Cromai: Construindo uma Deep Tech pela perspectiva de uma Venture Builder — Descoberta, cofundação e de-risking na construção de uma Deep Tech

Cromai: Construindo uma Deep Tech pela perspectiva de uma Venture Builder Descoberta, cofundação e de-risking na construção de uma Deep Tech

Diogo Dutra¹ · Guilherme Castro² · Rodrigo Franco³ ¹ CEO e sócio da CAOS Focado; à época do caso, responsável por Business Development na Cromai.

² Sócio-fundador de tecnologia da Cromai; à época do caso, CEO da companhia.

³ Sócio da CAOS Focado e líder de Produto, Tecnologia e Design da organização.

Resumo

Startups Deep Tech combinam incertezas tecnológicas, de mercado, desenvolvimento, operação e capital (SIEGEL; KRISHNAN, 2020). Quando uma mesma tecnologia permite resolver diferentes problemas, surge uma dificuldade adicional: as diversas aplicações podem funcionar, os clientes podem aderir e até mesmo a receita pode ser gerada sem que esteja claro em qual direção a empresa deve concentrar seus recursos.

Este caso reconstrói a trajetória da Cromai entre 2017 e 2022, desde a exploração inicial de aplicações de Visão Computacional e Deep Learning até sua entrada em uma fase de tracionamento do negócio. O foco está na fase de “Descoberta” do negócio, entre 2017 e 2020, quando soluções para as culturas de café, citros, soja e duas aplicações em cana-de-açúcar apresentaram diferentes combinações de viabilidade técnica, interesse comercial e potencial econômico.

O caso analisa a decisão de alocação de esforços pela perspectiva da cofundação entre os fundadores da Cromai e a CAOS Focado, uma venture builder (VB) brasileira. A VB não aparece como uma instância externa que decide pelo fundador, mas como parte do sistema fundador: aporta competências complementares, participa da modelagem de negócio e ajuda a produzir, confrontar e interpretar evidências para que as decisões sejam tomadas conjuntamente.

A trajetória é interpretada retrospectivamente a partir do Método CAOS Focado de Venture Building, especialmente dos conceitos relativos as fases de Genesis, Descoberta e dos gates nomeados como Mínimo Conceito Viável (MVC) e Mínima Solução Escalável (MSS) pelo método CAOS Focado (Dutra, Franco e Chaves, 2026).

1. Introdução

A construção de uma startup Deep Tech raramente começa com produto, mercado e modelo de negócio simultaneamente definidos. O ponto de partida pode ser muitas vezes uma descoberta científica ou uma competência tecnológica diferenciada, a partir da qual é preciso descobrir qual problema resolver, para qual mercado e sob qual arquitetura de negócio.

O desafio aumenta quando a tecnologia possui múltiplas aplicações. Diferentes usos podem apresentar viabilidade técnica, encontrar clientes, produzir provas-de-conceito (proof-of-concept ou PoC) bem-sucedidas e até gerar receita. Nessas condições, encontrar clientes não resolve necessariamente o problema estratégico. Uma empresa pode crescer enquanto aumenta sua dispersão e o risco [1].

A decisão não é trivial, pois, como startups baseadas em ciência possuem um leque vasto de oportunidades, estão sujeitas a escolher o mercado errado ou dispersar recursos (SHANE, 2004; MAINE; GARNSEY, 2006). Ao mesmo tempo, uma decisão definitiva prematura pode prejudicar o potencial futuro da empresa, visto que fundadores que geram um conjunto deliberado de oportunidades antes de convergir alcançam desempenho e crescimento superiores àqueles que saltam na primeira aplicação viável (GRUBER; MACMILLAN; THOMPSON, 2008).

Em uma Deep Tech, essa dispersão é particularmente custosa: cada aplicação pode exigir novos ciclos de desenvolvimento tecnológico, dados, operação especializada e capital, consumindo recursos escassos antes que uma tese de escala tenha sido comprovada. Muitas tecnologias profundas precisam de avaliações criteriosas para aferir seu amadurecimento real (NASA, 1995). Escolher cedo demais pode comprometer uma tecnologia promissora com o problema errado; escolher tarde demais pode produzir uma organização incapaz de transformar aprendizado em repetibilidade.

Há também uma dimensão organizacional. Um fundador técnico pode conhecer profundamente a tecnologia, mas ainda precisa desenvolver competências de testes de negócio, vendas, produto, financiamento e gestão. Na jornada do empreendedor, não se pode buscar alguém que tome as decisões empresariais em seu lugar, mas é possível complementar sua atuação com capacidades, expertise e recursos a fim de construir a empresa junto com ele.

É nessa lógica que a CAOS Focado atua como Venture Builder. Em vez de apenas investir financeiramente ou aconselhar, participa da construção como cofundadora, aportando capacidades complementares que devem ser progressivamente internalizadas pela venture à medida que ela amadurece (DUTRA; ESTEVES; CHAVES, 2026). As venture builders tipicamente se diferenciam de outros modelos suporte à criação de startups (como incubadoras ou aceleradoras) pela alocação operacional intensiva (ESTEVES; PEDROSO, 2025; LAWRENCE et al., 2019).

A Cromai permite observar esse processo com uma perspectiva particularmente relevante. Fundada em 2017 a partir de competências técnicas em Visão Computacional e Deep Learning, a empresa passou seus primeiros anos explorando diferentes aplicações no agronegócio. Ao final desse período, mais de uma funcionava e mais de uma havia encontrado clientes. Manter todas, entretanto, começava a produzir uma dispersão arriscada para a sustentabilidade e o futuro do negócio.

A questão central do caso é:

Como uma Venture Builder, atuando como cofundadora, pode ajudar empreendedores a priorizar recursos quando uma Deep Tech possui diversas aplicações validadas pelo mercado?

