Tire uma foto e receba: dois estudantes do ensino médio usaram esta fórmula para faturar US$ 30 milhões, e você pode copiar

Você abre a App Store, digita “AI” e, entre os 50 primeiros resultados, 10 são de apps de câmera. Os produtos de IA que realmente estão gerando dinheiro nos últimos dois anos têm uma aparência bem “modesta” — não são modelos de linguagem completos que debatem filosofia, escrevem código ou geram filmes, mas sim pequenas ferramentas com tão poucas funções que você chega a duvidar: “isso realmente cobra por algo?”. Você aponta o celular, tira uma foto, recebe uma resposta de volta e, no fim do mês, paga dez dólares por isso.

Vamos direto aos números mais dolorosos.

Um app chamado Cal AI tem uma única função: você fotografa o prato de comida que vai comer e ele diz quantas calorias tem. Foi criado por dois estudantes de 17 anos, lançado em maio de 2024. Dezoito meses depois: mais de 15 milhões de downloads, receita anual superior a US$ 30 milhões. Em dezembro de 2025, foi adquirido pelo MyFitnessPal, e a equipe de 7 pessoas foi totalmente absorvida. A Forbes projeta que a receita atingirá US$ 50 milhões em 2026.

7 pessoas, uma função de foto, trinta milhões de dólares.

Por trás disso, há um conjunto de critérios de filtragem reutilizável, e ele já foi validado mais de uma vez. Hoje, vamos dissecar esses critérios — e incluo na conta até aquele “e se eu não souber programar?”.

I. O usuário não carece de informação, carece de não ter que pensar

A maioria das pessoas, ao criar um produto, procura a dor do cliente do jeito errado. Elas acham que o usuário só precisa de informação — eu falo, ele paga.

Não é nada disso. Em 2026, informação é o bem mais barato do mercado. Você quer saber quantas calorias tem um prato de macarrão? O buscador te dá vinte respostas em três segundos, e de graça.

Então, por que o Cal AI pode cobrar?

Porque uma pessoa fazendo cutting que sai para comer, pega o cardápio, vê vinte pratos, entende cada um deles, mas não faz a menor ideia do que pedir. A gordura está alta? Os carboidratos vão estourar? Se eu comer isso hoje, preciso compensar com exercício amanhã? Na teoria, ela teria que: reconhecer os ingredientes, estimar as gramas, checar a densidade calórica de cada item, somar tudo e comparar com a cota que ainda resta para o dia. Esse processo leva cinco minutos. Três refeições por dia, noventa refeições por mês.

É o que a economia comportamental chama de fadiga de decisão: quanto mais decisões você toma, pior a qualidade das próximas. O que o usuário realmente precisa não é de mais dados, é de uma resposta definitiva que faça ele calar a boca e agir.

Alguém construiu exatamente isso: tire uma foto do cardápio e a IA te diz na hora o que pedir. Transforma dez minutos de indecisão em uma decisão de três segundos.

Esse tipo de aplicativo está faturando alto hoje. Pegue o MenuFit, na App Store: mais de 1 milhão de downloads, nota de 4.8 estrelas, 53.900 avaliações e assinatura básica de US$ 9,99 por mês. No nicho de assinaturas, um produto com download na casa dos milhões e uma mensalidade de dez dólares é uma categoria de negócio muito real e altamente lucrativa.

Dois: três critérios de filtragem. Falta um e o modelo desmorona

Se empilharmos todos esses casos e olharmos para o conjunto, dá para extrair três critérios de triagem — isso serve para escolher a direção, não é uma fórmula mágica de negócio:

Cenário de alta frequência × Paralisia de decisão × Entrada por foto

Por que isso só vira realidade em 2026? Porque os dois primeiros critérios já existiam há tempos; o terceiro só foi desbloqueado quando os modelos multimodais amadureceram. Antes, pedir para o usuário digitar manualmente “frango grelhado 150 g, brócolis 100 g” tinha um custo de entrada mais alto do que fazer a conta na cabeça — produto morto na chegada. Hoje, “levantar o celular” virou a única ação necessária: o esforço caiu de “digitar trinta caracteres” para “um toque”. Só assim esses três critérios finalmente se alinharam.

