Opinião

A bolha pode rebentar. O génio da IA não volta à lamparina

Filipe Carvalho, fundador e CEO da Optiwisers
Foto: Filipe Carvalho, fundador e CEO da Optiwisers

Nos últimos dias, os mercados deram um aviso a quem se habituou à ideia de que tudo o que estivesse associado à Inteligência Artificial só podia subir.

As quedas foram particularmente fortes em empresas tecnológicas e em vários negócios ligados à infraestrutura necessária para suportar a nova economia da IA. O Nasdaq chegou a entrar em território de correção e voltou uma pergunta que parecia ter desaparecido durante algum tempo: será que o investimento gigantesco que está a ser feito em IA vai gerar o retorno que os mercados esperam?

Não sei se estamos perante a tão anunciada “bolha da IA”. E teria alguma cautela com quem disser que sabe.

Há demasiadas variáveis em cima da mesa. Quanto retorno terão os investimentos em centros de dados, chips e energia? Quanto tempo demorará esse retorno a aparecer? Quem continuará disposto a financiar toda esta infraestrutura se os resultados demorarem mais do que o esperado?

Quando os investimentos atingem valores desta dimensão, é natural que os investidores deixem de perguntar apenas quanto pode crescer a IA e comecem a perguntar quando é que esse crescimento começa realmente a gerar retorno. Mas, para quem gere uma empresa, existe uma pergunta diferente e talvez mais interessante:

O que acontece à utilização da IA se o entusiasmo dos mercados diminuir?

A minha convicção é que acontece muito menos do que podemos imaginar. Porque uma coisa é a valorização bolsista de uma empresa ligada à IA. Outra é alguém que já incorporou estas ferramentas no seu trabalho aceitar simplesmente voltar atrás.

O génio já saiu da lamparina

Quem começou a utilizar IA diariamente percebe rapidamente o problema. Se hoje consigo analisar e corrigir em segundos a estrutura de um relatório, dificilmente vou querer regressar a uma revisão totalmente manual. Se consigo pedir a um modelo para comparar documentos, organizar informação ou preparar uma primeira versão de uma análise, não vou voluntariamente voltar a começar sempre numa página em branco. E quem trabalha em software e já incorporou assistentes e agentes no desenvolvimento também dificilmente decidirá que prefere regressar ao processo anterior.

Na Uber, por exemplo, os pedidos semanais feitos através de ferramentas agentic cresceram 9,4 vezes entre fevereiro e agosto deste ano. No mesmo período, a empresa conseguiu estabilizar o gasto global com IA através de uma utilização mais eficiente dos diferentes modelos. Mantendo um modelo comparável, o custo por sessão chegou a cair 52%. É um exemplo interessante porque mostra que a discussão empresarial começa a mudar.

Durante algum tempo, a pergunta foi sobretudo: “Como utilizamos IA?”

A próxima será provavelmente:“Como utilizamos IA sem ficarmos demasiado dependentes de uma única solução?”

Essa pergunta merece atenção.

Nos últimos anos, muitas organizações começaram a integrar nos seus processos serviços de IA cujo preço, capacidade e condições comerciais não controlam. Se amanhã um fornecedor aumentar significativamente o preço, reduzir limites de utilização ou alterar o modelo disponibilizado numa determinada subscrição, quantos processos internos ficam imediatamente mais caros?

Não é propriamente um problema novo. As empresas já tiveram de aprender a gerir dependências tecnológicas noutras áreas. O que é diferente agora é a velocidade.

Em poucos anos, passámos de experimentar ferramentas como o ChatGPT para integrar IA em programação, análise, atendimento ao cliente, produção de documentos, pesquisa, marketing, vendas e inúmeros processos internos. A dependência está a crescer depressa. Em algumas organizações, provavelmente mais depressa do que a capacidade para a gerir.

E se a IA ficar mais cara?

Imaginemos que parte das preocupações atuais dos investidores se confirma. Os investimentos em computação, energia e centros de dados revelam-se mais caros do que se antecipava. Os fornecedores começam a enfrentar maior pressão para demonstrar rentabilidade e alguns serviços aumentam de preço.

Para uma grande organização, um aumento do custo de determinadas subscrições pode ser desagradável, mas suportável. Para uma start-up que utiliza modelos externos em praticamente todas as interações com os clientes, esse mesmo aumento pode alterar completamente a economia do negócio. Mas um aumento dos preços não significa necessariamente que as empresas tenham de aceitar a nova fatura sem alternativas.

A primeira resposta é relativamente simples: deixar de utilizar o modelo mais caro para tudo. Nem todas as tarefas precisam da mesma capacidade.

Uma análise complexa, um problema de programação difícil ou o planeamento de um projeto podem justificar a utilização de um modelo mais sofisticado. Mas dezenas ou centenas de tarefas posteriores podem muitas vezes ser executadas por modelos mais pequenos e significativamente mais baratos.

É precisamente uma das áreas em que empresas como a Uber estão a trabalhar: encaminhar diferentes tipos de pedidos para diferentes modelos em função da complexidade, qualidade necessária e custo.

A segunda resposta é evitar construir processos demasiado dependentes de um único fornecedor. Uma empresa deveria conseguir substituir um modelo por outro sem ter de reconstruir todo o processo que está por trás.

Hoje pode fazer sentido utilizar um determinado modelo da OpenAI, Anthropic, Google ou outro fornecedor. Daqui a dois anos, outro pode oferecer uma relação entre qualidade e custo muito mais interessante. A arquitetura deve permitir essa escolha.

