Labor as a Service: a suposta morte do SaaS e o que realmente está acontecendo

A manchete que todo mundo interpreta errado

Abra qualquer publicação de tecnologia em 2026 e você encontrará um refrão conhecido: "O SaaS está morto." Venture capitalists estão tweetando sobre isso. Fundadores estão pivotando por causa disso. Keynotes de conferências são construídas em torno disso. A narrativa atingiu velocidade de escape e, neste ponto, quase parece fato estabelecido.

Só que não é.

Dizer que o Software como Serviço chegou ao fim não é só prematuro — entende errado o que está acontecendo na indústria. O que vemos não é a morte de um modelo de entrega. É o nascimento de uma relação inteiramente nova entre inteligência e infraestrutura. Se você interpretar mal este momento, vai tomar decisões que custam anos.

Aqui está a verdade, dita de forma clara: o SaaS não está morrendo. Ele está prestes a ser consumido em uma escala que supera qualquer coisa na história da tecnologia empresarial. Mas os consumidores não serão seres humanos sentados em mesas, clicando em dashboards e exportando arquivos CSV. Os consumidores serão agentes autônomos de IA — incansáveis, paralelos, operando 24 horas por dia — que tratarão aplicações SaaS da mesma forma que robôs de fábrica tratam máquinas-ferramenta: como instrumentos de produção, operados em velocidade sobre-humana.

This shift has a name. We call it Labor as a Service — LAAS — e representa a transformação mais significativa em como empresas compram, implantam e extraem valor da tecnologia desde que Marc Benioff colocou um CRM na nuvem.

"Os aplicativos de negócios como conhecemos vão colapsar na era dos agentes."

— Satya Nadella, CEO da Microsoft

Nadella não está errado sobre o colapso. Ele está falando apenas da camada de interface. As aplicações em si — bancos de dados, APIs, lógica de negócio, motores de workflow — não vão desaparecer. Elas vão se multiplicar. O que está colapsando é a suposição de que um humano precisa ficar entre o problema de negócio e o software que o resolve.

Antes do SaaS existir: uma história que a maioria não conhece

Para entender por que Labor as a Service é a evolução natural do setor de software, é preciso voltar muito antes da fundação da Salesforce em 1999. O impulso de entregar capacidade computacional como um serviço sob demanda — em vez de um produto que você instala — é tão antigo quanto a própria computação comercial.

A era dos service bureaus (anos 1930–1960)

A árvore de decisão já era simples na época. Se o volume de transações era alto o suficiente, você comprava o mainframe. Se não era, usava um service bureau. O mesmo cálculo — build vs. buy, possuir vs. alugar — impulsionou toda grande transição de plataforma desde então.

O experimento do provedor de serviços de aplicações (anos 1990)

O modelo ASP falhou por razões instrutivas. A largura de banda era inadequada. A latência era inaceitável para aplicações interativas. A segurança era questionável. E, criticamente, a maioria dos ASPs apenas hospedava o mesmo software monolítico on‑premise em seus próprios servidores — não re-arquitetaram nada para multi‑tenant nem para entrega nativa na internet. Tentavam vender uma experiência em nuvem usando tecnologia pré‑nuvem.

Mas o instinto estava certo. O mercado queria software como serviço. Faltava a infraestrutura acompanhar a ambição.

O nascimento do SaaS e o fim do software em caixa

O insight central do SaaS inicial era enganosamente simples. Software sempre foi caro de distribuir e manter. Se você elimina o problema de distribuição entregando pelo navegador e o de manutenção centralizando atualizações, desbloqueia um modelo de negócio com economia extraordinária: receita recorrente, menos atrito na aquisição de clientes e efeitos de rede cumulativos.

O que Benioff pressentiu — e o que o mercado acabou provando — é que a maioria das empresas não se importa com software. Elas se importam com resultados. O CRM é apenas o mecanismo pelo qual constroem melhores relacionamentos com clientes. Quanto menos precisarem pensar no mecanismo, melhor.

Guarde esse insight: é a chave para o que vem depois.