Vou destrinchar um por um — porque a maioria das pessoas tropeça justamente em um desses elos.

Critério 1: Alta frequência

Tem que acontecer uma ou mais vezes por dia — o ideal é três. Refeição é o cenário perfeito: três vezes ao dia, mil vezes por ano. Se o usuário abre seu app três vezes por dia, a barreira psicológica para pagar fica absurdamente baixa. No outro extremo, “te ajudar a escolher qual plano de financiamento imobiliário pegar” é uma necessidade que você usa duas vezes na vida; você só consegue cobrar uma vez. E cobrar uma vez significa que você vai ter que comprar tráfego para sempre.

Critério 2: Paralisia de decisão

O usuário precisa estar em um momento em que é obrigado a decidir na hora, mas não consegue. Na frente do cardápio, da prateleira, da carta de vinhos — esses são pontos de bloqueio de decisão. Já “quero aprender sobre nutrição” não é ponto de bloqueio; isso é estudo, estudo não tem urgência, e demanda sem urgência tem uma taxa de conversão para pagamento baixíssima.

Decisões sob estresse emocional têm uma característica: o usuário paga pela sensação de alívio, não pela informação. Uma pessoa em dieta levanta o celular num jantar, fotografa o prato, lê “320 calorias” e come com a consciência tranquila — ela não comprou o dado de 320 calorias, comprou o alívio de não precisar hesitar naquele momento. É daí que vem a verdadeira disposição para pagar.

Condição três: entrada por foto

Os modelos multimodais são o motor desta onda. Uma reportagem da TechCrunch menciona que a precisão do Cal AI fica em torno de 90% — não 100%. Para quem faz dieta, uma resposta em três segundos com 90% de precisão vale muito mais do que uma resposta em cinco minutos com 100% de precisão. Dieta é um jogo estatístico, não ciência exata; um desvio médio diário abaixo de 5% já resolve.

Três: cinco passos, do zero ao lançamento

Siga estes cinco passos, nesta ordem.

Passo 1: escolha o cenário, não a funcionalidade

Pegue um papel e anote os momentos da sua vida em que você “precisa decidir agora, mas sempre hesita um pouco”. Escreva só situações em que você de fato já travou; não invente o que você acha que travaria os outros. Algumas direções para referência:

• Carta de bar: qual drink tem menos calorias (necessidade real do público fitness, e esse público tem alto poder de compra)
• Lanches de conveniência: fotografe a parte de trás da embalagem e diga se posso comer na fase de cutting
• Restaurantes em aeroporto / estação: conexão de duas horas, como comer sem errar
• Tabela de ingredientes no supermercado: fotografe a lista de ingredientes e diga se tem algo que eu estou evitando

Esta última direção já provou que funciona. O Seed Oil Scout, focado em ajudar os usuários a evitar restaurantes e alimentos com óleos de sementes, tem dados públicos de mais de 1 milhão de downloads e 14 mil avaliações com 4,8 estrelas. Eles montaram uma loja direto dentro do app, onde os usuários podem clicar e comprar produtos aprovados — faturando em duas frentes ao mesmo tempo: assinaturas e comissão sobre as vendas.

Passo 2: Valide com dados de nicho, não use o Google Trends

Depois de escolher o cenário, não escreva uma linha de código ainda. Gastar vinte minutos para validar se a demanda é real ou apenas uma ilusão sua.

Mas atenção, tem uma armadilha que você precisa saber: usar o Google Trends e as sugestões da barra de pesquisa não funciona para tráfego de apps. O comportamento de busca na App Store é completamente diferente do Google, e os critérios de popularidade de palavras-chave também não são os mesmos. O próprio Cal AI não decolou por causa do Google, mas sim pela taxa de conversão de vídeos no TikTok e pelo seu ranking no Product Hunt.

