Indústria de Software dos EUA — Múltiplas Empresas: A IA agêntica entra na fase de realização fundamental, acelerando a divergência no setor de software

Visão geral

O relatório resume dados do setor e das empresas das três semanas anteriores para validar de forma cruzada o desempenho das empresas de software durante a entressafra de resultados de 2026. A visão central é que a adoção de IA agêntica atingiu um nível suficiente para afetar receita e uso em algumas empresas, mas os benefícios são desiguais: plataformas com vantagens arquiteturais, ecossistemas de desenvolvedores, capacidades de cobrança por consumo e inovação contínua em engenharia estão melhorando, enquanto fornecedores de software dependentes de aquisição de clientes por busca tradicional, preços por licença ou compras de aplicações principais enfrentam pressão.

Visões principais

Primeiro, o tráfego de agentes e a atividade de desenvolvedores aceleraram significativamente, beneficiando plataformas como NET, TWLO e SHOP, que podem suportar chamadas de agentes, computação de borda, voz e correspondência de catálogos de produtos. Segundo, as compras de aplicações SaaS podem desacelerar, pois os clientes permanecem na fase de experimentação de ferramentas, os ciclos de negócios se alongam e os testes gratuitos tornam-se uma expectativa básica, enquanto os fornecedores também precisam arcar com custos de inferência. Terceiro, novos modelos de cobrança por consumo e créditos flexíveis aumentam a incerteza quanto às projeções de receita, mas também podem gerar surpresas positivas maiores; Cortex Code da SNOW e GitHub Copilot da MSFT são pontos importantes de acompanhamento. Quarto, a cibersegurança pode apresentar volatilidade específica por ação no curto prazo, mas os riscos de escape de modelos de IA e de identidade de agentes ampliarão os gastos estratégicos em segurança, com PANW vista como a melhor configuração de resultados no curto prazo. Quinto, os riscos em software aplicativo estão começando a aparecer nos resultados, com ADBE, INTU e WDAY enfrentando maior pressão; CRM não está imune, mas é relativamente mais defensiva devido ao AELA e às capacidades de monetização de IA.

Estrutura de análise

A pesquisa utiliza uma abordagem de peças de quebra-cabeça do setor, agregando divulgações de empresas, dados de uso de terceiros, taxas de adoção de produtos, comportamento de compra dos clientes, mudanças de preços e sinais da administração das últimas três semanas, mapeando-os entre empresas com base no modelo de negócios, ciclo de produto e exposição à demanda. O foco da análise não é uma métrica isolada de uso, mas se a atividade de IA pode se traduzir em receita total da empresa, consumo, retenção de clientes ou elevações nas projeções.

Notas metodológicas

• Validação cruzada do setorAgregação de dados em peças de quebra-cabeça

  Combinação de sinais recentes e dispersos de empresas e do setor em avaliações de desempenho na entressafra de resultados

  O relatório resume informações de tráfego, desenvolvedores, adoção de clientes, compras, cobrança e administração das três semanas anteriores, distinguindo entre elementos comuns ao setor e fatores específicos de cada empresa.

• Mapeamento entre empresasAnálise de transmissão de resultados

  Mapeamento dos dados de uma empresa para empresas comparáveis com base no modelo de negócios e na exposição a produtos

  Por exemplo, utilizando as mudanças na cobrança por consumo da NET para mapear a SNOW, mudanças no comportamento de busca para mapear ADBE e SEMR, e demanda por segurança de IA para mapear PANW, CRWD e OKTA.

• Análise de fatoresGS Factor Profile

  Uso de crescimento, retornos financeiros, múltiplos de avaliação e percentis compostos para comparar ações

  O fator de crescimento baseia-se no crescimento futuro de vendas, EBITDA e EPS; os retornos financeiros baseiam-se em ROE, ROCE e CROCI; os múltiplos de avaliação abrangem P/L, P/VP e métricas relacionadas ao valor da empresa; o percentil composto considera percentis de crescimento, retornos e avaliação inversa.

