Databricks’ Ali Ghodsi Never Wanted to Be CEO. Now He’s Among the Best

Ali Ghodsi, cofundador e CEO da Databricks, relata a Brian Halligan (cofundador e ex-CEO da HubSpot e parceiro da Sequoia) sua trajetória desde a transição acidental da carreira acadêmica para o comando executivo até a transformação da empresa em uma potência de dados e inteligência artificial avaliada em dezenas de bilhões de dólares. A conversa detalha as táticas de execução, contratação de lideranças, estratégia contra rivais como a Snowflake, reformulação de processos com IA e a filosofia de gestão necessária para escalar hiperorganizações.

A transição acidental para CEO e a regra de escolher o caminho mais difícil

Em 2015, a Databricks enfrentava um descompasso estrutural: seu projeto de código aberto, o Apache Spark, era um fenômeno global de adoção, mas o faturamento comercial (GAAP) encerrou o ano em apenas US$ 1,5 milhão. O conselho de administração — liderado por Ben Horowitz, da Andreessen Horowitz (a16z) — iniciou buscas secretas no mercado para contratar um CEO externo.

Ghodsi, então um dos sete cofundadores da empresa e focado em engenharia e produto, não desejava a posição de CEO. Ele planejava retornar à academia e já havia se candidatado a uma vaga de professor na UC Berkeley. No entanto, Horowitz e a a16z mantinham a tese doutrinária de apostar em fundadores. Ghodsi foi colocado interinamente como CEO em regime de teste — sem aumento salarial ou anúncio definitivo —, enquanto o conselho avaliava seu desempenho nos primeiros seis a doze meses. Cerca de um ano depois, após os primeiros resultados, o conselho formalizou a permanência concedendo um pacote robusto de remuneração e equity.

Ao justificar a decisão de assumir a empresa em vez de retornar à cátedra, Ghodsi explicou seu princípio vital de optar sempre pelo desafio mais intimidador:

Na juventude na Suécia, recusou uma oferta de US$ 80 mil da Electronic Arts para programar jogos nos EUA a pedido dos pais, ingressando na universidade;
No estouro da bolha pontocom em 2000, recusou a posição de número 2 na Room 33 (maior startup mobile da Europa na época) para concluir os estudos;
Recusou uma cadeira de professor titular sem doutorado para cursar um PhD rigoroso;
Trocou um cargo de professor estável por um pós-doutorado de menor prestígio em Berkeley para ampliar horizontes.

Como a carreira acadêmica já era um território dominado e o universo de negócios era completamente desconhecido, aceitar a cadeira de CEO representava o maior teste de aprendizado possível.

A metodologia do gargalo único (The Single Bottleneck)

Ghodsi rejeita a replicação cega de manuais de gestão tradicionais, defendendo a construção de um sistema próprio baseado em primeiros princípios — analogamente a como Bruce Lee formulou o Jeet Kune Do sintetizando diferentes artes marciais.

A regra central de governança de Ghodsi consiste em:

Identificar o gargalo número um da companhia em ciclos de 1 a 3 anos (ciclos táticos de meses ou semanas são apenas gerenciamento de crises);
Mobilizar ordens de magnitude desproporcionais de atenção, tempo e capital da liderança e da empresa inteira exclusivamente para desbloquear essa barreira;
Ignorar ruídos periféricos e demandas secundárias até que a barreira principal seja superada.

Em 2015, o projeto e a tecnologia eram excelentes, mas a tração comercial era nula. Ghodsi delegou completamente engenharia e produto para um cofundador durante dois anos e direcionou 100% de sua atenção para construir o motor de vendas corporativas.

O abandono do PLG e a contratação do líder de vendas ideal

A Databricks tentou inicialmente o modelo de crescimento liderado por produto (PLG), operando via compras automáticas por cartão de crédito na AWS e empregando engenheiros de soluções como vendedores. Em 2015, a companhia implementou a iniciativa zero touch (proibindo contato humano em vendas), o que estagnou a receita por dois trimestres consecutivos. Com a meta de faturamento de US$ 1,5 milhão e cotas corporativas padrão girando entre US$ 1 milhão e US$ 2 milhões por vendedor (Account Executive - AE), ficou claro que o PLG era inadequado para o perfil do produto.

Ghodsi reformulou o perfil de contratação em vendas:

Desmistificação técnica: Constatou que os melhores vendedores corporativos do mercado não eram doutores nem engenheiros; ter formação puramente acadêmica ou perfil ultra-técnico muitas vezes correlacionava negativamente com o sucesso em vendas.
Agressividade profissional e alto QE: O trabalho exige persistência obstinada para conseguir reuniões com executivos e inteligência emocional refinada para desarmar conflitos e redirecionar conversas tensas.
Mapeamento da base de poder (power base): Vendas corporativas multimilionárias nunca dependem de um único decisor; os vendedores de elite dominam a teia política e informal de influenciadores internos do cliente.