O método correto de validação é:

1. Abra a App Store, conecte-se à VPN do seu mercado-alvo (por exemplo, região dos EUA), busque por sua principal palavra-chave em inglês (como menu calorie) e veja se, entre os 10 primeiros resultados, há produtos semelhantes com mais de 100 mil downloads e que ainda recebem atualizações.
2. Vá ao Sensor Tower (plataforma de dados de terceiros para lojas de aplicativos) e verifique a curva de downloads dos produtos líderes nessa palavra-chave: a tendência está subindo ou caindo?
3. Em subreddits relevantes do Reddit e no Quora, busque por “X decision” e “X help” e meça a densidade de reclamações — quanto mais reclamações, mais real é a dor.

Produtos semelhantes se mantendo vivos e estáveis + pessoas no Reddit perguntando repetidamente sobre o mesmo problema = a demanda é real, não invenção da sua cabeça.

Passo 3: Execute, não construa do zero

A stack tecnológica do Cal AI não tem segredo: a TechCrunch deixou claro que ele chama os modelos da Anthropic e da OpenAI, usa RAG (a técnica que permite à IA buscar em bases de conhecimento externas para responder) e foi alimentado com um lote de bancos de dados open-source de imagens de calorias dos alimentos. Não há modelo proprietário, nem avanço algorítmico — é um produto que recombinou capacidades já prontas.

Em 2026, sua barreira técnica será a seguinte:

• Reconhecimento visual → chame direto as APIs multimodais do GPT / Claude (aquelas que permitem à IA reconhecer imagens), pagamento por uso, custo inicial quase zero
• Interface do app → um MVP (Produto Mínimo Viável) sai em 4 a 8 semanas, mais 2 a 3 semanas para passar na revisão de IAP (compras dentro do app), política de privacidade e classificação fiscal
• Cobrança de assinaturas → compras integradas da App Store / Google Play, a plataforma processa pagamentos e reembolsos globais por você

Você tem coragem de cortar os recursos e deixar apenas um? É aí que está a dificuldade. O Cal AI não tem rede social, não tem banco de receitas, não tem planos de treino. Ele só faz uma coisa, acerta 90% das vezes e cobra.

A primeira versão que você criar vai pedir mais recursos a gritos. Não ceda. Cada recurso que você adiciona dilui aquela certeza de três segundos.

Passo 3.5: o caminho para quem não sabe programar

Isso é o que mais leitores me perguntam, então merece um tópico separado.

Se você não faz a menor ideia de como programar, em 2026 existe um caminho viável:

1. Use Glide / Bubble / Softr / Adalo (plataformas no-code onde você monta um app só arrastando e soltando componentes de interface) para lançar a primeira versão — essas ferramentas já conseguem chamar a API do GPT-4o vision, então criar um app que reconhece imagens e devolve texto é totalmente viável tecnicamente.
2. Ao mesmo tempo, vá no Upwork e contrate um freelancer que manje de Swift (a linguagem de desenvolvimento iOS), pagando 30 a 50 dólares por hora, para reescrever seu protótipo no-code em um app nativo que passe na revisão da App Store.
3. Aprenda você mesmo Cursor + Claude Code (ferramentas de IA para escrever código) e cuide das iterações seguintes.

Esse caminho é um pouco mais lento, mas não exige que você aprenda a programar do zero. Com 8 a 12 semanas e um orçamento de 10 a 30 mil dólares (incluindo assinaturas no-code + freelancer + conta de desenvolvedor Apple de 99 dólares/ano), você já consegue colocar uma versão na loja.

Passo 4: Escreva as duas letras “AI” na App Store

Um dado de um relatório da Sensor Tower é crucial: o Cal AI enfiou em média 35 palavras-chave relacionadas a IA na descrição da App Store por trimestre, e o resultado foi que os termos de busca ligados a IA geraram 25% dos downloads orgânicos via busca dele.

Um quarto do tráfego orgânico veio simplesmente de “escrever AI no título e na descrição”.

As lojas de aplicativos indexam “AI” como uma etiqueta de categoria. Produtos com essa palavra no título entram no pool de buscas por IA — o que está diretamente ligado ao mecanismo de peso de palavras-chave do ASO (App Store Optimization). Hoje, hordas de usuários buscam diretamente na App Store por termos como “AI food”, “AI scanner” e “AI menu”. Eles não estão buscando pela sua marca, estão buscando por essa categoria. Se o nome do seu app, o subtítulo ou a descrição não tiverem essas palavras, você não vai capturar nem um único usuário desse tráfego.

