Acompanho com crescente ceticismo a euforia financeira em torno da inteligência artificial. Não pelos avanços tecnológicos, que são impressionantes, mas pela distância entre a velocidade dos investimentos, as expectativas dos mercados e a capacidade de transformar essa expansão em resultados econômicos sustentáveis.

Os investimentos de capital dos grandes provedores de nuvem estão se aproximando de US$ 1 trilhão anual, embora nem toda essa despesa esteja diretamente associada à IA. Empresas historicamente valorizadas pela escalabilidade do software estão direcionando recursos extraordinários para ativos físicos, como semicondutores, servidores, redes, energia e data centers.

Não questiono necessariamente a dimensão desses investimentos. Questiono a premissa de que o crescimento da demanda garantirá retornos compatíveis com o capital empregado.

Investimento não é receita. Receita não é lucro.

E crescimento não significa necessariamente criação de valor econômico. A monetização merece atenção. O uso de IA cresce rapidamente, mas a disposição dos consumidores para pagar diretamente por esses serviços ainda é limitada. Nas empresas, a adoção avança, embora muitas organizações continuem enfrentando dificuldades para demonstrar resultados mensuráveis.

É preciso reconhecer que assinaturas individuais representam apenas parte do mercado. Há receitas provenientes de APIs, contratos corporativos e funcionalidades incorporadas a outros produtos. Ainda assim, permanece a questão central: a disposição a pagar, as margens e os lucros futuros serão suficientes para remunerar o capital comprometido?

Outra variável importante é a redução dos preços de inferência. O preço por token de muitos modelos vem caindo, impulsionado pela concorrência e por avanços de hardware e software. Isso amplia o mercado potencial, mas não garante redução proporcional dos custos. Preço por token não é custo por tarefa.

Aplicações com agentes podem consumir grandes quantidades de tokens em planejamento, chamadas de ferramentas, verificações e tentativas repetidas. Recursos de raciocínio mais sofisticados também podem elevar o consumo computacional.

Para os fornecedores, preços menores podem estimular volumes maiores, mas a expansão da utilização precisa compensar a pressão sobre as margens e os investimentos necessários para ampliar e renovar a infraestrutura.

É aqui que a China se torna uma variável decisiva.

Empresas chinesas ampliaram a competição internacional com modelos de pesos abertos, avanços de eficiência e estratégias agressivas de preços. Isso enfraquece a hipótese de que poucos fornecedores americanos conseguirão preservar preços elevados e margens extraordinárias por longos períodos.

Não significa que todos os modelos estejam se tornando intercambiáveis. Diferenças de desempenho, segurança, integração, suporte e requisitos regulatórios continuam relevantes. Também não devemos confundir custos divulgados de determinadas etapas de treinamento com o custo integral de desenvolvimento e operação. A China, além disso, ainda enfrenta restrições no acesso a semicondutores avançados.

Mas a tendência competitiva merece atenção: capacidades hoje diferenciadas podem se tornar progressivamente mais acessíveis, reduzindo o poder de precificação de alguns fornecedores.

Isso não significa necessariamente destruição de valor. Modelos mais baratos podem ampliar o mercado de aplicações. O problema é identificar quem capturará os benefícios econômicos.

Parte desse valor poderá migrar para empresas que dominam distribuição, integração, dados proprietários, processos e relacionamento com clientes. Outra parte permanecerá em infraestrutura, plataformas e modelos diferenciados.

A disputa deixa de ser apenas pela superioridade tecnológica e passa a ser pela captura do valor criado pela IA.

Há ainda a dimensão geopolítica. Estados Unidos e China competem por semicondutores, energia, infraestrutura industrial, cadeias de suprimento e influência sobre padrões tecnológicos. Restrições comerciais, subsídios e políticas industriais podem alterar custos e vantagens competitivas.

Para outros países, essa disputa oferece acesso potencial a tecnologias mais baratas, mas também cria riscos de dependência e fragmentação tecnológica.

No Brasil, vejo uma contradição adicional. Estamos discutindo como atrair grandes investimentos para data centers, agora com o Redata instituído pela Lei nº 15.504, de setembro de 2026, enquanto muitas empresas ainda enfrentam dificuldades para converter iniciativas de IA em produtividade, receita e eficiência operacional.

Atrair infraestrutura é importante. Temos vantagens potenciais em energia renovável, conectividade e mercado consumidor. A capacidade local também pode atender necessidades de residência de dados e reduzir determinadas dependências externas. Mas data centers exigem investimentos intensivos em equipamentos, energia e refrigeração. Seus efeitos sobre emprego, arrecadação, inovação e desenvolvimento industrial não podem ser presumidos apenas pelo volume de capital anunciado.

