RAMmageddon: quando a IA deixa de ser "software" e se torna um problema de memória, energia e tempo
Por anos, a conversa sobre Inteligência Artificial foi contada como um conto digital: modelos melhores, mais parâmetros, agentes autônomos, automação infinita. Francisco Santolo aterra essa narrativa com um alerta incômodo e necessário: a curva exponencial da IA pode colidir com um limite físico, e esse limite não é abstrato. Chama-se memória, paga-se em Capex, conecta-se a uma rede elétrica real e se constrói em anos, não em sprints.
A esse fenômeno já batizaram com brutalidade: "RAMmageddon", uma escassez global de chips de memória que em 2026 está sendo impulsionada pela demanda de centros de dados de IA. O detalhe que importa para os negócios não é o apelido, mas a estrutura econômica que ele revela: quando o insumo crítico se torna escasso, a IA deixa de ser uma vantagem competitiva horizontal e passa a ser um privilégio de acesso.
Os fatos duros: o gargalo não é o prompt, é a HBM
Estes são os dados que mudam o tabuleiro e que, na minha experiência, muitos comitês executivos ainda não incorporaram aos seus modelos financeiros:
- Os data centers consumiriam até 70% da produção mundial de memória em 2026, drenando oferta para PCs, smartphones, automotivo e eletrônica tradicional.
- Os fabricantes estão reorientando capacidade para HBM (High Bandwidth Memory), a memória-chave para alimentar aceleradores de IA. O problema: uma bolacha de HBM pode consumir até 3 vezes a capacidade produtiva de uma bolacha DRAM tradicional.
- A capacidade de HBM está sendo vendida com contratos multianuais e, segundo relatórios setoriais, grande parte de 2026 já estaria comprometida.
- O crescimento da oferta de memória não acompanha o ritmo: estima-se DRAM +16% YoY e NAND +17% YoY em 2026, abaixo do que o mercado precisa para absorver a demanda incremental de IA sem inflação de preços.
- Santolo acrescenta o componente operacional: a transição para agentes autônomos muda o ritmo. Passamos de um tráfego "humano" para um tráfego machine-paced 24/7, onde a inferência pode dominar o cômputo total até 2030.
Traduzo isso para linguagem de CFO: sobe o custo unitário de servir uma resposta, amplia-se a volatilidade do Opex, e o "custo variável por interação" se torna um risco estratégico, não um detalhe técnico.
A armadilha do tempo: você pode escalar agentes em segundos, mas não data centers em meses
Aqui está o ponto mais subestimado: a elasticidade do software já não se aplica quando o gargalo está na infraestrutura física.
Santolo chama isso de "armadilha do tempo" e é exatamente isso. Você pode implantar mil agentes em um clique, mas:
- Conectar um novo centro de dados à rede elétrica em mercados primários pode levar mais de 4 anos.
- As novas densidades de rack para IA podem chegar a 150 kW, tornando o resfriamento líquido praticamente obrigatório.
- A próxima geração de nós de fabricação (como 2 nm) exige anos de execução industrial.
Enquanto isso, os hyperscalers estão aumentando o Capex de forma agressiva. O artigo menciona uma ordem de grandeza impressionante: quase 700 bilhões de dólares em Capex em 2026 entre os grandes players. Eu não leio isso como "aposta corajosa". Leio como um sinal de mercado: está se comprando soberania de cômputo.
Qual é o impacto disso nos negócios: reescreve-se a margem, não apenas o roadmap
Se essa tendência se sustentar, há quatro impactos diretos para a economia real:
1) Inflação de custos e degradação de produto no consumo e no B2B tradicional
A memória cara se filtra para tudo: PCs, smartphones, upgrades corporativos. Se os fabricantes não conseguirem sustentar especificações (por exemplo, equipamentos com 16 GB ou 32 GB necessários para cargas "AI-ready"), veremos dois caminhos: aumento de preços ou queda de desempenho. Em ambos, o resultado é o mesmo: o cliente paga a conta.2) Concentração do poder da IA em quem controla o supply e a energia
Quando HBM e capacidade de data center são negociadas a longo prazo, cria-se uma economia de acesso. A consequência social e competitiva é delicada: a produtividade amplificada pela IA se concentra, e as PME ficam expostas a preços spot, limites de uso, latências e quedas de serviço.Não é um julgamento moral: é um diagnóstico de cadeia de valor. Quem controla o insumo, controla o mercado.