Para responder a essa questão, o caso acompanha a Cromai desde a formação de seu espaço inicial de oportunidades até a construção de uma organização progressivamente autônoma. A seção 2 apresenta os procedimentos metodológicos e o Método CAOS Focado como lente retrospectiva para interpretar essa trajetória. A seção 3 acompanha as fases de Genesis e Descoberta, mostrando como a exploração de uma tecnologia horizontal produziu diferentes hipóteses de aplicação e ampliou inicialmente a opcionalidade da venture. A seção 4 concentra-se no problema central do caso: como transformar as evidências produzidas por essas diferentes experiências em uma decisão conjunta de foco, culminando na escolha de uma Mínima Solução Escalável (MSS). A seção 5 acompanha a Validação dessa escolha entre 2020 e 2022, quando a Cromai passa a buscar repetibilidade em tecnologia, produto, entrega e comercial, ao mesmo tempo em que internaliza capacidades antes compartilhadas com a Venture Builder. Por fim, as seções 6 e 7 discutem os aprendizados mais gerais do caso e sintetizam uma lógica de de-risking aplicável a outras ventures Deep Tech, conectando exploração, produção de evidências, concentraçãode recursos e construção progressiva de autonomia.

2. Procedimentos metodológicos

O método utilizado neste artigo é o estudo de caso único (Eisenhardt, 1989; Yin, 2015). A escolha por um caso único justifica-se pela profundidade dos relatos, qualidade dos dados empíricos e envolvimento direto dos autores, que permite tratar de um caso longitudinal com detalhamento relevante para a questão de pesquisa.

Para garantir o rigor analítico e mitigar vieses de pesquisador (Eisenhardt & Graebner, 2007), a triangulação dos dados operou-se pela confluência de (i) relatos longitudinais dos sócios fundadores de tecnologia e de negócios, (ii) dados documentais das provas de conceito (PoCs) e de relatórios de campo, (iii) atas e apresentações de reuniões de Conselho de Administração (2018–2022), incluindo documentos financeiros e de planejamento anual, e (iv) a discussão com o referencial teórico.

Por razões de sigilo comercial e acordos de confidencialidade (NDAs) com clientes e investidores, os relatórios técnicos e documentos da sociedade foram examinados pelos autores sob anonimização, preservando-se as grandezas operacionais e métricas essenciais para a validade do estudo.

A análise utiliza como referência o Método CAOS Focado, que organiza a maturação de ventures Deep Tech como um processo progressivo de redução de risco. Em vez de pressupor que a incerteza possa ser eliminada, o Método procura enfrentá-la por ciclos de experimentação e aprendizagem, aumentando o comprometimento de recursos conforme novas evidências são produzidas (DUTRA; ESTEVES; CHAVES, 2026; ESTEVES; PEDROSO, 2025). A terminologia foi sistematizada posteriormente aos acontecimentos aqui descritos e é utilizada como lente retrospectiva. A experiência da Cromai integra o conjunto empírico que contribuiu para a formulação do Método de construção de startups Deep Tech da CAOS Focado que atualmente é formado por cinco fases de maturidade, explicadas a seguir de forma simplificada:

• Genesis: validação tecnológica e primeira hipótese de negócios
• Descoberta: testes de hipóteses de aplicação e segmentos de clientes

3. Validação: convergência para uma solução de escalonamento

• Tração: priorização de recursos e estratégia para a tese de maior aderência
• Estrutura: preparação da empresa para operação de maior complexidade e escala

O caso concentra-se em três fases: Genesis, em 2017; Descoberta, entre 2017 e 2020; e Validação, entre 2020 e 2022.

Três marcos de evolução, que também fazem parte do Método, são relevantes para este caso. O Mínimo Conceito Viável (MVC) indica que uma competência tecnológica já foi conectada a um problema relevante e a um primeiro compromisso econômico de mercado. A Mínima Solução Escalável (MSS) representa evidência suficiente para concentrar recursos em uma solução que justifique a busca sistemática por Product-Market Fit [2]. O Mínimo Produto Viável (MVP) corresponde a um estágio posterior, em que a solução apresenta maior aderência entre pagador e usuário e crescente repetibilidade comercial e operacional (DUTRA; ESTEVES; CHAVES, 2006).

A cofundação é central para interpretar esse processo. Na Cromai, Guilherme Castro constituía a principal referência tecnológica, enquanto a CAOS Focado aportava, entre outras capacidades, desenvolvimento de negócio, Descoberta, operação comercial e gestão. Um terceiro sócio contribuía inicialmente com conhecimento agronômico. Nenhuma dessas perspectivas, isoladamente, garantia informação suficiente para definir qual tipo de empresa seria criada. Tecnologia e mercado precisavam ser investigados conjuntamente, enquanto time e estrutura organizacional eram construídos.

3. Descobrindo oportunidades e criando opcionalidade usando método

Genesis

Em 2017, o principal ativo da futura Cromai ainda não era um produto, mas uma competência em Deep Learning e Visão Computacional. Sua amplitude permitia imaginar inúmeras aplicações mas não indicava em que base construir uma empresa.

Fundadores e CAOS Focado conduziram workshops, visitas, conversas com especialistas e mais de cinquenta conversas exploratórias (CAOS FOCADO; CROMAI, 2017). O objetivo não era confirmar uma solução previamente concebida, mas identificar contextos nos quais aquela competência tecnológica pudesse encontrar um problema relevante e um mercado disposto a experimentar.

O processo era iterativo. Uma conversa com um potencial cliente poderia alterar a hipótese tecnológica; uma limitação técnica poderia reduzir a atratividade de determinado mercado; um especialista poderia demonstrar que uma solução mais simples já seria suficiente para gerar valor ao cliente. A lógica é compatível com os ciclos de Design - Build - Test - Learn (DBTL),conceito é introduzido no relatório de Pointcaso, De La Tour e Sosna (2021) e posteriormente aprofundado no Método CAOS Focado (DUTRA; ESTEVES; CHAVES, 2006). O DBTL dialoga diretamente com a lógica Build - Measure - Learn do Lean Startup, de Eric Ries, e com a o conceito de Customer Development de Steve Blank: em ambos os casos, hipóteses devem ser confrontadas rapidamente com evidências antes que a organização comprometa recursos crescentes em sua execução. No Método CAOS Focado, entretanto, o ciclo é adaptado ao contexto de Deep Tech ao explicitar o design da hipótese antes de sua construção e ao permitir que o objeto do teste não seja apenas um produto, mas também uma hipótese tecnológica, de valor, entrega ou mercado [3].

