Negócio: US$ 21 milhões, avaliação de US$ 65 milhões
A startup de Bengaluru Runable levantou US$ 21 milhões em uma rodada Série A. A rodada foi co-liderada pela Susquehanna Venture Capital e pela Nexus Venture Partners, com a participação de fundos que já estavam no capital — Together Fund e Array VC. Trata-se de financiamento primário puramente em equity: não há instrumentos de dívida no negócio, e a avaliação da empresa após o investimento chegou a US$ 65 milhões. Os detalhes foram compartilhados pelo cofundador e CEO Umesh Kumar — em conversa com o TechCrunch (matéria de Jagmeet Singh, 26 de agosto de 2026).
A empresa é bem jovem: fundada em 2025, sede em Bengaluru, equipe inteira de 15 pessoas. O produto é voltado para pequenos negócios, ou seja, pessoas que não têm departamento de desenvolvimento, nem equipe de marketing, nem tempo para lidar com construtores de sites.
De scraper de navegador a agente universal
Não começou como um construtor de landing pages. Kumar e o cofundador Saksham Sarda construíram um produto de infraestrutura — uma tecnologia de navegador que permitia coletar dados da web em massa. O pivô aconteceu naturalmente: os fundadores notaram que os usuários pediam algo completamente diferente a um agente de navegador — montar uma apresentação, fazer um site, preparar conteúdo. Assim, o desenvolvimento de infraestrutura se transformou em um agente universal.
O efeito econômico foi rápido. Os pagamentos foram lançados em março e, apenas três semanas depois, a Runable atingiu um run rate anual de US$ 2 milhões. Para um projeto que até ontem vendia tecnologia, e não resultado, é uma mudança de trajetória bastante acentuada — e, a julgar pela nova rodada, os investidores acreditaram que ela é sustentável.
De "fazer" para "promover"
Hoje o agente é capaz de criar sites, aplicativos, apresentações e outros conteúdos a partir de um pedido em linguagem natural. Ele também assume parte da infraestrutura básica: deploy, analytics. Mas a principal aposta da nova rodada não é o lançamento, e sim o crescimento.
A empresa está expandindo o agente na direção da chamada parte "grow" do negócio: lançamento de campanhas publicitárias, gestão de redes sociais, SEO e — o mais interessante — otimização da presença do negócio nas respostas de chatbots de IA. A ideia é que o dono de um pequeno negócio não precise montar peça por peça o site, o analytics, as contas de anúncios e as ferramentas de marketing, mas simplesmente peça para trazer um determinado número de clientes.
A lógica de Kumar pode ser resumida a uma pergunta simples: se um empreendedor paga dez mil dólares a uma agência para gerenciar anúncios no Google, não seria possível obter o mesmo resultado mais barato? É exatamente nessa interseção que a Runable quer lucrar. Ele mesmo formula a posição de forma mais dura: o dono do negócio não precisa de uma ferramenta para escrever código, mas de um resultado mensurável.
Público e métricas
Segundo Kumar, a Runable tem cerca de 1,7 milhão de usuários registrados. Os maiores mercados são Estados Unidos, Reino Unido e Japão, sendo que a frente japonesa cresce tão rápido que já no próximo mês pode se tornar líder junto com a americana. Há usuários também no Brasil, mas a empresa está deliberadamente deslocando o foco para os três primeiros mercados.
Já o que fica de fora: Kumar se recusou a divulgar a receita atual e o número de clientes pagantes. Entre os números indiretos, ele citou outro dado — nos últimos 90 dias, os usuários consumiram mais de 1 trilhão de tokens, e cerca de 60–70% desse volume veio de clientes pagantes. Isso já diz mais sobre o produto do que o número de cadastros: as pessoas não estão apenas testando o agente, mas rodando tarefas reais por meio dele.
Economia: margem negativa e aposta na inferência barata
Essa intensidade de uso custa dinheiro. Kumar admite abertamente: a margem bruta da Runable atualmente é negativa, inclusive porque a startup subsidia o funcionamento da IA para seus clientes. É a clássica história de produtos agênticos em crescimento — há receita, mas ela ainda não cobre a conta da inferência.
