A Canva tem 260 milhões de usuários ativos mensais, 28 milhões de clientes pagantes, US$ 3,5 bilhões de receita anual e 95% das empresas da Fortune 500 como clientes. Seu maior problema agora? Os usuários são ativos demais.
Em abril de 2026, a Canva lançou o AI 2.0: você digita uma frase e recebe um design, documento, site ou ativo de marketing totalmente editável. A IA foi para o centro do produto. Quatro meses depois, a empresa silenciosamente freou seu impulso de IA e cortou a projeção de crescimento de receita de 2026 de aproximadamente 30% para cerca de 20%. O motivo não é a demanda. É a conta. Cada geração de IA consome recursos de GPU e inferência, e o plano gratuito da Canva ainda distribui 200 chamadas padrão de IA ou 20 chamadas premium por mês para usuários que não pagam nada.
A Canva não é uma exceção. A Figma reportou receita do 2º trimestre 48% maior ano a ano, enquanto o custo de receita saltou 117%, de US$ 27,9 milhões para US$ 60,5 milhões. O prejuízo operacional no padrão GAAP atingiu US$ 117,3 milhões, contra um lucro operacional de cerca de US$ 2 milhões um ano antes. A ação caiu 15% após o fechamento do mercado.
Software costumava ser o negócio mais leve do mundo: cada usuário extra custava quase nada. A IA está tornando-o pesado. O software de consumo — um dos melhores negócios dos últimos 20 anos — está se transformando silenciosamente em uma academia. Ele quer que você fique viciado, e vive aterrorizado com a possibilidade de que você realmente o use.
Por Que a IA Quebrou o Flywheel do SaaS
Antes da IA, a Canva seguia o manual clássico de SaaS. Um editor online gratuito atraía tráfego massivo; templates premium e ativos licenciados convertiam usuários em planos Pro e corporativos. Cada recurso tinha a mesma propriedade: quanto mais pessoas o usavam, menor o custo unitário. Escala e lucro andavam na mesma direção.
A IA inverte essa equação. Abrir um template custa quase nada para a Canva. Gerar uma imagem ou chamar um modelo custa dinheiro real toda vez. Pela primeira vez, o tráfego gratuito que impulsionava o crescimento aparece no demonstrativo de resultados como um custo.
O segundo problema é o poder de precificação. Em 2024, a Canva tentou migrar os primeiros clientes do Teams para um modelo por assento: alguns usuários nos EUA pagavam US$ 120 por ano por cinco assentos; o novo padrão era US$ 10 por usuário por mês com mínimo de três assentos — cerca de US$ 600 por ano para a mesma equipe, um aumento de quatro a cinco vezes. Usuários antigos se rebelaram, e a Canva foi forçada a manter os planos iniciais do Teams pelos preços históricos. A Canva venceu a Adobe por ser simples e barata. Ela não pode aumentar preços sem trair a própria identidade que a criou.
Três Modelos de Precificação, Três Modos de Falha
Desde que a IA elevou os custos, o setor tentou exatamente três modelos de precificação — e cada um quebra de uma maneira diferente.
Assinatura pura: a receita tem teto, o computo não. A Adobe aumentou o plano principal de US$ 52,99 para US$ 59,99 após o lançamento do Firefly em 2023, e depois introduziu o Creative Cloud Pro a US$ 69,99 em 2025. O trimestre mais recente ainda mostra a diferença estrutural: receita de assinaturas up 13,7%, custo de assinaturas up 16%. Uma assinatura fixa a receita; o uso de IA continua flutuando.
Precificação por uso: o risco migra para o usuário, e as contas ficam imprevisíveis. A Replit adotou o “Effort-Based Pricing” em 2025, cobrando pela carga de trabalho que um agente completa — cerca de US$ 0,25 para uma tarefa simples, mais de US$ 1 para tarefas complexas. Usuários pesados agora pagam pelo computo que consomem, mas um agente planeja, pesquisa, chama ferramentas e tenta novamente em segundo plano; o usuário vê uma tarefa, não a conta de tokens. Em julho de 2025, um erro de cálculo de cobrança sobretaxou cerca de 6% dos usuários pagantes da Replit, forçando reembolsos mais créditos de US$ 10. Desenvolvedores reportaram projetos que custavam US$ 2–3 passando a custar US$ 30, e um usuário publicou uma despedida após uma única tarefa malsucedida deduzir US$ 32. O problema mais profundo: quando tudo é cobrado como chamadas de modelo, os usuários começam a se perguntar por que não compram a API diretamente.