Progressivamente, o agronegócio concentrou os sinais mais promissores. Havia, na agricultura, muitos processos dependentes de observação humana, problemas economicamente relevantes e organizações dispostas a experimentar novas tecnologias (CAOS FOCADO; CROMAI, 2017).

A equipe passou então a buscar PoCs que fossem remuneradas. A PoC remunerada se alinha ao método desenvolvido por ser uma manifestação do princípio dos compromissos prévios, no qual o mercado é criado por compromissos financeiros reais dos primeiros adotantes sob a ótica de perdas aceitáveis (SARASVATHY, 2001).

A primeira venda ocorreu no cultivo de café, seguida pela negociação de projetos em outras culturas. O pagamento pela solução inicial não demonstrava necessariamente escala ou Product-Market Fit, mas produzia uma evidência qualitativamente superior ao interesse apenas verbal: o cliente comprometia orçamento, pessoal e tempo em uma tecnologia ainda em desenvolvimento.

Na terminologia atual do Método, havia sido alcançado um Mínimo Conceito Viável (MVC). A questão deixava de ser se existia uma oportunidade empresarial para aquela tecnologia e passava a ser: entre as oportunidades possíveis, qual empresa valia a pena construir.

Descoberta

Durante a Descoberta, cinco aplicações ganharam maior relevância: (i) maturação de café, (ii) monitoramento de psilídeo (um tipo de praga) em citros, (iii) deficiência nutricional em soja, (iv) mensuração de impurezas vegetais em cana-de-açúcar e (v) identificação de plantas daninhas também em cana (CROMAI, 2017-2022).

A empresa cresceu de poucos profissionais para quinze pessoas e se aproximava de R$ 1 milhão de receita anual. A diversidade das aplicações não era apenas ausência de foco. Tinha uma função de aprendizagem: uma tecnologia horizontal precisava ser confrontada com diferentes problemas antes que fosse possível compreender onde suas propriedades técnicas e econômicas formavam uma combinação mais favorável.

Os problemas começaram a surgir quando a ampliação de alternativas de aplicação passou a gerar mais ruído que informação acionável e relevante. Cada prova-de-conceito ou piloto exigia dados, desenvolvimento, implantação e relacionamento próprios. Uma equipe pequena executava, na prática, partes de quatro ou cinco empresas potenciais.

A Cromai enfrentava um paradoxo:

Mais clientes produziam mais aprendizado, mas não necessariamente mais convergência e repetibilidade.

As aplicações também apresentavam configurações de risco bastante distintas. No café (i), a tecnologia era promissora, mas dependia de uma arquitetura física de captura e o resultado econômico demorava meses para aparecer, dificultando sua atribuição e ação por parte do cliente. Em citros (ii), a automação da contagem de psilídeos avançou tecnicamente, mas o mercado nacional de compradores relevantes era concentrado. Na soja (iii), o mercado potencial era amplo, porém a variabilidade encontrada em campo ampliava a distância tecnológica até uma solução confiável. Em impurezas vegetais (iv), a dor industrial era relevante, mas a instabilidade do hardware tornava a solução ainda difícil de entregar (CAOS FOCADO; CROMAI, 2024).

A identificação de plantas daninhas em cana-de-açúcar (v) apresentava outra configuração. As usinas já possuíam drones e geoprocessamento, permitindo que a Cromai se concentrasse principalmente no software (CROMAI, 2019-2022). O problema técnico também pôde ser simplificado: em vez de identificar precisamente cada espécie, classes mais amplas já eram suficientes para orientar diferentes aplicações de herbicida por parte das fazendas. Mais importante, o resultado econômico podia ser confrontado em poucas semanas, comparando-se a área efetivamente pulverizada com aquela que receberia herbicida em uma aplicação convencional (CAOS FOCADO; CROMAI, 2024).

Quadro 1 — Configurações relativas de risco durante a Descoberta

Café | PoCs e testes em propriedades | Atribuição econômica e sistema físico | Meses | Potencial, mas operacionalmente complexo

Fonte: Elaborado pelos autores com informações de CROMAI, (2017-2022); CAOS FOCADO; CROMAI (2024).

Ao final da Descoberta, o problema da Cromai já não era ausência de demanda. A empresa conseguia vender projetos, diferentes tecnologias funcionavam e clientes aceitavam pagar por elas. Mas cada venda podia exigir uma solução diferente.

A receita possuía, portanto, duas interpretações. Demonstrava capacidade de vender e entregar, mas também poderia esconder a formação de uma empresa permanentemente baseada em projetos customizados. O risco era transformar PoCs, que deveriam funcionar como mecanismos transitórios de aprendizagem, na própria arquitetura do negócio [4]. (CAOS FOCADO; CROMAI, 2024)

A pergunta relevante deixou de ser apenas quanto a empresa estava faturando e passou a ser que tipo de empresa aquele faturamento estava construindo.

Se cada novo cliente exigia um produto diferente, grande parte do aprendizado permanecia dentro daquele projeto, muitas vezes com times apartados. Se clientes diferentes utilizassem a mesma solução, os aprendizados poderiam se acumular em tecnologia, produto, entrega e comercial sem resultar em uma estratégia de crescimento. A Descoberta precisava, portanto, de uma nova estratégia . Nos primeiros ciclos, fundadores e Builder haviam trabalhado para aumentar a opcionalidade. Agora precisavam reduzi-la, mas com critério.

Esse movimento ajuda a compreender uma função central da fase:

A Descoberta não serve apenas para descobrir o que funciona. Serve para descobrir em que vale a pena continuar investindo.

4. Construindo conjuntamente uma decisão de foco

A convergência não foi uma decisão unilateral da Venture Builder. Ela emergiu do confronto entre diferentes perspectivas.

Guilherme possuía maior profundidade para avaliar risco tecnológico, disponibilidade de dados e tempo de desenvolvimento. A CAOS Focado contribuía com Business Discovery [5], desenvolvimento comercial, indicadores econômicos, gestão e referências de escalabilidade. Clientes forneciam evidências de campo. Mentores e instâncias de governança tensionavam interpretações de visão e questionavam premissas.

