O Grande Fecho: Porque é que as empresas se querem livrar dos seus agentes de IA – Quando os agentes de IA custam mais do que valem

Quando os agentes autónomos assumem o controlo e os data centers consomem mais capital do que o mercado consegue gerar

Mil milhões investidos sem retorno: os agentes de IA precisam de provar a sua utilidade

A inteligência artificial está a entrar numa nova fase. A primeira fase foi dominada pelos avanços tecnológicos, pelas demonstrações espectaculares e pela perspectiva de tornar o trabalho intelectual significativamente mais produtivo. A segunda fase viu enormes orçamentos investidos em modelos, centros de dados, processadores gráficos, plataformas na nuvem e aplicações empresariais iniciais. Agora, inicia-se a terceira fase: a avaliação da realidade económica e organizacional. Isto determinará não só quais os fornecedores que sobreviverão, mas também se as empresas criarão realmente valor duradouro e mensurável com a IA ou apenas acumularão novos riscos de custos, controlo e responsabilidade.

Dois desenvolvimentos em particular destacam este ponto de viragem. Ao nível da aplicação, os agentes autónomos de IA estão a proliferar mais rapidamente do que muitas empresas conseguem adaptar a sua governação, direitos de acesso, controlo de custos e responsabilidades. Simultaneamente, ao nível da infra-estrutura, estão a surgir data centers e capacidades de cloud especializadas a uma escala para a qual não existe actualmente um mercado final suficientemente grande e disposto a operar de forma economicamente viável. Isto representa uma convergência de duas sobrestimações distintas: as empresas estão a sobrestimar a maturidade organizacional dos sistemas autónomos a curto prazo, enquanto os investidores e os operadores de infraestruturas podem estar a sobrestimar a velocidade com que a procura de IA pode ser traduzida em receitas lucrativas.

A questão crucial, portanto, já não é se a IA funciona tecnicamente. É onde funciona de forma fiável, controlável e rentável em condições reais. Esta mudança está a alterar a lógica do mercado. A autonomia máxima, o tamanho máximo do modelo ou o poder computacional máximo, por si só, não determinarão o sucesso. As vantagens competitivas surgem quando a capacidade técnica é combinada com um design de processo robusto, responsabilidade clara, decisões verificáveis, modelos de custos realistas e valor diferenciado para o cliente.

A grande desilusão começa nas empresas

A previsão de que mais de 40% dos projetos de IA com agentes poderão ser descontinuados, rebaixados ou fundamentalmente redesenhados até ao final de 2027 deve ser entendida menos como um juízo sobre a importância da tecnologia a longo prazo do que como uma crítica à sua implementação atual. Muitos projetos começam como testes de prova de conceito em condições controladas. Neste ambiente, os dados são selecionados, as tarefas são limitadas, os utilizadores são benevolentes e os erros têm consequências relativamente pequenas. No entanto, a transição para a operação em produção altera todos os parâmetros. Um agente passa a ter de lidar com dados incompletos, regras conflituantes, sistemas legados, casos especiais, permissões variáveis ​​e decisões relacionadas com a responsabilidade.

É precisamente neste limiar que um número significativo de projectos-piloto tecnológicos falha. Um demonstrador convincente responde à questão de saber se uma função é fundamentalmente possível. Não responde se pode ser executada milhões de vezes com custos globais aceitáveis, qualidade estável e risco controlável. Este problema agrava-se com os agentes autónomos, pois podem não só gerar conteúdo, mas também aceder a ferramentas de forma independente, modificar dados, desencadear processos e interligar decisões. Um erro, portanto, não se limita necessariamente a uma resposta textual incorreta. Pode propagar-se como um pedido erróneo, acesso não autorizado a dados, uma decisão errada do cliente ou uma alteração num sistema de produção.

O cancelamento previsto do projeto é, portanto, economicamente plausível. Custos crescentes, valor comercial incerto e controlos de risco inadequados não são problemas isolados; reforçam-se mutuamente. Quanto menos fiável for o funcionamento de um agente, maior será o esforço necessário para a monitorização, auditoria e ação corretiva. Quanto mais intervenção manual for necessária, menor será o ganho real de produtividade. Quanto menor for o ganho de produtividade, mais difícil será justificar gastos adicionais com modelos, integrações, monitorização, segurança e conformidade. Um sistema originalmente planeado para a automatização pode assim criar uma nova camada, em grande parte invisível, de supervisão manual.

A autonomia torna-se um novo tipo de custo

Os custos da IA ​​baseada em agentes são frequentemente vistos de forma muito restrita. As empresas comparam os preços dos modelos ou calculam as taxas para os tokens de entrada e saída, mas isto abrange apenas parte do encargo económico. Um agente divide geralmente uma tarefa em várias etapas, acede a diversos sistemas, repete tentativas falhadas, verifica resultados intermédios e mantém contextos mais longos. Fluxos de trabalho complexos podem, portanto, exigir muito mais poder computacional do que um chatbot convencional. A isto acrescem as despesas com orquestração, preparação de dados, interfaces, registo de logs, gestão de identidade, controlos de segurança, avaliação e operação de diferentes modelos.

