Em fevereiro de 2021, uma cidade de Rajastão transformou um aterro abandonado em uma usina de biometanização capaz de processar 20 toneladas de resíduos orgânicos por dia. O resultado não foi apenas gás comprimido para fogões e veículos. Foi a demonstração de que a dependência de um sistema falho de gestão de resíduos pode ser rompida, mas somente se alguém construir primeiro a arquitetura que o substitui.
Durante anos, a conversa sobre riscos de inteligência artificial girou em torno de um mesmo eixo: o modelo alucina, inventa números, cita fontes que não existem, confunde fatos. Era um problema real, custoso em alguns casos, embaraçoso em outros. Mas era, no fundo, um problema de qualidade do output. Essa época está terminando, não porque as alucinações tenham desaparecido, mas porque o contexto em que a IA opera mudou de natureza.
Há um padrão que se repete nas organizações que estão há dezoito meses implantando agentes de inteligência artificial: elas sabem que os sistemas funcionam, porque os viram funcionar na demo. O que não sabem é se continuam funcionando hoje, em produção, sobre os dados de seus clientes, dentro dos fluxos que realmente importam. Essa distância entre a certeza do piloto e a opacidade do ambiente real é onde se perdem os orçamentos, a confiança e o tempo que ninguém tem.
Há um padrão que se repete toda vez que uma indústria antecipa seu próprio futuro: o dinheiro sério não chega ao produto final, chega a quem fabrica as peças que esse produto vai precisar. Foi assim com os semicondutores antes do boom do PC. Agora, enquanto imagens de robôs humanoides circulam em feiras e conferências de tecnologia, quatro bancos de investimento de primeiro nível apontam para uma empresa chinesa fabricante de caixas de engrenagens que a maioria dos leitores jamais ouviu falar.
O número é difícil de ignorar: 95% dos pilotos empresariais de inteligência artificial generativa não produz nenhum impacto financeiro mensurável. Não é uma estimativa pessimista de analistas críticos da tecnologia. É a conclusão central do relatório The GenAI Divide: State of AI in Business 2025, elaborado pela iniciativa NANDA do MIT, com base em cerca de 300 implementações públicas e mais de 150 entrevistas com executivos.
Em 13 de agosto de 2026, a IBM anunciou uma aliança ampla com a OpenAI que vai muito além de um comunicado de imprensa conjunto. A empresa criará uma prática dedicada da OpenAI dentro da IBM Consulting, integrará modelos como GPT-5.6, Codex e ChatGPT Work em sua plataforma IBM Consulting Advantage, e certificará dezenas de milhares de consultores em tecnologias da OpenAI nos próximos meses. Os termos financeiros não foram divulgados, mas a escala do movimento interno fala por si só: não é um projeto-piloto, é uma aposta em infraestrutura humana.
Há dois anos, a maioria dos executivos que conheço debatia qual modelo de linguagem escolher. Hoje, os que já tomaram essa decisão — e ainda assim não conseguem justificar uma segunda rodada de investimento — começam a entender que o problema nunca foi o modelo. Foi a mensuração. O setor empresarial vem adotando inteligência artificial em ritmo acelerado há vários anos, mas apenas um terço das organizações começou a escalá-la com consistência.
A robótica autônoma promete há anos uma ruptura que nunca chega de fato à escala industrial. Não por falta de algoritmos nem de ambição, mas porque o hardware que os robôs precisam para funcionar em ambientes não estruturados exige uma combinação de processamento que raramente vem integrada em um único sistema acessível. A AMD acaba de apostar que pode resolver essa equação com o Kria AI Robotics Developer Platform, anunciado no Advancing AI 2026 em San Francisco.
Há um momento em que o acúmulo de pilotos de inteligência artificial deixa de parecer ambição e começa a parecer desordem. Esse momento chegou a muitas grandes empresas em 2026, e o sinal mais claro não foi um colapso tecnológico nem uma falha de modelo. Foi algo mais mundano e mais difícil de defender em uma reunião de conselho: o consumo de tokens correu à frente do orçamento sem gerar valor proporcional.
Durante décadas, a imagem do robô industrial foi sempre a mesma: uma máquina de braços metálicos, potente e veloz, trancada atrás de uma gaiola de aço enquanto os humanos observavam de longe. Essa imagem não é metáfora de atraso. É uma decisão de engenharia que persiste porque os sistemas de segurança disponíveis não conseguiram sustentar outra coisa.
Há um momento particular na adoção de tecnologia empresarial em que o entusiasmo se transforma em obrigação contábil. Com os agentes de inteligência artificial embarcados em produtos corporativos, esse momento chegou antes do que a maioria das equipes técnicas antecipou, e o mecanismo que o desencadeou não foi o modelo de linguagem errado nem a falta de dados. Foi uma decisão de arquitetura que ninguém apresentou como decisão.
Toshio Fukuda tem cinquenta anos nessa área. Mais de dois mil artigos publicados. Robôs modulares que se montam como peças de Lego biológico. Quando o IEEE lhe entregou o Prêmio Richard M. Emberson 2026 — uma das maiores honrarias do instituto — não estava reconhecendo uma invenção pontual. Estava reconhecendo alguém que, durante décadas, construiu a infraestrutura intelectual sobre a qual opera a robótica moderna.