Também havia divergências. O fundador de negócios pressionava mais fortemente pela concentração em uma aplicação, enquanto o lado técnico precisava considerar compromissos com clientes existentes, riscos de desenvolvimento e alternativas ainda promissoras. A complementaridade entre cofundadores só produzia valor se essas diferenças pudessem ser convertidas em hipóteses reais, experimentos realizados e evidências coletadas, em vez de resolvidas apenas por autoridade.

Retrospectivamente, a comparação pode ser sintetizada em quatro dimensões:

Valor: o problema é suficientemente relevante para justificar que o potencial cliente “pague por isso” e para justificar uma mudança de comportamento dos usuários?

Tecnologia: existe um caminho plausível entre o desempenho atual e aquele necessário em condições de aplicação em escala?

Entrega: cada novo cliente torna a próxima implantação mais incremental e repetível ou cria um novo projeto?

Escala: se os riscos restantes forem resolvidos, existe uma arquitetura econômica capaz de multiplicar a solução?

Essas dimensões permitiam substituir a pergunta “qual solução funciona melhor?” por outra mais útil:

Em qual oportunidade existe a melhor combinação entre valor relevante, risco tecnológico atacável, entrega progressivamente repetível e possibilidade de escala?

A discussão amadureceu principalmente entre 2019 e 2020. Os fundadores compararam os diferentes casos de negócio, conversaram com especialistas, buscaram referências externas e discutiram as hipóteses em suas reuniões de Conselho.

Progressivamente, o produto de detecção de plantas daninhas em cana-de-açúcar passou a apresentar a combinação mais favorável (CROMAI, 2017-2022). As usinas eram grandes organizações agroindustriais, muitas delas habituadas a projetos de pesquisa e desenvolvimento. A infraestrutura de drones (necessários para a captura de imagens) já existia. Essa característica tornava esse grupo de clientes particularmente adequado aos primeiros ciclos de adoção de uma tecnologia ainda em desenvolvimento [6]. A Cromai poderia concentrar-se em software, sua principal expertise. O valor econômico era direto, por meio da redução média de 65% no uso de herbicidas, e a evidência de retorno sobre investimento (ROI) podia ser produzida mais rapidamente, comparando o gasto orçado na estratégia de manejo anterior com o gasto real após a implantação da solução da Cromai (CROMAI, 2017-2022).

Essa última característica mostrava uma variável importante: o tempo até a evidência. Quanto mais rápido o cliente perceber o valor entregue, mais fácil se torna a sua conversão de venda e uso completo. Uma oportunidade ou nicho de aplicação que permite vários ciclos de DBTL durante o período, comparada com outra permite apenas um ciclo, aumenta a capacidade da venture de corrigir suas hipóteses antes que o capital e o tempo se esgotem. A escolha não considerava, portanto, apenas o prêmio potencial de cada mercado, mas também a velocidade com que seus riscos restantes poderiam ser mitigados [7].

No caso da solução de plantas daninhas, foi possível implantar a solução, operacionalizá-la, validar o resultado técnico e validar o ROI em duas semanas para áreas de operação menores (400 hectares) e em 4 semanas para áreas de operação maiores (1.200 hectares).

O objeto da decisão não era simplesmente o melhor produto.

Era a empresa que poderia ser construída ao redor dele.

A convergência não significou declarar todas as demais hipóteses erradas. Algumas foram encerradas, outras permaneceram como possibilidades para o futuro. A solução de Impurezas vegetais, por exemplo, seria retomada posteriormente em um estágio diferente de maturidade. O foco significava apenas que as alternativas deixariam de competir igualmente pela energia da organização (CAOS FOCADO; CROMAI, 2022).

A Mínima Solução Escalável (MSS)

Depois da decisão, a estrutura dos experimentos mudou.

Antes, diferentes clientes testavam diferentes soluções:

Cliente A → solução; A
Cliente B → solução B;
Cliente C → solução C.

Depois da concentração, diferentes clientes passaram a testar a mesma solução:

Cliente A → ScanWeed;
Cliente B → ScanWeed;
Cliente C → Não atendemos.

Até então, a Cromai utilizava clientes para testar soluções diferentes. A partir dali, passou a utilizar clientes diferentes para testar a mesma solução.

Essa mudança torna o aprendizado cumulativo. Problemas recorrentes revelam requisitos de produto; objeções comerciais tornam-se comparáveis; dificuldades de implantação podem ser sistematizadas; e demandas particulares de um cliente podem ser separadas daquilo que precisa fazer parte da solução.

Na terminologia do Método CAOS Focado, essa passagem caracteriza a Mínima Solução Escalável (MSS).

A MSS não significava que ScanWeed estava pronto nem que o Product-Market Fit havia sido alcançado. Representava uma decisão anterior:

Fundadores e Venture Builder haviam produzido evidências suficientes para assumir conjuntamente o custo de reduzir opcionalidade e concentrar a busca por Product-Market Fit em uma mesma solução.

A pergunta mudava novamente.

Durante a Descoberta: qual solução devemos tentar escalar? [8]

Depois da MSS: essa solução consegue tornar-se repetível?

Entre 2020 e 2022, a Cromai passou a responder a essa segunda pergunta.

5. Validação — 2020–2022: transformar escolha em repetibilidade

Foi necessário padronizar voos de drones para estabilizar a coleta de dados, melhorar a qualidade das imagens, implementar geração de mosaicos (agregador de imagens georreferenciadas), refinar a classificação de objetos e criar processos de revisão e integração com a operação agrícola. Uma equipe de Customer Success passou a acompanhar onboarding, treinamento, primeiros voos, processamento, utilização dos resultados e comprovação econômica por meio de relatórios (CROMAI, 2019-2022).

A empresa descobriu que seu produto era maior do que o algoritmo.

Um ciclo que imaginava-se ocorrer em aproximadamente um mês, frequentemente levava de três a seis meses. Reduzir esse tempo tornou-se um problema conjunto dos times de produto, tecnologia e operação.

Os modelos de inteligência artificial (IA) também continuavam evoluindo. Resultados eram revisados por pessoas, erros retornavam para a área de P&D e novos dados alimentavam ciclos de treinamento. A intervenção humana simultaneamente garantia qualidade no presente e produzia informação para reduzir essa intervenção no futuro.

