Whatnot adquire Shaped para acelerar recomendações de compras ao vivo com IA

A plataforma global de livestream shopping Whatnot anunciou oficialmente a aquisição da Shaped, uma empresa altamente especializada no desenvolvimento de tecnologias de aprendizado de máquina (machine learning) aplicadas a sistemas de recomendação e mecanismos de busca em tempo real. O anúncio do negócio, veiculado no dia 15 de julho de 2026, representa um passo decisivo e estratégico para a plataforma adquirente, que busca consolidar e expandir de forma contundente suas capacidades tecnológicas de descoberta e personalização de conteúdo à medida que seu ecossistema digital continua a registrar um crescimento acelerado em direção a novos nichos de produtos de consumo e a agregar milhões de novos compradores ativos em sua base de usuários globais.

De acordo com as informações divulgadas oficialmente pela companhia, a transação comercial de aquisição de ativos e pessoal visa permitir que o Whatnot dê continuidade ao seu plano robusto de investimentos focados em inteligência artificial. O objetivo fundamental de engenharia de software e ciência de dados por trás dessa operação é atuar diretamente na resolução de um dos problemas técnicos mais complexos e desafiadores de toda a indústria contemporânea do comércio por transmissões ao vivo (live commerce): a tarefa de direcionar de forma precisa e personalizada os consumidores aos produtos corretos em uma plataforma onde o inventário disponível, os lances de leilões dinâmicos e as demandas de consumo de cada comprador mudam a cada fração de segundo em tempo real.

Essa dinâmica estabelece uma diferença crítica quando comparada às plataformas convencionais de comércio eletrônico (traditional e-commerce). Nestas soluções de varejo digital tradicional, os catálogos de produtos expostos e as páginas de navegação mantêm-se em um estado estruturalmente estável e fixo por longos períodos, sofrendo atualizações de inventário em ciclos mais espaçados de dias ou semanas. Por outro lado, o ecossistema de marketplace operado pelo Whatnot funciona sob um regime de transformação contínua e instantânea: as transmissões e leilões de alta velocidade hospedados por vendedores podem durar apenas pouquíssimos minutos ou se estender ativamente por várias horas seguidas, exigindo que o motor de recomendações responda à dinâmica volátil com o menor tempo de processamento possível.

O desafio do tempo real

Para destrinchar as implicações arquiteturais de sistemas que operam sob essas restrições extremas de infraestrutura, o vice-presidente de Dados e Inteligência Artificial do Whatnot, Emmanuel Fuentes, explicou em declarações concedidas ao veículo especializado internacional TechCrunch os gargalos superados pela iniciativa. De acordo com o executivo, ao combinar a tecnologia proprietária desenvolvida pela Shaped com as soluções de software e bancos de dados legados do Whatnot, a equipe de desenvolvimento de software será capaz de gerar recomendações de consumo significativamente mais rápidas, responsivas e calibradas de acordo com as preferências individuais de cada comprador na plataforma.

“By combining Shaped’s technology with Whatnot’s existing systems, we can make recommendations faster, more responsive, and more personalized,” Emmanuel Fuentes, VP of Data and AI at Whatnot, told TechCrunch. “That speed matters because live commerce is a uniquely hard recommendation problem. Inventory changes by the second, shows start and end continuously, and buyer intent shifts throughout a show.”

A velocidade à qual o VP de dados Emmanuel Fuentes se refere não é fruto de soluções simples, mas sim o resultado de anos de pesquisa e desenvolvimento intensivos de infraestrutura de TI. O executivo do Whatnot fez questão de destacar que a companhia dedicou os últimos seis anos de sua trajetória de engenharia para otimizar incrementalmente a velocidade e o tempo de resposta de seu mecanismo interno de recomendação. Esse esforço histórico de engenharia de dados permitiu reduzir a latência de processamento algorítmico de novas sugestões personalizadas, que no início da plataforma demandavam aproximadamente um dia inteiro de processamento em lote (batch processing), para um intervalo reduzido de meros alguns minutos no estágio atual.

