Baixing paga seus agentes de IA por resultado, não por assinatura

À medida que os grandes modelos de linguagem ficam mais capazes, uma pergunta cada vez mais decide as compras das empresas: pelo que, exatamente, elas estão dispostas a pagar? O relatório do primeiro semestre de 2026 da Baixing, empresa chinesa de IA listada em Hong Kong, dá uma resposta concreta: não pela capacidade do modelo em si, mas por um resultado mensurável e faturável. A receita total caiu por causa de uma regulação mais rígida sobre seu negócio de crédito, mas sua unidade AICC (AI Contact Center, central de atendimento operada por agentes de IA) cresceu 52%, com receita de novos setores fora das finanças subindo 195%.

Duas implantações reais ilustram a virada. Em um cliente de logística, o volume diário de ligações atendidas por agentes de IA passou de menos de 1.000 no lançamento para mais de 15.000 no fim de agosto. Em uma grande corretora de valores, o número de 'postos' de agente implantados foi de cerca de 30 no início do ano para cerca de 210. A Baixing chama esses agentes, que assumem tarefas reais de consulta, reclamação e venda, de 'funcionários de silício', e cobra por eles pelo resultado, não por licença ou posto — uma vitrine financeira rara da comercialização de agentes corporativos.

Duas curvas opostas no balanço

No primeiro semestre de 2026, a Baixing registrou receita de 914 milhões de yuanes, queda de 43% na comparação anual; a margem bruta caiu de 73% para 53%, e a empresa passou de um lucro de 201 milhões de yuanes no ano anterior para um prejuízo de 322 milhões. O relatório atribui isso a uma regulação sobre crédito assistido pela internet em vigor desde outubro de 2025, reforçada por novas normas ao longo do primeiro semestre de 2026, que levou várias instituições financeiras a suspender certos produtos — atingindo diretamente o negócio principal da Baixing em decisão de crédito por IA e marketing de crédito.

O negócio AICC seguiu a curva oposta: receita de 166 milhões de yuanes, alta de 52%, elevando sua fatia na receita total de cerca de 6,8% para cerca de 18,1%. Ao mesmo tempo, a Baixing optou por aumentar os gastos em P&D em 31%, para 394 milhões de yuanes (43% da receita), mesmo com a receita total em queda; dos 1.477 funcionários no fim de junho, 901 — 61% — trabalham em P&D. O CEO Zhang Shaofeng chamou essa mudança de 'upgrade estratégico' na teleconferência de resultados.

Do script de ligação ao atendimento que resolve de verdade

A geração anterior de robôs de central de atendimento cuidava principalmente de ligações de saída com script — lembretes, campanhas de marketing padronizadas. Ligações receptivas complexas são outra história: o cliente chega com uma pergunta aberta, tom e situação imprevisíveis, e o agente precisa entender, manter uma conversa de múltiplas rodadas e depois consultar uma base de conhecimento e sistemas internos para de fato resolver o caso. Segundo Zhang, robôs tradicionais transferem para um humano de 70% a 80% desses casos complexos — exatamente a lacuna que a nova geração de AICC tenta fechar.

A aposta técnica da Baixing é treinar seus próprios modelos de base especializados em vez de construir uma camada de aplicação sobre um modelo de terceiros: a empresa opera o BR-Voice (voz multimodal), o BR-LLM-Proactive (diálogo proativo) e o BR-Vision-Doc (compreensão de documentos), com tamanhos de parâmetros deliberadamente mantidos entre 0,4B e 30B para priorizar precisão, estabilidade, latência e custo de inferência em vez de escala bruta. Zhang contrastou explicitamente essa abordagem com a de players ocidentais de AICC como Sierra e Decagon, que constroem majoritariamente sobre modelos de terceiros da OpenAI ou da Anthropic: a Baixing controla internamente o pré-treinamento, o pós-treinamento e a otimização de inferência, o que permite, diante de uma falha em produção, identificar mais rápido se o problema está na camada de aplicação ou no modelo, e partir direto para o próximo ciclo de treinamento. Na tarefa multilíngue de compreensão de fala do desafio INTERSPEECH 2026 MLC-SLM, a Baixing afirma ter alcançado 94,84% de precisão — terceiro lugar mundial e primeiro entre players industriais chineses. No campo, uma equipe de 'FDE' (engenheiros de implantação avançada) mapeia os fluxos de trabalho existentes do cliente e os reorganiza em fluxos operados por agentes.

