A corrida da inteligência artificial produziu uma situação curiosa.

Nunca foi tão fácil acessar alguns dos sistemas mais avançados já criados pela humanidade.

Por cerca de US$ 20 por mês, qualquer pessoa pode usar ferramentas que, poucos anos atrás, seriam consideradas tecnologia de ponta. Por US$ 200 mensais, usuários ganham acesso a versões ainda mais poderosas, capazes de programar, pesquisar, analisar documentos complexos e executar tarefas que antes exigiam equipes inteiras.

O problema é que esses preços talvez não façam nenhum sentido econômico.

Uma análise da SemiAnalysis, empresa especializada no mercado de semicondutores e infraestrutura de IA, concluiu que um usuário que explorasse ao máximo o plano ChatGPT Pro de US$ 200 poderia consumir recursos equivalentes a aproximadamente US$ 14 mil em chamadas de API. No caso da Anthropic, um assinante do plano Claude Max poderia gerar cerca de US$ 8 mil em custos computacionais utilizando integralmente sua franquia mensal.

A diferença é tão grande que ajuda a explicar uma das perguntas mais importantes da indústria atualmente:

quem está pagando a conta da revolução da IA?

O modelo de negócios pode estar quebrado

Durante anos, empresas de software prosperaram vendendo assinaturas.

A lógica era simples.

O custo para atender um novo usuário era relativamente baixo, enquanto a receita mensal era previsível.

Com inteligência artificial avançada, essa matemática mudou completamente.

Toda interação com um modelo exige processamento computacional. Quanto mais complexa a tarefa, mais GPUs são utilizadas. Quanto mais tokens são consumidos, maior o custo operacional. Diferentemente de um software tradicional, onde um usuário adicional gera custos marginais limitados, na IA generativa cada conversa possui um preço real.

E esse preço pode ser surpreendentemente alto.

Segundo a SemiAnalysis, a OpenAI começa a perder dinheiro em algumas modalidades de assinatura quando o nível de utilização ultrapassa pouco mais de 11%. Nos planos mais avançados, a margem desaparece ainda mais rapidamente. Em determinados cenários, bastaria um usuário explorar pouco mais de 5% da capacidade máxima oferecida para tornar a operação economicamente negativa.

Em outras palavras, boa parte da rentabilidade atual depende de um comportamento bastante comum em assinaturas: a maioria das pessoas paga por algo que não utiliza plenamente.

O problema está ficando maior

A situação fica ainda mais delicada porque a forma de usar IA está mudando.

Quando o ChatGPT surgiu, o padrão era relativamente simples: perguntas e respostas.

Hoje, os modelos estão evoluindo para agentes capazes de executar tarefas complexas, navegar entre sistemas, analisar grandes volumes de dados e trabalhar durante horas em um único fluxo.

Esse tipo de atividade consome muito mais recursos.

Segundo estimativas citadas pela SemiAnalysis, alguns sistemas agentivos podem utilizar até mil vezes mais tokens do que uma interação tradicional. Isso significa que usuários avançados estão começando a gerar custos que simplesmente não existiam há dois anos.

O resultado é uma pressão crescente sobre a infraestrutura das empresas de IA.

E, consequentemente, sobre seus modelos de negócio.

As empresas já começaram a reagir

O problema deixou de ser teórico.

Diversas companhias passaram a revisar a forma como utilizam inteligência artificial internamente depois que os custos começaram a disparar.

Segundo relatos citados no estudo, Microsoft, Meta e Amazon reduziram iniciativas que incentivavam uso irrestrito de IA por funcionários após identificarem aumentos expressivos nas despesas computacionais.

Um dos casos mais comentados envolve uma empresa que teria gasto cerca de US$ 500 milhões em apenas um mês utilizando Claude da Anthropic, em grande parte porque não havia controles adequados sobre o consumo interno.

Situações como essa estão acelerando uma mudança importante no mercado.

Empresas estão aprendendo que nem toda tarefa precisa ser executada pelo modelo mais poderoso disponível.

Surge a era da IA "good enough"

Talvez a consequência mais importante dessa pressão de custos seja a ascensão de uma nova estratégia.

Em vez de utilizar GPT, Claude ou Gemini para tudo, organizações começam a distribuir tarefas entre diferentes modelos.

Demandas mais sofisticadas continuam sendo direcionadas para sistemas de ponta.

Já atividades rotineiras passam para modelos menores, mais baratos ou open source.

Segundo um levantamento citado pelo Wall Street Journal, essa abordagem pode reduzir custos em até 95%.

A lógica é parecida com o que aconteceu na computação em nuvem.

Nem toda aplicação precisa rodar no servidor mais poderoso disponível.

Nem toda pergunta precisa ser respondida pela IA mais avançada do planeta.

O verdadeiro vencedor pode ser o open source

Esse movimento também está fortalecendo uma tendência que muitos investidores vinham acompanhando de perto.

Modelos abertos estão melhorando rapidamente.

E, em vários casos, já entregam desempenho suficientemente próximo aos sistemas proprietários para determinadas aplicações empresariais.

O caso da startup Lindy é ilustrativo.

A empresa migrou completamente sua operação para o modelo DeepSeek V4, abandonando soluções da Anthropic. Segundo seu fundador, a mudança economizou milhões de dólares sem comprometer significativamente a qualidade dos resultados.

Esse tipo de decisão coloca pressão adicional sobre OpenAI e Anthropic.

Se os modelos mais avançados continuarem extremamente caros e as alternativas continuarem melhorando, o poder de precificação das líderes do mercado pode diminuir rapidamente.

O paradoxo da IA

Existe uma ironia interessante em tudo isso.

A inteligência artificial está se tornando mais poderosa, mas essa mesma evolução torna seu custo de operação cada vez mais difícil de sustentar.

Os laboratórios precisam de mais chips, data centers, energia e infraestrutura.

Ao mesmo tempo, consumidores e empresas esperam preços baixos e previsíveis.

Conciliar essas duas realidades talvez seja o maior desafio econômico da indústria.

Por que isso importa

A discussão não é apenas sobre assinaturas de ChatGPT.

Ela é sobre a sustentabilidade financeira da inteligência artificial.

Hoje, OpenAI, Anthropic e outras empresas estão subsidiando parte significativa do uso de seus produtos para acelerar adoção e conquistar mercado. Isso faz sentido em uma fase inicial de crescimento.

Mas a matemática sugere que essa situação não pode durar para sempre.

Em algum momento, a indústria terá de encontrar um novo equilíbrio entre preço, consumo e custo computacional.

Isso pode significar planos mais caros, limites mais rígidos, cobrança baseada em uso ou uma migração crescente para modelos menores e mais baratos.

A grande questão é que a IA está se tornando essencial para milhões de pessoas justamente quando os provedores começam a perceber que talvez estejam vendendo poder computacional por muito menos do que ele realmente custa.

E essa conta, cedo ou tarde, precisará fechar.