Com a integração definitiva do ecossistema de software desenvolvido pela Shaped, a expectativa técnica declarada pela empresa é empurrar essas atualizações de recomendação ainda mais para perto do limiar do tempo real absoluto. A urgência por essa redução drástica de latência computacional torna-se evidente ao analisarmos a escala maciça de processamento do Whatnot: de acordo com dados internos da empresa, a sua infraestrutura de tecnologia de dados processa mais de 500.000 horas de transmissões de vídeo ao vivo todas as semanas, gerenciando em paralelo milhões de interações bidirecionais simultâneas entre compradores e vendedores, utilizando esse ecossistema massivo de dados para realimentar e refinar continuamente a acurácia de seus algoritmos preditivos.

A infraestrutura técnica do Shaped

A Shaped foi fundada originalmente no mercado de software como serviço (SaaS) com a clara premissa corporativa de auxiliar empresas de variados portes e setores industriais a construírem e implantarem seus próprios motores de recomendação de alta performance baseados em inteligência artificial avançada. Para alcançar essa meta, a startup desenvolveu uma pilha tecnológica que combina a análise inteligente de bases de dados existentes dos clientes com o processamento refinado por grandes modelos de linguagem (LLMs) e algoritmos robustos de aprendizado de máquina (machine learning), uma arquitetura escalável que conquistou a confiança de clientes renomados como a plataforma de locação de veículos recreativos Outdoorsy e a pioneira do varejo interativo televisivo norte-americano QVC.

No âmbito estratégico do acordo de aquisição corporativa, o fundador e CEO da Shaped, Tullie Murrell, liderará uma migração qualificada de profissionais de alta tecnologia para os quadros de colaboradores do Whatnot, trazendo consigo uma equipe composta por quase uma dezena de engenheiros de software seniores e pesquisadores seniores de inteligência artificial aplicada. Murrell, que antes de empreender com a fundação de sua própria startup atuou profissionalmente como cientista e engenheiro de dados nos laboratórios de inteligência artificial da gigante das redes sociais Meta antes de lançar a Shaped, assumirá um papel central na reorganização dos times de tecnologia da plataforma de compras ao vivo.

O engenheiro Tullie Murrell foi designado para liderar o recém-criado grupo de Pesquisa de IA Aplicada (Applied AI Research group) do Whatnot. O estabelecimento formal dessa divisão de elite técnica indica que o plano corporativo da empresa vai muito além de uma simples fusão de linhas de código ou de um reaproveitamento básico de software: o objetivo é posicionar a adquirente na fronteira científica do aprendizado de máquina voltado a vídeo interativo e processamento de linguagem natural, buscando desenvolver novas soluções computacionais que resolvam gargalos de processamento de fluxos contínuos de dados sob demanda extrema.

Métricas de crescimento da plataforma

A necessidade urgente de uma infraestrutura de inteligência artificial ultra-rápida decorre diretamente do crescimento de mercado sem precedentes que o Whatnot vem experimentando nos últimos anos. Lançada oficialmente no mercado de tecnologia em 2019, a plataforma rapidamente escalou suas operações de comércio eletrônico interativo até revelar recentemente que seus vendedores e lojistas parceiros superaram a expressiva marca histórica de 1 bilhão de pedidos processados, consolidando a eficácia e a aceitação desse formato de consumo por transmissões de vídeo ao vivo.

Esse volume colossal de transações e a atração de uma base massiva de consumidores impulsionaram de forma correspondente o interesse de grandes fundos de capital de risco globais. No ano passado, o Whatnot levantou a expressiva soma de US$ 225 milhões em sua rodada de captação de recursos de Série F, um movimento financeiro estratégico que elevou a avaliação de mercado (valuation) da empresa de comércio digital para um patamar superior a US$ 11 bilhões, impulsionado pela adição acelerada de expressivos 20 milhões de compradores ativos ao seu ecossistema ao longo de apenas doze meses de operação.

Para além da solidez de seus indicadores financeiros, a expansão acelerada do Whatnot manifesta-se fisicamente no portfólio de produtos comercializados em suas transmissões ao vivo. O marketplace expandiu significativamente a sua oferta de nichos de mercado ao lançar mais de 35 novas categorias de produtos no ano passado — englobando segmentos sofisticados como obras de arte, equipamentos de golfe e discos de vinil — e adicionou outras 45 categorias de produtos adicionais durante a primeira metade do ano de 2026, com novos subsegmentos específicos sendo implementados e disponibilizados para os usuários mensalmente.

