Análise deals M&A

🔍 Deal Decoder: Accenture × Faculty e Keepler

Por Érico Freitas • 20/10/2026 • Leitura de 6 min

WhatsApp
X
LinkedIn
Facebook
Simulador de Valuation

Table of Contents

O prêmio da IA em serviços: por que compradores pagam múltiplo de software por empresas de implementação

Data da análise: 20 de outubro de 2026
Analista: Érico Freitas
Metodologia: M&A Deal Decoder

Sumário executivo

1. O mercado de serviços de tecnologia passou a ter duas faixas de preço.

Tipo de empresa Múltiplo de venda
Empresas que colocam IA em produção dentro do cliente 3x a 18x a receita
Integradores generalistas e software houses 1x a 3x a receita

A diferença não vem da margem atual. Ela vem de três fatores: escassez de quem sabe colocar IA em produção, crescimento e possibilidade de vender resultado em vez de hora.

2. A causa é uma distância entre comprar IA e fazer IA funcionar. Segundo a McKinsey, 88% das empresas usam IA em alguma função, mas só cerca de 6% atribuem 5% ou mais do EBIT a ela.

Os labs só ganham dinheiro quando o modelo é usado em escala, por isso passaram a financiar a implementação:

  • Em 2026, os anúncios de OpenAI, Anthropic, Microsoft, AWS e Google para equipes que trabalham dentro dos clientes somam US$ 9,75 bi.
  • Boa parte desse dinheiro vai para comprar firmas que já existem.
  • Dos 15 implementadores AI-native mapeados pela Eilla, 7 já pertencem à OpenAI, à Ode (venture da Anthropic) ou à Accenture.

3. As consultorias tradicionais estão se protegendo. McKinsey, Bain & Company e Capgemini investiram na empresa de implementação da OpenAI, que foi criada para competir com elas. Segundo o FT, os investidores teriam um piso de retorno de cerca de 17,5% ao ano.

O motivo é a deflação. O CEO da HCLTech diz que um contrato de US$ 100 mi hoje vale algo como US$ 80 mi, porque a IA torna o trabalho mais barato. Quem cobra por hora repassa essa economia ao cliente.

4. Faculty e Keepler são o teste da tese. As duas foram compradas pela Accenture no mesmo semestre e as duas se apresentavam como empresas de IA. Os preços foram muito diferentes, pelos motivos que a tese prevê:

Faculty Keepler
Múltiplo de venda cerca de 14x a 18x a receita estimado em 1,5x a 3x a receita
Produto Plataforma própria (Frontier) Nenhum
Crescimento ~45% ao ano ~29% ao ano, desacelerando
Receita por pessoa £ 112 mil € 70 mil
Ativo estratégico Reputação em segurança de IA e um CTO para o comprador Selo AWS e um time em Madri

O rótulo de IA não define o preço. O modelo de negócio define.

5. No Brasil essa transição já começou.

  • A Indicium recebeu aporte da Databricks Ventures, se fundiu com a britânica Mesh-AI e virou uma consultoria global de IA com mais de 600 pessoas.
  • A Viver de IA projeta R$ 100 mi de receita em 2026 com margem acima de 30%, combinando plataforma, implementação e educação.
  • A Adapta chegou a cerca de 200 mil clientes e abriu um braço de consultoria.

Há uma geração de consultorias de dados ainda sem capital externo (Dataside, BIX, Triggo.ai) que pode subir de faixa ou ser comprada nos próximos 24 meses.

6. O mercado vai ser decidido pela forma de cobrança. Quem cobra por resultado fica com a economia que a IA gera. Quem cobra por hora entrega essa economia ao cliente.

As duas perguntas práticas são:

  1. Como definir o resultado em projetos muito específicos?
  2. Como executar isso dentro de organizações grandes?

A Parte 7 propõe respostas para as duas.

Parte 1. A tese: por que serviços de IA passaram a valer múltiplo de software

1.1 As fontes do estudo

The Delta, “The AI-Native Economy: From Software to Services with the 3H Model” (Julian Teicke, chairman da The Delta, 15/abr/2026)

A tese é que o fosso do SaaS está enfraquecendo, porque construir software ficou barato. O valor migra para quem vende o trabalho pronto: o cliente não compra a ferramenta, compra o resultado. Teicke chama isso de “service as a software”.

Para medir até onde a IA consegue executar um serviço, ele propõe o modelo 3H:

Restrição Pergunta Exemplo de limite
Hands (física) A tarefa exige interação física não estruturada? Obra, campo, visita
Hearts (julgamento) O resultado depende de empatia, negociação ou confiança? Negociação final, relacionamento
Handcuffs (responsabilidade) Um humano precisa responder legal ou eticamente pela entrega? Assinatura de auditoria, laudo, parecer

O ponto onde a automação para é chamado de “automation asymptote”. As estimativas do autor por setor:

Setor Quanto é automatizável
Corretagem de imóveis 70% a 80%
Seguros perto de 100% (limitado pela responsabilidade do corretor)
Auditoria 60% a 70%
Tributário 75% a 85%

O argumento de tamanho de mercado (Europa):

Mercado Serviços Software
Contabilidade de PMEs € 25 bi € 6 bi
Jurídico € 265 bi € 6 bi

A recomendação central é acabar com a licença por usuário (“kill the seat license”) e cobrar por resultado: sinistro resolvido, declaração entregue, caso fechado.

O próprio autor aponta três riscos:

  • Deflação do mercado: se a IA cortar 90% do custo, o preço cai mais rápido que o volume.
  • Bloqueio de APIs pelos donos dos sistemas de registro.
  • Regulação exigindo humano no processo.

Eilla, newsletter “The AI-Native Economy” (outubro de 2026)

Levou a tese da The Delta para o M&A com dois infográficos:

  • “What AI implementation firms sell for”, com os múltiplos dos deals.
  • “AI Implementation Market Map”, com 55 empresas em seis camadas.

1.2 O mapa do mercado de implementação

Camada Quem são Lógica Exemplos
Labs Fazem os modelos e agora implementam Só ganham quando o modelo é usado em escala OpenAI Deployment Company; Ode with Anthropic
Cloud e software Pagam pela implementação para vender mais nuvem e licença Implementação vira custo de aquisição de cliente Microsoft, AWS, Google, Salesforce, ServiceNow, Palantir, Databricks
Consultorias Compram times de IA para não perder clientes Proteger a base e mudar o perfil de receita Accenture, Deloitte, Capgemini, Cognizant, HCLTech, McKinsey, BCG, Bain
Implementadores AI-native adquiridos Engenheiros que trabalham dentro da empresa até a IA funcionar Talento escasso com tração Tomoro e Northslope (OpenAI); Fractional AI e Casper Studios (Ode); Faculty, Halfspace e Keepler (Accenture)
Implementadores AI-native independentes Mesmo modelo, ainda independentes Alvos da próxima rodada de M&A Distyl, Invisible, Tribe AI, NeuronsLab, ML6, Brainpool.ai, vstorm, AIRE
Implementação como software O trabalho de implementação vendido como produto Preço por resolução ou por tarefa Sierra, Decagon, Writer, Ema, 11x, Artisan, Moveworks (ServiceNow), Aisera (Automation Anywhere)
Roll-ups de IT services Compram firmas pequenas, automatizam e revendem a múltiplo maior Arbitragem de múltiplo com IA Thrive Holdings, General Catalyst (Titan, Long Lake), Evergreen, New Charter, Ntiva, Integris, Softcat/GDT

Concentração. Dos 15 implementadores AI-native do mapa, 7 já foram comprados por apenas três compradores: OpenAI, Ode e Accenture.

Os independentes também estão sendo precificados como software:

  • Distyl, fundada por ex-Palantir, captou US$ 175 mi a um valuation de US$ 1,8 bi em setembro de 2025. Dez meses antes valia US$ 200 mi.
  • Invisible Technologies foi avaliada em mais de US$ 2 bi em setembro de 2025.