3) Volatilidade operacional: mais interrupções, mais dependência, mais risco reputacional
Se o ecossistema forçar o limite da infraestrutura, aumentam os cenários de apagões parciais, degradação de serviço e priorização de cargas "premium". As empresas que "terceirizam seu cérebro" sem plano de continuidade ficam vulneráveis.4) A gratuidade da IA se torna economicamente insustentável
Santolo aponta um sintoma concreto: ferramentas que aumentam preços de forma abrupta. Isso não é capricho. É elasticidade de demanda contra um insumo escasso. Se o custo de inferência sobe, o modelo de monetização se endurece: mais paywalls, mais limites, mais publicidade, mais pacotes empresariais.A transição para a IA: sim, é preciso se mover, mas com arquitetura financeira
Não adotar IA também é uma decisão de altíssimo risco. Vejo isso todos os dias: organizações que perdem eficiência, velocidade comercial, capacidade analítica, e acabam subsidiando com horas humanas o que o mercado já automatizou.
Mas existe uma forma inteligente de atravessar esse gargalo sem cair em dependência tóxica.
Estas são decisões estratégicas e de modelo operacional que, tomadas hoje, podem salvar margens amanhã:
- Projetar IA "frugal" por padrão: cada token custa. Cada chamada a um modelo é uma linha de custo variável. Otimizar prompts, caching, RAG bem implementado e políticas de "não-IA quando não agrega valor" é disciplina financeira, não austeridade tecnológica.
- Priorizar casos de uso com ROI verificável e cobrança associada: se o projeto não tem um mecanismo claro de captura de valor, é assistencialismo corporativo versão IA. A automação deve ser financiada pelo cliente que recebe o benefício, mesmo que seja com micro-preços internos por área ou unidade de negócio.
- Evitar a armadilha do "agent sprawl": agentes autônomos sem controle criam consumo 24/7. Isso é Opex descontrolado. Governança, limites, orçamentos por processo e observabilidade fazem parte do modelo, não são um "nice to have".
- Diversificar a dependência tecnológica: multi-modelo, planos de contingência e arquitetura que permita degradação elegante. Em tempos de escassez, a resiliência vale tanto quanto a precisão.
- Negociar capacidade como se negocia energia ou logística: contratos, previsibilidade, escalonamento por etapas. A IA já não é um plugin; é um insumo estratégico.
Ganhadores e perdedores: uma auditoria de equidade do novo stack
Este momento vai enriquecer quem estiver integrado verticalmente na infraestrutura e quem tiver margem para contratos de longo prazo. E vai empobrecer — por custo ou por atraso — setores inteiros que competem com orçamentos ajustados e ciclos de compra mais lentos.
A pergunta ética não é se a IA "deveria" ser acessível. A pergunta pragmática é quem está construindo modelos onde a eficiência gerada pela IA é compartilhada com trabalhadores, fornecedores e clientes, e quem a usa para extrair valor por meio de preços dinâmicos, dependência e lock-in.
Na Sustainabl, eu defendo negócios sociais porque entendo algo essencial: quando um recurso se torna escasso, o mercado fica brutal. Por isso, o impacto real não se sustenta com discursos — sustenta-se com arquiteturas que resistem a crises.
Conclusão: a IA se ganha no Excel e na sala de máquinas
RAMmageddon não é uma manchete para tecnólogos; é um sinal para conselhos de administração. A IA vai continuar avançando, mas o acesso a cômputo, memória e energia vai redefinir custos, preços, continuidade operacional e poder competitivo. O mandato para o C-Level é inegociável: construir hoje um modelo de negócio que use a disciplina de custos e margens para escalar valor real, decidindo com clareza se a sua empresa está usando as pessoas e o entorno simplesmente para gerar dinheiro, ou se tem a audácia estratégica de usar o dinheiro como combustível para elevar as pessoas.
