Todo mundo que já brincou com gerador de imagem ou site feito por IA conhece aquele resultado que funciona, mas é meio feio. A DesignArena nasceu bem dessa dor.
A história começa com um grupo de amigos de faculdade tentando fazer um motor de jogos com IA funcionar. O problema não era a IA gerar jogos que rodassem — isso ela conseguia. O problema era que nenhum jogo era divertido. E como você mede “divertido” com números? Não dá. Segundo a cofundadora Grace Li, a resposta óbvia era perguntar pra gente mesmo, os humanos.
Foi assim que surgiu a DesignArena, ferramenta que hoje passa de 5,3 milhões de usuários pelo mundo. A dinâmica é simples e até divertida de usar: você escreve o que quer — um site, uma imagem, qualquer coisa visual — escolhe o formato numa lista de opções e recebe pares de resultados pra decidir qual prefere, no estilo “A ou B”. Repete até sobrar um ranking dos melhores.
Até aqui parece só um brinquedo legal pra testar modelo. Mas o dinheiro de verdade está do outro lado do balcão: empresas de IA pagam pra usar esse fluxo como fonte constante de feedback real sobre o que as pessoas realmente preferem visualmente. Segundo Li, quem está ranqueando nem sabe, nem se importa, qual modelo gerou cada resposta — só quer o melhor resultado. E isso é ouro pros laboratórios tentando refinar seus modelos generativos.
Esse modelo de negócio já rendeu à empresa por trás da DesignArena, chamada Intelligence, algo em torno de US$ 60 milhões em receita anual recorrente. Na segunda-feira, a startup anunciou uma rodada seed de US$ 7,9 milhões liderada pela Index Ventures, com participação da Conviction (fundo de Sarah Guo e Mike Vernal), A*, Valkyrie e outros investidores.
Um detalhe interessante: como o uso exige login, a empresa consegue acompanhar como o gosto visual muda de região pra região e ao longo do tempo. Li conta, por exemplo, que dashboards feitos por usuários na Ásia tendem a ter um estilo mais maximalista. É o tipo de dado que nenhum benchmark automático entrega.
“Era o gargalo que faltava pra muitos desses modelos avançarem em design”, resume Li sobre o momento em que a empresa fechou seu primeiro contrato grande com um laboratório de ponta.
Faz sentido cruzar isso com o que aconteceu na Hugging Face na semana passada: benchmarks automáticos são rápidos, mas dão brecha pra manipulação. Ter gente real avaliando funciona como contrapeso importante.
Nem tudo é festa nesse mercado
Só que feedback humano em escala não é garantia de sucesso automático. A Yupp, que tentou algo parecido, levantou US$ 33 milhões com o investidor Chris Dixon (a16z crypto), chegou a 1,3 milhão de usuários e ainda assim fechou as portas este ano. Do outro lado, a LM Arena, que aplica a mesma lógica pra respostas em texto, captou US$ 150 milhões numa Série A em janeiro, só quatro meses depois de lançar o produto pago.
A lição prática: quem constrói uma ponte confiável entre gosto humano e modelo de IA tem valor real pro mercado. Mas não é fórmula mágica. Depende de execução, timing e de conseguir prender os laboratórios certos como clientes de longo prazo.