Eli Lilly: Como a IA Fez a Farmacêutica de US$ 1 Tri

A Eli Lilly entrou para a história em julho de 2026 como a primeira farmacêutica avaliada em mais de US$ 1 trilhão — e o motor por trás do salto não é só um remédio de emagrecimento, é inteligência artificial. Neste guia destrincho os movimentos recentes da Eli Lilly nos Estados Unidos e, principalmente, o que a estratégia da gigante ensina para empresas brasileiras que querem crescer com IA sem ter US$ 1 bilhão no caixa.

TL;DR

• A Eli Lilly bateu cerca de US$ 1,06 trilhão de valor de mercado em julho de 2026; a ação (LLY) subiu ~57% em 12 meses e passou de US$ 1.200.
• Foundayo (orforglipron), a pílula GLP-1 de tomada diária, foi aprovada pela FDA em abril de 2026; desde 1º de julho um programa Medicare limita o custo a US$ 50/mês.
• Laboratório de co-inovação com a NVIDIA: até US$ 1 bilhão em cinco anos para aplicar IA na descoberta de fármacos.
• A Absci usou IA generativa para desenhar o anticorpo ABS-201 e comprimiu o custo de desenvolvimento de US$ 150 mi para US$ 15–20 mi.
• A lição para PMEs: dado proprietário + IA aplicada vale mais que o tamanho do caixa.

A Eli Lilly virou a primeira farmacêutica de US$ 1 trilhão

O número impressiona: em 9 de julho de 2026, a Eli Lilly alcançou valor de mercado de aproximadamente US$ 1,06 trilhão, com a ação LLY negociada a US$ 1.213,91 — alta de cerca de 57% em doze meses. É o tipo de salto que reorganiza toda a indústria: analistas já falam num "surto de US$ 400 bilhões" que está redesenhando a Big Pharma.

O desempenho operacional sustenta o preço. No primeiro trimestre de 2026, a Eli Lilly reportou receita de US$ 19,80 bilhões, crescimento de 55,5% na comparação anual, superando o consenso de mercado em mais de 11%. O lucro por ação (não-GAAP) foi de US$ 8,55, contra estimativa de US$ 6,79.

Para dimensionar o feito: a Eli Lilly ultrapassou em valor de mercado nomes históricos da indústria e passou a liderar as aquisições de biotechs no primeiro semestre de 2026, sem sinal de desaceleração. Ou seja, além de crescer sozinha, está comprando as apostas de IA mais promissoras do setor antes que os concorrentes cheguem.

Antes de creditar tudo à sorte do emagrecimento, vale um alerta: por trás desses resultados existe uma máquina de dados e automação que a maioria das empresas ignora quando olha só para a manchete. É essa engrenagem — não o hype — que interessa a quem toca um negócio no Brasil. O que fez a diferença foi ter começado a investir em IA anos antes de o mercado exigir, quando ainda era aposta e não obrigação.

Foundayo e a corrida do GLP-1 oral

O catalisador mais visível é a classe dos GLP-1, os agonistas do receptor de peptídeo-1 semelhante ao glucagon — os mesmos da família Mounjaro e Zepbound. A novidade de 2026 é a versão em comprimido.

Em 1º de abril de 2026, a FDA aprovou o Foundayo (orforglipron), descrito pela Eli Lilly como a única pílula GLP-1 para perda de peso que pode ser tomada a qualquer hora do dia, sem restrição de comida ou água. Num estudo com mais de 3.000 adultos com obesidade, a maior dose (36 mg) levou a uma perda média de 11,2% do peso corporal — cerca de 25 libras (11 kg) — ao longo de mais de 16 meses. A aprovação saiu em tempo recorde: a agência analisou o pedido em 50 dias.

O movimento de julho foi comercial. Desde 1º de julho de 2026, o programa Medicare GLP-1 Bridge limita o custo mensal de Zepbound e Foundayo a US$ 50 para beneficiários elegíveis, com autorização prévia, até dezembro de 2027. Traduzindo: a Eli Lilly não só criou o produto, como redesenhou a distribuição para destravar o acesso — e o volume que vem junto.

A aposta de US$ 1 bilhão em IA com a NVIDIA

Aqui a história deixa de ser sobre remédio e passa a ser sobre infraestrutura de IA. Em 12 de janeiro de 2026, NVIDIA e Eli Lilly anunciaram um laboratório de co-inovação em IA voltado a resolver gargalos históricos da farmacêutica. As duas empresas vão investir até US$ 1 bilhão em cinco anos — em talento, infraestrutura e capacidade de processamento.

Sediado na região da Baía de São Francisco, o laboratório coloca lado a lado especialistas de biologia e medicina da Eli Lilly e engenheiros de modelos da NVIDIA, usando a plataforma BioNeMo como base. A prioridade técnica número um é um sistema de "aprendizado contínuo": os dados circulam entre equipamentos robóticos de laboratório e modelos de IA 24 horas por dia, de modo que cada experimento melhora o próximo.

TuneLab: transformando dados em produto

O detalhe que separa a Eli Lilly do resto é o TuneLab — uma plataforma de IA e machine learning que dá a outras biotechs acesso a modelos da própria Lilly, construídos sobre décadas de dados proprietários. Em vez de guardar os dados numa gaveta, a empresa os transformou em ativo licenciável. Essa é a jogada que qualquer negócio deveria estudar: o dado que você já possui pode virar produto.

Absci: quando a IA generativa desenha o remédio

Se o laboratório com a NVIDIA é a aposta de longo prazo, a jogada com a Absci mostra a IA generativa entregando resultado agora. Em 1º de julho de 2026, a Eli Lilly liderou uma oferta de ações de US$ 100 milhões na Absci, aportando US$ 40 milhões diretamente ao lado de fundos como BVF Partners, Columbia Threadneedle e Redmile.

