Durante os últimos dois anos, investidores passaram a procurar uma característica específica nas empresas de tecnologia: exposição à inteligência artificial.

A lógica parecia simples. Se a IA aumentaria drasticamente a demanda por software, computação e infraestrutura, as companhias posicionadas no centro desse ecossistema deveriam crescer mais rápido e ganhar mais dinheiro.

A Databricks se tornou um dos maiores símbolos dessa tese.

A empresa, que ajuda organizações a armazenar, organizar e extrair valor de seus dados, viu sua receita anualizada saltar mais de 80% em relação ao ano anterior, alcançando US$ 6,9 bilhões. Com uma avaliação privada de US$ 134 bilhões, a companhia já vale mais do que a Snowflake, uma de suas principais concorrentes listadas em bolsa.

Mas os números divulgados nesta semana revelaram uma dinâmica curiosa.

A mesma inteligência artificial que está acelerando o crescimento da empresa também está pressionando sua lucratividade.

Os agentes estão consumindo tudo

O problema não é falta de demanda.

Na verdade, é exatamente o oposto.

Cada vez mais empresas estão adotando agentes de IA para automatizar tarefas, analisar informações, responder perguntas e executar fluxos de trabalho de forma autônoma. Esses agentes dependem de grandes volumes de consultas, inferências e processamento de dados para funcionar.

E quase tudo isso passa pela infraestrutura da Databricks.

Segundo o CEO Ali Ghodsi, a nova geração de agentes está gerando uma explosão de consumo dentro da plataforma. Os agentes consultam bases de dados, executam buscas, acessam modelos de linguagem e realizam operações constantemente. Cada uma dessas interações gera receita para a Databricks, mas também gera custos.

O resultado é uma situação relativamente rara: a empresa está crescendo rapidamente, mas sua margem bruta está sendo comprimida justamente porque seus clientes estão usando seus produtos com intensidade cada vez maior.

O custo oculto da revolução dos agentes

Durante boa parte da era SaaS, o modelo de software era extremamente atraente porque permitia margens elevadas.

Uma vez desenvolvido, o produto podia ser distribuído para milhares de clientes com custos marginais relativamente baixos. Foi essa dinâmica que ajudou empresas como Salesforce, Adobe e ServiceNow a construir negócios altamente lucrativos.

A inteligência artificial está mudando essa equação.

Cada interação com um modelo de IA gera um custo computacional real. Quanto mais sofisticado o modelo, maior tende a ser esse custo. Quando empresas começam a operar centenas ou milhares de agentes simultaneamente, o consumo de infraestrutura cresce de forma exponencial.

Para companhias como a Databricks, isso cria um novo desafio.

Elas não estão apenas vendendo software.

Estão vendendo acesso contínuo a recursos computacionais extremamente caros.

Quanto mais sucesso seus clientes têm com IA, mais infraestrutura precisa ser provisionada para sustentar esse crescimento.

As empresas estão trocando "token-maxxing" por "value-maxxing"

Essa pressão de custos está produzindo uma mudança importante no comportamento dos clientes.

Durante os primeiros anos da explosão da IA generativa, muitas organizações adotaram uma postura quase experimental. O objetivo era utilizar o máximo possível das novas ferramentas para entender seu potencial.

O setor chegou a criar um termo para isso: "token-maxxing".

Agora a conversa mudou.

Segundo Ghodsi, as empresas passaram a priorizar eficiência. Em vez de simplesmente consumir mais modelos e mais tokens, elas querem maximizar retorno econômico.

Isso significa utilizar modelos de fronteira para tarefas realmente complexas e recorrer a modelos menores e mais baratos para atividades rotineiras.

A mudança parece simples, mas tem implicações importantes para todo o ecossistema de IA.

O foco está saindo do deslumbramento tecnológico e migrando para retorno sobre investimento.

Nem tudo precisa de um modelo de US$ 1 trilhão

Esse novo comportamento explica outro fenômeno interessante destacado pela Databricks.

Modelos chineses e soluções open source estão ganhando espaço rapidamente entre clientes corporativos. Não porque sejam necessariamente melhores que os modelos mais avançados do mercado, mas porque muitas vezes entregam desempenho suficiente por uma fração do custo.

Essa tendência desafia uma das narrativas mais populares da indústria.

Existe uma percepção de que apenas os modelos mais avançados terão relevância no futuro. Na prática, muitas empresas estão descobrindo que não precisam utilizar o equivalente a um "GPT-5" para responder perguntas simples, categorizar documentos ou executar tarefas operacionais.

Assim como ninguém utiliza um supercomputador para abrir uma planilha, muitas aplicações corporativas podem funcionar perfeitamente com modelos menores.

O resultado é uma crescente segmentação do mercado entre modelos premium e modelos otimizados para custo-benefício.

A Databricks está se preparando para um mercado mais vertical

Diante desse cenário, a empresa também está expandindo sua atuação para áreas mais específicas.

Além de suas ferramentas tradicionais de dados e IA, a companhia anunciou a aquisição da startup de segurança Panther e apresentou novas soluções voltadas para marketing e cibersegurança.

A estratégia reflete uma percepção cada vez mais comum no setor: a próxima fase da inteligência artificial não será definida apenas por quem possui o melhor modelo, mas por quem consegue transformar IA em soluções específicas para problemas reais de negócios.

Em vez de vender tecnologia genérica, empresas como Databricks querem vender produtividade, automação e resultados mensuráveis.

O mercado está descobrindo a economia da IA

Talvez o aspecto mais interessante dessa história seja que ela revela uma nova realidade da indústria.

Durante os últimos anos, a conversa sobre inteligência artificial foi dominada por capacidades. O debate girava em torno de qual modelo era mais inteligente, mais rápido ou mais poderoso.

Agora surge uma questão diferente.

Quem vai pagar a conta?

À medida que agentes se tornam mais comuns e o volume de inferências cresce exponencialmente, empresas começam a descobrir que a economia da IA é tão importante quanto a tecnologia em si.

Não basta criar agentes capazes de trabalhar.

Eles precisam gerar mais valor do que custam.

Por que isso importa

Os resultados da Databricks mostram que a próxima fase da revolução da IA será menos sobre inovação e mais sobre eficiência.

A adoção de agentes continua acelerando, a demanda por infraestrutura cresce e empresas seguem investindo bilhões em inteligência artificial. Mas, pela primeira vez, o mercado começa a discutir seriamente margens, custos e retorno econômico.

Essa mudança é importante porque marca a transição da IA de tecnologia experimental para infraestrutura empresarial.

No curto prazo, empresas como Databricks devem continuar crescendo rapidamente. No longo prazo, porém, os vencedores provavelmente serão aqueles capazes de equilibrar duas forças opostas: oferecer acesso aos modelos mais poderosos do mercado e, ao mesmo tempo, manter os custos sob controle.

A ironia é que a própria IA está ensinando uma lição clássica de negócios.

Crescimento é importante.

Mas crescimento lucrativo é ainda mais.