Cobrar pelo resultado, não pela assinatura

O modelo RaaS (Results as a Service) da Baixing cobra, dependendo do caso, por ligações ou chamados resolvidos com sucesso sem transferência para um humano, pela escala real de agentes implantados, ou por uma participação na receita gerada. No caso da logística, a diretoria afirmou na teleconferência de resultados que o custo por ligação resolvida já é mais de 50% menor que o de uma central de atendimento tradicional operada por humanos. Isso contrasta fortemente com licença de software, assinatura SaaS ou cobrança por token: uma vez entregue o software, o risco operacional fica com o cliente, enquanto a cobrança por resultado puxa o fornecedor de tecnologia para dentro do processo de negócio do cliente — o desempenho, a estabilidade e o custo do modelo passam a ser problema dele também.

Essa estratégia não surgiu de improviso. Já em 18 de dezembro de 2025, a controladora Bairong Yunchuang lançou oficialmente sua estratégia de agentes de IA corporativos e uma plataforma chamada 'Results Cloud', construída em torno de um conceito que chama de 'cogovernança silício-carbono' — a IA ('silício') assume o trabalho padronizado, processual e intensivo em computação, enquanto os humanos ('carbono') se concentram em estratégia, criatividade e relacionamento. A plataforma tem três camadas — infraestrutura e modelos próprios, um sistema operacional para agentes corporativos e uma loja de agentes prontos — e foi lançada com quatro funções principais: um agente de vendas e atendimento ao qual se atribui a redução da rotatividade anual de uma equipe de mais de 70% para 0% e um aumento de 217% na conversão; um agente de recrutamento que reduziu o ciclo de contratação de 28 para 2 dias; um agente de serviços profissionais para expansão internacional que comprimiu o prazo de entrega de 90 para 14 dias; e um agente de produção de conhecimento que reduziu a entrega de relatórios aprofundados de 20 para 4 dias.

A próxima etapa da IA corporativa não é falar melhor, é fazer mais; não é entregar uma funcionalidade, é entregar um resultado.

Das finanças para logística, aviação e corretoras

A capacidade AICC da Baixing, refinada por sete ou oito anos no setor financeiro, agora está sendo replicada para logística, aviação, corretoras de valores, bancos, telecomunicações e seguros — setores intensivos em serviço, com alto volume recorrente de interação com o cliente e concentração de mercado suficiente para que uma implantação comprovada em um grande cliente se espalhe rapidamente, primeiro internamente e depois para concorrentes. Em julho, treze instituições do setor de corretagem já haviam assinado contrato ou estavam em negociação com a Baixing. A diretoria reconheceu, no entanto, que a parte mais demorada da expansão entre setores hoje está nos ciclos de validação de compra das grandes empresas e na integração de sistemas — o volume só é liberado gradualmente depois que segurança, conformidade e limites do serviço são aprovados.

Para uma empresa brasileira que avalia um fornecedor de agentes de IA, o aprendizado prático é que o critério de compra está mudando de uma lista de funcionalidades para métricas de resultado verificáveis — taxa de resolução sem transferência humana, custo por interação atendida e capacidade comprovada do fornecedor de replicar a implantação em escala. Para quem trabalha em atendimento ao cliente, recrutamento ou suporte jurídico e administrativo padronizado — setores em que boa parte das centrais de atendimento terceirizadas do país já opera —, este caso chinês é um sinal de alerta antecipado: quando uma mesma peça de tecnologia se replica de um setor para outro, são esses os postos automatizados primeiro, e cabe às áreas de RH planejar desde já a realocação das equipes para tarefas que exigem julgamento e relação humana, em vez de esperar os agentes de IA nas empresas já estarem em produção.