1.3 O problema que cria o prêmio: IA comprada, IA parada

McKinsey, State of AI 2025 (n = 1.993, publicada em novembro de 2025):

  • 88% das empresas usam IA regularmente em pelo menos uma função.
  • 39% relatam algum impacto no EBIT, na maioria abaixo de 5%.
  • Cerca de um terço começou a escalar.
  • Só cerca de 6% são “high performers”, ou seja, atribuem 5% ou mais do EBIT à IA.

MIT NANDA (agosto de 2025): 95% das organizações não tiveram retorno mensurável em IA generativa, e só 5% das ferramentas customizadas chegaram à produção. A amostra é pequena, mas a direção bate com a da McKinsey.

Gartner: mais de 40% dos projetos de agentes serão cancelados até 2027.

A distância entre os 88% e os 6% é o mercado de implementação. O lab só fatura quando o modelo é usado em escala. O provedor de nuvem só fatura quando a carga de trabalho roda. Os dois passaram a pagar para fechar essa distância.

1.4 Os labs e os fornecedores de nuvem entram pagando

Anúncios de 2026 para equipes de implementação dentro dos clientes

Quem Veículo Valor Data Natureza do valor
OpenAI OpenAI Deployment Company US$ 4,0 bi mai/2026 Capital de 19 investidores liderados pela TPG
Anthropic Ode with Anthropic US$ 1,5 bi mai/2026 Capital de Anthropic, Blackstone, H&F e Goldman (reportado)
Microsoft Frontier Company US$ 2,5 bi + 6 mil pessoas jul/2026 Compromisso próprio
AWS Forward Deployed Engineering US$ 1,0 bi jun/2026 Compromisso próprio, times de 5 a 6 engenheiros
Google Cloud Fundo de parceiros de IA agêntica US$ 0,75 bi abr/2026 Fundo para engenheiros embutidos em parceiros, créditos e capacitação
Soma dos anúncios US$ 9,75 bi Os valores têm naturezas diferentes. É soma de anúncios, não gasto efetivo

OpenAI Deployment Company

  • Investidores: a TPG lidera, com Advent, Bain Capital e Brookfield como co-líderes. McKinsey, Bain & Company e Capgemini estão entre os investidores, junto com outras gestoras e integradores.
  • Valuation: cerca de US$ 10 bi antes do dinheiro novo (reportado, não confirmado pela OpenAI).
  • Controle: a OpenAI tem a maioria, com ações de super-voto, e se compromete a colocar até US$ 1,5 bi.
  • Piso de retorno: o Financial Times reportou um retorno mínimo de cerca de 17,5% ao ano por cinco anos para os investidores de private equity. A Reuters não conseguiu confirmar, e o mecanismo não é público.
  • Aquisições:
    • Tomoro (Edimburgo/Londres): fundada em 2023, cerca de 150 pessoas, clientes como Mattel, Red Bull, Tesco e Virgin Atlantic. A empresa não publica DRE. A Aventis Advisors estima receita de £ 18 a 25 mi e margem acima de 40%, a partir de um lucro de cerca de £ 8,2 mi visível no balanço.
    • Northslope: fundada por ex-Palantir, comprada em julho de 2026.

Ode with Anthropic

  • Fundadores: Anthropic, Blackstone, Hellman & Friedman e Goldman Sachs, com General Atlantic, Leonard Green, Apollo, GIC e Sequoia no consórcio.
  • Foco: o mid-market (bancos regionais, indústrias médias, sistemas regionais de saúde) e as empresas do portfólio dos próprios fundos.
  • Aquisições:
    • Fractional AI: fundada em 2024, virou a base da Ode.
    • Casper Studios: cerca de 41 pessoas. Com ela, a Ode chega a cerca de 140 engenheiros.

Por que as consultorias investiram num concorrente. É um seguro:

  • Se a DeployCo ganhar contratos que antes iriam para McKinsey ou Bain, essas firmas ficam com uma fatia do resultado.
  • Se não ganhar, o prejuízo é pequeno, considerando o piso de retorno reportado.
  • No caminho, elas aprendem o modelo de entrega dos labs.

1.5 A deflação que empurra o outro lado

HCLTech. Na call do quarto trimestre fiscal (abril de 2026), o CEO C. Vijayakumar disse que um contrato de US$ 100 mi “would be much lesser today, maybe 80 million, just on a rough ballpark”. Ele também disse que:

  • cerca de 40% da indústria pode encolher de 3% a 5% ao ano;
  • na HCLTech o impacto deve ficar entre 2% e 3% ao ano;
  • fechar o mesmo valor de contrato exige de 25% a 30% mais esforço comercial.

Infosys. Segundo o CFO, “the productivity will get passed back to the client largely”.

TCS. Teve queda de receita no ano e reconhece a deflação.

Accenture. Cortou cerca de 11 mil pessoas a um custo de US$ 865 mi, dizendo que nem todo profissional pode ser requalificado.

O mecanismo. No modelo de hora, cada ganho de produtividade vira desconto para o cliente. No modelo de resultado, o mesmo ganho vira margem para o fornecedor. É por isso que a Tomoro pode rodar com margem acima de 40% enquanto a Nagarro roda com 14%.

1.6 Os números que sustentam a tese

Firmas de implementação de IA e de plataforma

Comprador Alvo Data Valor Dados do alvo Múltiplo
Accenture Faculty jan/2026 ~US$ 1 bi (£ 740 mi, FT) Receita de £ 41,7 mi; prejuízo ~14x a 18x a receita
Cinven Artefact jul/2025 € 1,1 a 1,2 bi Receita de ~€ 200 mi; EBITDA de ~€ 60 mi (30%) ~5,5x a 6x a receita; 18x a 20x o EBITDA
TCS Coastal Cloud dez/2025 US$ 700 mi Receita de US$ 132 mi (2024) 5,3x a receita
Cognizant 3Cloud nov/2025 US$ 728 mi Receita não divulgada não verificável (Eilla estima ~4x)
TCS ListEngage out/2025 US$ 72,8 mi Receita de US$ 24,3 mi 3,0x a receita
CDW Lovelytics set/2026 ~US$ 525 mi Receita não divulgada n.d.

Serviços de TI tradicionais

Comprador Alvo Data Valor Dados do alvo Múltiplo
Coforge Encora dez/2025 EV de US$ 2,35 bi Receita de US$ 600 mi; margem de 19% 3,9x a receita; ~21x o EBITDA
EQT Perficient mai/2024 EV de ~US$ 3,0 bi Receita de US$ 907 mi; EBITDA de US$ 191 mi 3,3x a receita; 15,7x o EBITDA
Capgemini WNS jul/2025 US$ 3,3 bi Receita de US$ 1,27 bi ~2,6x a receita; ~14x o EBIT
Persistent Nagarro jun/2026 EV de ~€ 1,27 bi Receita de € 1,0 bi; EBITDA de € 139 mi ~1,3x a receita; ~9x o EBITDA
Apax Thoughtworks ago/2024 EV de ~US$ 1,75 bi Receita de ~US$ 1,0 bi, caindo 13% ~1,7x a receita

Os valores da Eilla batem com as fontes primárias, com duas ressalvas: a Nagarro sai um pouco acima do que a newsletter cita (1,3x e 9x) e o múltiplo da 3Cloud não pode ser verificado. Os quatro deals de Cognizant, TCS e CDW somam US$ 2,03 bi.

