IA não aumenta lucro em 493 empresas do S&P 500; saiba por quê

Tech Desk

Relatório mostra que a inteligência artificial ainda não impulsiona lucros na maioria das empresas do S&P 500.

Leia também: One UI 9 com Android 17 chega ao Galaxy S23 no Brasil hoje

Uma análise da Apollo Global Management mostra que, apesar da euforia e dos investimentos bilionários em inteligência artificial, a maior parte das empresas do S&P 500 ainda não vê aumento de produtividade nem de margens de lucro — com a IA sendo tratada mais como centro de custo do que como motor de crescimento.

Magnificent Seven descolam do restante do índice

No levantamento, o economista-chefe da Apollo, Torsten Slok, compara as sete maiores empresas de tecnologia do S&P 500, apelidadas de Magnificent Seven, com as outras 493 companhias do índice. Entre as gigantes de tecnologia, receita por trabalhador e margens de lucro sobem com força. Nas demais, os mesmos indicadores continuam praticamente estáveis.

Para Slok, isso desmonta, ao menos por enquanto, a promessa de que a IA já estaria elevando a eficiência do conjunto da economia americana. “Apesar de investimentos massivos e do hype em torno da inteligência artificial, a tecnologia não entregou retorno financeiro para a América corporativa fora do setor de tecnologia”, afirma.

O economista argumenta que boa parte do ganho gerado pela nova onda de IA acaba concentrada justamente em quem fornece chips, nuvem e sistemas — como Nvidia, Microsoft, Meta, Amazon e Google —, enquanto a base da economia arca com a conta sem ver retorno claro nos balanços.

Custo com tokens transforma IA em centro de despesa

Um dos nós está no modelo de cobrança por uso de tokens, a “moeda” que mede o volume de operações de IA. Quanto mais consultas de funcionários e mais tarefas delegadas a agentes automatizados, maior a fatura mensal.

Segundo Slok, empresas tradicionais começam a enxergar esse gasto como uma linha de custo em alta, não como investimento com retorno mensurável. Startups financiadas por capital de risco tendem a queimar mais caixa com tokens em busca de crescimento acelerado, enquanto corporações estabelecidas preferem modelos mais baratos e limitam a adoção da IA mais avançada.

Essa dinâmica cria um dilema também para os próprios fornecedores de IA: as receitas sobem com o aumento do consumo de computação e de modelos, mas, se os clientes não enxergarem ganhos em produtividade, receita ou redução de outras despesas, o ímpeto de gastar pode esfriar, pressionando margens dos dois lados.

Sam Altman, CEO da OpenAI, reconhece o gargalo. Para ele, “os custos com tokens são um grande problema para clientes buscando melhor valor”, o que obriga provedores a equacionar avanços técnicos com modelos de preço sustentáveis.

Entenda o contexto

Além dos números frios, Slok chama atenção para fatores intangíveis que a IA ainda não consegue capturar. “AI não entende responsabilidade, confiança, cultura, regras não escritas, trade-offs éticos ou justiça, todos os quais moldam o risco reputacional e, por fim, impulsionam o crescimento da receita e margens de lucro”, diz.

Na avaliação dele, é justamente nesses pontos — confiança de consumidores, aderência à cultura das empresas, decisões éticas em zonas cinzentas — que muitos negócios se diferenciam e geram valor no longo prazo. Como modelos generativos operam sem essa bússola, tendem a exigir camadas adicionais de governança, supervisão humana e controles de risco, que custam dinheiro e reduzem parte dos ganhos prometidos.

O relatório também ressalta que a adoção da IA continua altamente concentrada em um grupo pequeno de empresas com capital, escala e equipes técnicas para explorar o potencial da tecnologia. Enquanto não se espalhar com força para outros setores e portes de negócio, o impacto macroeconômico tende a seguir limitado.

Fintechs na Índia repetem o mesmo desafio

O retrato de frustração parcial com a IA se repete em outra ponta do mundo. Pesquisa recente da PwC India com empresas de serviços financeiros digitais indica que 84% das fintechs indianas ainda não viram resultados financeiros mensuráveis de seus projetos em inteligência artificial.

Mesmo assim, 48% dessas companhias dizem considerar a construção de inteligência proprietária uma prioridade estratégica, numa tentativa de não depender apenas de modelos de terceiros. Ou seja, seguem investindo, mas sem conseguir traduzir a aposta em aumento de receita ou redução de custos verificável.

Barreiras ligadas à confiança e à segurança pesam nesse cenário. De acordo com o levantamento, 41% das fintechs apontam a confiança do cliente e a adoção como o maior obstáculo para escalar agentes de IA em pagamentos e outros serviços. Já 33% citam preocupações com fraude, segurança e gestão de riscos como trava para a expansão.

Para bancos, meios de pagamento e carteiras digitais, qualquer falha em sistemas automatizados pode significar não só perdas financeiras, mas dano reputacional num mercado altamente sensível a vazamentos de dados e golpes.

Gigantes da tecnologia correm para mitigar riscos

Do lado dos fornecedores, há uma corrida para entregar ferramentas que tornem o uso de IA mais controlável e previsível para clientes corporativos. A Nvidia, por exemplo, desenvolve plataformas que combinam hardware e software focadas em segurança de agentes, permitindo restringir ações potencialmente danosas dentro dos sistemas das empresas.

Ao mesmo tempo, o avanço rápido do uso interno de IA levou empresas como Microsoft, Meta e Amazon a impor limites e regras mais rígidas para evitar explosão das contas de computação. Na prática, as próprias big techs que vendem a infraestrutura precisam domar o apetite por IA dentro de casa.

Enquanto isso, Amazon, Google, Meta e Microsoft seguem comprometendo somas bilionárias em data centers, chips e energia para dar conta da demanda. O risco é que parte relevante dessa capacidade fique subutilizada se os clientes desacelerarem os testes e projetos por pressão de orçamento.

Decisão sobre futuro da IA está fora do núcleo tech

Para Torsten Slok, o destino econômico da inteligência artificial será definido menos pelas gigantes já lucrando com a tecnologia e mais pelas 493 empresas do S&P 500 que ainda não conseguiram traduzir os projetos em resultado.

Se esses grupos não passarem a enxergar, em números, ganhos consistentes de produtividade, receita ou redução de custos, a tendência é que a IA siga concentrada em poucas companhias e nichos de alta tecnologia, ampliando a disparidade entre quem vende infraestrutura e quem tenta aplicar a ferramenta no dia a dia dos negócios.

Na prática, o próximo capítulo da IA corporativa depende de respostas para três pontos centrais: como reduzir custos de operação, como garantir segurança e gestão de risco em larga escala e como construir a confiança de clientes, reguladores e funcionários em decisões cada vez mais mediadas por algoritmos.