A era de ouro: mil ferramentas para cada tarefa

Entre 2008 e 2024, o SaaS saiu de ideia disruptiva para o modelo padrão de entrega de quase todo software empresarial. Os números são impressionantes.

Toda função de negócio imaginável ganhou sua própria camada de SaaS. Relacionamento com clientes ganhou Salesforce e HubSpot. Gestão de projetos ganhou Asana, Monday.com, Jira e dezenas de outras. Comunicação ganhou Slack, Microsoft Teams e Zoom. Contabilidade ganhou Xero e QuickBooks Online. Marketing ganhou Mailchimp, Marketo e Klaviyo. Recursos humanos ganhou BambooHR, Workday e Rippling. Até funções de nicho — gestão de fila de espera de restaurante, agendamento odontológico, despacho de HVAC — ganharam suas próprias aplicações SaaS dedicadas.

A explosão do SaaS foi um verdadeiro triunfo da especialização. Pela primeira vez na história, uma empresa de cinco pessoas podia acessar o mesmo calibre de ferramentas antes reservadas ao Fortune 500. A democratização de software de nível corporativo foi um dos desenvolvimentos econômicos mais consequentes do início do século XXI.

Mas essa era dourada já carregava em si a semente de outro tipo de problema.

O problema do qual ninguém fala: fadiga de ferramentas

Até 2024, a média de empresas mid-market rodava entre 100 e 300 apps SaaS. Grandes empresas, milhares. Cada app tinha login, interface, lógica, silo de dados e curva de aprendizado próprios.

A promessa do SaaS era simplificação. A realidade virou complexidade em escala.

Considere como é uma operação típica de atendimento ao cliente em 2026. Um agente precisa verificar o CRM para ver o histórico do cliente, consultar a base de conhecimento para detalhes de política, atualizar o sistema de tickets com notas de resolução, conferir a plataforma de cobrança para ver o status da conta, enviar um e-mail de acompanhamento pela ferramenta de automação de marketing e registrar a interação na plataforma de analytics. São seis aplicações diferentes, seis abas diferentes, seis interfaces diferentes — para uma única interação com o cliente.

The software worked. Each individual tool did its job. But the humano Operar em todas essas ferramentas tornou-se o gargalo. Alternar contextos, copiar e colar dados entre sistemas, lembrar qual ferramenta guarda qual informação, navegar por UIs diferentes com modelos mentais diferentes — essa sobrecarga cognitiva consumia uma parte enorme do dia de trabalho.

Estudos começaram a mostrar que trabalhadores do conhecimento gastavam apenas 40% do tempo com trabalho produtivo de fato. O restante ia para o ônus operacional de gerenciar as ferramentas que deveriam torná-los produtivos.

A indústria tentou resolver isso com plataformas de integração — Zapier, Workato, MuleSoft —, o que ajudou, mas acrescentou mais uma camada de complexidade. Depois veio a “jogada de plataforma”, na qual grandes fornecedores tentaram consolidar tudo sob um mesmo teto. Isso ajudou em alguns fluxos de trabalho, mas não cobria todos os casos de uso.

O problema real era estrutural. O SaaS foi feito assumindo que humanos seriam os operadores. Cada dashboard, cada botão, cada interface de arrastar e soltar foi feita para olhos e mãos humanos. E se o operador não for humano?

Entra em cena o agente: software que usa software

O surgimento de agentes de AI capazes em 2024 e 2025 mudou a equação fundamental do software empresarial. Pela primeira vez, tornou-se possível implantar entidades de software autônomas que podiam:

• Motivo about problems using natural language understanding
• Plano multi-step workflows without explicit programming
• Executar actions through APIs, interfaces, and tool calls
• Saiba mais from interactions and improve over time
• Orquestrar across multiple systems simultaneously

Isso não era só automação. A automação já existia há décadas. RPA (Robotic Process Automation) podia clicar em botões e preencher formulários. Motores de fluxo podiam rotear documentos. Jobs Cron podiam rodar scripts em agenda. Mas tudo isso exigia um humano definindo cada passo, cada ramificação e cada tratamento de exceção com antecedência.