Referências amplas (medianas da Aventis Advisors):

Segmento Receita EBITDA
M&A de serviços de TI em 2025 1,3x 8,8x
Dados e analytics, 2015 a 2026 2,2x 16,3x

1.7 Contrapontos

  1. A amostra é pequena e tem casos especiais. Os múltiplos mais altos são de firmas com produto próprio (Faculty) ou margem de 30% (Artefact).
  2. A escassez é temporária. A oferta de talento vai alcançar a demanda:
    • a Accenture vai treinar 30 mil pessoas em Claude;
    • a Microsoft montou um time de 6 mil;
    • a Databricks quer formar 150 mil pessoas só no Brasil.
  3. Os labs viraram concorrentes. A DeployCo e a Ode disputam a mesma camada de mercado das firmas que hoje recebem o prêmio.
  4. Risco de plataforma. Quem é especialista numa só plataforma herda o destino do parceiro.
  5. A deflação também atinge as firmas de IA que cobram por hora. O prêmio só se sustenta com preço por resultado, produto próprio ou receita recorrente.

Parte 2. Accenture: a compradora que mais paga pelo prêmio

2.1 Perfil

Indicador FY26 (encerrado em 31/ago/2026)
Receita US$ 74,18 bi (+6% em dólar, +5% em moeda local)
Novas contratações (bookings) US$ 84,5 bi
Margem operacional 15,4% GAAP / 15,8% ajustada
Fluxo de caixa livre US$ 11,6 bi
Funcionários 814.391
Market cap ~US$ 128 bi (outubro de 2026)
Liderança Julie Sweet (Chair e CEO), Angie Park (CFO), Marc Warner (CTO, vindo da Faculty)

Guidance para o FY27. Crescimento de 3% a 6% em moeda local. De 2 a 2,5 pontos desse crescimento virão de aquisições, quase metade do total.

O contexto. A ação caiu cerca de 32% em 2026 até o resultado do quarto trimestre, porque o mercado vê a IA ameaçando o modelo de cobrança por hora. A resposta da Accenture tem sido comprar receita “non-FTE”, ou seja, receita que não depende de quantas pessoas estão alocadas. A empresa usou esse termo na apresentação do terceiro trimestre para descrever a Faculty.

2.2 Política de M&A

Ano fiscal Deals Capital investido
FY21 46 US$ 4,2 bi
FY22 38 US$ 3,4 bi
FY23 25 ~US$ 2,5 bi
FY24 46 ~US$ 6,6 bi
FY25 23 ~US$ 1,5 bi
FY26 17 US$ 4,9 bi, mais ~US$ 3 bi da Dragos fechados em setembro
FY27 (plano) n.d. ~US$ 5 bi, fora a Dragos

Padrão histórico (Aventis Advisors, 201 deals entre 2015 e 2025):

  • Alvo típico: empresa privada vendida pelo fundador (79% dos casos), de serviços de TI, com receita mediana de US$ 32,7 mi.
  • Preço: mediana de 2,6x a receita e 30x o EBITDA, com valor mediano de US$ 90 mi.
  • Divulgação: quase nunca divulga valores. Nos documentos da SEC de 2026, todas as aquisições aparecem como “individually immaterial”.
  • O 10-K FY26 traz um alerta de risco explícito: “we have paid and in the future may pay higher valuations for acquisitions”.

As compras de IA aplicada, que são a sequência que interessa a este estudo:

Data Alvo País Perfil Porte
mar/2025 Halfspace Dinamarca Dados e IA nos países nórdicos; lucro operacional de € 1,6 mi em 2024 ~80 pessoas
out/2025 Decho Reino Unido Implementação de Palantir em saúde e governo n.d.
jan/2026 Faculty Reino Unido IA aplicada com plataforma própria ~400 pessoas
abr/2026 Keepler Espanha Dados e IA nativa em AWS ~240 pessoas
out/2026 Sagacity Reino Unido Dados e inteligência de clientes ~140 pessoas

A Accenture também montou um Palantir Business Group com mais de 2 mil consultores.

Outras compras de 2026, fora do escopo deste estudo:

  • Dragos, runZero e NetRise (segurança industrial): US$ 4,175 bi, cerca de 20x a receita recorrente anual. É software, não serviço, mas confirma o mesmo movimento: a Accenture pagou por receita que não depende de headcount.
  • Verum Partners (Belo Horizonte, gestão de projetos de capital): valor não divulgado. É engenharia de campo e mostra o lado Hands do modelo 3H.
  • Também não analisadas: Ookla (US$ 1,2 bi), Whalar, McCoy, COMWARE e Mjølner.

2.3 O histórico no Brasil

Ano Empresa O que fazia Porte
2013 Vivere Brasil (controle) Tecnologia para crédito imobiliário n.d.
2015 Gapso (RJ) Analytics para supply chain n.d.
2017 Concrete Solutions (SP) Apps, Agile e DevOps em nuvem 400+
2018 New Content (SP) Agência de conteúdo 200+
2020 Organize Cloud Labs (SP) Primeira parceira ServiceNow Elite da América Latina n.d.
2021 Real Protect (SP) Segurança gerenciada ~90
2021 Pollux (Joinville/SC) Robótica e automação industrial 290+
2021 Experity (SP) CX e e-commerce em Salesforce, Adobe e SAP ~420
2022 Tenbu (SP) Dados e analytics em nuvem ~170
2023 Morphus (Fortaleza/CE) Cibersegurança 230+
2024 Soko (SP) Agência criativa (virou Droga5 São Paulo) 250 a 300
2026 Verum Partners (BH) Gestão de projetos de capital 180+

O perfil do alvo brasileiro:

  • boutique de 90 a 420 pessoas, controlada pelos sócios, sem fundo relevante no capital;
  • especialista em uma plataforma ou vertical, com clientes grandes;
  • valor nunca divulgado.

A Tenbu (2022) é o equivalente brasileiro da Keepler. Até hoje a Accenture não comprou no Brasil nada parecido com a Faculty.

Parte 3. Faculty × Keepler: o teste da tese

As duas aquisições aconteceram com três meses de diferença, foram feitas pelo mesmo comprador e envolveram empresas que se vendiam como especialistas em IA. Os preços foram muito diferentes. Entender por que é entender o que o mercado está pagando.

Deal Decoder: Accenture × Faculty

1. O deal em uma frase

A Accenture pagou cerca de US$ 1 bi por uma empresa de IA aplicada que faturava £ 42 mi e dava prejuízo. O que comprou foi uma plataforma, uma reputação em segurança de IA e o seu próprio CTO.

2. Quem comprou quem

  • Compradora: Accenture plc (NYSE: ACN), market cap de ~US$ 128 bi.
  • Adquirida: Faculty Science Ltd (Londres, Companies House 08873131). IA aplicada e “decision intelligence”, com a plataforma Faculty Frontier. Atende setor público britânico, saúde, defesa, energia e grandes empresas, e faz avaliação de segurança de modelos.
  • Anúncio: 6 de janeiro de 2026. Fechamento: 16 de março de 2026.
  • Participação: 100%.
  • Vendedores: Apax Digital Fund I, Mercuri, LocalGlobe e outros.
  • Assessores: Goldman Sachs International (financeiro, exclusivo da Faculty), Simpson Thacher (vendedores) e Slaughter and May (gestão).

3. Os números do deal

Item Valor
Preço reportado ~US$ 1 bi (~£ 740 mi), segundo o Financial Times, citando Apax e Mercuri. A Wikipedia registra “mais de £ 600 mi”
O que a Accenture divulgou Nenhum valor. O deal aparece agregado como “individually immaterial”
Teto pelos documentos da SEC Os 10-Qs mostram US$ 1,857 bi em aquisições no semestre e US$ 2,815 bi em nove meses. A diferença, cerca de US$ 959 mi, cobre todas as compras do terceiro trimestre fiscal (Faculty, Keepler, Verum e Cabel), líquida do caixa das empresas
Leitura O preço contábil da Faculty ficou abaixo de US$ 959 mi. Os números do FT e da SEC só se encaixam se parte do valor anunciado foi paga como retenção de talentos (lançada como despesa) ou se o caixa da Faculty foi descontado. Estimativa Outlier: US$ 0,85 a 1,0 bi
Caixa, ações, earn-out Não divulgados
Receita FY25 (até mar/2025) £ 41,7 mi (+29%)
Preço / receita ~14x a 18x, conforme a base (£ 600 a 740 mi sobre £ 41,7 mi). A Aventis calcula ~15x o run-rate e a Eilla usa ~16x
Preço / EBITDA Não se aplica. A empresa dava prejuízo
Preço por funcionário ~US$ 2,3 a 2,5 mi (~400 pessoas)

4. A adquirida: quem era antes da venda

Fundadores e origem. Marc Warner (CEO, físico com pós-doutorado em Harvard, ex-membro do UK AI Council), Angie Ma e Andrew Brookes. A empresa nasceu em 2014 como “Advanced Skills Initiative”, um programa que levava doutores da academia para a indústria e já formou mais de 550 pessoas. Depois virou ASI Data Science e, em 2019, Faculty.

