Além do TRL: uma visão integrada sobre maturidade em deep techs

Quem acompanha a Wylinka há algum tempo sabe que a avaliação de deep techs é um dos nossos temas centrais. Ao longo dos últimos anos, temos explorado diferentes formas de entender como tecnologias avançam, não apenas do ponto de vista técnico, mas também em relação à sua capacidade de se transformar em soluções aplicadas.

Já discutimos, por exemplo, o modelo Cloverleaf, que propõe uma leitura mais ampla da maturidade ao considerar dimensões como mercado, comercialização e gestão, além da tecnologia. Esse tipo de abordagem surge de uma constatação cada vez mais evidente: avaliar deep techs exige mais do que entender se a tecnologia funciona.

O Technology Readiness Level, ou TRL, criado pela NASA nos anos 1970, ainda é o ponto de partida mais utilizado para esse tipo de análise. Sua lógica é simples: organizar o desenvolvimento tecnológico em nove níveis, do princípio científico até a validação em ambiente real.

Mas, ao longo do tempo, o TRL passou a ser usado como referência quase única, principalmente em contextos que vão além da pesquisa e desenvolvimento, como a criação de empresas. É nesse uso mais amplo que suas limitações começam a aparecer.

O TRL como base e seus limites

O TRL foi pensado para responder a uma pergunta específica: a tecnologia funciona?

Dentro desse objetivo, ele cumpre bem o seu papel. Por isso, foi adotado por diversas organizações ao redor do mundo e se tornou um padrão amplamente conhecido.

No entanto, quando o objetivo é entender o potencial de uma deep tech no mercado, outras perguntas passam a ser igualmente importantes:

• Existe uma demanda clara para essa solução?
• Há um modelo de negócio viável?
• O time está preparado para executar?
• Existe uma estrutura capaz de produzir essa tecnologia em escala?

Esses pontos não fazem parte do escopo do TRL. E, na prática, costumam ser decisivos.

Por isso, o movimento que vem acontecendo não é de substituição do TRL, mas de ampliação. Novos modelos surgem para olhar aspectos que a maturidade tecnológica, sozinha, não consegue explicar.

Ampliando o olhar sobre maturidade

Um dos modelos que contribuem para essa ampliação é o Cloverleaf, desenvolvido por pesquisadores da Universidade de Ottawa. Ele propõe uma análise baseada em quatro dimensões: tecnologia, mercado, comercialização e gestão.

Com isso, a ideia de maturidade deixa de ser uma única linha de evolução e passa a considerar diferentes frentes que avançam ao mesmo tempo, nem sempre no mesmo ritmo.

Na mesma linha, o KTH Innovation Readiness Level amplia essa lógica ao trabalhar com seis dimensões, incluindo modelo de negócio, propriedade intelectual, time e acesso a financiamento.

Isso permite uma leitura mais detalhada da jornada de uma deep tech. Em vez de um único indicador, temos diferentes sinais que ajudam a entender onde estão os principais desafios.

Outro exemplo relevante é o Adoption Readiness Level, desenvolvido pelo Departamento de Energia dos Estados Unidos. Ele parte de uma questão prática: uma tecnologia pode estar pronta do ponto de vista técnico e, ainda assim, ter dificuldade para ser adotada.

Para lidar com isso, o modelo organiza fatores ligados ao mercado, à proposta de valor, às barreiras regulatórias e à viabilidade econômica.

Já o Manufacturing Readiness Level trata de um desafio diferente, mas igualmente importante: a passagem do protótipo para a produção em escala. Ele mostra que conseguir fabricar uma tecnologia de forma consistente e viável não é uma consequência automática do avanço técnico.

A importância de uma visão integrada

O surgimento desses modelos não indica que o TRL deixou de ser relevante. Pelo contrário. Ele continua sendo uma base importante.

O que muda é a forma de utilizá-lo.

Cada um desses frameworks traz uma perspectiva diferente. Juntos, ajudam a construir uma visão mais completa da maturidade de uma deep tech.

Isso leva a uma conclusão simples: maturidade não acontece de forma linear.

Uma tecnologia pode avançar bem do ponto de vista técnico e, ao mesmo tempo, enfrentar dificuldades relacionadas a mercado ou modelo de negócio. Em outros casos, pode existir uma boa oportunidade comercial, mas limitações na capacidade de execução.

Olhar apenas para uma dessas dimensões tende a levar a análises incompletas.

Por isso, mais do que escolher um único modelo, o desafio passa a ser combinar diferentes formas de análise de maneira coerente, considerando o momento e o contexto de cada iniciativa.

O que vemos na prática: o Catalisa

Essa forma de olhar para maturidade também aparece no trabalho da Wylinka.

No Catalisa, programa voltado ao desenvolvimento de deep techs no Brasil, acompanhamos iniciativas em diferentes estágios. Ao longo desse processo, fica claro que os principais desafios raramente estão concentrados em um único ponto.

Em alguns casos, a tecnologia está bem desenvolvida, mas ainda não há clareza sobre o modelo de negócio. Em outros, existe uma demanda bem definida, mas o time ainda precisa se estruturar melhor para executar.

Por isso, buscamos analisar cada caso a partir de diferentes dimensões, como tecnologia, mercado, modelo de negócio, time e acesso a capital.

Esse olhar mais amplo ajuda a construir diagnósticos mais consistentes e a orientar melhor as decisões ao longo da jornada.

Um campo em evolução

A avaliação de deep techs ainda está em construção. Novos modelos continuam surgindo, e a forma de utilizá-los também vem evoluindo.

Isso abre espaço para que organizações que atuam nesse campo contribuam não apenas aplicando essas ferramentas, mas também ajudando a desenvolver formas mais completas de análise.

Para quem trabalha com desenvolvimento tecnológico, avaliação de portfólios ou apoio a cientistas empreendedores, esse é um tema que tende a ganhar cada vez mais relevância.

Se quiser conversar sobre como aplicar essas abordagens no seu contexto, é só entrar em contato com a gente.