• Análise de M&AM&A Rank

  Classificação de empresas em três níveis com base na probabilidade potencial de aquisição

  O Nível 1 corresponde a uma probabilidade potencial de aquisição de 30% a 50%, o Nível 2 corresponde a 15% a 30%, e o Nível 3 corresponde a 0% a 15%; o Nível 1 ou 2 pode incorporar fatores de M&A ao preço-alvo.

Mapeamento e comparação de ativos

Mapeamento estruturado da tese para ativos nomeados (pontos fortes, pontos fracos, pares e riscos).

• SNOW

  Incrementalmente positivo

  Pontos fortes

  O modelo de negócios baseado em consumo e a escala inicial do Cortex Code podem levar o desempenho da receita acima das projeções.

  Pontos fracos

  Os dados sobre a fila de consumo de novos produtos permanecem limitados, reduzindo a precisão das previsões.

  Comparação

  A configuração para resultados é melhor do que a da DDOG, pois a DDOG anteriormente tinha uma barra de expectativas mais alta e foi afetada por fatores específicos de grandes clientes.

  Riscos

  A adoção do Cortex Code ou a conversão em consumo fica abaixo das expectativas.

• PANW

  Incrementalmente positivo

  Pontos fortes

  Tanto firewalls quanto Chronosphere podem contribuir para resultados acima do esperado, e a empresa está se posicionando diretamente para riscos de IA por meio de aquisições como Portkey, Protect e Koi.

  Pontos fracos

  A demanda e os pedidos de curto prazo no setor de segurança ainda podem flutuar.

  Comparação

  Vista como a empresa de segurança com maior probabilidade de apresentar resultados fortes durante a entressafra de resultados.

  Riscos

  Vácuo setorial de curto prazo, integração de aquisições e realização postergada dos orçamentos de segurança de IA.

• NET

  Manter overweight

  Pontos fortes

  Tráfego de agentes, crescimento de desenvolvedores, computação de borda e consumo de créditos flexíveis impulsionam conjuntamente a melhora fundamental.

  Pontos fracos

  À medida que a receita baseada em consumo aumenta, as projeções trimestrais e a magnitude das surpresas positivas tornam-se mais difíceis de prever.

  Comparação

  As mudanças em seu modelo de consumo fornecem uma referência para leituras de resultados de empresas como a SNOW.

  Riscos

  Ritmo de consumo desacelera, volatilidade das projeções e expectativas de alta avaliação.

• SHOP

  Manter overweight

  Pontos fortes

  O catálogo pode associar atributos de produtos a buscas específicas de agentes, beneficiando claramente comerciantes de cauda longa, enquanto a adoção do Sidekick cresce rapidamente.

  Pontos fracos

  A empresa não está atualmente monetizando diretamente recursos de IA de maneira material.

  Comparação

  Entre os fornecedores de aplicações que divulgam crescimento na adoção de agentes, a SHOP melhorou mais claramente seus fundamentos gerais.

  Riscos

  O tráfego e a conversão de transações provenientes da busca por agentes não podem ser sustentados.

• TWLO

  Manter overweight

  Pontos fortes

  Casos de uso de voz com IA estão ganhando escala, e o crescimento acelerou por dois trimestres consecutivos.

  Pontos fracos

  O crescimento ainda depende do uso pelos clientes e da expansão contínua de novos cenários de comunicação.

  Comparação

  Em comparação com software aplicativo tradicional baseado em licenças, beneficia-se mais diretamente das chamadas de agentes e do crescimento do tráfego de comunicação.

  Riscos

  O crescimento do uso desacelera ou a monetização de voz com IA fica abaixo das expectativas.

• MSFT

  Manter overweight

  Pontos fortes

  A precificação variável do GitHub Copilot aumenta as faturas dos clientes e pode continuar impulsionando a receita do Azure.

  Pontos fracos

  A precificação variável pode aumentar a sensibilidade dos clientes aos custos.

  Comparação

  Possui uma cadeia de monetização completa, de ferramentas para desenvolvedores à infraestrutura em nuvem.

  Riscos

  Clientes otimizam o uso, o crescimento das faturas desacelera ou a demanda por nuvem fica abaixo das expectativas.

• ADBE

  Incrementalmente negativo

  Pontos fortes

  Possui ferramentas criativas maduras, uma marca forte e uma grande base de usuários.

