Em conversa recente no podcast da a16z, o analista e ex-sócio da firma Benedict Evans cravou uma tese que contraria o otimismo do Vale do Silício: modelos fundacionais não são produtos e o chatbot é apenas uma interface primária e limitada. Para Evans, não há um caminho claro para que as desenvolvedoras de inteligência artificial construam diferenciação sustentável ou efeitos de rede comparáveis aos do Instagram ou da busca do Google. A ausência de vantagens competitivas estruturais, além da mera disposição de queimar capital, indica que os grandes modelos de linguagem (LLMs) tendem a se consolidar como infraestrutura de baixo nível. O valor econômico real, argumenta o analista, migrará inevitavelmente para o topo da cadeia, onde o software resolve problemas específicos de negócios que os próprios criadores dos modelos sequer sabem que existem.
A gravidade financeira da infraestrutura
O mercado de IA opera hoje em um estado de extremo desequilíbrio entre oferta, demanda, capacidade e preço. Evans aponta que corporações como Microsoft, Meta e Google sinalizam gastos de capital (capex) na ordem de US$ 700 bilhões neste ano. Trata-se de um volume massivo que esbarra em limites físicos e econômicos intransponíveis. O analista ironiza a trajetória de gastos ao afirmar que o setor não pode investir US$ 10 trilhões anuais em infraestrutura simplesmente porque esse dinheiro não existe na economia.
A dinâmica de depreciação agrava o cenário. Evans nota que um modelo de fronteira custa bilhões para ser treinado, mas mantém sua relevância por apenas três a nove meses antes de ser superado por iterações até 200 vezes mais eficientes. Ele traça um paralelo direto com o mercado de dados móveis entre 2009 e 2010. Naquela época, operadoras de telecomunicações investiram centenas de bilhões em infraestrutura de rede, mas viram suas ações estagnarem por duas décadas enquanto a Apple e a Microsoft capturavam o valor na camada do sistema operacional.
A comoditização da inteligência
A tese de comoditização ganha força na adoção corporativa. Evans observa que uma firma de advocacia adquirindo um software não baseia sua decisão no fato de o sistema rodar em Claude ou OpenAI. A tecnologia subjacente é abstraída, da mesma forma que clientes de SaaS não compram soluções baseadas em qual provedor de nuvem (como AWS) as hospeda. Sem efeitos de rede, os laboratórios de IA perdem o poder de ditar os rumos do ecossistema.
Até o momento, o único segmento que encontrou um encaixe de produto-mercado absoluto, segundo o autor, é a programação agentiva. Desenvolvedores estão usando computadores para criar mais computadores, um fenômeno que ele compara aos primeiros dias dos PCs no final dos anos 1970. Fora do desenvolvimento de software corporativo, a utilidade permanece fragmentada em soluções pontuais ou na exploração entusiasta de nichos.
Para contexto, a BrazilValley aponta que a transição de infraestrutura bruta para aplicações verticalizadas historicamente comprime as margens dos provedores de base, transferindo o poder de precificação para as empresas que controlam o fluxo de trabalho do usuário final.
A premissa de que os criadores de modelos fundacionais dominarão a economia da inteligência artificial ignora a mecânica histórica do software. Como Evans sugere, a automação de tarefas não reduzirá o mercado de tecnologia; pelo contrário, gerará ordens de grandeza a mais de software para gerenciar novas abstrações. O atual estrangulamento de oferta de tokens é transitório. Quando a frenética injeção de capital atingir seu teto de gravidade financeira, a disciplina de preços forçará o mercado a reconhecer que a inteligência, por si só, é apenas a eletricidade de uma nova geração de aplicações.
Fonte · Brazil Valley | Technology
