Com o encarecimento da I.A., empresas começam a reconsiderar o entusiasmo com a tecnologia que prometia revolucionar seus negócios.
Seguindo uma estratégia já conhecida do Vale do Silício, empresas de I.A. adotaram preços muito baixos para atrair clientes após a explosão de popularidade do ChatGPT.
Kevin Simback, da incubadora de startups Delphi Labs, chama esse período de era da “inteligência subsidiada” — quando investidores basicamente bancavam os custos para que as companhias oferecessem serviços de I.A. a preços reduzidos.
Foto: Freepik.
Inteligência Artificial (IA)
A inteligência artificial está ficando mais cara — e as empresas começam a reconsiderar o entusiasmo com a tecnologia que prometia revolucionar seus negócios.
Seguindo uma estratégia já conhecida do Vale do Silício, empresas de I.A. adotaram preços muito baixos para atrair clientes após a explosão de popularidade do ChatGPT.
Kevin Simback, da incubadora de startups Delphi Labs, chama esse período de era da “inteligência subsidiada” — quando investidores basicamente bancavam os custos para que as companhias oferecessem serviços de I.A. a preços reduzidos.
“Mas a maré está começando a mudar”, alertou Simback. Segundo ele, teve início uma fase em que as grandes empresas de I.A. precisam efetivamente gerar lucro, especialmente com líderes do setor como OpenAI e Anthropic se preparando para abrir capital e atrair investidores de varejo ainda este ano.
Os preços estão subindo em praticamente todo o setor, e uma das principais razões é o avanço dos chamados agentes de I.A.
Diferentemente dos chatbots tradicionais, que apenas respondem perguntas, os agentes executam tarefas de forma autônoma — como agendar compromissos, escrever códigos e gerenciar arquivos. No entanto, eles exigem muito mais recursos computacionais, já que uma única tarefa pode acionar dezenas de agentes trabalhando simultaneamente e acumulando custos.
Esses custos são medidos em “tokens”, a unidade básica utilizada pelas empresas de I.A. para cobrar seus clientes. Uma tarefa executada por agentes pode consumir dezenas de vezes mais tokens do que uma simples conversa em um chatbot.
Ao mesmo tempo, a infraestrutura necessária para sustentar o crescimento da inteligência artificial — especialmente chips e centros de dados — não consegue acompanhar a demanda, gerando escassez de capacidade computacional e aumentando as incertezas no setor.
“Especialmente entre desenvolvedores, o custo de usar I.A. para tarefas como programação cresceu exponencialmente”, afirmou Mark Barton, da consultoria Omniux. “Os gastos estão começando a disparar.”
Algumas empresas adotaram a I.A. com tanto entusiasmo que acabaram exagerando no uso, fenômeno que passou a ser chamado de “tokenmaxxing” — uma espécie de obsessão por utilizar o máximo possível de recursos de I.A.
“Em alguns casos, as empresas estão vendo os custos com tokens superarem os custos de um funcionário em apenas um ou dois meses de uso, simplesmente porque estão utilizando a tecnologia em excesso”, afirmou o analista Jack Gold, da J.Gold Associates.
Até mesmo a Meta, que no início do ano incentivava funcionários a utilizarem o maior número possível de tokens como forma de medir produtividade, passou a rever essa estratégia.
“Ninguém deveria usar ferramentas de I.A. apenas por usar”, escreveu o diretor de tecnologia da empresa, Andrew Bosworth, em um memorando interno citado pelo Wall Street Journal.
O diretor de operações da Uber foi além nesta semana, ao afirmar que os elevados investimentos em inteligência artificial ainda não produziram ganhos perceptíveis de produtividade, declaração que chamou atenção do mercado.
Para reduzir despesas, algumas empresas estão migrando para modelos de I.A. gratuitos e de código aberto, que podem ser baixados e utilizados livremente. Embora não sejam tão poderosos quanto o ChatGPT ou o Claude, da Anthropic, eles são considerados suficientes para diversas aplicações.
Outras companhias têm optado por modelos menores e especializados, desenvolvidos para setores específicos, como mercado imobiliário ou finanças, em vez de recorrer a grandes modelos de uso geral.
Siga o Times Brasil no Google e receba as principais notícias do Brasil e do Mundo.
Há também empresas que estão dividindo tarefas complexas em etapas menores, direcionando cada parte para o modelo mais barato capaz de executá-la.
A diferença de custo pode ser expressiva.
“O grande modelo monolítico custa cerca de US$ 15 por milhão de tokens, mas esse valor pode cair para algo próximo de cinco centavos usando modelos menores”, explicou Adrian Balfour, da consultoria Envorso.
Segundo especialistas, esse movimento indica que a inteligência artificial está caminhando para se tornar uma commodity, na qual a escolha do modelo específico será menos importante do que encontrar a opção adequada ao menor custo possível.
Ainda assim, os grandes nomes do setor e seus modelos mais avançados continuam com espaço garantido no mercado.
“Os usuários mais avançados sempre estarão dispostos a pagar pelo melhor desempenho disponível”, afirmou John Belton, gestor de portfólio da Gabelli Funds.
“É um mercado que continua crescendo para todos”, concluiu.
GM anuncia parceria com Lockheed Martin para ampliar produção militar nos EUA 