Agentes de IA são fundamentalmente diferentes porque motivo. Dado um objetivo e acesso a ferramentas, eles conseguem descobrir como para realizá-lo. Eles podem lidar com situações novas que nunca encontraram antes. Podem se adaptar quando uma abordagem não funciona. Podem fazer perguntas esclarecedoras quando os requisitos são ambíguos.

E, de forma crítica, eles não precisam de interface gráfica. Interagem diretamente com APIs, bancos de dados e dados estruturados — a maquinaria por trás do dashboard. O que antes exigia que uma pessoa navegasse por três aplicações copiando informações de uma tela para outra, um agente faz em segundos por meio de chamadas diretas de API aos três sistemas simultaneamente.

"Aplicações são essencialmente sistemas CRUD de banco de dados. Elas têm alguma lógica de negócio. Essa lógica de negócio vai migrar para a camada de IA."

— Satya Nadella sobre o futuro das aplicações empresariais

Este é o momento em que a narrativa vira. Os aplicativos SaaS foram feitos como ferramentas para humanos. Agentes de IA transformam esses mesmos aplicativos em ferramentas para trabalhadores autônomos. O painel deixa de ser necessário — não porque o aplicativo não seja, mas porque o operador não precisa de uma interface visual. O agente lê e grava dados diretamente.

Agentes em produção hoje

Isso não é teoria. No início de 2026, o cenário corporativo já mostra evidências claras da mudança:

• Experience Cloud da Adobe deploys AI agents that autonomously write, test, and optimize advertising copy across campaigns
• Workday uses agentic AI to prepare journal entries and process financial data without human data entry
• ServiceNow agents handle support ticket triage, categorization, and initial resolution autonomously
• Operações de atendimento ao cliente across industries are deploying AI agents that handle 40-60% of incoming inquiries without human intervention

Pesquisa do relatório State of Agentic Orchestration 2026 da Camunda: 81 % das empresas acham orquestração agêntica essencial para autonomia total; 57 % já rodam agentes de IA em produção.

O que é Labor as a Service?

Labor as a Service — LAAS — é o modelo de negócio que surge quando agentes de IA se tornam os principais consumidores de ferramentas de software.

No modelo SaaS, você compra acesso a uma ferramenta. Você paga por assento, por mês, pelo direito de usar o software. A extração de valor depende inteiramente de quão efetivamente sua equipe humana opera essa ferramenta. Um CRM só é tão bom quanto os vendedores que o atualizam. Uma ferramenta de gestão de projetos só funciona se as pessoas realmente a usarem. Uma plataforma de analytics é inútil se ninguém lê os dashboards.

No modelo LAAS, você compra resultados. Você não paga por um assento em uma plataforma de atendimento ao cliente. Você paga por consultas de clientes resolvidas. Você não paga por uma licença de automação de marketing. Você paga por leads qualificados gerados. Você não paga por acesso a um sistema contábil. Você paga por conciliações concluídas.

The shift is radical not because the software changes, but because the cadeia de valor mudanças. Em SaaS, a responsabilidade do fornecedor termina em fornecer software funcional. Treinamento, adoção, uso e resultados são problema do cliente. Em LAAS, o fornecedor assume a cadeia inteira da ferramenta ao resultado. O agente é a ponte que conecta a capacidade do software ao resultado do negócio.

A arquitetura de LAAS

Uma oferta de Labor as a Service é construída em três camadas:

1. A camada de ferramentas (SaaS) — Os aplicativos de software subjacentes que armazenam dados, executam a lógica de negócios e fornecem APIs. Esta é a infraestrutura SaaS existente: CRMs, ERPs, plataformas de comunicação, bancos de dados, mecanismos de análise. Esta camada não desaparece. Ela cresce.
2. A camada de agentes (inteligência) — Agentes autônomos de IA que raciocinam sobre problemas de negócio, tomam decisões dentro de limites de governança definidos e executam ações na camada de ferramentas. Essa é a nova camada intermediária que transforma ferramentas em trabalhadores.
3. A camada de governança (confiança) — Regras, restrições, trilhas de auditoria e mecanismos de supervisão humana que garantem que os agentes operem dentro dos limites aprovados. Essa camada define o que um agente pode e não pode fazer, quando deve escalar para um humano e como cada ação é registrada e pode ser revisada.

