Pensar devagar para agir com precisão: como um PhD virou incubadora de startup
A cultura das startups sempre foi movida por velocidade. Lançar rápido, testar rápido, errar rápido e corrigir mais rápido ainda. É o mantra repetido em praticamente todo ecossistema de inovação do planeta. Tem uma boa ideia? Ótimo — agora construa, teste, itere e coloque no mercado antes que a janela de oportunidade se feche. Quer saber se funciona? Jogue o produto no mundo real e deixe o mercado ser o seu campo de provas.
Mas e se a jogada mais inteligente fosse exatamente o oposto disso?
É essa a pergunta que Abel Salinas, estudante de PhD no USC Information Sciences Institute (ISI), respondeu na prática — e com resultados bastante concretos. Em vez de correr para o mercado, ele desacelerou. Escolheu a profundidade em vez da pressa. E o que nasceu dessa decisão é uma das histórias mais interessantes sobre como Inteligência Artificial, pesquisa acadêmica e espírito empreendedor podem se encontrar de um jeito que faz sentido de verdade.
A escolha que poucos fariam
Depois de concluir o mestrado em ciência da computação em 2022, Abel Salinas tinha todas as credenciais para entrar direto no mercado de tecnologia. Passagens por Google, Microsoft e Adobe no currículo, adquiridas durante estágios. Portas abertas em praticamente qualquer empresa do setor. Mas ele escolheu ficar na universidade. Não por falta de oportunidade ou por medo do mercado — por uma convicção clara de que queria estar na vanguarda da Inteligência Artificial com profundidade real, não apenas com agilidade de execução.
Durante os estágios nessas gigantes da tecnologia, Salinas viu de perto como a mudança tecnológica pode avançar mais rápido do que a capacidade humana de compreendê-la. Esse foi um fator decisivo. Ele entendeu que quatro anos de pesquisa aprofundada — estudando os mecanismos, falhas e implicações sociais do machine learning — poderiam ser mais valiosos do longo prazo do que um salário imediato no Vale do Silício.
Em suas próprias palavras, Salinas explicou que sabia que queria desenvolver expertise profunda em inteligência artificial. Seguir o caminho do PhD fez sentido não apenas pelo amor à pesquisa, mas também porque ele não tinha medo de jogar o jogo longo. Para ele, estava claro desde o início que queria fundar uma startup antes mesmo de se formar, e o doutorado no ISI dava a chance de aprender constantemente com especialistas de ponta e se conectar ao ecossistema de inovação da USC. 🎓
O que um PhD tem que uma startup convencional não tem
Existe uma narrativa muito popular no mundo da tecnologia que coloca a universidade em um lado e o mercado no outro, como se os dois fossem opostos que raramente se encontram. Mas o que Abel Salinas fez foi justamente quebrar essa lógica. Ao permanecer no ambiente acadêmico mesmo tendo todas as portas abertas para o mercado corporativo, ele usou o tempo do PhD como um laboratório de alto nível — um espaço onde as perguntas difíceis podem ser feitas sem a pressão imediata de um produto para lançar ou uma métrica para bater. Esse tipo de ambiente é raro, e quem sabe aproveitá-lo transforma conhecimento em vantagem competitiva real.
- E-BOOK GRATUITO
Um guia prático para avaliar, comparar e implementar inteligência artificial com clareza — sem desperdício de tempo ou dinheiro.
Pare de contratar ferramentas sem direção. Criamos um método estruturado para decidir qual IA realmente faz sentido para o seu negócio.
Entrega em PDF no seu e-mail · Sem spam · LGPD
🔒 Seus dados são protegidos conforme a LGPD. Você pode descadastrar a qualquer momento.
No caso da CommonGround, essa profundidade se traduziu diretamente na arquitetura do produto. A plataforma não foi construída em cima de soluções prontas ou APIs empacotadas de forma genérica. Ela foi desenvolvida a partir de pesquisas sérias sobre como modelos de Inteligência Artificial conseguem identificar padrões de comportamento que antecipam riscos — algo que exige muito mais do que habilidade técnica básica. Exige entender os limites dos modelos, os vieses dos dados, as falhas de interpretação e as formas de tornar um sistema realmente confiável em ambientes críticos.
Esse é exatamente o diferencial que o doutorado oferece: tempo para errar com cuidado, espaço para revisar hipóteses e acesso a uma comunidade científica que questiona cada decisão com rigor. Para uma startup que pretende atuar em segurança com IA, esse rigor não é um luxo — é um requisito. E Salinas entendeu isso antes mesmo de começar a construir o produto.
