Bolha trilionária da IA nas empresas: risco real em 2026?

Tecnologia

Investimentos em IA avançam rápido, mas podem enfrentar desafios se não gerarem produtividade sustentável.

Leia também: IMAX 2D ou 3D: qual ingresso vale mais a pena em 2026?

O boom da inteligência artificial empresarial está queimando bilhões de dólares em infraestrutura antes de mostrar, de forma clara, de onde virá o retorno. Analistas como Dave Vellante, Crawford Del Prete, Michael Burry e Torsten Slok avaliam que a capacidade das empresas de transformar IA em produtividade e receita ainda é incerta, aumentando o risco de uma bolha econômica no mercado global de tecnologia.

O que é o boom da inteligência artificial nas empresas?

O boom da inteligência artificial nas empresas é uma corrida por investimentos massivos em tecnologia de IA — de chips a softwares avançados — na expectativa de que essa infraestrutura mude a forma como os negócios operam e geram valor. Na prática, grandes grupos corporativos estão automatizando tarefas específicas, redesenhando fluxos de trabalho e contratando menos gente para algumas funções, enquanto startups “nativas em IA” nascem já estruturadas em torno desses modelos.

Esse movimento é visível nos números. Segundo Dave Vellante, os principais atores desse ecossistema “levantaram cerca de US$ 140 bilhões” para construir a base de IA empresarial. Parte desse capital financia data centers, modelos de linguagem de grande porte e contratos de longo prazo de computação em nuvem — apostas feitas na premissa de que, em algum momento, as empresas estarão dispostas a pagar caro por “inteligência como serviço”.

A dúvida central, porém, é se essa transformação, hoje ainda concentrada em nichos como desenvolvimento de software e atendimento ao cliente, será ampla o suficiente para justificar o volume de dinheiro já comprometido.

Como a inteligência artificial empresarial pode gerar retorno financeiro?

A inteligência artificial empresarial pode gerar retorno financeiro ao reduzir custos de operação, acelerar tarefas que hoje demandam muitas horas de trabalho humano e permitir novos produtos e serviços pelos quais clientes estejam dispostos a pagar mais. Por enquanto, os sinais são mistos.

Vellante resume a equação atual: “They’ve raised about US$ 140 billion… It basically has burned US$ 10 billion to get to a US$ 32 billion revenue run rate.” Ou seja, o setor já consumiu cerca de US$ 10 bilhões para chegar a uma receita anual recorrente estimada em US$ 32 bilhões. O patamar impressiona, mas ainda está longe de provar que o modelo é autossustentável, principalmente diante dos compromissos de longo prazo assumidos com infraestrutura.

Crawford Del Prete, ex-presidente da IDC e hoje conselheiro sênior da PSG Equity, aponta que os ganhos de produtividade começam a aparecer dentro das empresas, mas não ainda nas demonstrações financeiras: “AI is changing economics in so many different areas… companies are starting to automate workflows… jobs are made up of hundreds, sometimes thousands of tasks… now we’re starting to automate those tasks, but we haven’t necessarily changed the way work is wired in an organization.”

Em outras palavras, a IA já corta pedaços de trabalho — escreve código, responde clientes, resume documentos —, mas a forma como o trabalho está organizada nas empresas continua quase a mesma. Sem reestruturar processos, quadros de pessoal e modelos de cobrança, boa parte da eficiência potencial fica no papel e não vira margem de lucro.

Entenda o contexto

O debate ganhou força nesta semana em uma nova análise de mercado conduzida por Dave Vellante, em que ele retoma um alerta: se a oferta de infraestrutura de IA — servidores, GPUs, nuvens otimizadas — crescer mais rápido que a capacidade das empresas de monetizar a tecnologia de forma produtiva, o risco de uma bolha aumenta sensivelmente. Em cenários anteriores, ele projetou o pico desse risco ao fim da década, caso não haja um “pouso suave”.

O ponto é que o setor vem se organizando em torno de apostas de longo prazo, muitas delas pouco reversíveis. A Anthropic, uma das empresas mais observadas do mercado de IA generativa, é um símbolo desse movimento. Vellante destaca que “Michael Burry’s analysis of Anthropic PBC highlights the scale and interconnectedness of the commitments that Anthropic is making.”

