que em mensais. Como fazer: torne o anual o padrão, peça upgrades anuais cedo (meses 2-3) e considere oferecer um desconto maior (o da Grammarly é de 60%).