O poder da predição: como a CommonGround funciona
O que veio depois de anos de pesquisa foi a CommonGround — uma plataforma de segurança baseada em IA que ajuda empresas, agências governamentais e organizações sem fins lucrativos a identificar sinais precoces de risco e instabilidade civil. A ferramenta é programada para converter dados complexos — em grande parte provenientes de inteligência de sinais locais — em insights que permitem aos usuários se anteciparem a ameaças emergentes, evitando interrupções custosas nas operações e tomando medidas proativas para manter as pessoas seguras.
Um detalhe fundamental diferencia a CommonGround de outras soluções de segurança disponíveis no mercado. Conforme Salinas explicou, essas avaliações de risco são especialmente aplicáveis em países onde há uma escassez comparativa de dados e onde as ferramentas tradicionais de segurança costumam ter pontos cegos. A plataforma foi originalmente projetada para focar em regiões da América Latina e da África. A lógica é direta: se a tecnologia consegue ser altamente eficaz em regiões social e politicamente complexas, estará no caminho certo para escalar globalmente nos próximos anos.
Essa abordagem é especialmente relevante porque mostra que a CommonGround não foi concebida para operar apenas em mercados onde dados abundantes tornam o trabalho de IA relativamente simples. Pelo contrário — ela foi construída para funcionar justamente onde é mais difícil, onde os dados são escassos e os contextos sociais são mais delicados. Isso exige modelos mais sofisticados, tratamento de dados mais cuidadoso e uma compreensão mais profunda das comunidades que serão impactadas.
Uma parceria acadêmica que virou cofundação
Você pode estar se perguntando se as atividades empreendedoras de Salinas foram consideradas uma distração das suas obrigações acadêmicas. A resposta é exatamente o contrário. A CommonGround foi cofundada por Fred Morstatter, orientador de PhD de Salinas, líder de equipe de pesquisa no USC Information Sciences Institute e professor associado de pesquisa no Thomas Lord Department of Computer Science da USC Viterbi e na USC School of Advanced Computing.
A pesquisa de Morstatter se concentra em análise de redes sociais, detecção de desinformação, modelagem cultural, machine learning e equidade em sistemas de IA — e todos esses fatores se unem no desenvolvimento da CommonGround. Em vez de funcionar como um sistema de vigilância vertical, a plataforma foi desenhada para promover maior compreensão entre organizações e as comunidades impactadas por suas iniciativas.
Morstatter destacou que ele e sua equipe viram em primeira mão como essa pesquisa se traduz em valor operacional para setores como mineração e energia. Os parceiros dos primeiros pilotos usaram os modelos para entender melhor como comunidades locais respondem a grandes projetos, permitindo antecipar tensões, ajustar estratégias de engajamento e reduzir riscos antes que os problemas escalem. Essa validação prática, vinda diretamente do campo, é o tipo de evidência que transforma uma pesquisa acadêmica em um produto com tração real no mercado. 🚀
O ecossistema que sustentou a jornada
Morstatter não foi o único apoio de Salinas ao longo do caminho. Durante os quatro anos do PhD, a estrutura de suporte da USC para startups em estágio inicial estava se expandindo em escopo e coordenação. Salinas — alternando constantemente entre o pensamento lento da pesquisa e a ação rápida do empreendedorismo — aproveitou de forma consistente as múltiplas oportunidades disponíveis.
O caminho percorrido por Salinas dentro desse ecossistema pode ser resumido em etapas bem definidas:
- Technology Innovation Fellow: Salinas começou como um dos primeiros bolsistas do programa do USC Viterbi School Office of Technology Innovation and Entrepreneurship (TIE), onde o foco era transformar a tecnologia em produto, combinando desenvolvimento técnico com orientação estruturada sobre casos de uso, design de pilotos e primeiras implantações.
- USC Stevens Center for Innovation: na sequência, ele recebeu treinamento sobre como comercializar pesquisa, aprendendo como propriedade intelectual é avaliada e licenciada — o chamado tech transfer, a transição do laboratório de pesquisa para o mercado.
- NSF I-Corps: com a direção técnica e o caminho de comercialização identificados, o foco passou a ser a validação de mercado. Um grant de 50 mil dólares do programa NSF I-Corps deu a Salinas a chance de realizar mais de 100 entrevistas de descoberta de clientes, testando suposições por meio de contato direto com usuários potenciais e refinando ainda mais a direção da empresa.
- USC and Techstars University Catalyst: o passo seguinte foi aprender a engajar investidores e futuros usuários. A CommonGround entrou nesse programa de aceleração, onde Salinas desenvolveu o pitch da empresa e sua narrativa externa por meio de mentoria e feedback estruturado.
Com a lista de comercialização, validação e comunicação cumprida, a CommonGround estava pronta para ser lançada. E aqui, mais uma vez, Salinas recorreu à sua rede acadêmica e colheu a recompensa por quatro anos de progresso constante. A CommonGround se tornou a primeira startup sob o USC Startup Launch Agreement, que licenciou a tecnologia em troca de uma pequena participação acionária e cobriu os custos de formação jurídica, reduzindo significativamente as barreiras para a incorporação da empresa.
