Como definir o orçamento de IA da sua empresa para 2027

A Lambda busca US$ 4 bilhões antes de abrir capital e a Etched recebe ofertas de até US$ 50 bilhões. Na mesma semana, um estudo publicado pela Microsoft estima ganho de 1,5% no PIB em dez anos com a IA. O orçamento de 2027 precisa de critério por caso de uso.

Olimpio Santos

Na terça-feira, 6 de outubro, o Wall Street Journal informou que a Lambda, empresa de computação em nuvem para IA apoiada pela Nvidia, está levantando até US$ 4 bilhões com avaliação pré-investimento de US$ 14,5 bilhões. A rodada é liderada pela Blackstone e pela Coatue e prepara uma abertura de capital prevista para 2027. A carteira de pedidos da Lambda chegou a US$ 50 bilhões em setembro. Em junho, eram US$ 15 bilhões.

Um dia antes, o TechCrunch publicou que a Etched, fabricante de chips para inferência de IA, recebeu ofertas de investimento entre US$ 40 bilhões e US$ 50 bilhões. Em setembro, a empresa levantou US$ 700 milhões a uma avaliação de US$ 21 bilhões, em rodada liderada pela Jane Street. Em julho, a avaliação era de US$ 10,3 bilhões.

Na mesma semana, Mustafa Suleyman, que comanda a área de IA da Microsoft, divulgou um texto do economista Daron Acemoglu, ganhador do Nobel, publicado na revista The Humanist Review, da Microsoft AI. Acemoglu estima que a IA acrescente cerca de 1,5% ao PIB em dez anos e substitua pouco mais de 5% do que as pessoas fazem no trabalho. Segundo ele, a IA ainda não aparece nas estatísticas de produtividade, e a maioria das empresas que a usam não registra ganhos reais.

Os três fatos chegam em outubro, período em que muitas empresas fecham o orçamento do ano seguinte.

O dinheiro do mercado vai para a infraestrutura

Os investidores estão financiando a camada de baixo: chips, data centers e capacidade de processamento. A Lambda vende horas de GPU. A Etched vende chips que prometem processar tokens mais rápido e mais barato. A carteira de US$ 50 bilhões da Lambda é formada por empresas que já contrataram essa capacidade para os próximos anos.

Esse movimento cria uma pressão concreta sobre quem compra tecnologia. Fornecedores de software embutem IA em cada renovação de contrato. Plataformas cobram por token, por agente ou por usuário com assistente. As equipes internas pedem acesso aos modelos mais recentes. Cada pedido isolado parece pequeno. Somados, eles formam uma linha de orçamento que muitas empresas não conseguem explicar item por item.

O estudo de Acemoglu mostra o outro lado da conta. Se o ganho agregado de produtividade é modesto, o retorno de cada empresa depende de onde ela coloca a IA e de como mede o resultado. O valor fica concentrado em tarefas específicas, com dono e indicador. O gasto espalhado sem critério entra na estatística dos que não registram ganho.

O custo depende da escolha do modelo

A Snowflake deu um exemplo prático do problema. Em agosto, a empresa lançou o roteamento dinâmico de modelos no Cortex AI Gateway, que direciona cada tarefa para o modelo adequado em vez de enviar tudo ao mais caro. Nos testes divulgados pela empresa, agentes que usaram o roteamento tiveram até três vezes mais eficiência no uso de tokens ao construir pipelines de dados, com qualidade equivalente. Equipes de engenharia entregaram o mesmo número de alterações de código com 25% mais eficiência.

O presidente-executivo da Snowflake, Sridhar Ramaswamy, afirmou na ocasião que as empresas estão mais rigorosas com a economia da IA e querem saber se o uso se traduz em valor para o negócio. Nesta semana, executivos da companhia repetiram o alerta em entrevista à Exame: nem toda tarefa exige o modelo mais caro, e a escolha dos modelos e a organização dos dados evitam que os custos de IA estourem os orçamentos.

Para quem monta o orçamento, isso tem uma consequência direta. O custo de IA é resultado de decisões operacionais tomadas todos os dias: qual modelo atende qual tarefa, quantas vezes o agente consulta o modelo, quais dados ele recebe. Um orçamento que só define o valor total deixa essas decisões sem responsável.

Quatro regras para o orçamento de 2027

Primeira: cada linha de IA tem um caso de uso nomeado e um responsável. O orçamento lista "triagem de notas fiscais de fornecedores, sob a gerente de contas a pagar", e evita linhas genéricas como "licenças de IA". Quem responde pela linha responde também pelo resultado.

Segunda: o critério de sucesso é declarado antes do gasto. Tempo de ciclo, custo por transação, erros evitados, receita retida. O número de partida é medido antes de a IA entrar, para que a comparação depois seja possível.

Terceira: o custo é registrado por tarefa. O contrato com o fornecedor e a configuração interna precisam permitir saber quanto cada caso de uso consumiu, em tokens, horas de processamento ou chamadas. Sem essa trilha, a discussão de renovação vira opinião.

Quarta: o resultado volta para a mesa a cada trimestre. Os casos que atingiram o critério ganham escala. Os que não atingiram são ajustados ou encerrados, e o valor liberado vai para a próxima aposta. O ciclo fecha quando o dado de um trimestre muda a alocação do seguinte.

Como fica na prática

Uma distribuidora de autopeças com 40 filiais prepara o orçamento de 2027. A área de tecnologia recebeu onze pedidos ligados a IA, de assistentes de escrita a um agente para responder clientes no WhatsApp.

Com as quatro regras, a diretoria aprova cinco casos. O agente de atendimento fica com o gerente de vendas digitais, e o critério declarado é responder 70% das consultas de disponibilidade de peças sem transferência para um vendedor, com custo por atendimento abaixo do atendimento humano. As consultas simples de estoque vão para um modelo pequeno e barato. As dúvidas técnicas sobre compatibilidade de peças vão para um modelo maior. O painel mostra, por semana, quantas consultas cada modelo atendeu e quanto custaram.

No fim do primeiro trimestre, o agente atinge 62% de resolução e o custo fica dentro do previsto. A diretoria mantém o caso com prazo de mais um trimestre. Um assistente de redação de propostas comerciais, aprovado no mesmo pacote, não muda o prazo de envio das propostas. A linha é encerrada e o valor vai para a triagem de devoluções, que estava na fila.

Ao final do ano, a distribuidora sabe quanto gastou em cada caso, quem decidiu cada alocação e o que cada real devolveu.

As decisões de outubro

As avaliações da Lambda e da Etched mostram para onde o mercado está levando o dinheiro. O estudo publicado pela Microsoft mostra que o ganho, quando vem, aparece empresa por empresa. Entre os dois, cabe a quem lidera definir o orçamento com critério.

Três perguntas ajudam a fechar a planilha de 2027. Quais casos de uso de IA têm hoje um responsável e um indicador de partida medido? Quanto cada um deles custou no último trimestre, separado por tarefa? Qual linha será encerrada se o resultado não aparecer até março?

Quem responde às três com números leva para o conselho um orçamento defensável. Quem não responde tem até o fechamento da planilha para levantar esses dados.