Captação. Cerca de £ 40 mi no total:

  • 2016: £ 1,5 mi com Robin Klein e Jaan Tallinn.
  • 2019: seed com a Mercuri.
  • Maio de 2021: £ 30 mi liderados pela Apax Digital, com Mark Beith no conselho.

Também investiram LocalGlobe e GMG Ventures. O valuation das rodadas não foi divulgado.

Finanças (Companies House):

Exercício (até março) Receita Crescimento Resultado antes de IR Funcionários Caixa
FY22 £ 13,6 mi n.d. n.d. n.d. £ 31,3 mi
FY23 £ 21,4 mi +57% n.d. n.d. £ 22,4 mi
FY24 £ 32,3 mi +51% -£ 4,2 mi 306 £ 17,0 mi
FY25 £ 41,7 mi +29% -£ 3,8 mi 372 £ 12,0 mi

O que os números mostram:

  • Estrutura de consultoria, não de software. A margem bruta é de ~50% e os salários consomem ~76% da receita.
  • Receita de ~£ 112 mil por funcionário, também perfil de consultoria.
  • Queima de caixa constante: de £ 31 mi para £ 12 mi em três anos.
  • Crescimento médio de ~45% ao ano entre FY22 e FY25. Segundo a Apax, a receita quadruplicou em quatro anos.

Lida só pelos números, a Faculty é uma consultoria de alto crescimento que perde dinheiro. Para um comprador financeiro, valeria de 3x a 5x a receita.

O produto: Faculty Frontier.

  • O que faz: é uma plataforma de “decision intelligence”. Conecta dados e processos da empresa a um gêmeo digital e simula o efeito de uma decisão na operação inteira.
  • Origem: foi construída em conjunto com a Novartis, que usa um gêmeo computacional do processo de ensaios clínicos.
  • Evolução: o Frontier 3 (outubro de 2025) trouxe um hub de decisão, um agente de decisão e agentes por domínio (o primeiro para seleção de centros de ensaio clínico). Depois vieram um marketplace de plug-ins e um estúdio para ciências da vida.
  • Infraestrutura: roda em nuvem privada AWS ou Azure.
  • Cobrança: um agregador descreve assinatura anual mais consultoria por projeto, com a consultoria como principal fonte de receita. A divisão entre produto e serviço não é pública.

Clientes. Mais de 250 em 2023. Entre os nomes públicos estão NHS, NHS AI Lab, Ministry of Defence, Dstl, Home Office, Network Rail, NESO, Northern Powergrid, Veolia, Leonardo, Novartis, Francis Crick Institute e Tide.

Setor público.

  • Em maio de 2024, a Faculty somava mais de £ 45 mi em contratos públicos em três anos. Isso inclui £ 1,5 mi com o AI Safety Institute para testar modelos de fronteira.
  • Em setembro de 2025, o Home Office a contratou como “AI delivery partner”, com potencial de £ 3 a 6 mi.

Segurança de IA. Fez avaliações de segurança de modelos para OpenAI e Anthropic.

Histórico sensível.

  • Construiu o NHS Covid Early Warning System.
  • Teve contratos questionados durante a Covid. O National Audit Office não encontrou interferência de ministros.
  • Trabalhou para a campanha Vote Leave até 2019.

Relacionamento anterior com a Accenture. Desde dezembro de 2023 a Accenture era a parceira preferencial de implementação do Frontier. A compra veio depois de dois anos vendendo juntas.

5. A tese estratégica

Por que a Accenture pagou três a quatro vezes o que a Faculty valeria só pelos números. O preço pode ser decomposto. O exercício abaixo é ilustrativo e foi feito pela Outlier, não vem de documento da Accenture:

Componente Lógica Valor implícito aproximado
Consultoria de IA de alto crescimento £ 41,7 mi × 3x a 5x (faixa de Coastal e Artefact) £ 125 a 210 mi
Plataforma Frontier Produto já distribuído pela Accenture desde 2023; resposta direta à tese “non-FTE” prêmio
CTO global Marc Warner virou CTO da Accenture e entrou no comitê global prêmio
Reputação em segurança de IA e no governo britânico Credencial com OpenAI, Anthropic e AI Safety Institute; acesso ao setor público prêmio
Prêmio estratégico somado Preço total menos o valor de consultoria ~£ 400 a 600 mi

Ou seja, de 70% a 80% do preço pagou ativos que não aparecem na DRE.

Por que faz sentido para a Accenture:

  1. Responde ao mercado. A Accenture usou a Faculty como exemplo de receita “non-FTE” na apresentação aos investidores, justamente a preocupação que derrubou a ação.
  2. Traz um líder técnico de fora com perfil de laboratório. Nenhuma contratação no mercado aberto traria isso tão rápido.
  3. Aproveita a parceria com a Anthropic. A apresentação do quarto trimestre fiscal destaca a “applied AI safety expertise” da Faculty.
  4. Domina o setor público britânico. A Faculty se soma à Decho, que implementa Palantir em saúde e governo. A Bloomberg chamou a Faculty de “rival britânica da Palantir”.

Sinergias:

  • Distribuir o Frontier para a base de clientes globais da Accenture.
  • Usar a credencial de segurança em setores regulados.
  • Atrair talento técnico de primeira linha.

Riscos:

  • Saída do time. Em consultoria de IA, o ativo vai embora pelo elevador.
  • Escala do Frontier. A plataforma pode não escalar fora do contexto britânico e de ciências da vida.
  • Reputação. Há exposição ligada aos contratos públicos do passado.
  • Demora na monetização. O próprio Warner disse em outubro de 2026, no Fortune Brainstorm AI, que o número de empresas de fato reinventadas por IA é “basically close to zero” e que muitas transformações de IA são “politics projects”.

6. O deal segue o padrão da compradora?

Não. A mediana histórica da Accenture é 2,6x a receita e US$ 90 mi de valor. A Faculty saiu por cerca de 15x e cerca de US$ 1 bi.

É o ponto fora da curva que marca a mudança de 2026: a Accenture deixou de comprar só capacidade e passou a comprar plataformas e receita que não depende de headcount.

7. Perguntas que ficaram abertas

  1. Quanto do preço foi pago aos vendedores e quanto foi retenção de talentos lançada como despesa?
  2. Quanto da receita vinha do Frontier e quanto de projetos?
  3. Qual a receita e o resultado do FY26 da Faculty? As contas devem sair até dezembro de 2026.
  4. Existe earn-out ligado à adoção do Frontier?
  5. Qual o peso do setor público na receita? Os contratos públicos sugerem algo como 40% em 2024.

Deal Decoder: Accenture × Keepler

1. O deal em uma frase

A Accenture comprou 240 engenheiros de dados e IA certificados em AWS na Espanha, numa empresa que crescia cada vez menos e quase não tinha lucro. O deal mostra que um time certificado tem preço, mas não o preço de propriedade intelectual.

