Há um dado nesta história que merece atenção antes de falar em rodadas de financiamento ou modelos de linguagem: segundo o CEO da Orbital Industries, desenvolver um novo fluido refrigerante para data centers levaria, em condições normais, dez anos e cem milhões de dólares. A empresa afirma ter feito isso em meses, a uma fração desse custo. Se esse dado resistir à validação dos grandes fabricantes de chips, não estamos diante de uma conquista de laboratório.
Existe um momento na vida de toda plataforma digital em que o jogo muda completamente. Você para de se obcecar com quantos usuários tem e começa a se perguntar quanto dinheiro pode extrair dos que já estão lá. O Spotify acabou de anunciar que chegou a esse momento, e o Bank of America está aplaudindo da primeira fila.
Mais de 1,5 trilhão de dólares em valuações de software empresarial evaporaram nos últimos dois anos. Não por falta de investimento em inteligência artificial, mas porque o investimento aterrissou no lugar errado. Este é o paradoxo que define o momento atual: as empresas nunca gastaram tanto em IA e, ao mesmo tempo, nunca foi tão difícil mostrar onde está o valor.
A Hugging Face acabou de publicar os planos, a fiação e o software para construir um par de pernas humanoides por aproximadamente US$ 2.500 em peças. Sem braço, sem torso, sem cabeça. Apenas pernas bípedes impressas em 3D, montadas com componentes de prateleira. A pergunta que isso abre não é técnica. É estrutural: quando uma plataforma de inteligência artificial decide reduzir o custo de entrada do hardware robótico a um preço equivalente ao de um notebook de gama média, está movendo uma peça do tabuleiro que não se move apenas por generosidade.
Há uma forma muito difundida de errar com a inteligência artificial nas empresas. Consiste em medir a maturidade de um sistema pelo número de postos que conseguiu eliminar. Essa métrica não mede maturidade: mede velocidade sem governança, que é exatamente a condição que antecede os colapsos mais custosos em sistemas críticos.
Há uma imagem que se repete nas conversas com gestores de empresas de tecnologia, consultorias e equipes de produto: alguém sentado diante da tela às onze da noite, lendo rascunhos que seus subordinados diretos geraram durante a tarde. Não porque a equipe tenha trabalhado mais horas. Mas porque a IA os fez produzir o equivalente a três dias de trabalho antes do almoço.
Há um momento na história de qualquer campo científico em que a linguagem muda antes da realidade. Primeiro começa-se a falar de algo como se já fosse verdade; depois, lentamente, torna-se verdade. Com a biologia programável estamos nesse limiar. O DNA, por décadas um objeto de leitura, está se tornando um objeto de escrita.
O paradoxo está sobre a mesa desde o primeiro momento. Uma empresa que opera plantas de manufatura com décadas de existência, que distribui bebidas e snacks em escala global, e que há mais de um século constrói marcas de consumo em massa, acaba de declarar publicamente que sua vantagem competitiva em talentos não vem de saber programar modelos de linguagem. Vem do hustle.
Há um padrão que se repete na história das empresas de tecnologia que buscam abrir capital: o momento em que a narrativa de usuários massivos já não é suficiente e precisam mostrar algo mais concreto. A OpenAI está nesse ponto. E a ferramenta escolhida para fazer esse argumento não é o ChatGPT, mas o Codex, seu produto de assistência ao desenvolvimento de software, que nos últimos dois meses recebeu atualizações em uma frequência que nenhum concorrente igualou.
A China não está testando se um robô consegue esfregar o chão de uma fábrica. Está testando se ele consegue esfregar o chão da sua casa, arrumar sua cama e fritar um ovo enquanto você toma banho. É exatamente isso que a GigaAI, uma startup fundada em 2025 com apoio do braço de investimentos da Huawei, anunciou em maio de 2026: o SeeLight S1, um robô humanoide de dois braços e rodas, projetado especificamente para o ambiente doméstico.
Há uma narrativa que circula com conforto nas salas de diretoria: a inteligência artificial vai eliminar cargos, reduzir a folha de pagamento e liberar capital. É uma narrativa cômoda porque tem a forma de uma decisão financeira limpa. O problema é que os dados não a sustentam.
Em 2025, as empresas de inteligência artificial absorveram 61% de todo o investimento de capital de risco global, segundo a OCDE. Isso representa US$ 258,7 bilhões de um total de US$ 427,1 bilhões. A pergunta que esse número inevitavelmente abre é quem está capturando esse valor.
Os mercados privados passaram uma década prometendo sofisticação sem sempre cumpri-la no plano operacional. Os fundos crescem em tamanho, em complexidade de estrutura e em número de investidores. Os veículos evergreen e semilíquidos se proliferam.
