Modelos de decisão ganham força e atraem Microsoft, TypeSafe e Sqwish
Tecnologia que não gera texto, mas escolhe opções com alta confiança já responde por mais de 25% das requisições em um grande roteador de IA e envolve pesos pesados como Microsoft, TypeSafe e a britânica Sqwish.

Tecnologia
Modelos de decisão se destacam no mercado, conquistando grandes empresas e aumentando sua participação em sistemas de IA.
Leia também: Orquestração autônoma em Kubernetes reduz 80% do custo de IA
Modelos de decisão, uma vertente mais enxuta dos grandes modelos de linguagem, saltaram de experimento recente a peça central de produção: em outubro, eles já respondiam por mais de 25% das requisições no roteador de modelos de IA da Vercel, impulsionando empresas como a TypeSafe, a britânica Sqwish e, agora, a Microsoft, que lançou o Microsoft-Decision-1.1 para uso amplo na nuvem Azure.
O que são modelos de decisão e por que cresceram tão rápido
Ao contrário dos LLMs tradicionais, que geram textos inteiros, modelos de decisão são versões ajustadas desses sistemas para uma tarefa específica: escolher rapidamente entre opções pré-definidas, registrando um nível de confiança em cada resposta. Em vez de escrever um parágrafo, eles devolvem algo como “A, 92% de confiança”.
O foco é atender aplicações em produção que precisam de decisões baratas, rápidas e confiáveis, mais do que explicações longas. É o caso de sistemas de recomendação em e-commerce, aprovação ou recusa de transações em fintechs, roteamento de chamadas em contact centers e orquestração de fluxos em serviços em nuvem.
A tecnologia é recente, mas a adoção disparou. Em outubro, mais de um quarto de todas as chamadas feitas ao roteador de IA da Vercel já eram para modelos de decisão, um avanço impressionante para uma categoria criada apenas um mês antes. A facilidade de construção — um engenheiro da Amazon chegou a montar um modelo do tipo em um fim de semana — ajudou a multiplicar as ofertas e atrair todos os grandes provedores de nuvem.
TypeSafe vira referência com Jev e 1,5 bi de consultas semanais
No centro dessa corrida está a TypeSafe, fundada nos Estados Unidos e hoje avaliada em US$ 7,5 bilhões após lançar a família de modelos Jev. Segundo métricas de serviços como o OpenRouter, os modelos da empresa receberam mais de 1,5 bilhão de consultas em apenas uma semana recente, dominando o uso visível dessa tecnologia.
O Jev foi construído como um grande modelo de linguagem reorientado para decidir entre alternativas, e não para escrever textos. O segredo, porém, está menos no código e mais nos dados. Diogo Almeida, CEO da TypeSafe, afirma que “o maior desafio para o sucesso do Jev foi calibrar seu julgamento com dados sintéticos estatisticamente ajustados”.
Essa calibragem fina é o que garante que a confiança reportada pelo modelo se aproxime da realidade em cenários variados — algo crítico para empresas que dependem de previsibilidade em larga escala. A TypeSafe também alerta para o risco de focar apenas em benchmarks de laboratório: modelos que brilham em testes podem se perder quando expostos ao caos dos dados reais de clientes.
Microsoft lança Microsoft-Decision-1.1 na Azure
A entrada pesada de big techs reforça que modelos de decisão vieram para ficar. O CEO Satya Nadella anunciou recentemente o lançamento do Microsoft-Decision-1.1, agora disponível para uso amplo na plataforma Azure. O modelo foi desenhado para equilibrar quatro variáveis centrais para o mundo corporativo: custo, latência (velocidade de resposta), inteligência e calibração.
Achint Srivastava, vice-presidente de engenharia que liderou o projeto, reconhece que perseguir apenas boas notas em testes sintéticos pode enganar. “Modelos otimizados para benchmarks falham rapidamente em uso real empresarial”, afirma. Segundo ele, o trabalho da equipe foi justamente garantir desempenho consistente em dados “segurados” — conjuntos de teste que simulam casos reais, mas que o modelo não viu durante o treinamento.
Na prática, empresas que já usam a Azure podem plugar o Microsoft-Decision-1.1 em fluxos existentes e trocar ou combinar o modelo com alternativas concorrentes, como o Jev da TypeSafe, para ver qual entrega melhor resultado em seus próprios cenários de uso.
