Grandes empresas dos Estados Unidos começaram a limitar o uso de inteligência artificial após constatarem que os gastos com ferramentas generativas subiram acima do esperado. O movimento já alcança companhias de tecnologia e grupos de outros setores. Assim, executivos passaram a rever licenças, orçamentos e metas de adoção diante de contas mais difíceis de justificar.

Orçamentos entram em revisão após avanço acelerado

A Microsoft, uma das maiores empresas de tecnologia do mundo e uma das principais apoiadoras da infraestrutura de IA, cancelou recentemente a maior parte das licenças internas do Claude Code. A decisão ocorreu após estouros de custo. Em seguida, a companhia redirecionou equipes de engenharia para o GitHub Copilot, seu próprio assistente de programação, visto internamente como uma alternativa mais econômica.

O caso mostra uma mudança relevante no comportamento corporativo. Em vez de ampliar o uso de modelos de forma indiscriminada, as empresas agora priorizam ferramentas com melhor relação entre preço e resultado. Na prática, isso concentra investimentos em aplicações mais previsíveis, sobretudo nas rotinas de desenvolvimento de software.

Eficiência ganha espaço sobre a corrida por adoção

Além disso, o sinal de alerta ficou mais forte após a informação de que um cliente corporativo teria acumulado US$ 500 milhões em despesas com o Claude, da Anthropic, em apenas um mês. O número expõe como a adoção intensiva de modelos de IA pode sair rapidamente do controle dentro de grandes organizações, principalmente quando o consumo cresce sem limites operacionais bem definidos.

A Uber viveu situação semelhante, embora em outra escala. O diretor de operações da empresa, ou COO, reconheceu que a companhia consumiu praticamente todo o orçamento anual destinado à codificação com IA em cerca de quatro meses. Segundo o executivo, esse tipo de despesa está ficando “mais difícil de justificar” à medida que os custos avançam em ritmo superior aos retornos mensuráveis.

Dessa forma, o contraste entre expectativa e resultado vem obrigando empresas a reavaliar promessas de produtividade. A lógica inicial era simples: se a IA acelera tarefas técnicas, o custo adicional seria compensado por maior eficiência. No entanto, em muitos casos, a fatura passou a crescer mais rápido do que os indicadores capazes de comprovar ganhos concretos.

Conta elevada muda a tese econômica da automação

Em algumas organizações, os custos computacionais da IA já ultrapassaram as despesas com trabalho humano que essas ferramentas deveriam reduzir. Bryan Catanzaro, vice-presidente da Nvidia, fez o alerta ao apontar uma tendência que inverte a tese econômica usada para justificar a adoção em larga escala.

Além disso, o impacto se torna ainda mais sensível em empresas que associaram cortes de pessoal à automação. Em alguns casos, companhias reduziram equipes com base na premissa de que sistemas de IA assumiriam parte da carga operacional por um custo menor. Contudo, quando as contas chegaram acima do esperado, essas empresas passaram a enfrentar uma combinação desconfortável: menos funcionários, contas maiores de tecnologia e ausência de um caminho claro para entregar os ganhos de eficiência que embasaram os cortes.

Uso seletivo avança entre grandes companhias

Esse tipo de revisão não significa abandono da tecnologia. Pelo contrário, o uso corporativo da IA segue estratégico, mas agora passa por filtros mais rígidos. As empresas buscam definir onde faz sentido pagar por essa capacidade e onde o retorno ainda parece incerto demais para sustentar o investimento.

Consultores do setor citados no caso afirmam que o mercado já percebe uma saída do chamado “tokenmaxxing”. A expressão descreve a prática de maximizar o uso de IA em toda a organização sem grande preocupação com custo ou retorno. Esse comportamento ganhou força durante a corrida para adotar novas ferramentas rapidamente, muitas vezes sob pressão competitiva.

Agora, a nova cartilha corporativa é mais disciplinada. Em vez de liberar modelos em várias áreas, empresas estão identificando casos específicos em que a IA realmente entrega valor. As tarefas ligadas à programação aparecem como o principal exemplo, enquanto outras frentes tendem a sofrer redução ou maior controle orçamentário.

Em suma, o mercado entra em uma fase de maturidade. O entusiasmo inicial deu lugar a uma cobrança maior por eficiência financeira, métricas de desempenho e previsibilidade de gasto. Para grandes companhias, não basta mais mostrar potencial tecnológico. O investimento em IA precisa se sustentar quando comparado ao custo operacional tradicional.