Resumo
· Executivos da Uber afirmam diretamente que a ligação entre o consumo de Token e a melhoria de produtos reais «ainda não existe»; a OpenAI também reconhece que os custos de IA empresarial estão se tornando uma questão cada vez mais concreta.
· A demanda por IA não desapareceu, mas as empresas começaram a passar de testes para auditorias de ROI, os fabricantes de modelos começaram a discutir redução de preços, e o crescimento de nuvem, GPU e centros de dados precisa ser reavaliado.
· Títulos relacionados: NVDA, MSFT, AMZN, GOOG, MU, AVGO, AMD, TSM, ARM, ORCL.
O mercado de ações de IA, que vinha subindo por dois meses consecutivos, começou a enfraquecer recentemente, entrando em uma correção, e o mercado também busca razões abertamente.
Taxas de juros, valorização excessiva, perturbações nos resultados financeiros podem explicar essa correção, mas o mercado está auditando uma hipótese mais fundamental: o aumento do consumo de Token pelas empresas necessariamente traz mais receita, eficiência e lucro.
Nos últimos dois anos, a cadeia de negócios de IA foi bastante fluida. As empresas usam IA em grande escala, o consumo de Token (unidade de medida do processamento de texto pelo modelo) aumenta, a receita dos fornecedores de modelos cresce, os provedores de nuvem vendem mais capacidade computacional, e a demanda por GPU, HBM (memória de alta largura de banda), servidores, centros de dados e energia continua a se expandir. Contanto que o uso de Token continue crescendo, o mercado pode interpretá-lo como uma aceleração na adoção de IA, atribuindo avaliações mais altas a hardware upstream e despesas de capital.
Mas uma mudança recente é que até os próprios fornecedores de modelos começaram a discutir questões de custo.
Segundo o Wall Street Journal, a OpenAI está estudando uma redução adicional nos preços de chamadas de modelos para lidar com a pressão orçamentária das empresas e os desafios de concorrentes como a Anthropic. Ao mesmo tempo, o CEO da OpenAI, Sam Altman, afirmou recentemente que cada vez mais empresas veem os custos de IA como uma questão importante, com alguns clientes consumindo seu orçamento de IA anual já no primeiro trimestre.
Essa questão por si só talvez não seja suficiente para mudar o cenário do setor, mas envia um sinal importante: o mercado está começando a discutir não apenas a capacidade dos modelos, mas também custos, preços e retorno sobre investimento.
Agora, o que está se tornando mais flexível não é mais “as empresas ainda usam IA?”, mas “as empresas estão dispostas a continuar pagando incondicionalmente por Token de alto preço?”.
Andrew Macdonald, presidente e COO da Uber, afirmou em um podcast que a ligação entre o aumento do consumo de Token e “funcionalidades úteis para o consumidor” “ainda não existe”. Essa afirmação vem do lado que paga, não do lado que vende, nem de bancos de investimento ou startups de modelos.
Se antes o mercado acreditava que “uso é sucesso”, agora estamos entrando na segunda fase: se o Token pode, no final, se transformar em crescimento de receita, redução de custos de mão de obra ou melhoria na margem de lucro. Quando essa questão for sistematicamente levantada pelo setor financeiro, a avaliação da cadeia de IA mudará de “demanda ilimitada” para “validação de retorno”.
A alta adoção da Uber revela pressão orçamentária
O caso da Uber é importante não porque ela não entende de IA, nem porque não quer usar IA. Pelo contrário, a adoção de ferramentas de IA dentro da Uber é muito alta. Segundo várias mídias, entre cerca de 5000 engenheiros, a taxa de uso mensal chegou a 84% a 95%, com uma fatura mensal por engenheiro variando de algumas centenas de dólares até 2000 dólares.
O problema está aqui mesmo. Quando a taxa de uso é alta, a fatura deixa de ser um custo pequeno de testes de inovação e passa a ser uma despesa real que precisa ser explicada pela operação. Como revelou o CTO da empresa, o orçamento anual de Claude Code da Uber foi consumido em apenas quatro meses. Macdonald descreveu isso como um momento “de explodir a cabeça”.
