Pitch pré-seed · 2026
O treinador de performance com IA que vive no seu iPhone — e guarda seus dados no seu iCloud, não no meu servidor.
01 — O problema
02 — A solução
03 — O produto
Demo ao vivo: importe um treino ou fotografe uma refeição — o Coach interpreta e ajusta na hora.
04 — Mercado
A virada: o segmento de treinador com IA cresce ~16–19% ao ano — o mais rápido do setor — porque a IA finalmente tornou o coaching personalizado viável a custo de app.
05 — Modelo de negócio
06 — Pronto pra tração
07 — Diferencial
08 — Concorrência
| DanFit | Apps de registro | ChatGPT genérico | Personal humano | |
|---|---|---|---|---|
| Personalização contínua | Sim | Não | Rasa | Sim |
| Memória longitudinal | Sim | Parcial | Não | Depende |
| Privacidade dos dados | iCloud do usuário | Servidor do app | Servidor do app | — |
| Custo mensal | R$ 39,90 | R$ 20–40 | US$ 20 | R$ 300–800 |
| Escala | Alta | Alta | Alta | Nenhuma |
O quadrante do DanFit: a personalização de um personal humano, na escala e no preço de um app.
09 — Time
10 — Unit economics
A maior parte do custo já foi eliminada no código. O que ainda deixa a margem negativa hoje são dois pontos identificados — não um mistério.
Por que ainda em Sonnet? Preciso de tempo de desenvolvimento para validar as alternativas via POCs — e de saldo de margem para manter os usuários ativos enquanto isso. É exatamente o que o investimento compra.
O plano ataca os dois: visão mais barata / on-device na foto, quick-add local na nutrição, fair-use no Coach. Somado ao internacional (US$ 14,99, net ~85%) e à queda do custo de IA, é o caminho pra margem positiva — e é o item 1 do uso dos recursos.
11 — O ask
12 — Justificativa da valuation
Alternativa estrutural: SAFE com cap (R$ 5–6M) — define a % na próxima rodada, com tração na mão; protege os dois lados.
13 — Uso dos recursos
Alocação-alvo: 22% equipe · 26% IA e infra · 52% growth e aquisição — pró-labore enxuto, o grosso do capital vai pra aquisição conforme o custo de IA cai.
Bônus — Por que agora
Mercado novo, margem melhorando e timing de adoção: a janela é agora.
14 — Diversificação de receita
Tudo sem vender dado — a privacidade estrutural (slide 07) é intocável. A assinatura sustenta; essas fontes multiplicam o ARPU sobre a mesma base, sem novo CAC. São alavancas de expansão pós-tração, não do dia 1.
15 — Projeção
No fim do runway — Brasil: ~6.000 assinantes (MRR ~R$ 239 mil). Somando o mercado internacional (US$ 14,99, ~1.200 assinantes em dólar): MRR combinado ~R$ 336 mil · ARR ~R$ 4M — e é onde a margem fica saudável.
Base conservadora, pós-lançamento público (hoje pré-receita). MRR líquido — churn de ~10%/mês já descontado (exige ~1.000 novos assinantes/mês no pico). Freemium — 5 turnos/dia grátis → paywall (conversão já no ar). Preços R$ 39,90 (BR) e US$ 14,99 (internacional) · net ~85% após Apple (Small Business). Custo já controlado (Haiku no import + cache de prompt) + fair-use; margem puxada pelo mercado internacional e pela queda do custo de IA.
16 — Uso mensal do capital
Total R$ 500k em ~18 meses (runway mesmo sem receita). A IA sobe no início, mas a partir do ~M8 os POCs entram — visão on-device, roteamento e um custo mais previsível (modelo/billing fixo) — e a IA por usuário despenca: o teal para de crescer e recua. O capital liberado migra pra growth (amarelo). Com a receita da projeção cobrindo a IA em escala, o breakeven vem antes.
17 — Mês 1, na real
Papo reto: o mês 1 não é pra escalar — é pra ligar a receita (lançar), formalizar a rodada e provar o CAC (produto já pronto). Pró-labore enxuto de propósito: o cheque vai majoritariamente pra crescer, não pra me pagar. A IA quase não pesa ainda — entra depois, com os POCs prontos.