Implantar inteligência artificial nas operações de uma empresa deveria ser mais simples do que nunca. Afinal, nunca houve tantos modelos disponíveis, tantas plataformas de IA e tantos recursos para acelerar a adoção corporativa. Mas há um paradoxo no centro desta transformação: quanto mais poderosa a IA se torna, mais especialistas humanos parecem ser necessários para colocá-la para funcionar de verdade.
É para resolver exatamente esse impasse que surge a June, startup norte-americana que acaba de sair do sigilo com US$ 20 milhões em financiamento pré-seed. A rodada foi liderada pela Time Ventures, fundo de Marc Benioff, fundador e CEO da Salesforce, e contou com a participação de nomes como Michael Dell (fundador da Dell Technologies), Aaron Levie (CEO da Box) e George Kurtz (CEO da CrowdStrike).
O problema que a June quer resolver
A premissa da June parte de uma constatação incômoda: a maioria das empresas que tentam adotar agentes de IA esbarra em seus próprios sistemas legados. Décadas de software customizado, bancos de dados fragmentados e integrações improvisadas formam um labirinto que os modelos de linguagem, por mais avançados que sejam, não conseguem atravessar sozinhos.
“Antes que a IA possa criar valor, alguém precisa lidar com os sistemas legados”, afirmou Efrat Rapoport, cofundadora e CEO da June, em entrevista ao TechCrunch. Rapoport foi executiva na Salesforce e, antes disso, cofundou a Bonobo AI, startup de análise de comportamento do cliente adquirida pela Salesforce em 2019. Seus outros cofundadores – Ohad Hen, Barak Goldstein e Idan Tsitiat – também têm trajetórias em grandes empresas de tecnologia.
A abordagem atual do mercado para resolver esse problema costuma envolver consultores especializados, conhecidos no setor como FDEs (Field Deployment Engineers, ou engenheiros de implantação em campo). Esses profissionais mapeiam os sistemas internos, constroem as integrações necessárias e treinam as equipes para usar as novas ferramentas. É um processo caro, lento e que não escala bem.
Paul Akinmade, executivo de uma das empresas parceiras da June, resumiu bem a frustração do mercado: “Se o seu produto requer FDEs, eu não quero o seu produto. Quero uma ferramenta fácil de usar.”
Como funciona a plataforma
A June propõe uma abordagem diferente: automatizar o trabalho que os FDEs fazem manualmente. A plataforma analisa a infraestrutura existente de uma empresa, identifica gargalos nos processos e constrói um roteiro passo a passo para integrar agentes de IA de forma segura, sem depender de engenheiros especializados.
Na prática, isso significa que um gestor de operações ou um profissional de TI sem formação específica em IA poderia usar a ferramenta da June para mapear onde, como e em qual ordem os agentes de IA podem ser inseridos nos fluxos de trabalho existentes. O sistema detecta inconsistências de dados, propõe correções e guia a implementação por interfaces mais acessíveis.
A ideia é que a implantação de IA corporativa pare de exigir uma equipe de especialistas caros e passe a ser algo que qualquer empresa possa fazer com seus próprios recursos internos. O produto trabalha em três frentes: primeiro mapeia os sistemas legados existentes; depois identifica onde os processos podem ser otimizados com IA; e por fim gera um guia de implantação com etapas claras e validação em cada fase.
O paradoxo que motivou a startup
Há uma ironia no coração do problema que a June quer resolver. A IA, que deveria automatizar tarefas e reduzir custos operacionais, acabou aumentando a demanda por profissionais de serviços. As empresas que querem adotar agentes de IA estão contratando mais consultores, integradores e especialistas técnicos do que antes.
Esse fenômeno não é exclusivo de startups ou pequenas empresas. Grandes corporações com orçamentos robustos também enfrentam o mesmo obstáculo: os sistemas que acumularam ao longo de décadas foram construídos em épocas em que integração com IA não estava no horizonte de ninguém. Conectar esses legados com modelos modernos requer um conhecimento muito específico, e esse conhecimento tem preço alto.
A June aposta que, ao automatizar o diagnóstico e a orquestração da implantação, é possível transformar um processo que hoje leva meses e custa centenas de milhares de dólares em algo muito mais rápido e acessível, com ou sem uma equipe técnica especializada.
Por que os investidores apostaram na June
A lista de apoiadores da June é significativa e não acidental. Marc Benioff, com sua bagagem na Salesforce, uma das maiores plataformas corporativas do mundo, conhece de perto o desafio que a startup enfrenta. Boa parte dos clientes da Salesforce são exatamente o tipo de empresa que tem sistemas legados complexos e quer adotar IA sem ter que reconstruir sua infraestrutura do zero.
Michael Dell, Aaron Levie e George Kurtz representam diferentes pontos da cadeia corporativa de tecnologia: infraestrutura, colaboração e segurança. Todos eles atuam em mercados onde a implantação de IA em sistemas existentes é um gargalo crescente e onde uma solução que reduza a fricção teria impacto imediato nos clientes de suas próprias empresas.
Esse alinhamento entre os investidores e o problema que a June quer resolver sugere que a aposta vai além do interesse financeiro. Há um componente estratégico: cada um desses líderes tem incentivo para que seus próprios clientes consigam adotar IA com menos fricção, mais rapidez e menor dependência de terceiros.
O contexto mais amplo: a barreira de entrada da IA corporativa
A June não está sozinha ao identificar esse problema. Nos últimos dois anos, surgiram diversas startups focadas em tornar a adoção de IA mais acessível para empresas. Mas a maioria delas ataca a camada de interface, oferecendo ferramentas de low-code ou no-code para construir aplicações de IA sem programação.
O diferencial da June está na camada abaixo: em vez de criar novas interfaces para IA, a startup quer resolver o problema de integração com o que já existe. É uma proposta que complementa, em vez de competir com, as soluções de desenvolvimento de agentes que já estão no mercado.
O timing também é favorável. O mercado de IA corporativa está passando por um momento de reavaliação: depois de uma fase inicial de experimentação e pilotos, as empresas estão tentando de fato escalar suas implementações, e é exatamente nessa fase que os sistemas legados se tornam o principal obstáculo.
Disponibilidade e próximos passos
A June ainda não anunciou disponibilidade ou expansão para o mercado brasileiro. Por ora, o produto está em fase de lançamento nos Estados Unidos, com foco inicial em empresas de médio e grande porte que já utilizam plataformas como Salesforce, SAP ou Oracle.
Para profissionais de TI e gestores de tecnologia no Brasil, o caso da June é relevante por duas razões: o problema que ela endereça é idêntico ao que empresas brasileiras enfrentam ao tentar modernizar suas operações com IA; e o surgimento de ferramentas desse tipo tende a democratizar o acesso à implantação de IA nos próximos anos, independentemente do mercado onde a startup inicialmente operar.
Quem resolver o problema da integração de IA com sistemas legados a escala tem potencial para se tornar infraestrutura crítica da próxima fase da transformação digital corporativa. A June está apostando que esse momento chegou, e que os US$ 20 milhões levantados são suficientes para provar o conceito antes de ir a mercado com força total.
Fonte: TechCrunch – A Marc Benioff-backed startup thinks AI can solve the AI deployment problem