Essa arquitetura em três camadas é essencial. Sem a camada de ferramentas, os agentes não têm com o que trabalhar. Sem a camada de agentes, as ferramentas ainda exigem humanos para operá-las. Sem a camada de governança, os agentes ficam sem controle e não são confiáveis.

Toda implementação séria de LAAS precisa dos três.

A reviravolta: o SaaS não morreu

É aqui que a narrativa popular erra de forma catastrófica.

Quando dizem que “o SaaS morreu”, imaginam um mundo em que o CRM some, a ferramenta de gestão de projetos evapora e o software contábil some do mapa. Eles visualizam agentes de IA operando em um vazio sem forma, criando resultados de negócios só com inteligência pura.

Não é assim que nada disso funciona.

Agentes de IA precisam de ferramentas. Precisam de bancos de dados para ler e escrever. Precisam de lógica de negócio para executar. Precisam de protocolos de comunicação para integrar. Precisam de modelos de dados para entender. Toda ação de um agente é, no núcleo, uma chamada de API para um sistema de software.

Agentes não substituem software. Agentes consomem software.

E eles consomem isso em uma taxa e volume que nenhuma força de trabalho humana conseguiria alcançar. Considere as implicações:

• Um atendente humano lida com talvez 40-60 interações por dia. Um agente de IA consegue lidar com milhares, simultaneamente.
• Uma pessoa faz chamadas de API pelo navegador, uma de cada vez, com deliberação. Um agente faz chamadas de API programaticamente, em paralelo, em milissegundos.
• Um humano trabalha 8-10 horas por dia, 5 dias por semana. Um agente trabalha 168 horas por semana, 52 semanas por ano — sem pausas, sem afastamentos, sem rotatividade.

Se você é uma empresa SaaS e seu produto é precificado por chamada de API, por transação ou por volume de dados processados, a era do LAAS é a melhor coisa que já aconteceu com você. Suas métricas de consumo estão prestes a disparar.

Se o seu preço é por assento — por usuário humano — então sim, você tem um problema. Não porque seu software esteja sendo substituído, mas porque seu modelo de precificação não captura o valor que está sendo criado. O software está mais útil do que nunca. Mas o usuário sentado nesse assento já não é humano.

Os números não mentem

Os gastos globais com SaaS estão se aproximando de US$ 300 bilhões em 2025 e devem acelerar, não contrair. Espera-se que os gastos com software empresarial cresçam mais de 15% em 2026, com a maior parte desse crescimento impulsionada por aplicações habilitadas por IA. O mercado B2B de SaaS está a caminho de atingir US$ 1,58 trilhão até 2031.

Não são números de uma indústria moribunda. São números de uma indústria impulsionada por uma nova classe de consumidor que opera em velocidade de máquina.

A economia do LAAS: do preço por usuário ao preço por resultado

A transformação econômica de SaaS para LAAS toca em todos os aspectos de como a tecnologia é comprada, vendida e valorizada.

Dimensão	Modelo SaaS	Modelo LAAS
O que você compra	Acesso a ferramentas de software	Resultados de negócio concluídos
Unidade de faturamento	Por assento, por mês	Por resultado, por resolução, por tarefa
O valor depende de	Habilidade humana no uso da ferramenta	Capacidade do agente e qualidade de governança
Escalar exige	Contratar mais pessoas, comprar mais licenças	Aumenta a capacidade aprovisionada para agentes
Tempo até gerar valor	Semanas a meses (treinamento, adoção)	Horas a dias (implantação do agente)
Utilização	Varia conforme o engajamento dos colaboradores	Perto de 100% — agentes não procrastinam
Horário de funcionamento	Horário comercial (8-10 h/dia)	168 horas por semana, 52 semanas por ano
Consistência de qualidade	Varia conforme o indivíduo	Governado, auditável, consistente

O modelo de precificação por resultado tem implicações profundas para compradores e vendedores. Para compradores, significa pagar apenas pelo valor recebido. Chega de “prateleira digital” — licenças compradas e nunca usadas. Chega de “compramos o plano enterprise, mas só usamos três recursos”. Cada dólar gasto corresponde a uma unidade mensurável de trabalho concluído.