  Pontos fracos

  A transição de SEO para AEO pode enfraquecer a aquisição de consumidores no topo do funil, e a experimentação com ferramentas generativas de imagem também intensifica a concorrência.

  Comparação

  Em comparação com plataformas expostas ao tráfego de agentes ou à cobrança por consumo, a ADBE é mais vulnerável a mudanças nos canais de busca.

  Riscos

  As taxas de conversão do canal de LLM não conseguem igualar o SEO tradicional, e ferramentas generativas gratuitas ou integradas corroem a adição de novos usuários.

• WDAY

  Incrementalmente negativo

  Pontos fortes

  Sua posição como sistema corporativo de registro e sua base de clientes oferecem alguma defensividade.

  Pontos fracos

  Os produtos principais podem ser afetados por realocações orçamentárias, desaceleração de compras e pressão sobre licenças.

  Comparação

  A CRM, com o agrupamento AELA e avanços na monetização de IA, pode estar mais apta que a WDAY a suportar a pressão do setor.

  Riscos

  Reduções de assinaturas principais, ciclos de negócios mais longos e monetização insuficiente dos recursos de IA.

• CRWD

  Cautela no curto prazo, positiva no longo prazo

  Pontos fortes

  É líder em tecnologia e deve se beneficiar da demanda de longo prazo por ferramentas corporativas de segurança de IA.

  Pontos fracos

  A barra de expectativas antes dos resultados é alta, e os fundamentos têm maior probabilidade de infletir mais tarde no ano.

  Comparação

  A configuração de resultados de curto prazo é mais fraca que a da PANW, mas continua sendo uma plataforma de segurança de IA de alta qualidade no longo prazo.

  Riscos

  Um vácuo de resultados de curto prazo ou altas expectativas levam à volatilidade do preço da ação.

• OKTA

  Cautela no curto prazo

  Pontos fortes

  O negócio de segurança de identidade tem relevância estratégica de longo prazo para a gestão de identidade de agentes.

  Pontos fracos

  A empresa indicou consistentemente que a identidade de agentes tem maior probabilidade de ser um ciclo de produto do ano-calendário de 2027.

  Comparação

  A realização da receita de segurança de IA é posterior à de plataformas como PANW.

  Riscos

  Atrasos no ciclo de produto e falta de catalisadores fundamentais de curto prazo.

Dados principais

• Participação do tráfego de agentesMais de 50%Participação do tráfego total da internet divulgada pela Cloudflare, acima de aproximadamente 20% a 30% em 2025 e 18 meses à frente da previsão original.
• Novos desenvolvedores da CloudflareQuase 2 milhões no 2T26Em comparação com aproximadamente 1,5 milhão em todo o ano de 2025, o crescimento de desenvolvedores acelerou significativamente.
• Fontes dos orçamentos corporativos de IA33% orçamento novo, 66% realocação orçamentáriaResultados da pesquisa de CIOs do Goldman Sachs de maio de 2026; as principais fontes de realocação incluem mão de obra e software aplicativo.
• Uso do Shopify SidekickComerciantes ativos diários aumentaram 3,6x ano a ano; sessões diárias aumentaram 4,8xO Sidekick gerenciou quase 34 milhões de conversas, e os comerciantes criaram mais de 36.000 aplicativos personalizados, acima dos 12.000 no 1T.
• Adoção de produtos de agentes da HubSpotO Data Agent tem mais de 16.000 clientes; o Prospecting Agent tem quase 17.000 clientesAltas de 80% e 28% trimestre a trimestre, respectivamente; a contagem de clientes do Customer Agent excede 10.000.
• Adoção de agentes da KlaviyoO Composer Agent adicionou 95.000 usuários em seu primeiro mêsA adoção do Customer Agent aumentou 40% trimestre a trimestre.
• Mudança nas conexões do Figma MakeEm 1º de junho, 25% abaixo do pico de 1º de maioConforme dados de terceiros; os clientes ficaram mais cautelosos nos gastos após a transição para créditos pagos.
• Receita de créditos flexíveis da CloudflareMais de 20% do novo valor anual de contratos no 4T25Esse modelo amplia a distribuição dos resultados das projeções, potencialmente aumentando a magnitude das surpresas positivas de curto prazo, mas reduzindo a previsibilidade.
• Impacto da precificação variável do GitHub CopilotAs faturas de alguns clientes no 2T do ano-calendário aumentaram 100%, e as de clientes individuais aumentaram até 200%A precificação variável foi introduzida em 1º de junho de 2026 e pode continuar beneficiando a receita do Azure no trimestre de setembro.
• Cobertura global de ações do Goldman Sachs3.104 títulosEm 1º de julho de 2026; a distribuição de recomendações era de 50% Compra, 34% Neutra e 16% Venda.