Ainda mais significativos são os custos indiretos. Estes incluem o tempo despendido pelos especialistas a rever resultados, a resolver erros, a implementar controlos internos adicionais, a fornecer formação, a realizar análises jurídicas e a adaptar fluxos de trabalho. Se um agente executar uma tarefa por apenas alguns cêntimos, mas o resultado exigir uma revisão regular por um profissional qualificado, o preço do modelo torna-se praticamente irrelevante como métrica. O que importa é o custo total do processo para cada tarefa concluída corretamente. Isto deve também incluir as repetições, as consequências dos erros, as exceções e o custo da supervisão humana.

O facto de apenas 21% dos CIO inquiridos terem total transparência em relação aos custos dos seus agentes e cargas de trabalho de IA revela uma falta de controlo fundamental. Sem alocar os custos por caso de utilização, unidade de negócio e processo, é impossível avaliar os benefícios económicos ou gerir um orçamento fiável. O risco é que os gastos com IA cresçam de forma descentralizada em contas de cloud, subscrições de software e orçamentos departamentais, enquanto a TI central apenas vê uma parte dos custos totais. A fatura, então, só chega com atraso, quando a utilização, o volume de dados e o número de agentes já aumentaram significativamente.

Para uma avaliação adequada, as empresas devem, por isso, deixar de considerar apenas os custos de utilização técnica e adoptar um modelo de valor abrangente. Os custos por conclusão bem-sucedida do processo, a taxa de casos concluídos corretamente sem intervenção humana, as taxas de erro e de repetição, o tempo de processamento, o esforço de controlo e o benefício financeiro efetivamente obtido devem ser medidos. Só quando estas métricas se mantiverem estáveis ​​ao longo de um período mais extenso é que se poderá avaliar se um agente deve ser escalado. A autonomia não é um fim em si mesma, mas antes uma variável de investimento: só é economicamente viável se os benefícios adicionais superarem o aumento dos riscos de controlo e de erro.

Shadow IT ganha agência

A proliferação de agentes de IA está a mudar o problema clássico da TI paralela. Antes, os departamentos adquiriam software não autorizado ou armazenavam os dados em serviços não controlados. Hoje, os colaboradores podem criar rapidamente os seus próprios agentes, que acedem aos dados da empresa e executam ações de forma independente. Um inquérito a 685 CIO de grandes empresas revelou que 84% deles referem que os colaboradores estão a desenvolver agentes de IA mais rapidamente do que a TI consegue implementar regras de governação adequadas. O problema reside, portanto, não só no número crescente de aplicações, mas também no número crescente de atores digitais.

Estes agentes possuem frequentemente identidades técnicas, chaves API, contas de serviço ou direitos de utilizador delegados. Cria-se assim uma nova classe de identidades não humanas que, em muitas organizações, não estão sujeitas às mesmas regras que os colaboradores. 59% das organizações inquiridas ainda não integraram totalmente os agentes de IA nas suas políticas de gestão de identidade e acesso existentes. Ao mesmo tempo, 72% reportam um fosso médio a grande entre o acesso que um agente teoricamente tem permissão para ter e o acesso que a organização pode de facto demonstrar.

Do ponto de vista económico, este fosso é particularmente perigoso porque altera o equilíbrio esperado entre eficiência e risco. Um agente pode atuar ininterruptamente e a alta velocidade. A própria característica que promete produtividade aumenta o alcance dos danos em caso de erro. Permissões amplas, chaves de acesso de longa duração e registos inadequados podem levar à repetição sistemática de uma única decisão incorreta. O custo marginal de outra ação incorreta é quase nulo para o agente, enquanto os custos consequentes para a empresa se acumulam.

A consequência é clara: todo o agente produtivo necessita de uma identidade formal, de um propósito documentado, de um responsável humano e de privilégios limitados. O acesso deve ser concedido segundo o princípio do menor privilégio, por tempo limitado e com monitorização contínua. Ações particularmente importantes devem ser aprovadas por humanos antes da execução. Os mecanismos centralizados de desligamento são igualmente essenciais para que os agentes não tenham de ser desativados individualmente em múltiplos sistemas em caso de avaria. Embora estas medidas possam reduzir um pouco a velocidade a curto prazo, aumentam a escalabilidade global do sistema, limitando os danos, as incertezas e os atritos regulamentares.

Responsabilidade sem controlo efetivo

A tensão organizacional é revelada num inquérito global a 3.200 CIOs. Oitenta e oito por cento observam que a adoção operacional da IA ​​está a progredir mais rapidamente do que a adaptação da governação. Ao mesmo tempo, 90% presumem que a TI central será responsabilizada por falhas de segurança ou de conformidade, mesmo que as ferramentas que as causaram tenham sido adquiridas independentemente de outras unidades de negócio. Isto cria uma desconexão entre o poder de decisão e a responsabilização.