As receitas do trimestre de março atingiram US$ 21,6 bilhões, um crescimento de 27% em relação ao ano anterior — a maior taxa em cinco anos — e o lucro líquido saltou dramaticamente para US$ 521 milhões. As ações da empresa em Hong Kong subiram cerca de 20% em uma única sessão, tornando-se a maior valorização percentual do índice Hang Seng naquele dia. Mas o número que melhor explica o movimento do mercado não está nas margens nem nos volumes de PCs: está no fato de que as receitas relacionadas à inteligência artificial cresceram 84% no trimestre e representaram 38% das receitas totais do grupo.
A conversa sobre inteligência artificial nas grandes empresas segue um roteiro confortável: avaliar plataformas, aprovar orçamentos, desenhar pilotos. Enquanto isso, nos sistemas de CRM, nas operações de atendimento ao cliente e nos fluxos de aprovação financeira, há agentes de IA tomando decisões sem que ninguém saiba exatamente quantos são, quais dados tocam nem o que fazem quando ninguém os vigia. Esse é o dado incômodo que a indústria leva meses contornando com elegância.
Desde o final de 2022, os mercados asiáticos viveram uma reconfiguração silenciosa, mas profunda. A irrupção da inteligência artificial generativa não apenas transformou a narrativa dos mercados globais, mas reordenou o peso específico dos índices regionais em torno de um punhado de nomes. Três empresas — Taiwan Semiconductor Manufacturing Company, Samsung Electronics e SK hynix — chegaram a explicar mais da metade dos retornos do índice FTSE Asia ex-Japan.
Em 13 de maio de 2026, a Anthropic lançou o Claude para Pequenas Empresas, uma versão de seu assistente de IA conectada diretamente às ferramentas operacionais de pequenos negócios: e-mail, calendário e — o que é novidade — software de contabilidade. A promessa concreta é que o Claude pode fazer reconciliações, gerar demonstrações de resultados e categorizar transações sem que o dono precise tocar em uma planilha. Mas a reação do mercado especializado não foi de entusiasmo sem ressalvas: foi de boas-vindas cautelosas, com um alerta que há tempos ressoa neste setor.
Há uma narrativa que domina as conversas nos conselhos de administração e nos fundos de capital de risco há dois anos: a inteligência artificial devorará o software empresarial da mesma forma que o software devorou os modelos analógicos de negócio. É uma imagem poderosa. E como toda imagem poderosa que circula sem fricção, ela merece que alguém aplique pressão antes que dite decisões de investimento com consequências reais.
Existe uma cena que se repete em quase todas as PMEs que conheço. A equipe de tecnologia apresenta um piloto de inteligência artificial. Os números iniciais são promissores. O conselho aprova o investimento. E seis meses depois, o piloto ainda continua sendo um piloto.
Em uma semana de maio de 2026, a infraestrutura de IA empresarial cruzou uma fronteira que os marcos de auditoria, conformidade e seguros ainda não haviam desenhado. No dia 7 de maio, a AWS apresentou em versão preliminar o Amazon Bedrock AgentCore Payments, um sistema construído com Coinbase e Stripe que permite aos agentes de inteligência artificial realizar pagamentos autônomos durante sua execução. Dois anúncios em sete dias, de duas das maiores plataformas de infraestrutura tecnológica do planeta, descrevem o mesmo comportamento: um agente que decide gastar dinheiro por conta própria.
Mais de 100 milhões de dólares por um programa diário de tecnologia que gera aproximadamente 5 milhões de dólares anuais em receita. Isso é um múltiplo de avaliação superior a 20x sobre vendas para um ativo de mídia, em um setor onde os múltiplos típicos raramente superam 3x ou 4x de receita. Não é um erro de cálculo. É uma declaração estratégica.
Há um padrão que se repete com consistência suficiente para ser levado a sério: as tecnologias não se concentram onde são vistas, mas onde se apoiam. As redes sociais se concentraram na distribuição, não no conteúdo. A nuvem se concentrou na infraestrutura, não nas aplicações. A inteligência artificial está seguindo a mesma geometria, mas o ponto de controle está um nível mais abaixo do que em qualquer ciclo anterior.
A narrativa dominante sobre inteligência artificial e negócios tem um viés estrutural que raramente é nomeado: ela é construída quase exclusivamente em torno de empresas com mais de 500 funcionários. Não porque as grandes corporações sejam mais interessantes, mas porque para os fornecedores de tecnologia elas representam contratos mais previsíveis, ciclos de venda relativamente mais curtos e fluxos de receita recorrentes que justificam os gastos com vendas e marketing. A lógica é compreensível do ponto de vista da economia do vendedor. O problema é que essa lógica distorceu a leitura de onde o trabalho real acontece na economia.
Há um padrão silencioso que a história econômica repetiu pelo menos duas vezes com clareza antes da era da inteligência artificial. Primeiro com a eletrificação industrial, depois com os computadores pessoais. Em ambos os casos, a tecnologia chegou décadas antes de seu impacto aparecer nas estatísticas de produtividade.