2. Quem comprou quem

  • Compradora: Accenture plc, via Accenture Espanha e Portugal (CEO Mercedes Oblanca).
  • Adquirida: Keepler Data Tech (Madri, com escritórios em Londres e Lisboa). Consultoria de dados e IA nativa em AWS, com foco recente em IA generativa e agentes.
  • Anúncio e fechamento: 8 de abril de 2026, anunciado já concluído.
  • Participação: 100%, incluindo a fatia do fundo DTCP.
  • Assessores do vendedor: Société Générale CIB (M&A), Osborne Clarke (jurídico) e EY (due diligence financeira, comercial e tributária).

3. Os números do deal

Item Valor
Preço Não divulgado. Nenhum veículo espanhol estimou o valor
O que a Accenture divulgou Agregado como “individually immaterial” nos documentos da SEC
Receita 2024 ~€ 17 mi (Business People)
EBITDA 2024 ~€ 0,2 mi, margem de ~1% (Business People)
Funcionários 240+
Preço estimado € 27 a 66 mi, ou 1,5x a 3x a receita estimada de 2025 (€ 18 a 22 mi). É hipótese da Outlier, sem fonte de preço
Preço / EBITDA Sem sentido com EBITDA de € 0,2 mi. O preço certamente foi ancorado em receita ou headcount
Preço por funcionário estimado € 110 a 275 mil

4. A adquirida: quem era antes da venda

Fundador. Juan María Aramburu (CEO), que antes comandou a Beeva, braço de tecnologia do BBVA. A empresa foi fundada em 2018.

Investidor. A DTCP, fundo ligado à Deutsche Telekom, liderou o seed em 2018 e a Série A em fevereiro de 2020, esta voltada à expansão para a Alemanha. Os valores não foram divulgados. A Computerworld descreve a Keepler como “propriedade da DTCP desde 2019”, o que sugere que o fundo tinha o controle.

Evolução:

Ano Receita Pessoas Observação
2019 € 4,8 mi 85 Triplicou sobre 2018
2020 +~30% n.d. Meta de passar de € 10 mi não foi atingida
2021 +~30% 130 “Ano recorde”
2022 meta de +50% 180+ 26 clientes
2024 ~€ 17 mi n.d. EBITDA de ~€ 0,2 mi
2026 n.d. 240+ Venda para a Accenture

Entre 2019 e 2024, o crescimento médio foi de cerca de 29% ao ano e perdeu força ao longo do período. A receita por pessoa fica em cerca de € 70 mil.

Modelo.

  • Serviço puro: em 2022, cerca de 90% do time era técnico.
  • Multicloud na origem, cada vez mais concentrada em AWS.
  • Não atendia o setor público.
  • Clientes citados: Cepsa (hoje Moeve) e CAF.

Selos AWS:

  • Premier Tier Services Partner desde 2023.
  • AWS Partner of the Year Iberia 2023.
  • Acordo de colaboração estratégica em IA generativa agêntica (setembro de 2025).
  • AI Services Competency (dezembro de 2025).

Propriedade intelectual. Não foi identificado nenhum produto ou acelerador próprio com nome.

5. A tese estratégica

Por que a Accenture quis:

  • 240 profissionais certificados em AWS, prontos para projetos de IA agêntica, num mercado onde contratar e treinar nessa velocidade custa caro.
  • Escala local para a parceria Accenture e AWS na Península Ibérica.
  • Clientes industriais e de energia na Espanha.
  • Ganho de margem ao colocar a Keepler na estrutura de preço e de pirâmide da Accenture.

Faz sentido? Faz, como compra de capacidade. É um acqui-hire de qualidade: a Accenture paga menos do que custaria montar o mesmo time do zero e leva os relacionamentos comerciais junto.

Riscos:

  • Saída do time quando acabar o período de permanência.
  • Dependência de um único hyperscaler.
  • A margem de ~1% sugere problemas de preço ou de utilização que a Accenture herda.

6. O deal segue o padrão da compradora?

Sim. É a aquisição Accenture clássica:

  • boutique de 200 a 300 pessoas;
  • especialista em uma plataforma;
  • receita entre € 15 e 25 mi;
  • valor não divulgado;
  • integração na prática local de Data & AI.

É o mesmo desenho da Halfspace (Dinamarca, 2025) e da Tenbu (Brasil, 2022).

7. Perguntas que ficaram abertas

  1. Qual foi o preço? Houve earn-out?
  2. Qual a receita e o EBITDA de 2025? Os dados estão no Registro Mercantil espanhol (CIF B88017785).
  3. Por que o crescimento desacelerou depois de 2022?
  4. Qual era a participação da DTCP e dos fundadores?

3.1 Lado a lado: o que separa 15x de 2x

Critério Faculty Keepler O que isso diz sobre o preço
Receita £ 41,7 mi (~€ 49 mi) ~€ 17 mi Escala importa, mas não explica a diferença
Crescimento ~45% ao ano (FY22 a FY25) ~29% ao ano, desacelerando O comprador paga pela curva, não pela fotografia
Receita por pessoa ~£ 112 mil ~€ 70 mil Mostra quanto valor cada pessoa entrega
Margem Bruta de ~50%; EBIT de -10% EBITDA de ~1% Nenhuma das duas foi comprada por lucro
Propriedade intelectual Plataforma Frontier, agentes de domínio, marketplace Nenhuma identificada Principal diferença. É o que permite receita sem headcount
Vertical Saúde, ciências da vida, governo, defesa, energia Generalista em grandes empresas privadas Vertical regulada protege contra virar commodity
Reputação Segurança de IA com OpenAI, Anthropic e AISI; NHS AWS Partner of the Year Iberia Credencial que o comprador consegue vender na própria base
Ativo pessoal Fundador vira CTO global Fundador segue como líder local Liderança técnica escassa tem preço próprio
Relação prévia com o comprador Dois anos como parceira do Frontier Nenhuma relevante O comprador já tinha validado o produto com clientes
Preço / receita ~14x a 18x ~1,5x a 3x (estimativa)

A conclusão para a tese. O prêmio não é pago pelo rótulo “IA”. Ele é pago por quatro coisas:

  1. Um ativo que gera receita sem aumentar o headcount.
  2. Crescimento sustentado acima de 30%.
  3. Credenciais e verticais onde a confiança é escassa (os Hearts e Handcuffs do modelo 3H).
  4. Pessoas que o comprador não consegue contratar no mercado.

A Keepler tinha só o selo da plataforma. A Faculty tinha os quatro.

Parte 4. Três modelos de empresa e o que diferencia a firma de implementação de IA

4.1 Comparação

Dimensão Software house / fábrica de software Consultoria de dados tradicional Firma de implementação de IA
O que vende Horas, squads alocados Projetos de BI, data warehouse, dashboards IA funcionando em produção com impacto medido no resultado
Quem define o escopo O cliente O cliente A firma, junto com o negócio
Modelo de preço Time & material, preço por FTE Projeto fechado ou T&M Preço fixo por entrega, por resultado ou assinatura de operação
Pirâmide Larga: muitos juniores por sênior Média Estreita: engenheiros sêniores próximos do negócio
Receita por pessoa Baixa. No Brasil, tipicamente R$ 250 a 450 mil/ano Média Alta. Coastal ~US$ 350 mil; Artefact ~€ 120 mil; Faculty ~£ 110 mil
Propriedade intelectual Rara Templates e conectores Aceleradores, agentes reutilizáveis, às vezes plataforma
Plataforma Agnóstica Ferramentas de BI Especialista em plataforma em alta: Databricks, Palantir, Salesforce, Microsoft, AWS, Anthropic, OpenAI
Recorrência Baixa Baixa Crescente, com operação de agentes e serviços gerenciados
Efeito da IA Negativo: o mesmo trabalho com menos horas reduz a receita Neutro a negativo: dashboards viram commodity Positivo, se o preço for por resultado
Margem EBITDA típica 8% a 15% 10% a 18% 20% a 40% com escala (Artefact ~30%; Tomoro estimada acima de 40%)
Múltiplo de saída 0,5x a 1,5x a receita 1x a 2,5x a receita 3x a 18x a receita

A receita por pessoa no Brasil e as faixas de margem e de múltiplo são estimativas da Outlier, calibradas pelos deals verificados e pelas medianas da Aventis.