Sqwish aposta em personalização e levanta US$ 3 milhões
Do outro lado do mapa, no Reino Unido, a startup Sqwish tenta virar o jogo a favor dos pequenos. Criadora do modelo de decisão kettei fat, a empresa anunciou uma rodada pré-seed de US$ 3 milhões, apostando que a personalização será a arma para não virar “mais uma” no mar de ofertas baseadas em IA.
Os cofundadores Ushnish Sengupta (CEO) e Federica Freddi, que se conheceram como pós-graduandos em Cambridge, aproveitam arquiteturas de pequenos LLMs que vinham desenvolvendo antes da explosão dos modelos de decisão. Agora, o foco é oferecer ferramentas pós-treinamento embutidas na plataforma, permitindo que clientes alimentem o sistema com seus próprios dados de produção e afinem o comportamento do modelo ao longo do tempo.
“O que nos torna não uma commodity é o fato de oferecermos aos clientes o poder de continuar melhorando seus modelos com seus dados de produção”, diz Sengupta. Para ele, benchmarks públicos servem mais como vitrine do que como contrato de desempenho: “O benchmark é mais um convite para experimentar o modelo, e o ajuste contínuo é a razão para os clientes permanecerem conosco.”
Essa abordagem transforma cada implementação em algo único, reduzindo o risco de que um concorrente simplesmente substitua o modelo por outro genérico com preço mais baixo.
Entenda o contexto
Modelos de decisão nasceram como um “atalho” para aproveitar a inteligência dos grandes modelos de linguagem em tarefas onde a saída é, na prática, uma escolha entre poucas alternativas — qual e-mail enviar, que anúncio mostrar, que ação tomar em um fluxo de atendimento.
Em vez de gerar páginas de texto, eles processam o contexto, avaliam as opções e retornam apenas a decisão final mais um grau de confiança. Isso reduz drasticamente custo de computação e tempo de resposta, duas métricas cruciais para serviços em nuvem, bancos digitais, varejistas online e plataformas de grande escala que processam milhões de requisições por dia.
A combinação de menor custo, maior velocidade e boa precisão explica por que, em poucas semanas, essa categoria saiu do zero para concentrar mais de 25% do tráfego em um grande roteador de IA como o da Vercel. A tendência agora é que grandes players de nuvem, como Microsoft, disputem espaço com especialistas como TypeSafe e novatas como Sqwish, todas competindo pela preferência de desenvolvedores e empresas.
Como modelos de decisão podem movimentar bilhões
Embora ainda representem uma fatia pequena do universo de inteligência artificial, as expectativas de mercado são altas. Federica Freddi, cofundadora da Sqwish, projeta que essa categoria de “inteligência System One” — voltada a respostas rápidas e intuitivas — pode valer entre US$ 10 bilhões e US$ 50 bilhões em oportunidades de negócios.
Ela vê esses sistemas atuando em conjunto com os grandes LLMs de “System Two”, mais lentos e analíticos, formando um ecossistema híbrido: decisões rápidas para o dia a dia, com modelos de decisão, apoiadas por análises mais profundas feitas por LLMs tradicionais quando necessário.
Na leitura de Freddi, gigantes como OpenAI miram mercados trilionários e tendem a tratar modelos de decisão como projetos paralelos, enquanto startups especializadas vivem exclusivamente dessa fatia bilionária. “Mesmo nesse futuro, System One é talvez uma oportunidade de US$ 10 bilhões a US$ 50 bilhões, enquanto OpenAI mira mercado trilionário”, afirma.
Para clientes corporativos, o cenário abre espaço para experimentação: trocar modelos, comparar desempenho com dados próprios e, aos poucos, construir camadas de personalização que podem se tornar vantagem competitiva difícil de copiar.
Disputa será por dados, não só por algoritmos
Caso a tendência se mantenha, a próxima fase da corrida por modelos de decisão deve ser menos sobre arquiteturas inovadoras e mais sobre quem consegue treinar e calibrar melhor esses sistemas com dados relevantes.
TypeSafe aposta em grandes volumes de dados sintéticos estadisticamente controlados; Sqwish, em ferramentas para que cada cliente injete seus próprios dados de produção; a Microsoft, em testes extensivos com empresas para garantir que o Microsoft-Decision-1.1 se comporte de forma previsível em ambientes reais.
Enquanto isso, o mercado observa um movimento claro: decisões automatizadas saem dos laboratórios de IA e passam a ser parte invisível, porém decisiva, da infraestrutura digital que sustenta da nuvem às fintechs, do e-commerce às maiores plataformas online do mundo.