Esforço e persistência por trás da aparente facilidade
Se toda essa trajetória faz o processo de idealizar, construir e lançar uma empresa parecer fácil demais — pode ter certeza de que não foi. É verdade que a decisão estratégica de Salinas de incubar uma ideia dentro do contexto universitário forneceu uma plataforma de lançamento privilegiada, sem contar o financiamento integral do PhD. Mas o processo foi alimentado por persistência e muito trabalho duro.
Salinas refletiu sobre como equilibrar pesquisa, finalizar a dissertação e construir uma empresa significou alternar constantemente entre trabalho acadêmico e desenvolvimento de produto. Foi muito para conciliar, especialmente enquanto se preparava para se formar neste semestre. Qualquer pessoa que já tentou manter dois projetos complexos rodando ao mesmo tempo sabe o nível de disciplina e organização que isso exige — agora imagine fazer isso com um doutorado de um lado e uma startup do outro.
Ainda assim, ele sabe que escolheu o caminho que fez toda a diferença. O desafio foi incrivelmente motivador, e agora ele está vendo a expertise que desenvolveu durante o PhD sendo convertida em uma empresa com impacto imediato, à medida que clientes utilizam a CommonGround para tomar decisões operacionais no mundo real.
Receba o melhor conteúdo de inovação em seu e-mail
Todas as notícias, dicas, tendências e recursos que você procura entregues na sua caixa de entrada.
Ao assinar a newsletter, você concorda em receber comunicações da Método Viral. A gente se compromete a sempre proteger e respeitar sua privacidade.
Inovação com profundidade: o novo modelo para startups de IA
O caso da CommonGround levanta uma discussão importante para o ecossistema de startups de Inteligência Artificial. Durante anos, o modelo dominante foi o de mover rápido e quebrar coisas — uma filosofia que funciona bem quando o produto é um app de fotos ou uma rede social, mas que começa a mostrar suas rachaduras quando o produto opera em áreas sensíveis como saúde, segurança, justiça ou infraestrutura crítica. Nesses contextos, a velocidade sem profundidade pode ser mais prejudicial do que benéfica, tanto para os usuários quanto para a própria empresa.
A trajetória de Salinas sugere um caminho alternativo que está ganhando espaço no mercado: o de fundadores com formação técnica avançada que trazem para as startups uma cultura de rigor científico sem abrir mão da mentalidade empreendedora. Não se trata de escolher entre academia e mercado, mas de combinar o melhor dos dois mundos. Isso significa ter a capacidade de questionar pressupostos, de testar hipóteses com seriedade e de construir sistemas que resistam ao escrutínio — e ao mesmo tempo, saber transformar esse conhecimento em um produto que resolve problemas reais para clientes reais.
Esse modelo é especialmente relevante para o momento atual da Inteligência Artificial. Com LLMs e sistemas de IA sendo adotados em velocidade acelerada por praticamente todos os setores da economia, a demanda por soluções confiáveis, auditáveis e tecnicamente sólidas nunca foi tão alta. Empresas e governos estão cada vez mais atentos aos riscos de adotar ferramentas construídas sem o devido rigor, e isso abre um espaço enorme para startups que chegam ao mercado com credibilidade técnica de verdade.
Um aviso para quem já está abrindo abas de programas de doutorado
Uma nota importante para quem se inspirou com essa história e já está pesquisando programas de PhD com a aba de inscrições aberta: o caminho de um doutorado não é garantia de que vai resultar em uma startup de sucesso. Salinas mesmo reconhece que foi uma combinação de fatores que tornou tudo possível — a pesquisa alimentou a curiosidade, ele encontrou mentores e colegas com visões alinhadas e se viu perseguindo um conceito de negócio adjacente à academia pelo simples prazer do processo.
Mas quando esses elementos se alinham — curiosidade genuína, orientação de qualidade, um ecossistema de suporte bem estruturado e a disposição para jogar o jogo longo — o resultado pode ser algo que nem a startup mais veloz conseguiria alcançar. A CommonGround é a prova viva de que pensar devagar, quando feito com intenção e estratégia, pode ser a forma mais rápida de chegar a um lugar que realmente importa. 💡
A história de Abel Salinas e da CommonGround não é apenas sobre uma plataforma de segurança baseada em IA. É sobre um modelo de criação de empresas de tecnologia que coloca a profundidade de conhecimento no centro da proposta de valor. Em um mercado cada vez mais saturado de soluções superficiais, essa abordagem não é apenas diferente — é exatamente o que o momento pede.