4.2 As sete características que se repetem nos alvos premium

  1. Especialização densa numa plataforma em alta. A Coastal tinha 7,5 certificações Salesforce por pessoa. A Indicium tem 210 certificações Databricks. O comprador leva um time que já tem o selo do fabricante.
  2. Profundidade vertical. Saúde, defesa, energia, finanças: setores onde o conhecimento de domínio e a responsabilidade técnica protegem contra a IA genérica.
  3. Talento sênior e escasso.
    • Faculty: programa para doutores.
    • Ode: mais da metade dos engenheiros são ex-fundadores.
    • Northslope e Distyl: fundadas por ex-Palantir.
  4. Propriedade intelectual reutilizável. É o que separa Faculty de Keepler.
  5. Preço desacoplado de horas.
    • Na Accenture, cerca de 60% dos contratos já são de preço fixo.
    • A McKinsey tem cerca de 25% dos honorários atrelados a desempenho.
    • A Sierra cobra só quando o agente resolve o caso sozinho.
    • O Intercom Fin cobra US$ 0,99 por resolução.
  6. Crescimento acima de 30% ao ano.
  7. Credibilidade com a alta gestão do cliente. Isso encurta o ciclo de venda do comprador.

4.3 O erro comum: trocar o rótulo e manter o modelo

Uma consultoria que coloca “IA” no site e continua vendendo squads por hora continua sendo precificada como consultoria. Na diligência, o comprador olha quatro números:

  • receita por pessoa;
  • percentual da receita em preço fixo, por resultado ou recorrente;
  • crescimento;
  • concentração por cliente e por plataforma.

A Keepler tinha selo AWS e discurso de IA agêntica. O comprador pagou pelo time.

Parte 5. Brasil: quem já está nessa linha

5.1 Indicium: o caso brasileiro mais próximo do modelo global

Item Dado
Fundação 2017, Florianópolis
Fundadores Matheus Dellagnelo (CEO), Daniel Avancini, Isabela Blasi e Vitor Avancini
Capital até 2022 Sem capital externo e lucrativa de 2018 a 2022
Série A (mai/2024) Até US$ 40 mi, liderada pela Columbia Capital. Na época: receita de R$ 32 mi em 2023, 30% vinda dos EUA, 250 pessoas
Databricks Ventures (set/2025) Aporte de valor não divulgado. A Indicium é uma das 7 empresas no mundo com investimento direto do fundo e a primeira da América Latina. A parceria com a Databricks vem desde 2017
Números em set/2025 ~470 pessoas, mais de 1.000 projetos, a maior parte da receita fora do Brasil, projeção de dobrar em 2026
Fusão com a Mesh-AI (concluída até fev/2026) Formou a Indicium AI, com mais de 600 especialistas em Nova York, Londres, Lisboa, São Paulo e Florianópolis. CEO global: Kelly Manthey (ex-Kin + Carta). Crescimento combinado de 53% e meta de 67% em 2026
Clientes Burger King, PepsiCo, Bayer, Porto Bank, Fundação Bill & Melinda Gates, Roche, Experian, National Grid, EDF
Propriedade intelectual IndiMesh (framework que corta mais de 50% do tempo de entrega); acelerador que automatiza até 80% das migrações para Databricks; 210 certificações Databricks
Plataformas Databricks (principal parceiro de dados), Anthropic (principal parceiro de modelos), AWS, OpenAI, Microsoft
Reconhecimento Databricks Latin America Partner of the Year 2026 (Consulting & SI)
Resultado declarado para clientes R$ 5 bi em redução de custo e R$ 1 bi em receita nova. No caso Copa Energia, crédito com IA generativa reduziu o risco anual em US$ 2,5 mi

Leitura. A Indicium reúne quase todas as características da Parte 4:

  • especialização densa numa plataforma em alta, com o próprio fabricante como acionista;
  • aceleradores próprios;
  • crescimento acima de 50%;
  • receita em dólar e clientes grandes;
  • discurso orientado a resultado.

O que ainda falta para o padrão Faculty é um produto vendido separado do serviço. Hoje ela é a referência mais clara de quanto uma consultoria brasileira de dados pode valer quando muda de faixa.

5.2 Outras consultorias brasileiras de dados e IA

Empresa Perfil Plataforma Capital e M&A Sinal para a tese
Dataside (São José dos Campos, 2011) Dados e IA, 300+ especialistas Primeira com especialização avançada em IA da Microsoft no Brasil; uma de duas parceiras Databricks Select; líder no ISG Sem investidores divulgados Fala em resultado (“R$ 10 bi em resultados para clientes até 2031”). Alvo natural
A3Data (BH, 2012) Analytics, IA e agentes. Projeto de 12 agentes para a Mater Dei, com ROI declarado de 517% AWS A Rede Mater Dei comprou 50,1% em 2021 por até R$ 40 mi, quando tinha 130 pessoas Comprador estratégico setorial, não de tecnologia
BIX Tecnologia (Florianópolis, 2014) Dados, software e IA. 90+ pessoas, clientes como Mercedes, Heineken, Stone e Vale; escritório em Miami Databricks e GCP Sem investidores Perfil Keepler: selo e clientes, sem capital
Triggo.ai (2021) Dados e agentes, com operação nos EUA desde o início. Agente de manutenção para a CS Frotas cortou mais de 50% do esforço Snowflake e Anthropic Não divulgado Já vende resultado em operação
Semantix (SP, 2010) Plataforma de dados e IA com modelo de linguagem próprio Própria, multicloud Listada na Nasdaq em 2022 valendo US$ 1 bi, saiu em 2024; faz roll-up Projeção de R$ 120 mi em 2025. Mostra o risco de precificar como software antes de ter receita de software
Datarisk (2017) Modelos de crédito e MLOps como serviço Própria US$ 2 mi em 2021 Nicho financeiro
Dadosfera (BH) Plataforma de dados com serviço Própria R$ 13 mi captados Plataforma mais serviço

Outros nomes com tração no ecossistema Databricks e Microsoft: Kumulus, HVAR Consulting, Cognitivo.ai, BlueShift, MadeInWeb e Digiage. BlueShift e MadeInWeb aparecem no ISG Brasil 2026.

Contexto de mercado. Em setembro de 2026 a Databricks anunciou mais de R$ 1,5 bi de investimento no Brasil em três anos:

  • o negócio local quase triplicou em dois anos;
  • a rede de parceiros passa de 300;
  • a meta é formar 150 mil pessoas.

Isso aumenta a demanda por implementação, mas também a oferta de talento, que é o risco descrito na Parte 1.

5.3 Plataforma mais serviço

Nekt (“a Databricks brasileira”)

  • Produto: plataforma de dados e contexto para agentes de IA, com mais de 200 conectores, governança com camada semântica e entrega dos dados para agentes via MCP e APIs. Integra com Claude, ChatGPT e Cursor, tem certificação SOC 2 Type II e pode rodar na nuvem do próprio cliente.
  • Preço: por consumo de créditos. Há um plano gratuito, o Starter (a partir de R$ 745/mês), o Growth (a partir de R$ 2.495/mês) e o Custom, que inclui migração e gerente dedicado.
  • Fundadores: Antonio Duarte (CEO) e sócios da UFSC, que já tinham vendido a Jungle Devs para a Trybe em 2021.
  • Captação: R$ 5 mi liderados pela Alexia Ventures (junho de 2025).
  • Clientes: mais de 40 em 2025, com meta de 400 em 2026.
  • Leitura: a Nekt é mais software do que serviço. O serviço entra como migração e suporte nos contratos maiores. Ela ataca com produto o mesmo problema dos implementadores, que é ter dados prontos para a IA funcionar. É a camada “implementação como software” do mapa.