Formava-se um ciclo entre operação, dados, tecnologia e produto. Em vez de concluir a tecnologia antes de buscar o mercado, a Cromai desenvolvia ambos simultaneamente.

A proposta comercial também mudou. A empresa deixou progressivamente de vender a sofisticação da IA e passou a vender o resultado econômico de toda a aplicação: a redução do uso de herbicidas. O mercado concentrado de usinas favoreceu uma abordagem comercial orientada a contas específicas. Cada novo cliente agora ajudava a melhorar a mesma máquina (CROMAI, 2017-2022).

Ao longo da Validação, a Cromai deixou de construir apenas uma solução e começou a construir a organização capaz de vendê-la, entregá-la e desenvolvê-la repetidamente.

A área de Customer Success ganhou estrutura, o time comercial cresceu, funções técnicas se especializaram e processos financeiros e de gestão foram internalizados. A atuação da Builder também mudou: da exploração e construção comercial inicial para a formação de capacidades permanentes dentro da própria Cromai.

Ao final do período, a empresa já possuía uma solução central, receita de alguns milhões de reais, dezenas de clientes e primeiras lideranças próprias. Na terminologia do Método, saia da da Mínima Solução Escalável (MSS) e avançava para o Mínimo Produto Viável (MVP).

Em 2022, a entrada na fase de Tração, acompanhada da primeira tranche da Série A, marcou outra mudança. Guilherme assumiu integralmente a condução executiva da companhia e a CAOS Focado começou a concluir sua saída da operação cotidiana, permanecendo como sócia e contribuindo principalmente pela governança.

Entre 2022 e 2025, a Cromai expandiu a organização e voltou a explorar novas produtos adjacentes. Algumas hipóteses anteriormente despriorizadas puderam ser revisitadas a partir de uma empresa mais madura.

A escolha da MSS, portanto, não destruiu a opcionalidade tecnológica.

6. Discussão

A trajetória da Cromai permite extrair algumas implicações mais gerais para Venture Building em Deep Tech. A primeira delas é que a Descoberta deve ser entendida como um processo do sistema fundador, e não como uma atividade exclusivamente comercial ou como uma etapa posterior ao desenvolvimento tecnológico. Tecnologia, mercado, produto e entrega modificam-se uns aos outros conforme a evolução do processo (BLANK, 2013; RIES, 2011). Uma conversa com um cliente pode alterar requisitos tecnológicos; uma limitação técnica pode tornar determinado mercado menos atraente; uma dificuldade de implantação pode revelar que uma solução tecnicamente viável ainda possui uma arquitetura de entrega incompatível com escala. Por isso, o fundador técnico não pode ser isolado da interação com o mercado, assim como o fundador de negócios ou a Venture Builder não podem decidir adequadamente sem compreender a trajetória tecnológica (DUTRA; FRANCO; CHAVES, 2026).

Essa interdependência ajuda a compreender também o sentido da cofundação. Complementaridade não significa hierarquia. A Venture Builder pode aportar método, experiência, recursos, capacidades de negócio e governança, mas sua função não é substituir o fundador na decisão. Seu papel é ampliar a capacidade do sistema fundador de formular hipóteses, construir experimentos, interpretar resultados e decidir conjuntamente sob incerteza. No caso da Cromai, isso significou colocar em diálogo perspectivas que, isoladamente, enxergavam apenas partes do problema: risco tecnológico, comportamento dos clientes, retorno econômico, complexidade de entrega e possibilidade de escala. A qualidade da decisão não resultou da predominância de uma dessas perspectivas, mas da capacidade de confrontá-las a partir das evidências produzidas ao longo da Descoberta (DUTRA; FRANCO; CHAVES, 2026).

Isso leva a um segundo aprendizado: nem toda evidência possui o mesmo significado. Uma prova-de-conceito não é sinônimo de validação empresarial. Uma PoC pode demonstrar que uma tecnologia funciona em determinada condição, que existe uma dor relevante ou mesmo que um cliente está disposto a pagar para experimentar uma solução. Cada uma dessas evidências reduz uma incerteza diferente. O problema aparece quando o sucesso de um experimento é interpretado como validação de hipóteses que ele efetivamente não testou. Uma PoC tecnicamente bem-sucedida não demonstra necessariamente repetibilidade comercial; um cliente pagante não comprova que existam outros clientes semelhantes; e a entrega bem-sucedida de um projeto customizado não significa que aquela entrega possa ser reproduzida economicamente (CAOS FOCADO; CROMAI, 2022).

A própria receita, nos estágios iniciais, pode ser simultaneamente evidência e ruído. Receita proveniente de vários projetos customizados possui significado diferente daquela produzida pela repetição de uma mesma oferta. Atividades inicialmente não escaláveis podem ser importantes para gerar proximidade com clientes e aprendizado (GRAHAM, 2013), mas precisam ser interpretadas pelo conhecimento que produzem e pela capacidade de tornar as próximas entregas mais repetíveis. Na Cromai, o crescimento da receita durante a Descoberta confirmava que havia problemas relevantes e disposição para pagar, mas não respondia sozinho à pergunta sobre qual empresa deveria ser construída. Quando cada novo cliente exigia uma solução diferente, parte relevante do aprendizado permanecia confinada ao projeto. Quando clientes diferentes passaram a testar a mesma solução, o aprendizado pôde começar a se acumular em produto, tecnologia, operação e comercial (CAOS FOCADO; CROMAI, 2022).

Essa distinção sugere que, durante a Descoberta, a qualidade da receita pode ser mais informativa do que sua quantidade. O mesmo vale para clientes, PoCs e pilotos. O indicador relevante não é apenas quantos foram realizados, mas quanto cada novo experimento reduz incerteza e aumenta a capacidade de repetição. Isso altera inclusive a maneira de interpretar crescimento em uma Deep Tech: crescer em número de projetos, aplicações ou receitas não significa necessariamente aproximar-se de uma arquitetura escalável. Em determinadas circunstâncias, a expansão pode aumentar a dispersão e elevar a quantidade de recursos comprometidos antes que as principais incertezas tenham sido suficientemente reduzidas.

