Pressão por retorno muda a discussão sobre inteligência artificial nas empresas e coloca uma questão menos confortável na mesa: uma tecnologia pode funcionar muito bem e, ainda assim, não valer o que custa
Durante os últimos anos, boa parte das empresas tentou responder à mesma pergunta: onde podemos colocar inteligência artificial? Agora, uma segunda questão começa a ganhar espaço e talvez seja mais difícil de responder: onde não vale a pena mantê-la?
A mudança acontece depois de uma corrida por copilotos, agentes, automações e novos modelos. O movimento levou a inteligência artificial para dentro das operações em velocidade inédita, mas também criou uma conta que nem sempre acompanhou o entusiasmo com a tecnologia. Automatizar mais não significa necessariamente gastar menos. Ganhar produtividade tampouco significa, por si só, ganhar dinheiro.
Essa cobrança já chegou ao mercado financeiro. Grandes investidores começam a olhar menos para o tamanho dos investimentos feitos em infraestrutura de IA e mais para a capacidade das empresas de transformar esses bilhões em lucro e geração de caixa, segundo análise publicada pela Reuters em agosto de 2026.
O resultado recente da Baidu ajuda a dimensionar a questão. No segundo trimestre, a companhia registrou queda de 4% na receita. Enquanto negócios relacionados à IA da Baidu Core cresceram 25%, a receita de marketing online, uma de suas atividades tradicionais, recuou 19%, de acordo com a Reuters. Não significa que a aposta em inteligência artificial tenha dado errado. O dado expõe uma questão mais complexa: avanço tecnológico e retorno financeiro não necessariamente acontecem no mesmo ritmo.
Para Marcos Custódio, especialista em arquitetura digital e executivo da Webpeak, o mercado começa a entrar em uma fase menos preocupada em provar que utiliza inteligência artificial e mais interessada em descobrir quais aplicações realmente merecem continuar dentro das empresas.
“Durante algum tempo, ficar de fora da IA parecia mais arriscado do que investir errado. A experimentação foi importante, mas também fez com que muitas empresas acrescentassem ferramentas, modelos e automações sem necessariamente olhar para o conjunto. Agora vem uma pergunta bem menos confortável: tudo o que funciona precisa continuar existindo?”, questiona.
A resposta pode parecer contraditória depois de anos de corrida tecnológica. Uma aplicação de inteligência artificial pode executar corretamente uma tarefa, reduzir o tempo gasto por uma equipe e melhorar indicadores de produtividade e, mesmo assim, não representar um bom investimento.
Isso acontece porque a conta não termina no preço de uma ferramenta. Infraestrutura, processamento, serviços de nuvem, integrações, desenvolvimento, manutenção e a necessidade de intervenção humana nas exceções também fazem parte do custo real de uma aplicação.
Na avaliação de Custódio, um dos equívocos da primeira onda de adoção foi aproximar demais produtividade de retorno financeiro. Economizar horas de trabalho é um indicador importante, mas insuficiente para determinar se houve ganho econômico. Se toda a estrutura necessária para produzir aquela economia custa mais do que o valor gerado, a tecnologia cumpriu sua função, mas o investimento não.
É justamente essa diferença que começa a mudar a pergunta feita pelas empresas. Mais do que saber quanto se gasta com inteligência artificial, será necessário entender quanto custa o resultado produzido por ela. Um atendimento resolvido, uma análise gerada ou uma tarefa executada por um agente passam a ter um custo que precisa ser conhecido e comparado ao benefício entregue.
“Uma aplicação pode parecer barata isoladamente e ficar cara quando é multiplicada milhares ou milhões de vezes. O número que interessa não é apenas quanto a empresa gasta com IA, mas quanto custa aquilo que ela consegue produzir com esse investimento”, explica Custódio.
O problema ganha outra dimensão quando novas tecnologias são acrescentadas a ambientes que já reúnem sistemas antigos, CRMs, ERPs, bancos de dados e plataformas contratadas em diferentes momentos. Cada ferramenta pode resolver corretamente um problema específico e, ao mesmo tempo, aumentar a complexidade do conjunto.
Nesse cenário, parte do desperdício pode estar menos no preço da inteligência artificial e mais na arquitetura criada ao redor dela. Tecnologias diferentes podem acabar cumprindo funções semelhantes, informações passam por múltiplos sistemas e a empresa corre o risco de pagar mais de uma vez para resolver o mesmo problema.
É uma discussão que antecede a própria inteligência artificial. Sistemas que não conversam, dados duplicados, processos espalhados por plataformas distintas e soluções antigas mantidas ao lado das novas podem transformar crescimento em complexidade. Quanto mais tecnologia é adicionada sem uma visão integrada da operação, mais difícil se torna enxergar o custo real dessa estrutura.
Para Custódio, esse cenário deve levar algumas organizações a uma decisão que, há pouco tempo, pareceria incompatível com inovação: retirar tecnologia.
“Uma IA não precisa dar errado para ser desligada. Ela pode fazer exatamente aquilo para o qual foi criada e simplesmente não valer o que custa. Desligá-la, nesse caso, não é atraso. É uma decisão de negócio”, afirma.
Isso não significa uma retração da inteligência artificial nas empresas. A tendência é que a tecnologia se torne cada vez mais presente nas operações. O que muda é o critério. Em vez de simplesmente acrescentar novas soluções, será necessário decidir quais devem permanecer, quais podem ser consolidadas e quais estão criando mais custo e complexidade do que valor.
Práticas de gestão financeira da tecnologia, como FinOps, ajudam a tornar essa relação mais visível ao aproximar consumo de infraestrutura e resultado de negócio. Mas reduzir custos de uma aplicação isoladamente pode não resolver um problema estrutural. Em alguns casos, otimizar significa negociar contratos ou escolher modelos mais baratos. Em outros, pode signific eliminar uma camada inteira da operação.
Essa revisão tende a ganhar importância à medida que as expectativas financeiras em torno da inteligência artificial continuam crescendo. Segundo fontes ouvidas pela Reuters, a Anthropic trabalha com projeções de receita entre US$ 190 bilhões e US$ 200 bilhões para 2028 enquanto se prepara para uma possível abertura de capital. Quanto maiores as expectativas em torno da tecnologia, maior também tende a ser a cobrança para que os investimentos feitos ao longo dessa corrida encontrem retorno.
Para Custódio, a pressão não ficará restrita às empresas que desenvolvem os grandes modelos. Ela chegará também às organizações que passaram os últimos anos incorporando inteligência artificial aos seus negócios e que agora terão de revisar escolhas feitas durante a primeira fase de adoção.
“O mercado passou muito tempo olhando para quantos projetos de IA uma empresa colocou de pé. Talvez, daqui para frente, um indicador igualmente importante seja quantos ela teve maturidade para encerrar depois de descobrir que não criavam valor. Inovar não é acumular tecnologia. É saber o que merece continuar dentro da empresa”, conclui.
Imagem: https://pt.vecteezy.com/foto/6572460-ai-chipset-on-computer-circuit-board-ai-cpu-concept-3d-rendering