A terceira possibilidade começa também a ganhar relevância: modelos open-weight. Em determinados casos, estes modelos podem ser executados numa infraestrutura controlada pela própria empresa, numa cloud privada ou em servidores contratados especificamente para esse efeito.

A Siemens, por exemplo, já está a integrar modelos abertos Nemotron em workflows de engenharia. Não significa que todas as empresas devam comprar servidores e começar a alojar os seus próprios modelos. Para muitas organizações isso seria provavelmente mais caro e complexo do que continuar a utilizar serviços cloud.

Mas para empresas com volumes elevados, informação particularmente sensível ou necessidade de maior previsibilidade de custos, passa a existir uma alternativa que há poucos anos simplesmente não estava disponível com este nível de capacidade.

Há ainda uma quarta medida, menos tecnológica mas talvez igualmente importante: saber quanto estamos realmente a gastar. Muitas empresas sabem quanto pagam por uma subscrição de IA. Poucas conseguem dizer quanto custa executar um processo completo utilizando IA e qual o valor económico gerado por esse processo. Essa diferença vai começar a importar.

Se uma tarefa custa 20 euros em IA mas evita três horas de trabalho humano, provavelmente existe um bom caso de negócio. Se custa 20 euros e substitui cinco minutos de trabalho, talvez não exista. O número de ferramentas compradas interessa pouco. O que interessa é o retorno.

A próxima vantagem pode ser poder escolher

Durante a fase inicial de entusiasmo, grande parte da atenção esteve concentrada em ter acesso ao melhor modelo disponível. Num ambiente de maior disciplina financeira, esse critério começa naturalmente a mudar.

A pergunta deixa de ser apenas “qual é o modelo mais inteligente?” e passa a incluir outra: “Qual é suficientemente bom para esta tarefa e quanto custa?” É uma mudança importante.

Um modelo mais avançado pode planear um trabalho complexo e outro muito mais económico pode executar dezenas de tarefas decorrentes desse plano. Uma organização pode utilizar serviços cloud em determinados casos e modelos privados noutros. Pode trabalhar com um fornecedor hoje e outro amanhã. Pode até manter alternativas para processos críticos, caso um fornecedor fique indisponível ou altere significativamente as condições comerciais.

É aqui que a questão do chamado model lock-in começa a ganhar importância. Uma estratégia de IA madura não deveria partir do princípio de que os preços, modelos e condições atuais dos fornecedores vão permanecer iguais durante cinco ou dez anos. Ter alternativas passa a ter valor. E não apenas por uma questão de preço.

Também por segurança, proteção de dados, continuidade de negócio e capacidade de negociação. Uma organização demasiado dependente de uma única plataforma perde margem de decisão.

Uma queda em bolsa não apaga uma mudança de hábitos

Existe uma tendência natural para confundirmos o desempenho bolsista de uma tecnologia com o seu valor económico real. A história mostra que nem sempre caminham juntos.

Uma tecnologia pode transformar profundamente uma economia mesmo depois de várias empresas que financiaram a primeira vaga de entusiasmo perderem valor, desaparecerem ou serem substituídas por outras. A Internet não deixou de transformar o mundo depois da bolha dot-com. Isso não significa que estejamos perante uma nova dot-com. Não sei se estamos. E esse é precisamente o ponto.

Ninguém consegue prever com segurança qual será a procura de capacidade computacional em 2030, que modelos vão dominar o mercado, quanto custará a utilização desses modelos ou quais dos atuais fornecedores continuarão na liderança.

Aquilo que já conseguimos observar é muito mais simples. A utilização da IA mudou hábitos de trabalho. E quando uma tecnologia consegue isso, a sua adoção deixa de depender apenas do entusiasmo dos mercados financeiros. Um profissional que consegue fazer determinado trabalho em duas horas dificilmente aceitará regressar voluntariamente a dois dias. Uma equipa de desenvolvimento que aumentou a sua capacidade através de agentes não vai abandonar essas ferramentas porque as ações das empresas tecnológicas caíram 20%. Uma organização que automatizou parte dos seus processos também não vai reintroduzir trabalho manual apenas porque os investidores passaram a atribuir avaliações mais baixas às empresas de IA. Vai procurar fazer o mesmo de forma mais eficiente.

E talvez seja exatamente essa a fase para a qual estamos a caminhar. Menos entusiasmo com a simples utilização de IA e mais atenção ao retorno. Menos preocupação em mostrar quantas ferramentas foram compradas e mais interesse em perceber o valor que estão realmente a produzir. Menos dependência de um único fornecedor e maior capacidade para escolher a solução adequada a cada problema.

Se os mercados recuperarem rapidamente e esta correção tiver sido apenas mais um falso alarme, melhor. A concorrência pode continuar a aumentar, a infraestrutura pode ganhar escala e os preços podem até continuar a descer. Mas mesmo nesse cenário vale a pena fazer este exercício. Porque a pergunta para uma empresa já não deveria ser apenas se acredita ou não na Inteligência Artificial.  Deveria ser outra: Se amanhã a IA que utilizamos custar duas, três ou cinco vezes mais, continuamos a ter uma estratégia?

Se a resposta for não, talvez o problema não esteja no preço da IA. Está na dependência que construímos à volta dela.

Comentários

Artigos Relacionados