Esse é o trabalho único mais barato que existe. Faça uma vez e colha os frutos por muito tempo.

Passo 5: A precificação começa na mensalidade, fuja da venda única

US$ 9,99 por mês é a âncora de preço validada nesse setor.

Por que não vender por uma única vez? O valor de um cenário de alta frequência é liberado de forma contínua: o usuário que usa hoje vai usar amanhã. O modelo de compra única esmaga a sua receita em um pagamento isolado, te obrigando a comprar tráfego para sempre. Já o modelo de assinatura garante que o cliente que você fechou hoje continue te pagando no ano que vem.

Uma conta bruta, mas lúcida: 10 mil usuários pagantes × US$ 9,99 × 12 meses ≈ US$ 1,2 milhão de receita anual. Mas esse é o teto do faturamento, não o dinheiro que vai para o seu bolso. Descontando:

• Taxa de 30% da App Store → sobram 840 mil
• Custo de API do modelo (com GPT-4o vision a $0,01-0,03 por chamada, 10 mil usuários tirando 3 fotos por dia = 90 mil chamadas/dia ≈ 27 a 80 mil dólares por mês) → sobram 760 a 810 mil
• Custo de aquisição de clientes (eCPI de apps de saúde no iOS nos EUA gira em torno de 2 a 4 dólares; 10 mil usuários pagantes significam de 200 a 500 mil downloads) → orçamento de tráfego pago de 300 mil a 2 milhões de dólares
• Taxa de reembolso de 8-25%, comum em modelos de assinatura → aplica mais um desconto de 20%

O lucro líquido real deve ficar entre 300 e 600 mil dólares — e isso já é o número que uma operação do porte do Cal AI consegue alcançar. É um pequeno negócio que dá para sustentar 1 ou 2 pessoas, não são 1,2 milhão caindo limpo no seu bolso.

4. O verdadeiro ponto de estrangulamento desse caminho

Eu classifiquei os obstáculos pelo quanto eles vão travar você, não pela probabilidade de acontecerem.

Obstáculo 1: O marketing é o muro, a tecnologia não é

Isso merece um parágrafo próprio, porque os primeiros passos rebaixaram tanto a barreira técnica que dão a ilusão de que “dar conta do marketing também vai ser fácil” — e isso é uma furada.

As palavras-chave da App Store podem render uma parte do tráfego, mas para chegar a 1 milhão de downloads, quase sempre é preciso comprar mídia. Nos EUA, o CPI (custo por instalação) de apps da categoria saúde no iOS varia geralmente de US$ 4 a US$ 8; com a mistura de tráfego orgânico, o eCPI fica em torno de US$ 2 a US$ 4. 1 milhão de downloads significa um budget de mídia de pelo menos US$ 2 milhões a US$ 4 milhões. Isso não é orçamento de estudante do ensino médio; é o tamanho de captação que uma startup precisa para uma Série A.

O time do Cal AI investiu muito mais esforço em marketing do que em código. “Lançar é só o começo, não o fim” — essa frase é verdadeira, não é clichê.

Se você já fez e-commerce, há uma boa notícia: sua capacidade de escalar tráfego pago no Meta e no TikTok, e sua experiência com palavras-chave em ASO da Amazon (otimização de Listing) podem ser transferidas diretamente para o ASA (Apple Search Ads) na App Store. Esse é o seu bilhete de entrada — não saber programar não é problema.

Se você nunca comprou tráfego, por essa trilha será preciso aprender isso antes de começar.

Dificuldade 2: a fórmula é condição necessária, não suficiente

Os três critérios de filtro só explicam “por que alguém está disposto a pagar”; não explicam “por que seria você a pegar esse dinheiro”.