A maior fricção na adoção de inteligência artificial empresarial não é técnica. Não está nos modelos, nem na qualidade dos dados, nem na capacidade de computação. Está no contrato. Enquanto as organizações investem centenas de milhões em implementações de IA esperando retornos estruturais, a maioria ainda assina acordos que recompensam o tempo investido, não o impacto gerado.
Há uma sequência de decisões que se repete com surpreendente consistência em grandes empresas com orçamentos volumosos de transformação digital: identificam um processo que gera atritos, contratam tecnologia de automação, implantam a ferramenta sobre o fluxo existente e reportam avanços. Os painéis executivos mostram velocidade. As apresentações de comitê falam em eficiência. E seis meses depois, os mesmos problemas reaparecem, agora embalados em um sistema mais difícil de desmontar.
Há uma cena que as equipes de produto de inteligência artificial conhecem bem demais. Um usuário passa vinte minutos construindo contexto com um assistente: orçamento, restrições alimentares, datas que não podem ser alteradas, preferências da família. Depois, três turnos depois, o sistema age como se essa conversa nunca tivesse ocorrido.
A história da inteligência artificial empresarial pode ser medida em camadas. Primeiro vieram os bancos de dados vetoriais, que permitiram realizar buscas por similaridade semântica em grandes volumes de texto. Agora, a Databricks está apostando que essa arquitetura não é suficiente.
Há uma imagem que resume bem o que está acontecendo no South Side de Chicago: onde antes havia fornos de aço do complexo U.S. Steel South Works, hoje há guindastes erguendo um edifício de 65.000 pés quadrados de alumínio prateado. Por dentro, quando estiver pronto, operará o que a PsiQuantum descreve como o maior sistema de teste em escala intermediária que a empresa já construiu. Do lado de fora, o governador Jay Robert Pritzker chama tudo isso de 'o próximo Vale do Silício'.
Tarde de sexta-feira. Um comunicado da Anthropic chega às caixas de entrada de seus parceiros globais com o tom neutro e contido de uma notificação de manutenção de sistema. O texto anuncia que os modelos Fable 5 e Mythos 5 ficam suspensos para todos os cidadãos estrangeiros, incluindo os próprios funcionários da empresa que não tenham cidadania americana. A Índia, que tanto a Anthropic quanto a OpenAI descrevem como seu segundo maior mercado depois dos Estados Unidos, acabava de descobrir algo que seus fundadores, investidores e funcionários preferiam manter no campo da abstração: o acesso às ferramentas que sustentam boa parte de sua aposta tecnológica pode ser cortado com um telefonema de Washington, sem audiência prévia e sem calendário de restauração definido.
Há uma enorme distância entre saber que algo vai mudar tudo e agir como se isso fosse verdade. A computação quântica vive há décadas nesse limbo: real o suficiente para aparecer em orçamentos de pesquisa, distante o suficiente para não alterar nenhuma rotina operacional. Esse limbo está se fechando, e a resposta organizacional majoritária ainda é a mesma de sempre: esperar.
O crescimento da infraestrutura de recarga para veículos elétricos tem um problema de fundo que raramente aparece nas manchetes: cada novo carregador instalado é também um novo ponto de entrada na rede elétrica. Uma equipe de pesquisadores da Universidade de Málaga acaba de publicar uma proposta que coloca esse problema sobre a mesa com mais clareza do que qualquer comunicado de fabricante ou regulador europeu nos últimos anos.
Há uma diferença entre uma demonstração que impressiona numa sala de reuniões e um sistema que funciona de segunda a sexta sem que ninguém precise resgatá-lo. A indústria da inteligência artificial passa dois anos construindo o primeiro com uma habilidade que não conseguiu transferir para o segundo. E o motivo não está nos modelos, que são cada vez mais poderosos.
Existe um momento em qualquer tecnologia emergente em que a pergunta deixa de ser 'se vai funcionar' e passa a ser 'quem define como é fabricada em escala'. Para os computadores quânticos, esse momento está mais perto do que a maioria dos executivos fora do setor tecnológico imagina, e o campo onde essa batalha está sendo travada não é o que recebeu mais cobertura.
Sam Altman subiu ao palco do evento empresarial da OpenAI em 2 de junho de 2026 com uma estatística projetada para impressionar: o maior consumidor interno de tokens da empresa processa cerca de 100 bilhões de tokens por mês. Em seguida, Altman acrescentou, quase de passagem, que esse número não é recorde mundial, porque alguém fora da OpenAI consome ainda mais. E aí, sem querer do todo, descreveu com precisão o problema que está fraturando a economia da inteligência artificial em escala corporativa.
Há um momento preciso em que uma tecnologia deixa de ser novidade e passa a ser ferramenta. Para a inteligência artificial generativa em conteúdos, esse momento está acontecendo agora, e o sinal mais claro não veio de um laboratório do Vale do Silício, mas de três criadores num palco em San Francisco.