Um terceiro aprendizado decorre dessa constatação: o maior mercado não é necessariamente o melhor ponto de partida. A atratividade de uma oportunidade não depende apenas do tamanho teórico do mercado, mas da combinação entre relevância do problema, distância tecnológica, complexidade de entrega, possibilidade de repetição e capacidade da venture de produzir evidências antes que seus recursos se esgotem. Um mercado potencialmente maior pode exigir ciclos tecnológicos longos, infraestrutura adicional ou uma arquitetura operacional difícil de reproduzir. Um segmento inicialmente menor ou mais concentrado pode, ao contrário, oferecer clientes mais acessíveis, infraestrutura existente e ciclos de validação mais rápidos, constituindo um beachhead mais adequado para a construção inicial da empresa (AULET, 2013).

O caso da Cromai acrescenta a essa análise uma dimensão particularmente importante: tempo até evidência é uma variável de de-risking. Duas oportunidades com potencial econômico semelhante podem possuir qualidades muito diferentes quando se considera quanto tempo e capital são necessários para aprender se as principais hipóteses estão corretas. Uma aplicação que permite realizar vários ciclos de Design–Build–Test–Learn no período em que outra permite apenas um cria mais oportunidades de corrigir decisões antes que recursos escassos sejam consumidos. A velocidade de aprendizagem passa, portanto, a integrar a própria atratividade da oportunidade. No caso de plantas daninhas em cana-de-açúcar, a possibilidade de observar o resultado técnico e confrontá-lo rapidamente com economia de herbicidas contribuiu para tornar aquela aplicação não apenas comercialmente interessante, mas também uma arquitetura particularmente favorável à redução progressiva de risco (DUTRA; FRANCO; CHAVES, 2026).

Essa leitura modifica a própria noção de foco. Foco não precisa ser entendido como uma escolha precoce que elimina alternativas, mas como uma decisão de alocação de recursos produzida depois de um período deliberado de construção de opcionalidade. Na fase inicial da Cromai, explorar aplicações distintas foi importante justamente porque permitiu comparar configurações de risco que não poderiam ser conhecidas apenas por análise teórica. O problema surgiu quando a manutenção dessa opcionalidade passou a consumir mais recursos do que produzir informação relevante. A decisão de concentração representou, nesse sentido, uma mudança na economia do aprendizado: a partir de determinado momento, aprender mais sobre várias alternativas possuía menor valor do que aprender mais profundamente sobre uma delas (CAOS FOCADO; CROMAI, 2022).

Por essa razão, despriorização não significa invalidação. Uma hipótese pode ser tecnicamente promissora, estar associada a um mercado relevante e ainda assim não ser a melhor oportunidade para concentrar os recursos naquele momento. A escolha da solução de plantas daninhas não demonstrou que café, soja, citros ou impurezas eram aplicações equivocadas. Demonstrou que, diante das evidências então disponíveis e das capacidades da empresa, uma delas apresentava uma combinação mais favorável de valor, tecnologia, entrega, escala e velocidade de aprendizagem. Algumas das alternativas poderiam ser revisitadas posteriormente — como de fato ocorreu — a partir de uma organização mais madura e com maior capacidade de absorver complexidade.

A Mínima Solução Escalável (MSS) pode ser interpretada justamente como o marco dessa transição. Ela não representa Product-Market Fit nem uma afirmação de que todos os riscos relevantes foram resolvidos. Representa evidência suficiente para que o sistema fundador aceite reduzir opcionalidade e concentre recursos na busca de repetibilidade de uma mesma solução. Antes da MSS, clientes diferentes ajudavam a testar diferentes possibilidades de empresa; depois dela, clientes diferentes passaram a testar uma mesma tese. Essa alteração aparentemente simples modifica a natureza do aprendizado: cada nova venda, implantação e interação com o cliente pode passar a melhorar a mesma arquitetura de produto e negócio (DUTRA; FRANCO; CHAVES, 2026).

Finalmente, o caso sugere que o papel de uma Venture Builder precisa ser analisado também por sua temporalidade. A intensidade de sua atuação não deveria permanecer constante ao longo da vida da venture. Nos momentos de maior incerteza, a Builder pode ocupar funções relevantes na formulação de hipóteses, Business Discovery, desenvolvimento comercial, gestão e governança. À medida que uma direção se consolida, essas capacidades precisam ser incorporadas à própria empresa, por meio do desenvolvimento dos fundadores, da contratação de lideranças e da construção de estruturas internas capazes de sustentar a próxima fase (DUTRA; FRANCO; CHAVES, 2026).

Nesse sentido, o resultado da Builder é a autonomia. Uma cofundação bem-sucedida não deve produzir dependência permanente da estrutura que ajudou a criar a venture. Deve produzir uma organização progressivamente capaz de realizar internamente aquilo que, em seus primeiros anos, exigiu capacidades compartilhadas com a Builder: interpretar o mercado, evoluir a tecnologia, organizar a entrega, alocar recursos e tomar decisões sob incerteza. A redução da presença operacional da Builder é, portanto, parte da lógica de amadurecimento do modelo, e não sua interrupção.

A experiência da Cromai permite, assim, compreender o de-risking menos como uma tentativa de eliminar incertezas e mais como uma disciplina de produzir evidências antes de aumentar compromissos. A exploração inicial cria opcionalidade; os experimentos tornam as alternativas comparáveis; a concentração transforma evidências em uma escolha; e a Validação procura converter essa escolha em repetibilidade. Nesse percurso, a contribuição específica da Venture Builder está em participar da construção desse sistema de aprendizagem e decisão até que a própria venture tenha capacidade de sustentá-lo. O aprendizado mais geral do caso talvez esteja justamente nessa passagem: em Deep Tech, construir uma empresa não exige saber antecipadamente qual caminho estará correto, mas desenvolver a capacidade de explorar suficientemente, aprender com qualidade e concentrar recursos quando as evidências passam a justificar uma decisão de foco.

7. Conclusão

A trajetória inicial da Cromai apresenta um problema característico de Deep Tech: uma tecnologia horizontal pode abrir mais oportunidades do que uma startup possui capacidade para perseguir. No início, essa opcionalidade é necessária. Ela protege a venture de comprometer precocemente uma tecnologia potente com o primeiro problema encontrado e permite compreender o espaço de oportunidades que emerge da combinação entre suas capacidades tecnológicas e diferentes problemas de mercado. Com o tempo, porém, a mesma opcionalidade pode se transformar em risco. Cada nova hipótese exige pessoas, capital, dados e atenção, e uma empresa pode aumentar receita e conhecimento enquanto reduz sua capacidade de repetir.