O fosso competitivo do Cal AI não é “ter poucas funções”, é a roda de dados gerada por 15 milhões de fotos — cada foto foi corrigida por modelo/humano, a base de reconhecimento de alimentos dele é muito mais precisa do que a de qualquer novato. Um novato pode tirar 1 milhão de fotos e ainda assim não será suficiente. Isso é ativo de dados, construído com o tempo — nenhuma fórmula te entrega isso.

O leitor vai achar “eu também consigo copiar o Cal AI”, mas a dificuldade de ir de 0 a 10 mil pagadores é subestimada pela fórmula. Três condições te impedem de cair nos buracos mais óbvios, mas se você consegue decolar de fato, depende da soma de experiência de produto + marketing + execução da equipe.

Dificuldade 3: O fosso competitivo é raso, mas tem um lado profundo

Você faz um produto “cuja função cabe em uma frase”, o que significa que os outros também podem copiar com uma frase. A abordagem convencional é “velocidade e profundidade vertical” — quem primeiro se tornar a opção padrão na mente do usuário, num cenário estreito o suficiente, captura o tráfego de busca daquela palavra-chave. Mas não há bala de prata nesse caminho: os primeiros 1.000 comentários, o domínio de palavras-chave, o volume de busca da palavra de marca — tudo isso é ativo que se acumula com o tempo.

O fosso mais profundo está nos dados dos usuários — depois que você tira 1 milhão de fotos, sua base de reconhecimento é 5% mais precisa do que a de um novato. Esse 5% determina se você consegue ficar em primeiro lugar nos resultados de busca.

Dificuldade 4: A divisão de boca a boca é a norma

O MenuFit tem 4,8 estrelas na App Store, mas nas avaliações escritas a nota despenca para 2,7 — a maioria das reclamações se concentra em assinaturas e cobranças. 4,8 é a média global de estrelas; 2,7 é a nota que os usuários dão quando escrevem de fato. Experiência ruim de assinatura e cobrança é um problema generalizado nesse setor.

Ganhar dinheiro com assinatura não tem problema; lucrar dificultando o cancelamento é receita garantida para dar errado — no fim dessa estrada só há enxurrada de avaliações negativas e remoção da loja.

5. O framework de teste de 30 dias

Se você concorda com os diagnósticos acima, coloque a mão na massa com este framework de teste de 30 dias:

Dias 1-3: liste cinco cenários, escolha o que mais te trava e valide na App Store e no Reddit usando o método do passo dois.

Dias 4-7: monte um protótipo no-code com Glide / Bubble / Softr + faça funcionar pelo menos uma vez o reconhecimento por foto (mesmo que reconheça só um prato). Custo: 0-50 dólares. Ponto de decisão: a precisão do reconhecimento chega a 70% ou mais? Se não, troque de cenário.

Dias 8-14: encontre 20 usuários-alvo (no Reddit / Discord / Pinterest+Reddit) para um teste gratuito e colete feedback real sobre “pagariam ou não”. Ponto de decisão: se ≥ 3 dos 20 disserem “eu pagaria 9,99/mês” — siga em frente; caso contrário, troque de cenário.

Dias 15 a 30: encontre um freelancer Swift para reescrever a versão nativa + redigir os criativos da App Store + preparar o IAP para publicação. Orçamento de 3.000 a 8.000 dólares. Ponto de decisão: no dia 30, você tem confiança de conseguir 100 usuários pagantes reais em 60 dias? Se não, pare.

O instinto do veterano do e-commerce é “se o tráfago pago se paga, escala; se não se paga, corta na hora” — e essa regra vale igual para apps. Se em 30 dias você consegue validar a direção, valide; se não, troque. Teimar é o maior custo deste setor.

Aquele papel com cinco cenários listados, eu sugiro pegar agora.

O maior custo para uma pessoa comum fazer um produto não é dinheiro, é esperar por uma “ideia mais grandiosa” — e depois não fazer nada. Dois estudantes do ensino médio de 17 anos não esperaram: fizeram um recurso de fotos e, 18 meses depois, foram adquiridos pelo MyFitnessPal. Você não é pior que eles, mas será mais lento que eles — a menos que comece a registrar a primeira foto hoje.

Levante o celular.