A aposta aqui é em duas coisas. Primeira: a empresa trabalha com um conjunto de modelos de terceiros e, em paralelo, desenvolve o próprio, para reduzir a dependência de preços alheios. Segunda: o barateamento da inferência ao longo do tempo. Kumar estima o potencial de melhoria da economia como uma redução de custo de quase dez vezes, mantendo a mesma qualidade de respostas.
Concorrência: gigantes e plataformas de coding
O mercado em que a Runable entrou está cada vez mais apertado. Nele entram os gigantes de modelos — Anthropic e OpenAI —, e ao lado atuam plataformas de desenvolvimento: Cursor, Lovable e Replit. Qualquer uma delas pode adicionar funções agênticas, e então a vantagem dos players de nicho começará a se diluir.
O principal desafio, na prática, é exatamente esse: se destacar diante de empresas cujos modelos você mesmo usa. O argumento de Kumar não é o modelo, mas o volume de trabalho ao redor dele. A Runable assume a infraestrutura, o analytics e a distribuição, para que o usuário não precise colar cinco serviços em um único processo. O modelo em si deixa de ser o produto — o produto passa a ser a tarefa concluída.
Para quem a Runable não é concorrente
Kumar não tenta superar os agentes de coding no próprio jogo deles — e fala isso abertamente. Para um desenvolvedor que trabalha com arquivos locais e passa a maior parte do tempo escrevendo código, é mais provável que OpenAI Codex ou Anthropic Claude Code sejam mais adequados. É outro cenário de uso e outro usuário.
O público-alvo da Runable são donos de pequenos negócios não técnicos, para quem importa não o processo, mas o negócio funcionando no final. Kumar aponta como concorrentes mais próximos os agentes universais Manus e Genspark — ou seja, produtos da mesma categoria, e não ferramentas de desenvolvedor.
Teste do TechCrunch: o que o agente fez e onde tropeçou
Os jornalistas fizeram um teste prático com o agente: um negócio fictício de assinatura de café, com a tarefa de montar e fazer o deploy de um site, configurar o analytics e trazer os primeiros 100 visitantes com um orçamento de anúncios de US$ 25. A Runable criou o site e preparou a campanha publicitária, mas não a lançou: primeiro, segundo ele, é preciso conectar uma conta de anúncios.
Um teste semelhante com o Cursor esbarrou em parte das mesmas limitações — a campanha foi preparada, mas foram necessários acesso à conta de anúncios e um método de pagamento, e para a hospedagem contínua do site foi preciso um serviço de terceiros. A diferença é que a Runable fechou mais infraestrutura dentro da própria plataforma. Mas a conta de anúncios externa ainda foi necessária antes que o orçamento pudesse ser gasto.
A empresa reagiu a essa observação: a possibilidade de lançar anúncios sem conectar contas de clientes atualmente funciona para anúncios no ChatGPT. A startup tem parcerias que garantem isso, mas se recusou a nomear os parceiros, descrevendo a relação como uma "cunha suave" — uma forma de entrar na tarefa pelo lado onde a barreira é menor.
O que isso significa
A rodada de US$ 21 milhões com avaliação de US$ 65 milhões é uma aposta não em "mais um construtor de sites", mas na mudança do ponto de entrada do produto. Se antes o pequeno negócio comprava ferramentas e montava um processo a partir delas, agora a Runable propõe comprar o resultado: não o site, não a campanha, não o relatório, mas os clientes.
O ponto fraco desse modelo é visível a olho nu — a economia. Margem bruta negativa com 1 trilhão de tokens consumidos significa que o crescimento ainda é pago pelos investidores, e não pelos clientes. A segunda vulnerabilidade é a dependência de modelos alheios e de plataformas de anúncios alheias, cada uma das quais tem suas próprias ambições agênticas. Vencerá quem transformar mais rápido o subsídio em margem e provar que leva a tarefa até o fim, e não até a metade do caminho.
