HYPEKILLER × caso-real × ml-vs-hype × governança
O ESSENCIAL
A Zillow perdeu $881M não porque o algoritmo falhou — porque não havia kill criteria, limite de exposição por mercado, nem autoridade formal para frear quando o modelo saiu do envelope histórico. Concorrentes com modelo idêntico sobreviveram mais tempo por governança mais cautelosa, não por tecnologia melhor.
DECISÃO EM JOGO: Escalar modelo de IA rapidamente vs. construir governança antes de escalar
Em outubro de 2021, a Zillow anunciou que estava encerrando o Zillow Offers, seu negócio de compra e revenda de imóveis por algoritmo, depois de acumular prejuízo de $304 milhões num único trimestre. No total, a empresa perdeu mais de $881 milhões só em 2021 e demitiu 25% da força de trabalho. O algoritmo foi apontado como vilão — mas o colapso foi sistêmico.
O que torna o caso instrutivo é que a Zillow tinha dado, tinha capacidade técnica, e tinha concorrentes usando modelos similares que sobreviveram — pelo menos por mais tempo.
A premissa do Zillow Offers era elegante: usar machine learning para precificar imóveis com precisão suficiente para comprar, reformar e revender com margem consistente. A empresa tinha décadas de dados de transações imobiliárias e uma equipe de engenharia de dados de primeira linha. O Zestimate — seu modelo de avaliação — era considerado uma das estimativas de valor de imóvel mais sofisticadas do mercado, com erro mediano de 1,9% para imóveis listados.
O modelo não era o ponto de falha primário. Foi o que aconteceu quando o modelo encontrou o mundo real em escala e velocidade.
Em 2021, com o mercado imobiliário americano em alta acelerada, o Zillow Offers passou a comprar imóveis em ritmo que o modelo não conseguia absorver. No terceiro trimestre de 2021, a empresa comprou mais casas do que nos 18 meses anteriores combinados. O algoritmo foi calibrado em dados históricos de um mercado diferente — e a empresa escalonou antes de validar o comportamento do modelo em condições de estresse.
Análise comparativa de Mike DelPrete, estrategista de real estate tech da University of Colorado Boulder, apontou que a Zillow sistematicamente pagou mais pelos imóveis do que concorrentes como Opendoor — comprando com buy-to-list premium negativo, enquanto a Opendoor mantinha premium positivo no mesmo período.
O CEO Rich Barton, ao reassumir o cargo em 2019, posicionou o Zillow Offers como a transformação da empresa de plataforma de informação para transacionador direto. A narrativa era ambiciosa: capturar uma fatia do mercado imobiliário americano, avaliado em $1,9 trilhão em transações anuais.
O problema estava na governança da operação. Não havia kill criteria explícito. Não havia limite formal de exposição por mercado. Não havia protocolo de override humano quando o modelo operava fora do envelope de dados históricos. A decisão de frear não tinha sponsor com poder formal para tomá-la.
Quando os sinais de deterioração apareceram — imóveis acumulando estoque, margens comprimindo, velocity de venda caindo — a organização não tinha mecanismo institucional para reagir com velocidade. Reagiu tarde, em larga escala, com prejuízo já cristalizado.
O aftermath revela a dimensão estrutural do problema. Opendoor e Offerpad, concorrentes diretos com modelo de negócio idêntico, não encerraram as operações — mas o que veio depois não foi glamouroso. A Opendoor acumulou prejuízo de $1,4 bilhão em 2022 e viu suas ações caírem abaixo de $1. A Offerpad reportou perda de $62,2 milhões em 2024. Redfin encerrou sua operação de iBuying em novembro de 2022.
A diferença entre colapsar rapidamente em 2021 versus prolongar perdas até 2025 não foi a qualidade do modelo — foi a velocidade de escalonamento e a estrutura de governança da operação. A Zillow foi mais rápida, mais agressiva, e pagou o preço primeiro.
O modelo continuou operacional e relevante. O framework ao redor dele — e a organização que o operava — eram o ponto de fragilidade.
O que raramente aparece nos post-mortems: a pressão para escalar vinha de dentro. A narrativa de "empresa de tecnologia transformando o mercado imobiliário" era a tese central do pitch para investidores. Desacelerar o crescimento do Zillow Offers era contradizer a própria tese. O sponsor da operação estava comprometido com a narrativa antes de estar comprometido com os dados.
Essa é a camada que os post-mortems corporativos sistematicamente omitem. Não foi o algoritmo. Não foi o mercado. Foi uma organização que não construiu os mecanismos para ouvir o que seus próprios dados estavam dizendo.
Padrões organizacionais recorrentes: sponsor invisível, ausência de kill criteria explícito, post-mortem defensivo.
Quatro perguntas antes de escalar IA:
- Qual o kill criteria objetivo?
- Qual o limite de exposição por mercado?
- Qual percentual de decisões exige override humano?
- Quem tem poder formal de frear?
O modelo não falhou. A organização falhou em construir os freios.
Fontes: Zillow Q3 2021 Earnings Release · DelPrete — Opendoor vs. Zillow: A Tale of Two Pricing Models · Opendoor FY2022 Financial Results · Offerpad FY2024 Financial Results