A experiência da Cromai sugere que essa passagem entre exploração e concentração não deve ser tratada como uma escolha pontual, mas como uma sequência de aprendizados. Primeiro, é necessário explorar suficientemente o espaço de oportunidades aberto pela tecnologia, evitando tanto a convergência prematura quanto a exploração indefinida. Essa exploração precisa, entretanto, produzir evidências: entrevistas, PoCs, pilotos, compromissos econômicos e entregas em condições reais devem ser desenhados para reduzir incertezas explícitas, e não apenas para demonstrar atividade ou gerar receita. O avanço da venture depende menos da quantidade de experimentos realizados do que da capacidade de compreender o que cada experimento permitiu aprender.

Essa interpretação também não pode ser produzida por uma única perspectiva. Tecnologia, mercado, entrega e indicadores econômicos constituem lentes complementares sobre uma mesma oportunidade. Parte importante do processo de cofundação está justamente em confrontar essas perspectivas e reconhecer aquilo que cada uma consegue enxergar — e aquilo que não consegue. O conhecimento tecnológico dos fundadores delimita possibilidades e riscos de desenvolvimento; a interação comercial revela relevância, disposição para pagar e comportamento do mercado; a entrega evidencia dificuldades que não aparecem em laboratório; e a experiência do cliente transforma a aplicação em um ambiente de experimentação capaz de revelar novos requisitos para produto, tecnologia e operação.

A função da Venture Builder nesse processo não é escolher a oportunidade correta em nome do fundador, nem simplesmente fornecer recursos para que diferentes hipóteses sejam exploradas indefinidamente. É cofundar o processo de descoberta: ajudar a estruturar experimentos, construir mercado, participar das entregas e colocar essas evidências em diálogo com o conhecimento dos empreendedores. À medida que as alternativas se tornam comparáveis, a pergunta deixa de ser apenas quais aplicações funcionam e passa a ser qual delas apresenta a combinação mais favorável entre valor, tecnologia, entrega, escala e velocidade de aprendizagem. É essa comparação que permite transformar evidências acumuladas em uma decisão de alocação de recursos.

A escolha por plantas daninhas em cana-de-açúcar emergiu desse processo. A Mínima Solução Escalável (MSS) não representou o momento em que a Builder determinou o caminho da Cromai, nem o momento em que todas as incertezas haviam sido eliminadas. Representou um limiar de evidência: fundadores e Builder entendiam conjuntamente que já haviam aprendido o suficiente para assumir o custo de reduzir opcionalidade e concentrar energia em uma mesma solução. A MSS pode ser compreendida, nesse sentido, como a passagem entre explorar para descobrir onde construir e concentrar para descobrir se aquilo pode ser repetido e escalado.

A partir daí, a própria natureza dos experimentos mudou. A Cromai deixou de utilizar clientes para testar soluções diferentes e passou a utilizar clientes diferentes para testar a mesma solução. A concentração permitiu que aprendizados antes dispersos começassem a se acumular em uma mesma arquitetura de tecnologia, produto, entrega e comercial. O foco não encerrou o processo de de-risking; apenas modificou as incertezas que precisavam ser enfrentadas. A pergunta já não era prioritariamente onde construir a empresa, mas se a direção escolhida poderia se tornar repetível.

Anos depois, a internalização das capacidades inicialmente compartilhadas permitiu também que a Builder reduzisse sua presença na operação cotidiana. Os dois movimentos estão conectados: no primeiro, a cofundação produziu foco; no segundo, produziu autonomia. Concentrar recursos e transferir capacidades são, nessa perspectiva, partes de uma mesma trajetória de amadurecimento.

O caso permite, assim, compreender o papel de uma Venture Builder em Deep Tech não como o de decidir pelo founder, mas como o de ampliar, junto com ele, a capacidade de explorar oportunidades, produzir evidências, confrontar perspectivas e reconhecer o momento em que já existe aprendizado suficiente para assumir uma decisão de foco.

O objetivo final desse processo não é eliminar a incerteza — algo particularmente improvável em Deep Tech —, mas construir uma venture progressivamente mais capaz de decidir e agir diante dela. Nesse sentido, o de-risking deixa de ser apenas uma disciplina de redução de riscos e passa a ser também uma disciplina de construção de capacidade decisória: primeiro compartilhada entre founders e Builder e, progressivamente, incorporada pela própria empresa.

Notas

[1] A distinção entre busca e execução é central no Customer Development de Steve Blank, segundo o qual startups operam inicialmente na busca por um modelo de negócio repetível e escalável, antes de entrarem em uma lógica predominantemente de execução. Ver: BLANK, Steve. The Four Steps to the Epiphany: Successful Strategies for Products that Win. 2. ed. Pescadero: K&S Ranch, 2013.

[2] O encaixe de produto-mercado é amplamente conhecido e utilizado como marco positivo na evolução de startups e foi originalmente sugerido por Marc Andreessen.

[3] O ciclo DBTL dialoga com a lógica Build–Measure–Learn proposta por Eric Ries no Lean Startup e com o Customer Development de Steve Blank, abordagens baseadas na formulação e teste de hipóteses por meio de interação contínua com clientes e evidências de mercado. Ver: RIES, Eric. The Lean Startup: How Today’s Entrepreneurs Use Continuous Innovation to Create Radically Successful Businesses. New York: Crown Business, 2011; BLANK, Steve. The Four Steps to the Epiphany: Successful Strategies for Products that Win. 2. ed. Pescadero: K&S Ranch, 2013.

[4] A utilização deliberada de atividades inicialmente não escaláveis como mecanismo de aprendizagem é discutida por Paul Graham em Do Things That Don’t Scale. O argumento não é que startups devam permanecer operacionalmente não escaláveis, mas que atividades manuais e intensivas podem ser fundamentais para aprender sobre clientes e construir as condições posteriores de escala. Ver: GRAHAM, Paul. Do Things That Don’t Scale. 2013.

