
Lucas Simon
Cofundador e CEO da Ouroboros, CRO da weedmed. Especialista em transformar estratégia em operação e receita.
Como ele pensaA Ouroboros implementa IA no ciclo de receita de empresas ao redor do mundo, do primeiro contato com o cliente ao dinheiro que volta todo mês. Somos três sócios que tocaram comercial, marketing e financeiro em empresas pequenas, médias e grandes antes de escrever a primeira instrução pra uma IA. É essa ordem que muda o resultado.

Cofundador e CEO da Ouroboros, CRO da weedmed. Especialista em transformar estratégia em operação e receita.
Como ele pensa
Faz o cliente certo chegar: campanha, mensagem e a ligação entre o que o anúncio promete e o que o atendimento entrega.
O que ele já entregou
CFO da weedmed. Acompanha a venda até virar dinheiro na conta: faturamento, cobrança e a margem de cada cliente.
Como ele fecha a contaIA que dá resultado começa bem antes do prompt.
Os maiores levantamentos dos últimos dois anos chegam ao mesmo lugar, por caminhos diferentes.
das empresas pesquisadas não tiveram retorno nenhum dos seus pilotos de IA generativa.
MIT NANDA, The GenAI Divide, 2025das empresas ainda não conseguem mostrar valor concreto com IA.
BCG, Where's the Value in AI?, 2024das empresas tiram 5% ou mais do lucro operacional da IA. O resto ainda paga pra aprender.
McKinsey, The State of AI, 2026dos projetos de agentes de IA devem ser cancelados até o fim de 2027, por custo alto e valor pouco claro.
Gartner, 2025O modelo de IA é o mesmo pra todo mundo. O que separa os poucos que lucram dos muitos que desistem está em volta dele.
Quatro causas aparecem em quase todo estudo sério sobre o assunto.
A RAND entrevistou 65 cientistas de dados e engenheiros experientes. A causa de fracasso mais citada foi a empresa entender mal, ou explicar mal, qual problema a IA precisava resolver. O sistema fica ótimo numa métrica que não muda o caixa.
RAND, The Root Causes of Failure for AI Projects, 2024
Nas empresas que mais ganham com IA, só 10% do esforço vai pro algoritmo, 20% pra tecnologia e dados e 70% pra pessoas e processos. Na McKinsey, quem lucra com IA redesenhou o fluxo de trabalho três vezes mais que os outros.
BCG, 2024. McKinsey, The State of AI, 2026
O MIT chama de learning gap: a IA não guarda o que deu errado, não se adapta ao jeito da empresa e entrega na semana 20 o mesmo que entregava na semana 1. A equipe para de confiar e volta pro jeito antigo.
MIT NANDA, The GenAI Divide, 2025
O Gartner estima que, dos milhares de fornecedores que dizem vender agentes de IA, cerca de 130 vendem de fato. O resto é chatbot com nome novo. No MIT, quem acerta trata o fornecedor como quem presta serviço: exige que ele se adapte ao processo e cobra resultado operacional.
Gartner, 2025. MIT NANDA, 2025
É a parte que todo mundo vê e quase todo mundo vende. A gente domina essa parte. Só que o que faz a IA vender, atender e cobrar direito está embaixo da linha d'água.
O que os estudos apontam como causa de fracasso virou regra de trabalho aqui dentro.
Antes de falar de IA, a gente procura onde a receita vaza: lead esperando resposta, proposta que ninguém retoma, cliente que some depois da primeira compra. A IA entra onde o número muda.
O que oferecemos nasceu dentro de uma operação comercial nossa, que já atendeu mais de 50 mil leads e tem mais de 3 mil clientes. Só depois foi pra fora. Erro caro a gente comete primeiro, no nosso caixa.
Lead respondido, reunião marcada, venda fechada, cliente que voltou. Você acompanha num painel com dado real, atualizado sozinho, sem pedir relatório.
A IA entra no ar e a gente acompanha com você. O que deu errado vira ajuste na semana seguinte, que é o contrário do sistema que para no tempo.
Cinco perguntas que separam quem entrega de quem só demonstra.
Seis perguntas, dois minutos, sem call de vendas. Você vê o caminho e a faixa de investimento antes de falar com qualquer pessoa.