A Harvey construiu um negócio de software jurídico avaliado em US$ 11 bilhões usando os modelos de inteligência artificial das outras empresas. Em 18 de agosto de 2026, anunciou que treinou o seu próprio.
O nome é Tenet. E a escolha da base é o que torna o caso interessante: não foi construído do zero nem apoiado no modelo mais forte do mercado. Foi treinado em cima do Kimi K3, o modelo de pesos abertos e baixo custo da chinesa Moonshot AI — com dados jurídicos produzidos pela própria Harvey, a partir de disputas simuladas e arquivos de casos elaborados por advogados contratados para isso.
O resultado que a empresa afirma ter alcançado: desempenho comparável ao dos modelos gerais mais fortes, a um custo de modelo aberto.
Por que isso é contraintuitivo
A lógica dominante nos últimos anos foi simples: quem tem acesso ao modelo mais poderoso ganha. Empresas competiam para usar a versão mais nova do modelo mais caro.
O que a Harvey fez inverte a conta. Ela pegou uma base mais fraca em capacidade geral e a tornou melhor no que importa para ela — usando aquilo que nenhum laboratório de fronteira tem: o acervo e o julgamento de um domínio específico.
Um modelo generalista sabe um pouco de tudo, inclusive de direito. Um modelo treinado com o material de uma empresa que vive de direito sabe do jeito que aquele trabalho precisa. Para a tarefa específica, o segundo vence — e custa uma fração.
O que muda quando o custo por tarefa despenca
Esta é a parte que costuma passar batida, e é a mais importante. A Harvey diz que o custo baixo torna prático rodar agentes continuamente em todos os casos.
Repare na mudança de natureza. Quando cada consulta é cara, a IA é usada nos momentos importantes, sob decisão humana: alguém decide perguntar. Quando o custo cai o suficiente, ela passa a rodar o tempo todo, em tudo — revisando cada caso, checando cada documento, sinalizando o que ninguém pediu para checar.
Não é a mesma ferramenta usada com mais frequência. É outra forma de trabalhar, que só existe abaixo de certo preço.
E quem não vai treinar modelo nenhum?
Vale ser direto: treinar um modelo, mesmo sobre base aberta, exige escala, dados e equipe que a esmagadora maioria das empresas não tem — e a Harvey vale US$ 11 bilhões. Se a leitura do caso for "vou treinar o meu", o tiro sai pela culatra.
O que se aproveita é o princípio, e ele vale em qualquer tamanho:
- O diferencial não é o modelo, é o dado que só você tem. Seus contratos, seus laudos, seu histórico de atendimento, suas propostas que fecharam e as que não fecharam. Todo mundo aluga o mesmo modelo; ninguém tem o seu acervo.
- Organizar esse acervo é o investimento que sobrevive à troca de modelo. O modelo que você usa hoje será substituído em meses. O material bem organizado da sua operação continua valendo — e melhora o resultado de qualquer modelo que venha depois.
- Existe caminho intermediário. Entre "usar o ChatGPT como todo mundo" e "treinar um modelo próprio" está a faixa onde quase toda empresa deveria estar: alimentar o modelo com a sua base de conhecimento no momento da pergunta, em vez de esperar que ele adivinhe como a sua empresa trabalha.
- Pergunte quanto custa a tarefa, não quanto custa o modelo. Foi a queda no custo por tarefa que mudou o que a Harvey pode fazer. A régua útil é essa, e não o preço da assinatura.
Vale notar o contraste com o outro lado da mesma moeda: rodar um modelo aberto na própria infraestrutura tem um custo real que as manchetes costumam esconder. O caso da Harvey não contradiz isso — mostra onde o investimento se paga: não em hospedar o modelo, e sim em especializá-lo com o que você já sabe.
O resumo honesto
Duas ressalvas. O Tenet ainda não está no produto da Harvey e não há data anunciada de lançamento — o desempenho descrito é o que a empresa relata, não algo que clientes já usam. E os números de comparação partem da própria Harvey, sem verificação independente.
O que já está claro, independentemente do que aconteça com o Tenet: a empresa que mais tinha motivo para continuar alugando modelo dos outros — porque construiu US$ 11 bilhões fazendo exatamente isso — concluiu que valia a pena ter o seu, montado sobre uma base aberta e barata, com dados que só ela possui.
Fatos apurados a partir do anúncio da Harvey de 18 de agosto de 2026, da cobertura do Business Insider e do noticiário de tecnologia de agosto de 2026. O desempenho do Tenet é reportado pela própria empresa.
Perguntas frequentes
O que é o Harvey Tenet?
É o primeiro modelo de inteligência artificial proprietário da Harvey, empresa de software jurídico avaliada em US$ 11 bilhões, anunciado em 18 de agosto de 2026. Foi treinado sobre o Kimi K3, modelo de pesos abertos e baixo custo da chinesa Moonshot AI, usando dados jurídicos próprios produzidos a partir de disputas simuladas e arquivos de casos elaborados por advogados.
Por que treinar sobre um modelo aberto em vez de usar o modelo mais forte do mercado?
Porque a comparação que importa não é a capacidade geral, e sim o desempenho na tarefa específica. Um modelo generalista sabe um pouco de tudo, inclusive de direito; um modelo treinado com o acervo de quem vive de direito sabe do jeito que aquele trabalho exige. A Harvey afirma ter alcançado desempenho comparável ao dos modelos gerais mais fortes a um custo de modelo aberto.
Por que o custo por tarefa importa tanto?
Porque ele muda o que é possível fazer, não apenas o quanto se gasta. Quando cada consulta é cara, a IA é usada nos momentos importantes, sob decisão humana. Quando o custo cai o suficiente, passa a ser viável rodar agentes continuamente em todos os casos — revisando tudo, o tempo todo. É outra forma de trabalhar, que só existe abaixo de certo preço.
Minha empresa deveria treinar o próprio modelo de IA?
Quase certamente não. Treinar um modelo, mesmo sobre base aberta, exige escala, volume de dados e equipe que a esmagadora maioria das empresas não tem — e a Harvey vale US$ 11 bilhões. O caminho intermediário é o que serve à maioria: alimentar o modelo com a sua base de conhecimento no momento da pergunta, em vez de esperar que ele adivinhe como a sua empresa trabalha.
Qual é a lição do caso para empresas pequenas e médias?
Que o diferencial competitivo não está no modelo, e sim nos dados que só a sua empresa tem: contratos, laudos, histórico de atendimento, propostas que fecharam e as que não fecharam. Todo mundo aluga o mesmo modelo; ninguém tem o seu acervo. E organizar esse acervo é o investimento que sobrevive à troca de modelo, porque o modelo será substituído em meses e o seu material continuará valendo.
O Tenet já está em uso?
Não. O modelo ainda não está disponível no produto da Harvey e não há data anunciada para lançamento. O desempenho descrito é o relatado pela própria empresa, sem verificação independente — o que recomenda cautela ao tratar os números como definitivos.