O que a Absci faz é revelador. A empresa usou IA generativa para desenhar o ABS-201, um anticorpo injetável que mira o receptor de prolactina para tratar calvície de padrão masculino (alopecia androgenética) e endometriose. Dados positivos de segurança da Fase 1 saíram no mesmo dia do acordo.

O número que importa para qualquer gestor é o de custo: combinando desenho por IA com ensaios clínicos mais baratos, a Absci comprime o gasto de desenvolvimento de cerca de US$ 150 milhões para US$ 15–20 milhões antes da prova de conceito da Fase 2. Uma redução de custo de aproximadamente 90% pela via da IA. O CEO da Absci resumiu o raciocínio da Eli Lilly como comprar "ingressos para o jogo" — garantir proximidade com a fronteira da IA aplicada, e não ficar de fora.

O que a estratégia da Eli Lilly ensina para empresas brasileiras

Você não tem US$ 1 bilhão, e tudo bem — a lógica é replicável em escala. Três princípios saem direto do playbook da Eli Lilly.

1. O dado proprietário é o ativo, não o software

A vantagem da Eli Lilly no TuneLab não é o algoritmo — algoritmos todo mundo compra. É o histórico de dados que só ela tem. Sua empresa também tem: conversas de atendimento, histórico de vendas, tickets de suporte, comportamento de clientes. A pergunta certa não é "qual IA eu contrato?", e sim "qual dado meu nenhum concorrente possui?".

2. IA aplicada a um gargalo específico, não IA genérica

A Eli Lilly não jogou IA em tudo. Ela mirou o gargalo mais caro — a descoberta de moléculas — e atacou ali. No seu negócio, o gargalo pode ser atendimento que não escala, qualificação de leads ou follow-up manual. Comece pelo ponto de dor mensurável. Sobre como usar assistentes autônomos nesse recorte, escrevi em Agentes de IA: o que o Gemini Spark muda para empresas.

3. Redesenhe a distribuição, não só o produto

O programa Medicare a US$ 50/mês mostra que produto excelente sem canal de distribuição é receita perdida. Para PMEs brasileiras, o canal de maior alcance é o WhatsApp — e automatizá-lo bem muda o jogo. Vale comparar as opções em WhatsApp Business App vs API Oficial: qual faz sentido em 2026.

Os movimentos da Eli Lilly em 2026, em uma tabela

Data	Movimento	Valor / dado	Leitura estratégica
12/01/2026	Lab de IA com a NVIDIA	Até US$ 1 bi em 5 anos	Infraestrutura de IA como base
01/04/2026	FDA aprova Foundayo (orforglipron)	Perda de 11,2% do peso	Pílula GLP-1 destrava novo mercado
01/07/2026	Aporte na Absci	US$ 40 mi (oferta de US$ 100 mi)	IA generativa corta custo em ~90%
01/07/2026	Programa Medicare GLP-1 Bridge	US$ 50/mês	Distribuição redesenhada
09/07/2026	Marco de valor de mercado	~US$ 1,06 trilhão	Resultado da soma acima

Como a Agathas Web traduz essa lógica para o seu negócio

Na Agathas Web, trabalho com clientes que não são farmacêuticas trilionárias — são clínicas, escolas, e-commerces e prestadores de serviço. A boa notícia é que os três princípios acima cabem no orçamento deles.

Na prática, isso vira: integração da API Oficial do WhatsApp para escalar atendimento sem depender de números que bloqueiam; agentes de IA que qualificam leads e respondem 24/7 a partir do histórico da sua própria operação; e automações que conectam formulário, CRM e time comercial. É a mesma ideia da Eli Lilly — dado proprietário mais IA aplicada a um gargalo — só que na escala de uma PME. Se o gargalo for atender muita gente ao mesmo tempo, o caminho de agentes ilimitados no WhatsApp empresarial costuma ser o primeiro passo mais rentável.

Antes de contratar qualquer coisa, vale entender o cenário macro de IA para empresas, que resumi em Google I/O 2026: o que muda para empresas brasileiras.

Armadilhas ao adotar IA (o que NÃO fazer)

O exemplo da Eli Lilly também ensina pelos erros que ela evitou. Anote os mais comuns:

• Comprar IA sem ter dado limpo. Modelo bom com dado sujo entrega alucinação. Organize a base antes.
• Automatizar o processo errado. Automatizar um fluxo quebrado só acelera o erro. Corrija o processo, depois automatize.
• Terceirizar a inteligência do negócio. A Eli Lilly licencia modelos, mas guarda o dado. Não entregue seu diferencial a uma plataforma fechada.
• Ignorar a conformidade (LGPD). Dados de cliente exigem base legal e segurança. Trate isso como requisito, não detalhe.
• Esperar o "momento perfeito". A janela de aprovação de 50 dias da FDA mostra que velocidade virou vantagem. Comece pequeno, mas comece.

Conclusão: o dado é o novo ativo

A trajetória da Eli Lilly rumo ao trilhão de dólares não é uma história de sorte com remédio de emagrecimento — é uma história de infraestrutura de IA, dado proprietário virando produto e distribuição redesenhada. A escala é estratosférica, mas a lógica é copiável: encontre o dado que só você tem, aplique IA no gargalo mais caro e leve o resultado até o cliente pelo canal certo.

Se você quer dar o primeiro passo nesse caminho — API Oficial do WhatsApp, agentes de IA e automação sob medida — fale com a Agathas Web. A gente ajuda a transformar o dado que sua empresa já produz em resultado real, sem precisar de US$ 1 bilhão no caixa.