Impacto e implicações

A implicação para investimentos é que o setor de software não pode mais ser negociado apenas com base em lançamentos de produtos de IA ou uso; os investidores devem se concentrar em saber se a adoção pode se traduzir em crescimento total de receita, aceleração de consumo e monetização estável. Empresas com posicionamento em infraestrutura, cobrança por consumo, fidelidade de desenvolvedores e vantagens arquiteturais têm maior probabilidade de apresentar pontos de inflexão fundamental em vários trimestres; o software aplicativo tradicional pode sofrer pressão de realocações orçamentárias, compressão de licenças, testes gratuitos e mudanças nos canais de aquisição de clientes. No curto prazo, os investidores devem priorizar o desempenho de SNOW e PANW na entressafra de resultados, continuar detendo MSFT, SHOP, NET e TWLO, e permanecer cautelosos em ADBE, INTU, WDAY e CRWD, de altas expectativas.

Riscos

• Os orçamentos corporativos de IA vêm principalmente de realocações de orçamentos existentes, o que pode comprimir ainda mais os gastos com software aplicativo.
• Os clientes estão na fase de experimentação de produtos e busca de adequação produto-mercado, e os ciclos de negócios podem continuar se alongando.
• Testes gratuitos estão se tornando uma expectativa básica, e os fornecedores de software precisam arcar com custos de inferência, o que pode comprimir as margens.
• A cobrança por consumo e os modelos de créditos flexíveis ampliam a distribuição dos resultados de receita, tornando as projeções trimestrais e a magnitude das surpresas positivas mais difíceis de prever.
• A transição de SEO para AEO pode enfraquecer a eficiência da aquisição tradicional de clientes baseada em busca, afetando o topo do funil de empresas como ADBE, HUBS e SEMR.
• O segmento de segurança pode experimentar um vácuo de demanda no curto prazo, e empresas com altas expectativas podem apresentar volatilidade significativa, mesmo que a tese de longo prazo permaneça sólida.
• Altas taxas de adoção de produtos de IA não se traduzem necessariamente em melhorias na receita ou lucro total da empresa.
• O relatório baseia-se em informações públicas e dados recentes disponíveis até a data de publicação, e os julgamentos relevantes podem mudar com as divulgações das empresas.

Pontos a observar

• O crescimento do consumo do Cortex Code da SNOW e a magnitude do resultado acima das projeções quando divulgar resultados no início de setembro.
• Os firewalls, Chronosphere e aquisições de segurança de IA da PANW, e sua contribuição para os resultados de curto prazo.
• O ritmo de consumo entre os clientes de créditos flexíveis da NET, a forma como as projeções são descontadas e a sustentabilidade do crescimento de desenvolvedores.
• A receita incremental do Azure proveniente da precificação variável do GitHub Copilot para a MSFT no trimestre de setembro.
• Se o tráfego de busca por agentes da SHOP pode continuar se convertendo em pedidos de comerciantes de cauda longa e receita da plataforma.
• Taxas de downgrade, contagens de licenças e ciclos de negócios na HUBS, WDAY e outras empresas de software aplicativo.
• A eficiência de aquisição de clientes por AEO da ADBE e o impacto da concorrência de ferramentas generativas de imagem sobre novos usuários.
• Pontos de inflexão de produtos de segurança de IA e identidade de agentes para CRWD e OKTA, do segundo semestre de 2026 ao ano-calendário de 2027.
• Se as métricas de adoção de recursos de IA podem avançar do uso para melhorias na receita total da empresa, retenção e lucro.