[5] O business discovery é o processo estruturado de exploração de negócios usado pela CAOS Focado (CF) para identificar, testar e priorizar oportunidades em canais e nichos até encontrar evidências concretas de um novo caminho para a empresa.

[6] A distinção entre os primeiros adotantes de uma inovação e o mercado mais amplo, assim como o desafio de atravessar a descontinuidade entre esses grupos, foi sistematizada por Geoffrey A. Moore. Ver: MOORE, Geoffrey A. Crossing the Chasm: Marketing and Selling Disruptive Products to Mainstream Customers. New York: HarperBusiness.

[7] A escolha deliberada de um mercado inicial suficientemente concentrado para permitir aprendizado, domínio e posterior expansão é tratada por Bill Aulet como a definição do beachhead market. Ver: AULET, Bill. Disciplined Entrepreneurship: 24 Steps to a Successful Startup. Hoboken: Wiley, 2013.

[8] A utilização de marcos intermediários para interpretar a progressão entre produto inicial e escala encontra paralelo no framework Traction Gap, que procura explicitar diferentes níveis de maturidade na trajetória até uma empresa capaz de escalar. Ver: CLEVELAND, Bruce; MOORE, Geoffrey. Traversing the Traction Gap. Wildcat Venture Partners, 2019.

Referência

AULET, Bill. Disciplined Entrepreneurship: 24 Steps to a Successful Startup. Hoboken: John Wiley & Sons, 2013.

BLANK, Steve. The Four Steps to the Epiphany: Successful Strategies for Products that Win. 2. ed. Pescadero: K&S Ranch, 2013.

CLEVELAND, Bruce; MOORE, Geoffrey A. Traversing the Traction Gap: Where 86% of All Startups Fail. Incline Village: Wildcat Venture Partners, 2019.

CROMAI. Apresentações comerciais. São Paulo: 2017-2022. Documentos internos.

CROMAI. Relatórios da área de Customer Successs. São Paulo: 2019-2022. Documentos internos.

CROMAI. Documentos financeiros. São Paulo: 2018-2022. Documentos internos.

CAOS FOCADO; CROMAI. Relatório de entrevistas em profundidade com fundadores. São Paulo: 25 de outubro de 2022. Documento interno.

CAOS Focado; CROMAI. Registros Workshop em Gênesis. São Paulo: 2017. Documentos internos.

CAOS Focado; CROMAI. Apresentação para tomada de decisão Gênesis. São Paulo: 2017. Documentos internos.

EISENHARDT, K. M. Building theories from case study research. Academy of Management Review, v. 14, n. 4, p. 532-550, 1989.

EISENHARDT, K. M.; GRAEBNER, M. E. Theory building from cases: Opportunities and challenges. Academy of Management Journal, v. 50, n. 1, p. 25-32, 2007.

DUTRA, Diogo; FRANCO, Rodrigo; CHAVES, Miguel. Playbook CAOS Focado: como ajudamos empreendedores brasileiros a construir startups deep tech com método e coragem. São Paulo: Blucher Open Access, 2026.

ESTEVES, R. F.; PEDROSO, M. C. Modelos para apoio à criação de startups: uma análise comparativa. Revista Brasileira de Inovação, v. 24, e025008, 2025.

GRAHAM, Paul. Do Things That Don’t Scale. 2013. Disponível em: Paul Graham — Do Things That Don’t Scale. Acesso em: 4 set. 2026.

GRUBER, Marc; MACMILLAN, Ian C.; THOMPSON, James D. Look before you leap: How founders' prior knowledge affects market opportunity identification. Management Science, v. 54, n. 9, p. 1652-1665, 2008.

LAWRENCE, J.; FULTON, K.; NAROWSKI, P.; HURWITZ, J. The rise of startup studios. Global Startup Studio Network, March 2019. Disponível em: https://www.gan.co/wp-content/uploads/2020/03/The-Rise-of-Startup-Studios-White-Paper.pdf. Acesso: 19 jul.2019.

MAINE, Elicia; GARNSEY, Elizabeth. Commercializing generic technology: The case of advanced materials ventures. Research Policy, v. 35, n. 3, p. 375-393, 2006.

MOORE, Geoffrey A. Crossing the Chasm: Marketing and Selling Disruptive Products to Mainstream Customers. 3. ed. New York: HarperBusiness, 2014.

NATIONAL AERONAUTICS AND SPACE ADMINISTRATION (NASA). Office of Space Access and Technology. Advanced Concepts Office. Technology Readiness Levels: a white paper. Por J. C. Mankins. [S. l.]: NASA, 1995.

PORTINCASO, M.; DE LA TOUR, A.; SOSNA, M. The Deep Tech investment paradox: a call to redesign the investor model. Boston Consulting Group (BCG); Hello Tomorrow, 2021.

RIES, Eric. The Lean Startup: How Today’s Entrepreneurs Use Continuous Innovation to Create Radically Successful Businesses. New York: Crown Business, 2011.

SARASVATHY, Saras D. Causation and effectuation: Toward a theoretical shift from economic inevitability to entrepreneurial contingency. Academy of Management Review, v.26, n. 2, p. 243-263, 2001.

SHANE, Scott. Academic entrepreneurship: University spinoffs and technology commercialization. Cheltenham: Edward Elgar Publishing, 2004.

SIEGEL, Joshua; KRISHNAN, Sriram. An Open Letter to the American Academic Community on Deep Tech. Cambridge: Massachusetts Institute of Technology (MIT), 2020.

YIN, R. K. Estudo de Caso: Planejamento e Métodos. 5. ed. Porto Alegre: Bookman, 2015. (Obra clássica metodológica)

[conteúdo visual do documento] [página 6]

Quadro 1 — Configurações relativas de risco durante a Descoberta

| Aplicação | Principal evidência | Risco predominante | Tempo até evidência econômica | Escala percebida | |---|---|---|---|---|

[página 7]

Continuação do Quadro 1 — Configurações relativas de risco durante a Descoberta

| Aplicação | Principal evidência | Risco predominante | Tempo até evidência econômica | Escala percebida | |---|---|---|---|---|

Fonte: Elaborado pelos autores com informações de CROMAI, (2017-2022); CAOS FOCADO; CROMAI (2024).