O Redata estabelece contrapartidas relacionadas à sustentabilidade, ao desenvolvimento tecnológico e à oferta de capacidade ao mercado nacional. Será necessário avaliar se produzirão resultados concretos. Não basta hospedar processamento. Precisamos transformar essa capacidade em competências locais, produtividade, inovação e negócios.

Também considero um equívoco imaginar que o Brasil deva reproduzir a corrida americana por modelos gigantescos.

Nossa oportunidade está em resolver problemas concretos em setores nos quais temos escala e conhecimento: agronegócio, energia, indústria, serviços financeiros, saúde e logística.

Isso exige menos obsessão pela competição entre modelos e mais atenção à transformação dos processos empresariais. E não significa utilizar IA generativa indiscriminadamente. Muitas aplicações de maior retorno combinarão modelos preditivos, otimização, visão computacional, sistemas convencionais e recursos generativos. O critério deve ser o valor produzido, não a tecnologia que está na moda.

A história oferece um alerta importante

A expansão das telecomunicações e da internet na virada do século transformou profundamente a economia mundial. A infraestrutura construída tornou-se essencial, mas isso não impediu falências, excesso de capacidade em determinados segmentos e perdas expressivas para investidores. A transformação tecnológica aconteceu. Muitas avaliações financeiras, entretanto, não se sustentaram.

Não afirmo que a corrida atual da IA repetirá aquele episódio. As condições são diferentes. Parte relevante dos investimentos está sendo financiada por empresas altamente lucrativas, com negócios consolidados e capacidade de geração de caixa. A demanda por computação também já é significativa.

Mas essas diferenças não eliminam os riscos de excesso de capacidade, competição intensa, pressão sobre preços e retornos inferiores aos esperados.

Há uma dificuldade adicional: a infraestrutura de IA exige reinvestimentos frequentes. GPUs e outros componentes podem perder competitividade antes de sua completa amortização econômica, enquanto instalações físicas, redes e sistemas de energia possuem horizontes de investimento distintos. A demanda precisa crescer com níveis de utilização, preços e margens capazes de remunerar o capital ao longo do tempo.

Depois de décadas acompanhando ciclos tecnológicos, aprendi que grandes transformações frequentemente convivem com exageros financeiros. E que os vencedores tecnológicos nem sempre são os vencedores econômicos.

A China pode acelerar a redução de preços de determinadas capacidades. A concorrência pode comprimir margens mais rapidamente do que os investidores antecipam. A demanda pode continuar crescendo e, ainda assim, parte dos investimentos não alcançar o retorno projetado.

Nada disso significa que a IA seja uma bolha sem fundamento tecnológico ou que uma crise financeira seja inevitável. A tecnologia já produz valor real e continuará avançando. O problema é transformar expectativas plausíveis em certezas econômicas antes que os resultados sejam demonstrados.

Para o Brasil, o risco é duplo: ficar à margem da transformação ou participar dela predominantemente como consumidor de tecnologia importada e fornecedor de energia e infraestrutura. Precisamos capturar mais valor nas aplicações, nos serviços, no conhecimento setorial e na transformação dos negócios.

A IA pode estar certa, os investidores podem estar errados e países inteiros podem capturar muito menos valor do que imaginam. O verdadeiro teste da revolução da IA não será quantos trilhões foram anunciados, quantos modelos foram lançados ou quantos data centers foram construídos. Será quanto valor econômico sustentável foi efetivamente criado, quem conseguiu capturá-lo e quanto capital precisou ser empregado para produzir esse resultado.

Cezar Taurion é advisor de IA com mais de 4 décadas de experiência no mercado de TI. Investidor e mentor de startups de IA e membro do conselho de inovação de diversas empresas e associações. Foi Diretor de Novas Tecnologias Aplicadas e Chief Evangelist da IBM Brasil, sócio-diretor e líder da prática de IT Strategy da PwC, além de passar por Shell e Chase Manhattan Bank. Escreve sobre TI em publicações especializadas e apresenta palestras em eventos e conferências. É autor de 14 livros e e-books. Membro notável do I2AI. Professor convidado da FDC, da PUC-RJ e PUC-RS, nas cadeiras de MBA “IA aplicada aos negócios” e “Transformação Digital”. Publisher da Intelligent Automation Magazine. Top Voice Linkedin.