Para os vendedores, isso significa um tipo diferente de relação. Você não está mais no negócio de ferramentas. Está no negócio do trabalho. Sua receita se correlaciona diretamente com o valor que você entrega aos clientes, o que significa que seus incentivos ficam perfeitamente alinhados com os deles. Essa é uma dinâmica mais saudável do que o preço por assento, em que o fornecedor se beneficia da contagem de assentos independentemente de esses assentos produzirem resultados.

A questão da margem

Os céticos perguntam logo sobre margens. Se você entrega resultados em vez de acesso ao software, seus custos não escalam com a entrega? Sim — mas a curva de custo da inferência de IA está caindo mais rápido do que quase qualquer custo tecnológico na história. Os custos dos modelos caíram cerca de 80% só nos dois primeiros meses de 2025. À medida que a inferência fica mais barata, a margem no preço por resultado melhora drasticamente.

O paralelo é infraestrutura em nuvem. O preço por hora de computação da AWS parecia arriscado comparado a licenças perpétuas de servidor. Mas à medida que os custos de infraestrutura caíram e o uso cresceu, o modelo de precificação por utilidade provou ser amplamente superior para provedor e consumidor.

Como o LAAS funciona na prática

Frameworks abstratos são úteis, mas a compreensão real vem ao ver o LAAS em operação. Vamos percorrer três cenários que ilustram o modelo.

Cenário 1: atendimento ao cliente que nunca dorme

Uma empresa de serviços residenciais — encanamento, HVAC, elétrica — recebe centenas de consultas de clientes por semana. No modelo SaaS, ela compraria uma plataforma de helpdesk (Zendesk, Freshdesk), um CRM (HubSpot, Salesforce), uma ferramenta de agendamento (ServiceTitan) e uma plataforma de comunicação (Twilio). Depois, contrataria e treinaria atendentes para operar os quatro sistemas.

No modelo LAAS, um agente de IA opera os quatro sistemas de forma autônoma. Quando um cliente liga às 2h com emergência de aquecimento, o agente faz o triagem da chamada com base nos critérios de emergência da empresa, verifica o sistema de agendamento em busca de técnicos de plantão disponíveis, consulta o histórico do cliente no CRM, despacha o técnico certo, envia uma confirmação ao cliente e registra tudo no helpdesk para revisão de qualidade.

A empresa não paga quatro assentos SaaS mais um salário humano. Ela paga por consulta resolvida. As ferramentas SaaS continuam rodando — o agente precisa delas — mas o gargalo humano some.

Cenário 2: operações de marketing em velocidade de máquina

Uma empresa de e-commerce de médio porte precisa rodar campanhas de marketing multicanal. Abordagem tradicional: contratar equipe de marketing, assinar plataforma de e-mail, agendador de redes sociais, suíte de analytics, ferramenta de teste A/B e sistema de gestão de conteúdo. Depois, passar meses treinando a equipe, criando fluxos e iterando performance.

Abordagem LAAS: um agente ingere as diretrizes de marca da empresa, o catálogo de produtos e os dados históricos de desempenho. Em seguida, cria autonomamente conteúdo de campanha, agenda a distribuição pelos canais, monitora métricas em tempo real, ajusta segmentação e mensagens com base nos resultados e gera relatórios semanais para revisão humana. O diretor de marketing passa de operador a estrategista — definindo metas e revisando resultados em vez de clicar por seis interfaces diferentes.