Freedom

  • Modelo: agentes de IA vendidos como “mão de obra digital” para empresas, com implementação em parceria com a Grant Thornton.
  • Clientes: mais de 100, como Panvel e Vibra.
  • Capital e M&A: captou R$ 14,5 mi e comprou a Nalk, que tinha cerca de R$ 1 mi de receita mensal recorrente.
  • Tração: cresceu 900% em 2025 e mira R$ 500 mi em cinco anos.

5.4 Plataforma, serviço e educação: o modelo brasileiro de distribuição

Uma particularidade do Brasil é usar educação e comunidade como canal de aquisição para vender ferramenta e implementação.

Viver de IA Adapta Inner AI
Fundação ~2025 2023 2023
Fundadores ou sócios Rafael Milagre e Yago Martins; Tallis Gomes, Alfredo Soares e Bruno Nardon (G4) como sócios Max Peters (CEO) Pedro Salles e Eduardo Mitelman
Produto Plataforma B2B com 159 soluções prontas e um construtor de agentes Plataforma com vários modelos (AdaptaOne), criação de software por linguagem natural (Skip) e consultoria (Adapta Labs) Agregador de mais de 50 modelos e agentes de vendas, finanças e marketing (Squad.com)
Serviço Mentorias e implementação, com 521 casos Adapta Labs (agosto de 2026): implementação para empresas a partir de R$ 5 mi de receita e imersão para CEOs Agentes para empresas como Embraer, Vivo, Sabesp e Bayer
Educação Formação e comunidade, com distribuição via G4 Cursos (menos de 1% da receita) e o Adapta Summit como evento âncora Marketing com Galvão Bueno
Base 1.200+ empresas, ticket médio de R$ 3.500/mês ~200 mil clientes (agosto de 2026) Mais de 1 milhão de usuários (abril de 2026)
Receita R$ 21 mi nos primeiros ~6 meses; projeção de R$ 100 mi em 2026 com margem acima de 30% Não divulgada. Estimativa Outlier: R$ 200 mi+ por ano se toda a base pagar o plano anual de R$ 1.188 Não divulgada
Capital Nenhum externo; meta de valuation de R$ 1 bi em 2027 Nenhum externo, lucrativa segundo o CEO; comprou a Skip por ~R$ 30 mi R$ 42 mi captados, valuation de R$ 500 mi no seed de abril de 2026; a Vivo Ventures investiu

Leitura:

  • O problema atacado é o mesmo dos implementadores globais. A educação reduz o custo de aquisição. O que essas empresas vendem é o atalho entre “comprei IA” e “IA funcionando”, só que para pequenas e médias empresas, via assinatura e comunidade em vez de times embutidos.
  • A Viver de IA tem a economia mais próxima da tese: receita alta por funcionário (mais de 40 pessoas, um único desenvolvedor), margem acima de 30% e recorrência anual.
  • O risco é a dependência de audiência e de influenciadores. Diferente da Faculty, o fosso está na distribuição, não na propriedade intelectual.
  • A Adapta faz o caminho inverso das consultorias. Começou na ferramenta de massa e agora sobe para a implementação em empresas, o mesmo movimento que os labs fazem no topo do mercado.

5.5 O que o Brasil mostra

  1. O topo virou consultoria global ancorada em plataforma. A Indicium seguiu o caminho bootstrap, Série A, aporte do fabricante e fusão internacional.
  2. Há uma geração de consultorias sem capital (Dataside, BIX, Triggo.ai) com selo de plataforma e clientes grandes. São alvos de Accenture, Globant, NTT Data, Stefanini, CI&T e dos consolidadores locais. O risco é serem precificadas como a Keepler se não tiverem propriedade intelectual e preço por resultado.
  3. O M&A doméstico está ativo, mas a preços baixos.
    • A TIM pagou cerca de 0,35x a receita pela V8.Tech à vista, até 0,7x com o earn-out cheio.
    • A Mater Dei comprou a A3Data, a Adapta comprou a Skip e a Freedom comprou a Nalk.
    • A Semantix faz roll-up.

    O desconto Brasil existe, e só a mudança de modelo de negócio reduz esse desconto.

  4. O modelo de plataforma, serviço e educação é uma variante brasileira do “service as a software” da The Delta. Monetiza mais rápido que o SaaS puro, mas o fosso está na distribuição.

Parte 6. O que vem a seguir no setor

A Eilla pergunta: “What do you think happens next in this sector?” Seis previsões, com o sinal que vai confirmar cada uma.

# Previsão Por quê Sinal a acompanhar
1 A consolidação dos implementadores AI-native acelera e os preços caem. Os independentes com tração (Distyl, Invisible, ML6, Tribe AI) serão comprados em 12 a 24 meses, e a rodada seguinte sai a múltiplo menor Labs, nuvens e consultorias têm caixa e pressa; os 15 nomes do mapa são poucos Preço por engenheiro nos próximos deals
2 O prêmio vai migrar de “talento” para “resultado provado.” Quando houver dezenas de milhares de engenheiros de implementação treinados, o comprador vai pagar por casos em produção com retorno medido A escassez de talento é temporária; casos de sucesso são cumulativos Data rooms com métricas de impacto por cliente
3 Labs e consultorias vão disputar o mesmo cliente. A DeployCo e a Ode vão para o mid-market e para os portfólios dos fundos. As consultorias vão ficar com transformação complexa e responsabilidade Os labs já compram firmas e montam times Primeiras disputas públicas de contrato
4 Roll-ups com IA chegam aos serviços profissionais no Brasil. Contabilidade, BPO, MSPs e corretoras, como Thrive (Current, Shield) e General Catalyst (Titan, Long Lake) fazem nos EUA Base fragmentada, sucessão de fundadores, múltiplos de entrada baixos Primeiro fundo brasileiro dedicado à tese
5 O modelo de cobrança define os vencedores. Integradores de TI que não mudarem o preço vão encolher de 3% a 5% ao ano, como projeta a HCLTech A deflação já é visível em TCS e HCLTech Percentual de preço fixo e por resultado nos relatórios
6 Uma correção nos valuations de “implementação como software.” Sierra a mais de US$ 15 bi e Decagon a US$ 4,5 bi pressupõem que o agente substitui o serviço. Se o “último quilômetro” continuar humano, parte desse valor volta para os implementadores O próprio CTO da Accenture diz que empresas reinventadas por IA são “basicamente perto de zero” Retenção líquida e margem bruta desses SaaS

Parte 7. Como as empresas podem se adaptar

7.1 Diagnóstico: em que faixa sua empresa está

Pergunta Faixa baixa (0,5x a 1,5x) Faixa média (2x a 4x) Faixa premium (5x ou mais)
O que o cliente compra? Horas, squads Projetos de dados ou plataforma Resultado com IA em produção
% da receita em preço fixo, por resultado ou recorrente Menos de 20% 20% a 50% Mais de 50%
Receita por pessoa Menos de R$ 300 mil R$ 300 a 500 mil Mais de R$ 500 mil
Crescimento Menos de 15% 15% a 30% Mais de 30%
Plataforma Agnóstica, sem selo Parceiro certificado Nível máximo numa plataforma em alta, com certificação densa
Propriedade intelectual Nenhuma Aceleradores internos Produto, agentes reutilizáveis, dados próprios
Vertical Generalista Um ou dois setores Especialista reconhecida em vertical regulada ou física
Margem EBITDA Menos de 12% 12% a 20% Mais de 20%

As faixas são referências da Outlier construídas a partir dos deals verificados e precisam ser ajustadas pelo desconto Brasil.

7.2 As duas perguntas difíceis

Pergunta 1: como definir o resultado em projetos muito específicos?

