O que acontece quando as empresas não conseguem mais pagar pela IA?

Nos primeiros anos, a Uber tornou uma corrida de um lado a outro da cidade mais barata do que uma corrida de táxi. Os investidores cobriram a diferença até que a empresa precisou começar a dar lucro. Dados da Rakuten Intelligence mostraram que os preços das corridas por aplicativo nos EUA aumentaram 92% entre 2018 e 2021 e, em 2023, até mesmo o CEO da Uber se surpreendeu ao saber quanto custava uma corrida de três milhas em Nova York.

A inteligência artificial se aproxima de um momento semelhante. A Anthropic confirmou em junho que havia protocolado confidencialmente um pedido para abrir seu capital nos EUA, e, segundo relatos, a OpenAI está se preparando para fazer o mesmo. As empresas de capital aberto prestam contas aos acionistas a cada trimestre, e esse escrutínio tende a mudar os preços.

Isso levanta uma questão que muitas empresas ainda não se fizeram: o que acontece se a IA da qual seus produtos dependem ficar mais cara, mais restrita ou ambas as coisas? A resposta depende menos das decisões dos laboratórios de IA do que da forma como cada empresa estruturou seus negócios em torno deles — e ainda há tempo para se preparar.

Os custos de IA deixaram o orçamento de TI e passaram a fazer parte do modelo de negócios

As primeiras contas de IA eram pequenas o bastante para serem lançadas como despesas de experimentação. Hoje, a IA está integrada a produtos e fluxos de trabalho, de modo que seu preço afeta diretamente as margens. Os preços atuais refletem um período de grandes investimentos.

Em um teste da empresa de pesquisa SemiAnalysis, um plano Claude Max de US$ 200 por mês ofereceu cerca de US$ 8.000 em uso mensal, calculados pelas tarifas padrão de API. Isso é generoso para os usuários e mostra o quanto alguns preços estão distantes do custo subjacente do serviço.

Alguns ajustes já começaram. Em meados de 2025, a ferramenta de programação com IA Cursor substituiu seu plano de US$ 20 por mês por um modelo de cobrança pelo uso, com tarifas de API, e a Anthropic estabeleceu limites semanais de uso para seus usuários mais assíduos do Claude Code. O desenvolvedor Simon Willison sugeriu que a era do uso de IA subsidiado por investidores pode estar chegando ao fim.

Os analistas dão recomendações semelhantes. As orientações da Gartner para agosto de 2026 recomendam que os líderes se preparem para prováveis aumentos nos preços da IA. Os analistas da empresa também alertaram que organizações que não entendem como os custos de IA aumentam podem calculá-los com erros de 500% a 1.000%.

A queda nos preços por unidade ajuda, mas só até certo ponto. A Epoch AI mostra que o preço de um determinado nível de desempenho em IA cai acentuadamente a cada ano; ainda assim, pesquisadores do MIT descobriram que os modelos de raciocínio mais recentes usam muito mais processamento para chegar às respostas. A conta cresce com o uso, e o uso continua aumentando.

O que a abertura de capital dos laboratórios de IA pode significar para as startups que desenvolvem soluções com base neles

A abertura de capital impõe disciplina. Os laboratórios de IA de capital aberto precisarão mostrar aos investidores um caminho para alcançar margens sustentáveis, e os preços são uma das alavancas mais diretas à disposição. Isso pode significar preços de tabela mais altos, limites de uso mais rigorosos, recursos transferidos para planos premium ou a descontinuação antecipada de modelos mais antigos.

As startups também dividem o mercado com seus fornecedores. Os laboratórios de IA oferecem cada vez mais seus próprios aplicativos, como a Anthropic faz com o Claude Code; por isso, é importante deixar claro que valor a empresa acrescenta além do próprio modelo.

Há também um lado positivo. As empresas de capital aberto divulgam mais informações, dando aos clientes uma visão mais clara de como os preços da IA são definidos. A concorrência entre os provedores, junto com a rápida evolução dos modelos abertos, deve manter os preços sob controle para quem estiver disposto a mudar de fornecedor.

Como as empresas podem reduzir sua dependência

O risco para os negócios se resume a duas perguntas. Os clientes valorizariam o serviço o bastante para pagar mais se os custos aumentassem? E a margem é suficiente para absorver um aumento de preço? Para qualquer empresa que não tenha certeza das respostas, cinco práticas podem ajudar, e nenhuma exige começar do zero.

Saiba quanto custa cada tarefa. Muitas equipes conhecem o valor mensal da conta de IA, mas não sabem quanto custa uma única ação do cliente. Medir o custo por tarefa mostra quais recursos, clientes ou casos de uso deixariam de ser rentáveis se os preços aumentassem 30%, 50% ou até 100%.

Use a IA onde ela agrega mais valor. Os modelos grandes são mais eficazes para lidar com ambiguidades, como ao abordar um problema pela primeira vez. Tarefas repetitivas costumam ser mais adequadas a softwares convencionais. Nos testes de software, por exemplo, a IA pode determinar uma vez como verificar a jornada de um usuário; depois, essa verificação pode ser executada milhares de vezes como código comum, sem recorrer a um modelo.

Escolha o modelo adequado para cada tarefa. A Epoch AI constatou que os melhores modelos abertos capazes de rodar em uma única placa gráfica para o consumidor ficam cerca de um ano ou menos atrás dos modelos líderes. Para tarefas rotineiras, um modelo menor ou hospedado pela própria empresa pode oferecer resultados aceitáveis por uma fração do preço.

Mantenha a possibilidade de mudar de fornecedor. Os produtos desenvolvidos em torno de recursos específicos de um único provedor são os mais difíceis de migrar. Uma camada simples entre o produto e o modelo, combinada com testes regulares de alternativas, transforma um futuro aumento de preço em uma negociação.

Cobre pelo resultado. Cobrar dos clientes por tokens repassa diretamente a eles cada alteração nos preços da IA. Uma tarifa fixa por resultado — como uma tarefa concluída ou uma solicitação resolvida — mantém os preços estáveis para os clientes e dá à empresa margem para absorver mudanças nos próprios custos. A mesma lógica ajuda na hora de comprar: ferramentas cobradas por resultado facilitam a previsão de gastos futuros.

A acessibilidade financeira é uma decisão de projeto

Os aumentos de preços da Uber não acabaram com os serviços de transporte por aplicativo. Acabaram com os modelos de negócio que partiam do princípio de que as corridas seriam sempre subsidiadas. É provável que a IA siga um caminho semelhante. À medida que os principais laboratórios chegarem aos mercados públicos, a IA será precificada mais perto do custo de fornecê-la, e as empresas serão avaliadas pela capacidade de seus produtos continuarem funcionando a esse preço.

As empresas mais bem posicionadas para essa mudança tratam a IA como uma dependência que deve ser medida e gerenciada. Para as empresas que ainda não começaram, não é tarde demais. Cada uma dessas etapas pode ser iniciada neste trimestre, e cada uma facilita lidar com a próxima mudança de preço.