Dentro das empresas, as ferramentas de IA geralmente entram no orçamento sob a justificativa de “aumentar eficiência”. Engenheiros geram código mais rápido, atendimento ao cliente responde mais rápido, equipes de operação escrevem relatórios mais rapidamente — mudanças que são facilmente percebidas.
Mas, à medida que o uso escala, o setor financeiro começará a olhar para questões mais duras: isso trouxe mais receita? Reduziu custos reais de pessoal? Melhorou a margem de lucro?
O fenômeno de “tokenmaxxing” mencionado por Macdonald também indica que alto uso pode estar desvinculado de alto valor. Tokenmaxxing refere-se a equipes ou indivíduos que consomem Token em grande quantidade para maximizar o uso de IA. Os dados de uso parecem bons, mas nem sempre resultam em produtos melhores. Para os provedores de IA, isso é receita; para as empresas, pode ser apenas outra conta de nuvem fora de controle.
O sinal da Uber é mais importante do que a simples questão de “IA é cara demais”.
Ela não está dizendo que IA é inútil, mas que, quando IA entra no orçamento operacional, as empresas precisam provar que cada dólar gasto em Token gera resultados comerciais mensuráveis. Alta adoção não é mais garantia de sucesso, mas pode expor a estrutura de custos primeiro.
A pressão de custos se propaga na cadeia de valor
As empresas compradoras começam a fazer contas, e as plataformas também mudam suas formas de cobrança.
O GitHub anunciou que, a partir de 1º de junho de 2026, o Copilot passará a cobrar por uso, introduzindo créditos mensais de IA (limite de uso de IA). Para usuários leves, isso pode ser apenas uma mudança na estrutura de cobrança; para desenvolvedores que usam intensamente funcionalidades de IA, alguns relataram que o custo por sessão pode chegar a dezenas de dólares, aumentando o debate na comunidade.
O significado é que as plataformas não querem mais cobrir o custo ilimitado de Token em uma assinatura fixa.
No passado, o usuário pagava uma mensalidade, e a plataforma arcava com o custo de chamadas ao modelo. Agora, com o aumento de chamadas, comprimento de contexto e múltiplas rodadas de tarefas, o custo começa a se tornar explícito. Quanto mais se usa, mais se paga — uma correção na narrativa de “IA ilimitada”.
Mais importante ainda, essa pressão já se estende da camada de aplicação para a camada de modelos.
Nos últimos dois anos, a narrativa dominante na indústria de grandes modelos era de redução de custos, aumento de escala. Mas, com os departamentos de compras das empresas começando a auditar ROI, os fornecedores de modelos enfrentam uma nova questão: se os clientes não querem mais pagar por Token caro, como manter o crescimento?
O sinal recente da OpenAI é bastante típico. De um lado, Sam Altman admite que os orçamentos das empresas estão sob pressão; do outro, há rumores de que a OpenAI estuda reduzir ainda mais os preços. Isso indica que o foco do setor está mudando de “capacidade do modelo” para “custo por unidade de inteligência”.
Para os clientes corporativos, a questão mais importante não é mais qual modelo é mais forte, mas qual consegue gerar mais resultados comerciais com o mesmo orçamento.
A Microsoft também está cortando licenças do Claude Code, segundo relatos de The Verge, Axios e TechRadar. A divisão de Experiências & Dispositivos da Microsoft cancelou a maior parte das licenças internas do Claude Code e está migrando para suas próprias ferramentas de Copilot. Ainda não há detalhes sobre o escopo ou motivos, mas isso não significa que a Microsoft confirmou cortes por custos.
Porém, esse movimento indica que grandes empresas de tecnologia também estão redistribuindo os custos de chamadas externas de modelos.