Para liderar a área, Ghodsi contratou Ron Gabrisko (atual CRO, responsável por escalar a receita recorrente anual de US$ 1 milhão para US$ 7 bilhões). Gabrisko reunia características raras:

Formação de vendas agressiva da escola PTC / BMC Software;
Graduação em engenharia e mestrado em engenharia por Stanford, além do MBA pela Stanford GSB, permitindo diálogo fluente com fundadores técnicos;
Experiência comprovada em construir a máquina comercial do zero (escalou a startup Cyclone de 0 a US$ 50 milhões em ARR e a Axway até centenas de milhões);
Histórico de 11 anos de permanência nessas duas empresas, indicando resiliência e lealdade para suportar alinhamentos duros.

Recrutamento de executivos e mitigação de falsos positivos

Ghodsi adota uma política implacável para evitar erros em contratações executivas:

Busca antecipada: Iniciar o processo de 6 a 12 meses antes da necessidade real para não ceder à pressão de preencher a cadeira com candidatos medianos.
Custo do falso positivo: Demite-se um executivo inadequado após 6 a 12 meses de hesitação; soma-se a isso o tempo de nova busca e rampagem, custando à empresa de 2 a 2,5 anos de atraso estratégico.
Tolerância a falsos negativos: Dizer "não" rotineiramente a executivos fenomenais do mercado para assegurar encaixe absoluto. A maioria dos executivos contratados na Databricks permaneceu por mais de uma década.
Checagem de referências informais (backdoors): Entrevistar ex-gestores de forma exaustiva. Ghodsi aponta que apenas 10% a 20% das referências formais fornecidas pelo candidato são confiáveis, enquanto 80% omitem a realidade.

A rivalidade com a Snowflake: explorar fraquezas em vez de copiar

Quando a rivalidade com a Snowflake se intensificou, a concorrente faturava o dobro e crescia em ritmo superior. Inspirado no livro The Innovator’s Solution e em princípios de A Arte da Guerra, Ghodsi estabeleceu que a estratégia não seria construir um data warehouse idêntico, mas focar nos três pontos fracos da Snowflake:

Formato proprietário vs. Aberto: A Snowflake utilizava arquitetura fechada de herança da Oracle; a Databricks posicionou o formato aberto para impedir aprisionamento tecnológico (vendor lock-in).
Incapacidade analítica em IA: A Snowflake era voltada a relatórios e BI tradicionais; a Databricks alavancou seu histórico em machine learning iniciado em 2009.
Custo Total de Propriedade (TCO): A Databricks atacou a precificação elevada da concorrente, estruturando soluções para operar a cerca de um terço do custo.

A equipe de vendas não tentava substituir a Snowflake de imediato; aplicava uma tese de coexistência, extraindo as cargas de trabalho favoráveis a aprendizado de máquina e convertendo-as para formatos abertos.

A criação da categoria Lakehouse

Entre 2018 e 2019, quando a Databricks já faturava centenas de milhões de dólares vendendo Spark, Ghodsi decidiu transformar a companhia para evitar o destino de empresas de um único produto (one-trick ponies, citando a Splunk) e buscar o patamar de plataformas diversificadas como Amazon, Google e Microsoft.

A transição para a categoria Lakehouse enfrentou resistências extremas:

Consultorias de estratégia recomendaram descartar o nome por considerá-lo bizarro e sugeriram termos genéricos como Unified Data Science Platform;
Vendedores internos rejeitavam a terminologia, temendo afastar compradores corporativos;
A internet e concorrentes ridicularizaram o conceito com trocadilhos sobre rios e lagos.

A imposição da nova categoria foi executada de forma totalitária:

Notícias na imprensa e vitórias de vendas que não mencionassem explicitamente o termo "Lakehouse" eram tratadas internamente como falhas;
Campanhas de marketing no Facebook que promoviam o Spark com alto retorno sobre investimento (ROI) foram canceladas e substituídas por anúncios de Lakehouse com conversão inicial inferior;
O plano de remuneração da equipe comercial foi reestruturado com multiplicadores e bonificações extras (spiffs) vinculados exclusivamente à venda de Lakehouse, encerrando os debates internos pela via financeira.

Aversão a conflito como desqualificação executiva

Ghodsi defende que a aversão a conflito é a característica mais destrutiva em um CEO:

Líderes permissivos cedem a aprovações de corredor, criando desalinhamento e dispersando o foco da organização;
A clareza precisa ser absoluta e binária, dispensando ambiguidades que funcionários frequentemente interpretam de maneiras divergentes;
Enfrentar o desconforto de contrariar expectativas faz parte da rotina profissional mandatória, comparando o processo ao esforço físico de treinar na academia ou manter uma dieta saudável.

