A conta da inteligência artificial chegou

Depois da corrida para adotar inteligência artificial, empresas descobrem que consumir mais tecnologia não significa inovar mais

Por Camila Galvez*

Nos últimos dois anos, poucas tecnologias provocaram uma corrida tão intensa quanto a inteligência artificial. De repente, toda empresa precisava usar IA. Equipes passaram a receber incentivo para criar prompts, testar ferramentas e incorporar modelos de linguagem à rotina. Em muitos casos, produtividade passou a ser medida pelo volume de utilização. Quanto mais tokens consumidos, maior parecia ser o avanço da transformação digital.

Esse movimento ganhou até um nome: tokenmaxxing. Na prática, a lógica era simples: se a inteligência artificial representa o futuro, usar mais IA significaria inovar mais. Mas o mercado começou a perceber que a relação não era tão direta assim.

Hoje, grandes empresas já discutem outra preocupação. Não basta consumir inteligência artificial. É preciso entender quando ela realmente faz sentido. A conversa deixou de ser tecnológica para se tornar estratégica.

Segundo a Gartner, as organizações entram agora em uma nova fase da adoção da IA, na qual o foco deixa de ser experimentação e passa a ser geração de valor mensurável para o negócio. Ao mesmo tempo, empresas começam a revisar investimentos, estabelecer critérios de uso e avaliar cuidadosamente o retorno obtido com cada aplicação da tecnologia. Essa mudança não significa que a inteligência artificial perdeu força. Significa apenas que ela deixou de ser novidade.

O problema nunca foi usar IA

Parte desse amadurecimento também acontece porque os custos começaram a aparecer. Embora o preço por token venha caindo rapidamente com a evolução dos modelos, o volume de utilização cresceu em ritmo ainda maior. O resultado foi um aumento significativo das despesas com inteligência artificial em muitas organizações. Empresas como a Uber, por exemplo, passaram a orientar seus colaboradores a utilizar modelos mais leves em tarefas simples e reservar os modelos mais robustos apenas para atividades que realmente exigem maior capacidade computacional.

É uma mudança importante de mentalidade. Em vez de perguntar “qual é o modelo mais poderoso?”, as empresas começam a perguntar “qual é o modelo adequado para resolver este problema?”.

Para o professor Dalvan Griebler, coordenador do Centro de Inteligência Artificial e Ciência de Dados da PUCRS, esse movimento é natural dentro de qualquer grande transformação tecnológica. “Quando surge uma tecnologia nova, a tendência é promover seu uso para entender suas limitações. Hoje estamos em um movimento mais de pés no chão, porque começamos a compreender melhor o que realmente faz sentido. Ainda não conhecemos todos os benefícios nem onde vale a pena utilizar esses modelos dentro do contexto das empresas.” 

Segundo ele, isso explica por que tantas organizações estão reorganizando sua estratégia de adoção da IA. “A tecnologia continua evoluindo muito rapidamente. Por isso, a pergunta não deve ser apenas onde aplicar inteligência artificial, mas por que aplicar e qual retorno essa decisão deve gerar para o negócio”, resume o especialista. 

A próxima vantagem competitiva será decidir melhor

Se, no início da corrida pela inteligência artificial, o diferencial estava em experimentar, agora ele passa a estar na capacidade de escolher. Isso porque nem todo problema exige um grande modelo de linguagem. Em muitos casos, algoritmos tradicionais ou soluções mais simples entregam exatamente o mesmo resultado, com menor custo e maior eficiência.

Segundo Dalvan, um dos erros mais comuns das empresas acontece justamente quando falta conhecimento suficiente para tomar esse tipo de decisão. “Muita gente entra no hype sem compreender profundamente a tecnologia. Às vezes utiliza um modelo de linguagem para resolver um problema que poderia ser atendido por algoritmos muito menos custosos computacionalmente, entregando o mesmo resultado.” 

Essa é uma mudança importante porque desmonta uma ideia bastante difundida durante os últimos anos: a de que toda solução baseada em inteligência artificial representa inovação. Na realidade, inovação depende muito mais da capacidade de resolver problemas do que da sofisticação da tecnologia utilizada.

Isso também muda o papel das lideranças. Durante muito tempo, decisões sobre tecnologia eram delegadas quase exclusivamente às áreas técnicas. Com a inteligência artificial influenciando estratégia, produtividade, custos, experiência do cliente e novos modelos de negócio, essa lógica deixa de fazer sentido.

“A tecnologia e a área de negócio precisam conversar muito. A decisão deve ser tomada pela liderança do negócio, sempre apoiada pela área de tecnologia, que traz as informações necessárias sobre limitações e possibilidades”, explica Dalvan. 

Essa talvez seja a principal lição deixada pelo tokenmaxxing. Toda nova tecnologia desperta entusiasmo. Amanhã poderá ser computação quântica, agentes autônomos ou qualquer outra inovação que ainda nem chegou ao mercado. O comportamento provavelmente será parecido: uma corrida para experimentar antes dos concorrentes.

A diferença é que as empresas que sairão na frente não serão necessariamente aquelas que adotarem primeiro. Serão aquelas capazes de fazer uma pergunta muito mais difícil: essa tecnologia realmente resolve um problema importante do meu negócio ou apenas parece moderna?

É justamente esse tipo de decisão que diferencia organizações que acompanham tendências daquelas que conseguem transformá-las em vantagem competitiva.

Se você quer saber mais sobre a nossa visão da IA e do tokenmaxxing, finalizo esse conteúdo recomendando a primeira edição da nossa série de vídeos CEO Vision. Nela o Luciano Luis Mantelli, CEO do Grupo FOURGE, traz reflexões sobre estratégia, tecnologia, inovação e liderança com quem vive esses desafios todos os dias.

Clique aqui agora e assista aos vídeos do CEO Vision no Youtube

*Camila Galvez é jornalista na FOURGE e estudante de História. Uma sagitariana inquieta e cheia de perguntas, que traz em seus textos um olhar para o passado na tentativa de entender o presente e ajudar a construir o futuro