Cenário 3: fechamento financeiro que roda sozinho

No fim de cada mês, equipes de contabilidade pelo mundo seguem o ritual do «fechamento» — reconciliar contas, casar transações, preparar lançamentos, revisar variações e produzir relatórios. É um processo intensamente manual e multi-sistema que costuma levar 5 a 10 dias úteis.

Em uma implementação de LAAS, os agentes cuidam do trabalho mecânico: puxam transações do ERP, conciliam com os feeds bancários, preparam lançamentos contábeis padrão, sinalizam anomalias para revisão humana e geram demonstrações financeiras preliminares. Um processo que consumia uma equipe de contadores por uma semana agora é concluído em horas, com humanos revisando a saída em vez de produzi-la.

O papel humano em um mundo LAAS

A objeção mais comum ao LAAS — e a agentes de IA em geral — é existencial: “O que acontece com as pessoas?”

É uma pergunta justa e merece uma resposta cuidadosa, não um tecno-otimismo displicente.

In a LAAS world, human roles shift from operação para supervisão, de execução para governança, de fazendo para decidindo. Isso não é um eufemismo para eliminação. É uma transformação real na natureza do trabalho.

Considere como o papel de um trabalhador de fábrica mudou durante a Revolução Industrial. Antes da automação, um ser humano moldava pessoalmente cada componente. Depois da automação, os humanos passaram a projetar os processos, manter os equipamentos, inspecionar os resultados e lidar com as exceções que as máquinas não conseguiam resolver. O valor total produzido disparou, e a natureza do trabalho ficou mais complexa e mais valiosa, não menos.

A mesma dinâmica está se desenrolando agora no trabalho do conhecimento:

• Agentes de atendimento ao cliente passam a ser estrategistas de experiência do cliente que desenham políticas de interação, revisam desempenho do agente, tratam casos escalados que exigem empatia e julgamento, e refinam continuamente as regras de governança que restringem o comportamento da IA.
• Coordenadores de marketing passam a ser diretores de marketing que definem estratégia de campanha, revisam conteúdo gerado por IA para alinhamento à marca, analisam desempenho em nível mais alto e tomam decisões criativas que exigem contexto cultural e intuição humana.
• Contadores passam a ser analistas financeiros que revisam demonstrações preparadas por IA, investigam anomalias, oferecem orientação financeira estratégica e tratam decisões que exigem julgamento e compreensão do contexto de negócio além do que números podem transmitir.

O fio condutor: os humanos sobem na cadeia de valor. O trabalho repetitivo, orientado a processos e de navegação entre várias ferramentas fica com os agentes. O estratégico, que exige julgamento, criatividade e empatia, fica com as pessoas. Em muitos casos, o papel humano fica mais interessante, não menos.

O imperativo de governança

Há um novo papel humano que a era do LAAS cria do nada: governança de IA.

Quando os agentes operam de forma autônoma, alguém precisa definir limites. O que o agente pode dizer aos clientes? Que autoridade de preço ele tem? Quando deve escalar? Como auditamos as decisões dele? A que conteúdo ele pode se referir? O que constitui alucinação versus inferência válida?

Essas questões de governança são fundamentalmente humanas. Elas exigem julgamento ético, expertise de domínio e responsabilidade que não podem ser delegados à própria IA. Todo negócio que implanta LAAS precisa de pessoas que entendam tecnologia e negócio o suficiente para definir salvaguardas adequadas.

Esse é um dos motivos pelos quais construímos o Office 168/52 como fizemos. Bob, nosso agente de IA, foi projetado desde o início com governança no centro. Cada resposta se apoia no conteúdo aprovado pelo cliente. Quando Bob não sabe algo, ele diz. Cada interação é registrada, auditável e revisável. A IA não opera no vácuo — ela opera dentro de uma estrutura de confiança que humanos definem e mantêm.