Escala, número de Dunbar e o impacto real da IA nas empresas

Ao ultrapassar a faixa de 150 a 250 funcionários (número de Dunbar), a liderança perde a capacidade de monitorar tudo diretamente via topologia em estrela. Torna-se obrigatório introduzir camadas formais de gestores, revisões de negócios trimestrais (QBRs de 2 a 3 dias) e KPIs para governar indiretamente.

Sobre a reestruturação de organogramas na era da IA, Ghodsi diverge de visões como as de Jack Dorsey e Brian Armstrong:

AGI no contexto corporativo: Ghodsi define AGI como sistemas que superam a inteligência média da maioria das pessoas na maior parte do tempo — algo que 90% dos públicos corporativos reconhecem como realidade presente. Contudo, as empresas subutilizam a IA, limitando-a a chatbots simples e assistentes de código (vibe coding).
Ontologia corporativa: O diferencial não está apenas no modelo, mas na captura do contexto organizacional (decisões, reuniões gravadas, e-mails). A Databricks desenvolveu o produto Genie para alimentar a IA com sua ontologia interna.
Ceticismo sobre organogramas ultrachatos: Ghodsi rejeita a ideia de expandir o número de liderados diretos para 25 pessoas por gestor enquanto exige que o líder continue programando 80% do tempo. Gestão envolve mediação humana, descontentamentos e alinhamento de carreira; sobrecarregar gestores resulta em desestruturação da equipe.

A experiência de codificação do CEO e a difusão de processos

Ghodsi programou desde a terceira série e nunca abandonou o código. No final de 2024, desenvolveu um conector de dados em dois dias. Ao questionar por que os times de engenharia estimavam três trimestres de um desenvolvedor em tempo integral para a mesma entrega, a equipe argumentou que faltava robustez de produção e segurança.

Ao investigar a fundo, descobriu-se que os atrasos decorriam de gargalos burocráticos de processos, não da escrita do código:

Um trimestre inteiro era gasto por gerentes de produto para coletar requisitos e redigir documentos de requisitos de produto (PRDs);
Semanas eram perdidas tentando configurar manualmente ambientes de terceiros (Salesforce, Workday, NetSuite);
A etapa final de testes consumia outro trimestre.

Ghodsi reestruturou o fluxo de trabalho:

PRDs passaram a ser rascunhados em uma semana em arquivos Markdown;
Contrataram-se consultores especializados para configurar sistemas externos com rapidez;
Os testes foram antecipados para o início do ciclo (shift-left) com auxílio de IA;
Em vez de alocar uma pessoa isolada por conector, estruturou-se um time de 7 pessoas entregando 7 conectores em um único trimestre.

Essa vivência fundamenta a previsão de Ghodsi de que a humanidade levará pelo menos uma década para absorver e difundir plenamente a IA, já que o obstáculo reside na reengenharia de processos corporativos, não na tecnologia subjacente.

Rotina executiva e cadência operacional

A Databricks (com 12.000 funcionários e 3.500 engenheiros) opera segundo uma rotina deliberada:

Gestão da agenda: Ghodsi tenta proteger blocos livres de calendário para pensar exclusivamente no gargalo de 10x; dias preenchidos de reuniões das 8h às 18h são considerados "dias de escravo da própria agenda" sem avanço real.
Reunião de diretoria (E-staff): Ocorre às segundas-feiras (1h a 1h30) para revisar KPIs e acompanhar as 1 ou 2 metas anuais corporativas. Nas quartas e sextas-feiras acontecem reuniões rápidas de 30 minutos às 8h da manhã para alinhamento e construção de coesão entre líderes, evitando a criação de feudos departamentais entre vendas, jurídico e engenharia.

Por que a Databricks ainda não abriu capital

Ghodsi afirma que a Databricks atingiu o ponto de equilíbrio no fluxo de caixa livre (break-even de FCF) e não necessita de capital imediato (na última rodada, captou US$ 5 bilhões diante de uma demanda de mercado de US$ 20 bilhões). A liquidez para cerca de 15.000 funcionários e ex-funcionários em cerca de 100 países já é garantida por meio de ofertas de recompra (tender offers) privadas anuais estruturadas.

A decisão de adiar a oferta pública inicial (IPO) fundamenta-se na volatilidade irracional dos mercados públicos durante a atual transição tecnológica de IA — oscilando rapidamente entre narrativas de "apocalipse do SaaS" e euforia com semicondutores. Ghodsi prefere conduzir a transformação interna sob o regime privado, deixando a listagem em bolsa para um momento de maior previsibilidade de mercado.