O impacto na cadeia de IA não é tanto na receita de uma ferramenta específica, mas na disciplina de compra que começa a subir na cadeia. Empresas podem limitar limites, escolher modelos mais baratos, transferir tarefas para código aberto ou soluções internas, ou exigir descontos dos fornecedores. Os fornecedores de modelos e as empresas de aplicações ainda terão demanda, mas o poder de definir preços não depende mais apenas de “modelos mais fortes”, mas também de “se o cliente consegue justificar a conta”.
Os provedores de nuvem também sentirão o impacto. No passado, a narrativa de receita de nuvem relacionada a IA era forte: treinamento de modelos, inferência, aplicações empresariais requerem computação, e quanto mais Token, maior a demanda por nuvem. Mas, se as empresas começarem a reduzir o custo por Token ou transferir tarefas de alta frequência e baixo valor para caminhos mais baratos de inferência, a elasticidade de receita da nuvem pode ser menor do que o esperado.
Alta utilização precisa provar alto valor
As empresas começam a auditar neste momento, por uma razão: o uso de IA já atingiu uma escala suficiente para que as partes menos eficientes não possam mais ser ignoradas.
A pesquisa da Entelligence.AI de maio de 2026 analisou 2444 organizações e mais de 1 milhão de Pull Requests. Segundo seus cálculos, de cada 1 dólar de custo de Token de IA, apenas 0,18 dólares geraram valor real para o usuário, 0,44 dólares foram usados para corrigir bugs introduzidos pela IA, 0,27 dólares para retrabalho, e 0,11 dólares foram gastos em fricções na revisão.
Esse dado não deve ser considerado uma conclusão geral para toda a indústria. Ele vem de uma pesquisa própria do fornecedor, focada em cenários de engenharia de software, não uma auditoria independente ou artigo acadêmico. Mas é suficiente para mostrar que as empresas estão sob pressão de ROI, especialmente em cenários onde conteúdo gerado por IA ainda precisa de revisão, correção e integração humanas.
A ferramenta de IA mais fácil de demonstrar é a velocidade de geração, mas o que as empresas realmente pagam é pelo resultado entregue. Se o código gerado pela IA gerar mais bugs, exigir mais revisão, retrabalho e testes, o tempo economizado na frente vai se reverter no backend. Para usuários individuais, isso pode ser apenas uma questão de experiência; para grandes empresas, vira questão financeira e de gestão organizacional.
Isso também explica por que o crescimento no uso de Token não pode mais ser simplesmente considerado um sucesso de IA.
Token é a unidade de faturamento de receita, mas também de medição de custos. Para os fornecedores de modelos, mais Token significa mais receita; para as empresas, mais Token só vale a pena se gerar mais receita, reduzir custos ou aumentar a margem de lucro.
Se o mercado antes via o crescimento de Token como um indicador de demanda de hardware, agora precisa acrescentar outro fator: a taxa de conversão de valor do Token. Só quando o consumo de Token se traduzir de forma estável em resultados de negócio, a receita de IA de provedores de nuvem, pedidos de GPU, expansão de HBM e construção de centros de dados terão uma base mais sólida.
A disposição de pagar se propaga na cadeia de valor
O estrategista macro Andreas Steno Larsen recentemente destacou que o Silicon Data Index de Despesa de Token de Grandes Modelos (LLM Token Expenditure Index) é um dos gráficos mais relevantes para acompanhar o mercado atualmente. Relatórios indicam que esse índice acompanha o quanto as empresas pagam por cada milhão de Token, e após uma alta em início de 2026, uma queda foi observada perto do final de maio.
É importante manter limites. A página do Silicon Data é mais uma apresentação de produto, e os métodos do índice e dados históricos completos não são totalmente públicos. Não deve ser considerado uma conclusão definitiva, mas um sinal de mudança na disposição de pagamento das empresas.
A queda no índice de despesa de Token não significa necessariamente uma redução no uso de IA.