Quem ganha na era LAAS

Nem toda empresa está igualmente posicionada para a transição de SaaS para LAAS. Veja como o cenário competitivo se reorganiza:

Vencedores

• empresas SaaS API-first — Se seu software foi feito para consumo programático, os agentes podem usá-lo na hora. Empresas com APIs robustas e bem documentadas viram infraestrutura essencial na stack LAAS.
• Empresas de IA orientadas a resultados — Negócios que vendem solicitações resolvidas, leads qualificados ou tarefas concluídas em vez de licenças de software já operam no modelo LAAS. Eles têm vantagem em precificação, entrega e expectativas do cliente.
• Plataformas com governança em primeiro lugar — A confiança é o recurso mais escasso na era dos agentes. Plataformas que demonstrem auditabilidade, respostas fundamentadas em evidências e tomada de decisão transparente conquistarão posicionamento premium.
• Especialistas verticais — Agentes que entendem profundamente um setor específico — saúde, serviços residenciais, jurídico, serviços financeiros — superam agentes genéricos porque a expertise de domínio se acumula. Quanto mais um agente entende emergências em HVAC ou agendamento em consultórios odontológicos, melhor atende esses clientes específicos.
• Pequenas empresas — LAAS é o grande nivelador. Uma empresa de cinco pessoas pode implantar agentes de IA que entregam o mesmo nível de atendimento, execução de marketing e eficiência operacional que uma com 500 funcionários. A vantagem de escala em número de pessoas evapora.

Perdedores

• SaaS só de dashboard — Se o principal valor do seu produto é uma interface bonita para humanos verem dados e você não oferece acesso robusto à API, os agentes não podem usá-lo. Seu software vira uma camada de visualização sobre dados que os agentes acessam direto na fonte.
• Resistência a precificação por assento — Empresas que insistem em precificação por licença humana verão seus modelos de receita pressionados à medida que clientes migram operadores humanos para fluxos baseados em agentes. O número de licenças cai mesmo com o aumento do uso.
• Empresas de recrutamento indiferenciadas — Agências e empresas de recrutamento que fornecem mão de obra humana genérica em nível de processo para tarefas que agentes podem executar enfrentarão concorrência direta de provedores de LAAS que entregam os mesmos resultados com menor custo e maior consistência.

O caminho à frente: de 2026 a 2030

Estamos nos estágios iniciais da transformação LAAS. Com base nas trajetórias atuais e nas tendências observáveis, eis o que os próximos quatro anos provavelmente reservam:

2026: O ano da implantação de agentes

É onde estamos agora. A tecnologia está comprovada. Os primeiros usuários veem resultados reais. Segundo pesquisas da G2, 72% das empresas usam ou testam agentes de IA. O MIT's Harvard Data Science Review publicou achados que mostram ganhos de produtividade de 2 a 10 vezes quando os fluxos são redesenhados em torno de agentes em vez de apenas sobrepor IA a processos humanos existentes.

Mas há um gap. A pesquisa da Camunda mostra 73% de desalinhamento entre a visão de IA agêntica e a realidade. A maioria ainda está em piloto. Os próximos 12 meses serão sobre ir do piloto à produção.

84% dos líderes empresariais planejam aumentar neste ano os investimentos em agentes de IA. O capital está se movendo.

2027: A revolução de preços

Com o uso de agentes em escala, o modelo por licença ficará sob pressão insustentável. SaaS migrarão para preços por uso, por resultado ou híbridos que contemplem consumidores não humanos. Quem migrar cedo em 2026-2027 capturará participação desproporcional dos incumbentes resistentes.

Também veremos o surgimento de "agent marketplaces" — plataformas onde empresas podem assinar agentes especializados para funções específicas, assim como assinam ferramentas SaaS hoje. Mas, em vez de assinar software, assinarão capacidade.

2028: A onda de integração

À medida que os agentes proliferam, a orquestração torna-se central. Sistemas multiagente—agentes especializados em atendimento, marketing, finanças e operações que colaboram e compartilham contexto—serão a arquitetura padrão. Isso gera enorme demanda por integração, governança de dados e padrões de comunicação entre agentes.

As empresas que resolverem a orquestração multiagente se tornarão a próxima geração de provedores de plataforma corporativa.