A gestão de um catálogo tão vasto e fragmentado, que agora conta com mais de 80 novas divisões operacionais em pleno funcionamento (somando as mais de 35 categorias anteriores com as 45 categorias adicionais da primeira metade de 2026), impõe severos desafios de segmentação. Sem a automação fina proporcionada pelas soluções de inteligência artificial e pelos modelos preditivos desenvolvidos pela Shaped, classificar, recomendar e associar dinamicamente produtos altamente específicos — como um disco de vinil raro ou um taco de golfe colecionável — para os perfis de usuários ideais durante transmissões ao vivo tornaria-se um processo computacionalmente ineficiente e propenso à perda de engajamento dos compradores.

A corrida pela inteligência artificial

A iniciativa agressiva de consolidação de talentos e aquisição de tecnologias pelo Whatnot não se trata de um movimento isolado na indústria de tecnologia global, mas insere-se em um contexto de disputa acirrada entre grandes plataformas de comércio de segunda mão e comércio interativo. Gigantes consolidados do mercado de revenda digital, como as corporações eBay e Poshmark, também se encontram em meio a uma corrida tecnológica veloz para integrar mecanismos profundos de inteligência artificial em todas as camadas de seus ecossistemas de vendas de produtos, buscando otimizar a experiência de descoberta.

Essa intensa competição sinaliza que a inteligência artificial preditiva deixou de ser uma vantagem competitiva acessória para se transformar em um elemento de infraestrutura indispensável para a viabilidade econômica de plataformas de marketplace modernos. Para desenvolvedores, engenheiros de dados e profissionais do setor de tecnologia, o movimento de aquisição da Shaped pelo Whatnot aponta para uma direção clara: a engenharia de baixa latência em modelos de aprendizado de máquina aplicados ao fluxo contínuo de dados é o novo padrão ouro de desenvolvimento técnico na indústria global de tecnologia de consumo.

Ao ponderar sobre o histórico técnico do Whatnot em reduzir sua latência computacional de um dia inteiro para alguns minutos ao longo de seis anos, percebe-se que as equipes de engenharia de dados de alta performance precisam priorizar a otimização de pipelines de transmissão de dados contínuos. No contexto de arquiteturas modernas de inteligência artificial aplicadas ao e-commerce, a capacidade de reprocessar dados dinamicamente de milhões de interações em tempo real utilizando as tecnologias da Shaped torna-se o verdadeiro diferencial para a conversão de vendas.

O tratamento analítico de mais de 500.000 horas de transmissões de vídeo semanais pelo Whatnot também ilustra a importância de se utilizar grandes modelos de linguagem (LLMs) de forma integrada ao aprendizado de máquina clássico. A abordagem da Shaped de cruzar informações e bases de dados tradicionais dos clientes com os modelos de linguagem avançados permite traduzir interações complexas de vídeo, voz e chat de texto em metadados altamente estruturados e pesquisáveis em milissegundos, abrindo um leque de possibilidades para o setor de inteligência artificial aplicada.

Para o ecossistema de desenvolvimento de software e live commerce, o modelo adotado pela transação — em especial a estruturação do grupo de Pesquisa de IA Aplicada sob a liderança do ex-engenheiro da Meta, Tullie Murrell — serve como referência metodológica importante para empresas que buscam alta performance. O caso demonstra que a mera integração de APIs externas de inteligência artificial de terceiros é insuficiente para resolver os gargalos de alto desempenho de plataformas que pretendem atingir escala global ou competir em ambientes de latência ultra-reduzida.

Em conclusão, o plano de crescimento do Whatnot, sustentado pela captação de US$ 225 milhões em sua rodada de Série F e simbolizado por uma robusta avaliação de mais de US$ 11 bilhões obtida em paralelo a um fluxo acumulado de 1 bilhão de pedidos, demonstra que a consolidação de empresas especializadas em IA e aprendizado de máquina como a Shaped constitui o caminho mais ágil e sustentável para assegurar a liderança técnica contra concorrentes como eBay e Poshmark no dinâmico mercado digital.