Não existe uma métrica universal. A prática que funciona tem quatro passos:

  1. Ancorar numa unidade de trabalho que já existe no cliente. Se o cliente já mede a unidade, o resultado é auditável. Exemplos:
    • ticket resolvido (Sierra; Intercom a US$ 0,99 por resolução);
    • proposta de crédito analisada (Indicium no caso Copa Energia);
    • ordem de manutenção processada (Triggo.ai na CS Frotas);
    • sinistro regulado ou declaração entregue (exemplos da The Delta).
  2. Separar o preço em duas partes. Uma parcela fixa paga a construção e uma parcela variável paga o resultado. As regras da Intercom mostram como escrever as exceções: não cobra se o cliente pede um humano e estorna se a conversa reabre.
  3. Medir contra uma linha de base registrada antes do projeto, com o método de cálculo assinado no contrato.
  4. Começar pelos processos de alto volume e baixa ambiguidade: atendimento, back-office, crédito, conciliação. A transformação estratégica fica em preço fixo.

Pergunta 2: como executar isso dentro de organizações grandes?

  1. Times pequenos dentro do cliente, sêniores e com acesso direto ao dono do processo. É o modelo de engenheiro embutido da Palantir, da DeployCo e dos pods de 5 a 6 pessoas da AWS.
  2. Um patrocinador com P&L, não só o time de TI. Marc Warner chama as transformações de IA de “politics projects”. Sem dono do resultado, o projeto morre na política interna.
  3. Dados prontos antes do modelo. A maioria dos projetos para na integração. É por isso que plataformas como Nekt e Databricks se posicionam como “contexto para agentes”.
  4. Contrato de operação depois da entrega. A recorrência vem de operar e melhorar os agentes, não de construir mais um.
  5. Responsabilidade clara. É o lado Handcuffs do modelo 3H: definir quem responde pela decisão do agente reduz o medo jurídico que trava a produção.

7.3 Oito movimentos para sair da faixa baixa

  1. Escolher uma plataforma e ser a melhor parceira dela no Brasil. Databricks, Snowflake, Salesforce, Microsoft, AWS, Palantir, Anthropic ou OpenAI. A Indicium mostra até onde isso leva: o fabricante virou acionista.
  2. Escolher uma vertical em que o modelo 3H proteja o negócio. Agro, mineração, energia, saúde, seguros, jurídico, setor público.
  3. Mudar o que se vende, de horas para resultado. Primeiro preço fixo por entrega, depois preço atrelado a indicador, depois assinatura de operação.
  4. Transformar projetos em propriedade intelectual. Reservar de 5% a 10% da capacidade do time para converter entregas em aceleradores, agentes reutilizáveis ou produto. Foi o que a Faculty fez com o Frontier e o que a Keepler não fez.
  5. Reorganizar a pirâmide. Menos juniores e mais engenheiros sêniores próximos do negócio. A receita por pessoa é a primeira métrica que o comprador olha.
  6. Medir o que o comprador vai medir. Montar desde já o painel do data room:
    • receita por pessoa e por cliente;
    • percentual recorrente e de preço fixo;
    • taxa de projetos que chegam à produção;
    • retenção líquida;
    • concentração nos cinco maiores clientes;
    • certificações;
    • impacto medido por cliente.
  7. Considerar educação e comunidade como canal. A Viver de IA e a Adapta mostram que, no Brasil, esse canal gera demanda barata para implementação. Uma consultoria pode usar conteúdo e formação para vender projetos ao mid-market.
  8. Arrumar a governança e escolher o comprador certo.
Comprador Exemplos Paga por
Consultorias globais Accenture, Capgemini, Deloitte, NTT Data Vertical, plataforma, clientes grandes
Integradores que querem mudar de faixa TCS, Cognizant, Globant, CI&T, Stefanini Especialização em plataforma de IA
Fundos e consolidadores Cinven/Artefact, Semantix, Thrive Margem e escala para roll-up
Labs e seus veículos DeployCo, Ode Engenheiros de implementação e execução rápida
Fabricantes de plataforma Databricks Ventures Parceiro que acelera o consumo da plataforma

7.4 O que não fazer

  • Trocar o rótulo sem trocar o modelo. A Keepler é o exemplo.
  • Apostar tudo numa plataforma sem plano B. Parceiros mudam programas de canal, e os labs estão internalizando a implementação.
  • Esperar que a escassez dure. A janela de prêmio provavelmente vai de 2 a 4 anos. Quem pretende vender deve se posicionar enquanto o múltiplo está alto.
  • Ignorar a deflação. Se a IA reduz em 30% o esforço de um projeto e o preço continua por hora, a receita cai 30%. O preço precisa mudar antes que a produtividade chegue.

Parte 8. Implicações para a Outlier Partners

  1. Originação. Mapear de 30 a 50 consultorias brasileiras de dados, IA e plataformas, com 50 a 400 pessoas e sem capital externo. É o perfil que Accenture, Globant, NTT Data e os consolidadores compram. Os primeiros nomes da lista: Dataside, BIX, Triggo.ai, Kumulus, HVAR, Cognitivo.ai, BlueShift e MadeInWeb.
  2. Preparação para venda, de 12 a 24 meses antes. Usar o diagnóstico da seção 7.1 como roteiro de governança e indicadores. O que mais move o valuation é o mix de contratos, a receita por pessoa e a propriedade intelectual.
  3. Narrativa de valuation. Defender o múltiplo com o comparável certo. Uma consultoria brasileira com aceleradores próprios e crescimento acima de 30% deve ser comparada com Indicium, Coastal ou Artefact, com o desconto Brasil explicado. A mediana de serviços de TI (1,3x) é a referência errada.
  4. Conteúdo. O contraste Faculty × Keepler é o gancho mais forte desta pesquisa. Rende um Deal Decoder para o blog e uma série de posts sobre os labs, a deflação e o caso Indicium.

Fontes

Estudo de origem

Labs, consultorias e o mercado de implementação

Deals comparáveis

Accenture

Faculty

Keepler

Brasil

Relatório produzido pela Outlier Partners exclusivamente com dados públicos disponíveis até 20/10/2026. Valores marcados como estimativa são cálculos da Outlier, não números reportados pelas empresas. Não constitui recomendação de investimento.

Participe da Comunidade

Vou abrir um grupo de WhatsApp pra discutir M&A, Captação e Governança com quem tá construindo ou pensando em vender. Não é conteúdo de manual. É valuation, estrutura de deal, disclosure e leitura de mercado, o tipo de informação que founder muitas vezes não tem fácil acesso.

Entrar no grupo do WhatsApp

Descubra mais sobre Outlier Partners

Assine para receber nossas notícias mais recentes por e-mail.

Sobre o autor

Picture of Érico Freitas

Érico Freitas

Sócio fundador da Outlier Partners e sócio do Founders Club. Mais de 12 anos de experiência em venture capital e M&A, com participação em mais de 43 transações apoiando founders na estruturação financeira, fundraising e processos de M&A.

All Posts
Linkedin Instagram

Você também pode gostar

Capa do Deal Decoder sobre as aquisições da B3: Neoway, Neurotech, Datastock, Shipay e CRDC
Análise deals M&A

🔍 Deal Decoder: B3 × Neoway, Neurotech, Datastock, Shipay e CRDC

Capa do Deal Decoder sobre a combinação entre Yduqs e Afya, controlada pela Bertelsmann
Análise deals M&A

🔍 Deal Decoder: Yduqs × Afya

Capa do Deal Decoder sobre as aquisições da Bending Spoons: Miro, Airtable, Vimeo, AOL, Eventbrite, Brightcove, komoot e Tractive
Análise deals M&A

🔍 Bending Spoons: Deal Decoder — as grandes aquisições da consolidadora italiana de software

Fale com a gente

Quer entender o real valor de M&A do seu deal? Fale com nossos especialistas.

Falar com um especialista

Descubra mais sobre Outlier Partners

Assine agora mesmo para continuar lendo e ter acesso ao arquivo completo.

Continuar lendo