A corrida desenfreada das empresas de tecnologia para integrar a inteligência artificial generativa em todas as frentes operacionais encontrou um obstáculo inesperado: a métrica de sucesso. Segundo Scott Wu, CEO da Cognition, criadora do agente de IA Devin, o setor se deixou levar por uma cultura de "tokenmaxxing", onde o volume de tokens consumidos pelos funcionários tornou-se um indicador equivocado de produtividade. Em entrevista recente, o executivo defendeu que as companhias precisam abandonar rankings internos baseados em uso e passar a medir o impacto real no output de engenharia e na eficiência de processos.
A crítica de Wu ecoa um movimento de correção que começa a ganhar força em gigantes como Amazon e Meta. Após incentivarem o uso extensivo de ferramentas de IA, essas empresas se viram obrigadas a recuar ao perceberem que funcionários estavam utilizando bots para tarefas irrelevantes, apenas para subir em rankings internos de consumo de tokens. O resultado foi um desperdício financeiro significativo, forçando empresas como a Uber a impor limites mensais de gastos após esgotar orçamentos anuais de IA em poucos meses.
O mito do consumo como métrica de progresso
A obsessão pelo volume de tokens reflete um erro estrutural na implementação de novas tecnologias. Ao tratar o consumo de IA como um fim em si mesmo, as lideranças corporativas criaram incentivos perversos. Em vez de buscar soluções para problemas estratégicos, o colaborador passou a ser avaliado pela quantidade de dados processados pelo modelo, independentemente da utilidade do resultado final para o negócio.
Historicamente, a adoção de ferramentas de produtividade sempre exigiu uma ponte entre a capacidade técnica e a aplicação prática. O cenário atual, contudo, é agravado pela facilidade de acesso aos LLMs, que permite que o uso seja disseminado sem que haja uma estratégia de negócios clara para justificar o custo operacional dos GPUs e das APIs envolvidas.
A falha na tradução de tempo em valor
O problema não reside apenas no custo, mas na incapacidade organizacional de converter o tempo economizado em ganhos de produtividade. Relatórios recentes, como o da Boston Consulting Group, indicam que, embora funcionários relatem uma economia média de oito horas semanais graças à IA, a grande maioria não recebe diretrizes sobre como realocar esse tempo em projetos estratégicos. Sem um direcionamento claro, a eficiência gerada pela IA torna-se ociosa.
O desafio para a gestão, portanto, é tratar a IA com o mesmo rigor aplicado a qualquer outra ferramenta de investimento. A questão central não é o custo do token, mas o retorno sobre o capital investido. Se a tecnologia permite que um engenheiro entregue três vezes mais valor, o custo é justificado. Caso contrário, a despesa é apenas uma ineficiência operacional disfarçada de inovação.
Desafios para a liderança e o ecossistema
Para os gestores, a lição é a necessidade de clareza estratégica. A falta de objetivos bem definidos não apenas desperdiça recursos financeiros, mas também alimenta o medo e a confusão entre os funcionários sobre o papel da IA em suas funções. A transição para uma gestão baseada em metas reais, e não em volume de uso, é o próximo passo para que a tecnologia cumpra seu papel de alavanca de produtividade.
No Brasil, onde o ecossistema de tecnologia busca otimizar recursos em um cenário de juros e capital mais restritivos, essa discussão é particularmente relevante. Startups e empresas consolidadas que pretendem escalar o uso de IA deverão, inevitavelmente, migrar de uma fase de experimentação desordenada para uma fase de eficiência rigorosa, onde cada token consumido precisa ser justificado por um ganho de receita ou redução de custo verificável.
O futuro da adoção corporativa
A incerteza sobre como medir o sucesso da IA continuará a ser um ponto de atrito entre a diretoria e as equipes técnicas. Observar se as empresas conseguirão, de fato, desvincular o uso da ferramenta da métrica de valor será fundamental para entender quais organizações sobreviverão a este ciclo de gastos elevados. O mercado aguarda agora uma maturidade maior na governança de dados e na gestão de projetos de IA.
A transição de uma cultura de "uso por uso" para uma cultura de "entrega por resultados" definirá os vencedores desta corrida. A tecnologia por si só não é a solução, mas apenas um meio que, sem a devida orientação, pode facilmente se transformar em um ralo de eficiência.
Com reportagem de Brazil Valley
Source · Fortune