Na verdade, o mercado está mais parecendo uma transição de “competição por capacidade computacional” para “competição por custo por unidade de inteligência”. As empresas ainda precisam de IA, mas podem não querer mais comprar ao preço antigo.
Se a OpenAI lançar uma nova rodada de ajustes de preço, isso aliviará a pressão orçamentária das empresas e também marcará a entrada oficial do setor de modelos na fase de competição de preços. Nesse momento, o mercado precisará reavaliar: o crescimento futuro virá de novas demandas ou de expansão de uso após a redução de preços?
A demanda por IA ainda pode crescer, mas a qualidade do crescimento e a elasticidade de transmissão upstream podem mudar.
Os efeitos variam em cada etapa. Na camada de aplicação e de modelos, o primeiro impacto será na pressão de preços: as empresas vão exigir ROI mais claro, reduzir chamadas de baixo valor ou fazer troca de custos entre modelos diferentes.
Para os provedores de nuvem, o desafio é a elasticidade de receita: se o uso permanece o mesmo, mas o preço por unidade cai, ou se a cache e o processamento em lote aumentam, a receita de IA na nuvem pode não crescer tanto quanto o volume de Token.
Mais acima na cadeia, a compra de GPU, HBM, encapsulamentos avançados, servidores e construção de centros de dados depende do investimento de capital futuro. Se as empresas começarem a ser mais cautelosas com os gastos, os pedidos de hardware e a construção de data centers serão reavaliados.
O aviso de Larsen não é que a demanda por hardware desapareça imediatamente, mas que, se os preços de Token continuarem a enfraquecer, o mercado começará a duvidar da inclinação do ciclo de investimento em infraestrutura de IA.
A correção nas ações de IA e a auditoria de contas de Token não são uma relação causal simples. Não se pode dizer que a queda das ações de chips é por causa do Uber ter gastado seu orçamento, mas eles estão na mesma cadeia: quando a avaliação reflete crescimento de longo prazo, qualquer sinal sobre disposição de pagamento final e ROI será amplificado na reavaliação do investimento upstream.
O próximo passo é observar a receita e o ritmo de pedidos nos resultados financeiros
Ainda não há evidências suficientes para afirmar que “a bolha de IA já estourou”. As empresas continuam usando IA, e os desenvolvedores não voltarão a um estado sem Copilot, Claude ou outras ferramentas inteligentes. Uma avaliação mais racional é que a adoção de IA está saindo do entusiasmo inicial para uma fase de disciplina orçamentária, onde o mercado começa a distinguir quais casos podem comprovar retorno e quais apenas geram contas.
O próximo passo mais importante será verificar se as empresas de nuvem e de software mudaram sua linguagem nos resultados financeiros. A velocidade de crescimento da receita de IA na Microsoft, Amazon, Google pode continuar alta? Como evoluem as renovações, downgrades e reclamações de ferramentas empresariais como Copilot e Claude Code após a cobrança por uso? Essas questões serão mais reveladoras do que a simples variação do preço das ações.
No hardware, é preciso observar sinais de revisão de pedidos de GPU, HBM e centros de dados. Se os gastos de capital das nuvens continuarem a subir, e os pedidos de chips avançados permanecerem apertados, a queda na disposição de pagar por Token será mais uma correção saudável. Se a receita de IA na nuvem diminuir e os pedidos de hardware e construção de data centers desacelerarem, o mercado começará a precificar uma mudança de ciclo mais profunda.
A negociação de IA não acabou, mas sua linguagem de precificação está mudando. Antes, o mercado perguntava “quantos Token foram usados”, agora quer saber “quanto de lucro esses Token geraram”. Essa diferença determinará a direção da diferenciação de avaliações na cadeia de IA.
Clique para conhecer as vagas do movimento BlockBeats
Participe da comunidade oficial do BlockBeats:
Grupo Telegram de assinatura: https://t.me/theblockbeats
Grupo de discussão no Telegram: https://t.me/BlockBeats_App
Conta oficial no Twitter: https://twitter.com/BlockBeatsAsia