Com base nessa análise, o jornalista chama atenção para um mapa de contratos que ilustra a dimensão da engrenagem financeira: “This diagram shows… US$ 537 billion of multiyear compute commitments across all kinds of different arrangements.” São acordos que incluem cláusulas de compra mínima, contratos do tipo take-or-pay (pague usando ou não), arrendamentos e compromissos condicionados à entrega de capacidade, entre outros formatos. Não é dívida à vista, mas é obrigações que terão de ser honradas em algum momento — o que pressiona o setor a encontrar receitas compatíveis.

Torsten Slok, pesquisador da Apollo, reforça outro ponto sensível: até que ponto os benefícios financeiros dessa tecnologia já aparecem, hoje, de maneira ampla? Ele lembra que, nas eras do computador pessoal e da internet, levou tempo até que os ganhos claros de produtividade se refletissem em margens, salários e crescimento sustentado da economia. A IA pode estar repetindo esse padrão: uma revolução tecnológica à frente de seus resultados econômicos.

Como a inteligência artificial está transformando os negócios atualmente?

A IA já está transformando negócios ao automatizar tarefas específicas, mudar a escala possível de certas operações e permitir que empresas jovens cresçam com menos funcionários. Nas empresas de software, Del Prete vê uma onda inicial em áreas previsíveis: desenvolvimento de código e atendimento ao cliente. Ferramentas de IA escrevem trechos de programas, testam funcionalidades, respondem dúvidas e encaminham chamados, reduzindo o tempo gasto por humanos nessas etapas.

A novidade, segundo ele, é que essa automação começa a avançar para outras funções internas, em que pedaços de trabalho são delegados a modelos de IA, ainda que o cargo e o organograma continuem os mesmos. Isso gera um efeito desigual: algumas equipes já percebem ganhos diários, outras quase nada. “We’re starting to get into a lot of the other areas where individual tasks are starting to get automated within organizations”, descreve Del Prete.

Em setores financeiros e quantitativos, o apetite por capacidade de computação é considerado “insaciável”. Del Prete relata ter ouvido de um cliente que compraria “toda a capacidade” que grandes fabricantes como Lenovo, HPE e Dell estivessem dispostos a vender, porque consegue monetizar diretamente cada ciclo de computação em seus modelos quantitativos. Nesses casos, a IA se converte em lucro de curto prazo.

Em outras organizações, porém, a ordem é controlar o gasto. Empresas começam a olhar não só para quantos “tokens” (as unidades de processamento em modelos de linguagem) estão consumindo, mas para qual modelo usar em cada tarefa, evitando soluções mais caras quando um sistema mais simples resolve o problema. É o início de uma disciplina de custo em IA, semelhante à que empresas adotaram na migração para nuvem.

Quais são os desafios para a adoção da inteligência artificial nas empresas?

Os principais desafios para a adoção de IA nas empresas hoje passam por modelo de negócio, organização do trabalho e risco financeiro. Do lado econômico, o setor se apoia em compromissos gigantescos com infraestrutura, como os US$ 537 bilhões em contratos multianuais de computação associados à Anthropic, enquanto ainda busca provar que clientes pagarão, por muitos anos, por essa capacidade.

Do lado operacional, a dificuldade é transformar ganhos pontuais — como automatizar partes de um atendimento ou de um código — em uma nova forma de trabalhar. Isso implica rever processos inteiros, redefinir o perfil de profissionais contratados, redesenhar metas e repensar como o valor gerado é cobrado dos clientes. A tese de Vellante é que o caminho para um “soft landing” da IA empresarial passa por essas mudanças profundas na operação: que tipo de trabalho é feito, com que equipe, em que escala e quanto os clientes aceitam pagar por isso.

Crawford Del Prete destaca ainda a complexidade da própria indústria de tecnologia, hoje interligada em uma espécie de “financiamento circular” para reconstruir toda a pilha de computação global em torno da IA. Fabricantes de hardware, provedores de nuvem, desenvolvedores de modelos e fundos de investimento dependem uns dos outros para fazer essa engrenagem girar. Se a monetização produtiva não acompanhar, a pressão pode se espalhar por toda a cadeia.

Na visão de analistas como Torsten Slok, ainda é cedo para cravar se o resultado será uma bolha seguida de correção brusca ou um ajuste mais suave, no qual os ganhos de produtividade finalmente se consolidem. A única certeza, por enquanto, é que o volume de dinheiro já em jogo torna a resposta a essa pergunta central para empresas, investidores e para o ritmo da inovação tecnológica nos próximos anos.