Precificação por resultado: a mais justa na teoria, a mais difícil na prática. A Zendesk cobra cerca de US$ 1,50 por resolução automatizada por IA desde 2024 — você só paga quando a IA realmente resolve um ticket. A pegadinha é definir “resolvido”. Sob as regras iniciais da Zendesk, uma conversa contava como auto-resolvida se o usuário não respondesse em 72 horas. Um cliente auditou 192 auto-resoluções e estimou que pelo menos 40% ainda precisavam de revisão humana. É a mesma lacuna de verificação que assombra a proveniência de conteúdo de IA, onde marcas d’água de texto no estilo SynthID são quebradas quase tão rápido quanto são lançadas. Tokens são fáceis de contar. Resultados não.
A Resposta do Setor: Precificação Híbrida
Após passar pelos três, a maioria dos aplicativos de IA está convergindo para a mesma resposta: precificação híbrida. Cobrar uma assinatura base e, em seguida, cobrar separadamente pelo uso excessivo de IA ou por resultados.
A Intercom vende um assento de US$ 39 por mês e cobra US$ 0,99 por resolução. A Figma introduziu os AI Credits em março de 2026 para medir o uso. Em abril, tanto a Figma quanto a Canva começaram a dividir as assinaturas fixas em “plano base mais excedente”.
Olhando além das listas de preços cada vez mais complicadas, a mudança real fica visível: o setor está realocando o risco de computo. Na assinatura pura, a empresa o carrega — quanto mais os usuários consomem, maior o custo. Na precificação por uso, o usuário o carrega — o preço de uma tarefa se torna impossível de prever. A precificação por resultado apenas transfere a disputa para a definição de “concluído”. O híbrido é o equilíbrio pragmático: a receita de assinatura protege o piso, e o excedente empurra o custo dos usuários intensos de volta para eles.
Mais Fundo que a Precificação: o Poder de Precificação da Camada de Aplicação Está se Eroding
O remendo da precificação não esconde a mudança mais profunda. Quando cada recurso é cobrado como computo bruto, os usuários começam a fazer um cálculo diferente: se tudo são chamadas de tokens, por que não comprar a API da OpenAI ou da Anthropic diretamente?
Essa é a pergunta pairando sobre o Agentforce da Salesforce, cuja receita recorrente anual passou de US$ 1,2 bilhão, alta de 205% ano a ano — enquanto o mercado continua se perguntando se os clientes estão pagando pelos dados acumulados, fluxos de trabalho e software corporativo da Salesforce, ou por um wrapper fino em torno de chamadas de modelo. A mesma lógica que transformou o banco de dados da Oracle em uma plataforma de agentes se aplica aqui: as empresas que mantêm o poder de precificação são aquelas cujo software carrega dados e fluxos de trabalho proprietários, não as que revendem tokens. Cobrimos a aposta da Oracle em plataforma de agentes no início desta semana.
Duas consequências se seguem. Os usuários gratuitos — o motor de crescimento das últimas duas décadas — passaram de ativo para passivo no demonstrativo de resultados. E o prêmio do software em si diminui: a conveniência do empacotamento vale menos quando os clientes podem comparar seu preço por chamada com o preço bruto da API.
O Que Isso Significa para Construtores de IA
Nada disso significa que o negócio de IA para consumidores está morto. Significa que o manual mudou:
- Precifique sua exposição de computo desde o primeiro dia. Planos gratuitos ilimitados são uma estratégia de crescimento para software de custo marginal zero; para IA, são uma estratégia de queima de caixa. Meça o uso agressivamente desde o início.
- Defina a unidade de resultado cedo. A briga da Zendesk sobre “o que conta como resolvido” mostra que quem define a unidade de valor controla a conversa de precificação. Faça isso antes que seus usuários façam.
- Defenda o valor da camada de aplicação. Dados proprietários, fluxos de trabalho, distribuição e custos de troca são o que mantém seu preço acima do preço da API. Sem eles, você é um wrapper, e o mercado vai precificá-lo como um.
- Modele o custo de IA como COGS. Acompanhe o custo por conta e o uso por conta como métricas centrais, não como notas de rodapé. A compressão de margem agora é uma restrição de design, não uma surpresa contábil.
A era da academia de software não é uma falha da IA — é a economia da IA aparecendo no demonstrativo de resultados. Os vencedores serão as empresas que tratam o custo de inferência como design de produto, não como um problema para o financeiro resolver depois.
