O entusiasmo inicial com a inteligência artificial generativa nas salas de reunião cede espaço a uma preocupação silenciosa e urgente. Presidentes e diretores financeiros aprovaram orçamentos milionários para integrar a tecnologia de forma precipitada e agora enfrentam a dura realidade das faturas de processamento em nuvem. O medo de ficar para trás na corrida da inovação empurrou empresas para um modelo de cobrança volátil por token, que substituiu a previsibilidade das antigas assinaturas de software corporativo. A mudança estrutural causada pela a IA transformou a promessa de eficiência em um ralo de recursos de proporções imprevisíveis.
O impacto no fluxo de caixa chega primeiro. Um relatório do investidor David Cahn, sócio da Sequoia Capital, ficou conhecido como “a pergunta de US$ 600 bilhões”: ele dobra a receita projetada de data centers da Nvidia para estimar o custo total de infraestrutura de IA e compara o resultado à receita real gerada pela indústria. O hiato, que em 2024 já somava US$ 500 bilhões, segue aberto. Estimativas do Goldman Sachs apontam que as gigantes de tecnologia investiram entre US$ 400 bilhões e US$ 423 bilhões em infraestrutura de IA somente em 2025. Para o empresário brasileiro, esse descompasso global se traduz em contratos de nuvem reajustados e em faturas que corroem o orçamento planejado para o próximo trimestre.
Além do choque no caixa, existe a crônica falta de direcionamento estratégico. A consultoria Gartner projetou que ao menos 30% dos projetos de IA generativa seriam abandonados após a fase de prova de conceito até o fim de 2025, citando dados de baixa qualidade, controles de risco inadequados, custos crescentes e valor de negócio pouco claro. O vilão não é a falha tecnológica: é a ausência de um modelo de negócios sustentável e o cálculo inadequado do retorno financeiro. Organizações implementaram assistentes virtuais caríssimos para executar tarefas triviais e transformaram uma alavanca de produtividade em despesa operacional injustificável.
O terceiro pilar de tensão nos conselhos de administração envolve a segurança da informação. Cresce o temor de que dados financeiros sigilosos e informações estratégicas de clientes sejam incorporados às bases de treinamento de modelos mantidos por terceiros. Casos documentados de vazamento de código proprietário em grandes corporações acenderam o alerta. Entregar o núcleo estratégico do negócio a servidores externos deixou de ser um risco aceitável para a governança corporativa.
Para estancar o sangramento financeiro e reduzir a exposição de dados, a indústria corrige a rota em direção aos modelos de linguagem de menor escala, os chamados Small Language Models. Em vez de recorrer a arquiteturas gigantescas e generalistas para redigir um relatório simples ou analisar um contrato, executivos adotam modelos compactos, treinados para tarefas específicas.
A vantagem financeira é imediata. Levantamentos do setor mostram que modelos de fronteira cobram entre US$ 10 e US$ 30 por milhão de tokens, enquanto opções compactas como o DeepSeek V3.2 operam na faixa de US$ 0,14 por milhão de tokens de entrada — uma fração do custo, segundo comparativos publicados pela CloudZero em 2026. Esse desenho reduz drasticamente o custo de operações em massa sem corroer a margem da empresa.
PARA LER OUTROS ARTIGOS DE ARTUR MARQUES JR CLIQUE AQUI
A agilidade também melhora. O menor peso computacional dos modelos compactos reduz o tempo de resposta, fator crítico para atendimento ao cliente em tempo real e análise transacional em alta velocidade. Reportagem publicada pela Forbes em junho de 2026 mostrou que empresas especializadas em modelos compactos já prometem inferência dezenas de vezes mais rápida que a de modelos generalistas.
Acima de tudo, as soluções compactas atacam a crise de confiança da diretoria quanto à segurança. Por exigirem infraestrutura mais modesta, podem rodar nos servidores da própria organização, sem que dados confidenciais trafeguem pela internet aberta. Esse desenho devolve o controle ao empresário e inaugura uma fase de adoção mais madura, segura e financeiramente responsável da inteligência artificial, menos movida pelo entusiasmo do lançamento inicial e mais orientada pela disciplina fria da planilha.(Foto: Cottonbro Studio/Pexels)
ARTUR MARQUES JR
É cientista de dados e especialista em IA aplicada, com sólida atuação em educação digital e inovação. Coordena a pós-graduação digital na Cruzeiro do Sul Educacional e é PhD em Ensino de Matemática, Mestre em Física Computacional e Astrofísica. Atua como palestrante, mentor, cofundador do Grape Valley, é VP Fiscal do Hospital do GRENDACC e já foi VP da DAMA Brasil.
VEJA TAMBÉM
PUBLICIDADE LEGAL É NO JUNDIAÍ AGORA
ACESSE O FACEBOOK DO JUNDIAÍ AGORA: NOTÍCIAS, DIVERSÃO E PROMOÇÕES