2029 - 2030: LAAS como padrão

Até o fim da década, o LAAS será o modelo padrão de consumo de serviços tech por PMEs. A pergunta não será «Devemos usar agentes de IA?», e sim «quais agentes, governados por quem, em qual infra SaaS, entregando quais resultados?»

Grandes empresas operarão modelos híbridos em que especialistas humanos trabalham ao lado de equipes de agentes, com estruturas de governança que abrangem ambos. O organograma incluirá agentes de IA como membros reconhecidos de equipes funcionais, com capacidades, restrições e métricas de desempenho definidas.

O gasto em SaaS vai crescer bastante —agentes consomem mais software que humanos—, mas a receita virá de consumo via API, não de licença por assento. O setor será maior que nunca, com base de clientes outra: mais máquinas que gente.

Onde o Office 168/52 se encaixa

Não nos propusemos a criar uma empresa de Labor as a Service. Propusemo-nos resolver um problema específico: empresas de serviços perdendo clientes por não conseguirem oferecer interação com clientes em nível especializado, 24 horas por dia.

Mas a solução que construímos — o Bob, um agente de IA que aprende seu negócio de forma autônoma, ancora cada resposta no conteúdo aprovado e opera com inteligência governada e auditável — é exatamente o que o modelo LAAS descreve.

Quando você implanta o Bob no seu site, você não está comprando um chatbot. Você não assina um software e depois descobre como usá-lo. Você está implantando um colega digital que:

• Aprende seu negócio desde o primeiro dia by analyzing your website, products, services, and policies
• Opera 168 horas por semana, 52 semanas por ano — that's where our name comes from
• Respostas apenas do seu conteúdo aprovado, recusando especular quando não há evidência
• Melhora continuamente from every customer interaction
• Custa uma fração of the human labor it augments

O Bob usa as ferramentas SaaS por baixo — camada de comunicação, dados e analytics —, mas você não precisa tocá-las. Você recebe o resultado: conversas especializadas com clientes, leads capturados, perguntas respondidas, emergências roteadas. Isso é Labor as a Service.

E como a governança está incorporada à arquitetura do Bob desde a base, você obtém algo que a maioria das soluções de IA não consegue oferecer: confiança. Toda resposta é baseada em evidências. Toda interação é registrada. Quando o Bob não sabe algo, ele diz "Não sei" em vez de inventar. Em uma era em que alucinação de IA é a principal barreira para adoção empresarial, isso não é um recurso — é a base.

O problema, o cerne e a conclusão

Vamos voltar ao título: "Labor as a Service: a morte do SaaS".

Agora você sabe a verdade: não é uma morte. É uma metamorfose.

A lagarta não morre ao virar borboleta. Ela se transforma em algo que opera em um plano inteiramente diferente. SaaS — as ferramentas, as APIs, a infraestrutura de dados — é a lagarta. LAAS — a entrega de trabalho concluído orientada por agentes, focada em resultados e protegida por governança — é a borboleta.

As ferramentas não somem. Elas se multiplicam. O consumo de software está prestes a atingir níveis inimagináveis quando Benioff lançou o Salesforce daquele apartamento em 1999. Mas o consumo será puxado por agentes inteligentes em velocidade de máquina — não por humanos clicando em dashboards.

As empresas que entendem isso — que veem a camada de ferramentas e a camada de trabalho como complementares, não concorrentes — construirão as empresas que definirão a próxima década.

As empresas que levam "SaaS está morto" ao pé da letra e abandonam a camada de ferramentas ficarão sem a infraestrutura de que os agentes precisam para operar.

E as empresas que ignorarem totalmente a revolução dos agentes, presas à suposição de que software é algo que humanos usam com mãos e olhos, serão ultrapassadas por concorrentes cuja força de trabalho de IA nunca dorme, nunca comete o mesmo erro duas vezes e opera sua stack com uma precisão que nenhuma equipe humana consegue igualar.

Bem-vindo à era do trabalho como serviço (Labor as a Service). O software não morreu. Ele só está ganhando seu primeiro operador incansável.