Esta estrutura cria incentivos perversos. As unidades de negócio obtêm a vantagem a curto prazo da experimentação rápida, enquanto uma parte significativa do risco permanece com as TI, a proteção de dados, a segurança da informação e a gestão. A TI centralizada pode tornar-se um estrangulamento se precisar de aprovar cada pedido individualmente. No entanto, se abdicar por completo do controlo, surge um cenário complexo de modelos, agentes, acessos a dados e contratos. Ambos os extremos são ineficientes. Uma abordagem puramente centralizada sufoca a inovação, enquanto uma abordagem completamente descentralizada multiplica os riscos e a duplicação de esforços.

Portanto, é necessário um modelo de governação federada. As funções centrais definem orientações técnicas e organizacionais vinculativas, fornecem plataformas aprovadas e monitorizam identidades, custos e atividades críticas. As unidades de negócio podem desenvolver e operar aplicações dentro desta estrutura, mas devem documentar os benefícios, as fontes de dados, os riscos e os responsáveis. Isto mantém as decisões o mais próximas possível das operações diárias, enquanto os padrões comuns impedem que cada equipa tenha de resolver repetidamente os mesmos problemas de segurança e integração.

A pressão pessoal sobre os CIO demonstra como a IA evoluiu drasticamente, de um tema de inovação para um fator de carreira e governação. 76% dos executivos de TI inquiridos acreditam que os seus cargos estão em risco se as suas empresas não alcançarem resultados de negócio mensuráveis ​​com IA até ao final de 2027. Esta pressão pode acelerar a priorização sensata, mas também acarreta o risco de uma expansão frenética. Aqueles que estão sob pressão para o sucesso a curto prazo podem priorizar números visíveis de implementação em detrimento de melhorias robustas nos processos. A consequência paradoxal seria que a própria pressão para demonstrar rapidamente um retorno do investimento aumenta a probabilidade de erros dispendiosos.

Quando o próprio controlador se torna um fator de custo

As experiências iniciais em governação e auditoria indicam que os riscos não são meramente teóricos. Num inquérito a 417 profissionais de governação, risco, conformidade e auditoria, 34% referiram que as suas organizações agiram com base em decisões incorretas dos agentes. 30% observaram ações não intencionais, 25% falhas de controlo e 24% impactos nos clientes. Em 20% dos casos, dois agentes entraram em conflito. Quase metade dos colaboradores precisou de mais tempo para rever e corrigir os resultados da IA ​​do que antes.

Estes dados devem ser interpretados com cautela, uma vez que os inquéritos refletem as perceções e experiências dos participantes, e não necessariamente a frequência de todos os erros no mercado em geral. No entanto, revelam um padrão claro: as empresas estão a delegar a autoridade de tomada de decisão nos agentes antes de os processos, os dados e os sistemas de controlo serem concebidos para esta forma de autonomia. A IA não transforma automaticamente um mau processo num bom processo. Ela pode apenas torná-lo mais rápido, mais opaco e mais disseminado.

O esforço adicional de auditoria é particularmente relevante do ponto de vista económico. A automatização é geralmente justificada pelo argumento da redução de custos com pessoal. No entanto, se os peritos qualificados necessitam de verificar continuamente os resultados, esclarecer exceções e reconstruir as decisões dos agentes, o trabalho apenas se desloca. Não desaparece, mas passa do processamento em si para a monitorização e resolução de problemas. Estas atividades podem ser mais exigentes e dispendiosas do que o processo original, uma vez que requerem simultaneamente conhecimentos técnicos, profissionais e regulamentares.

Isto não significa que a supervisão humana seja inerentemente antieconómica. Em zonas de alto risco, é indispensável. O ponto crucial é alinhar a intensidade do controlo com o potencial dano. Um agente que categoriza documentos internos requer aprovações diferentes de um sistema que inicia pagamentos, prepara decisões de pessoal ou modifica contas de clientes. Por isso, as empresas devem conceder autonomia por etapas. Quanto mais irreversível for uma ação, mais sensíveis forem os dados e quanto maior for o potencial impacto externo, mais rigorosas deverão ser as aprovações prévias, o registo de atividades e as auditorias independentes.

Os percursos de teste estão a tornar-se parte da infra-estrutura económica

Dois terços dos CIO não têm a certeza se conseguiriam fornecer a uma entidade reguladora um relato completo e detalhado da decisão de um agente. Isto vai para além de uma simples questão de conformidade. A falta de rastreabilidade aumenta o custo de cada incidente, uma vez que as causas são mais difíceis de determinar, os processos afetados são mais difíceis de isolar e as contramedidas são mais lentas de implementar. Sem registos robustos, uma empresa dificilmente conseguirá provar que um agente agiu dentro da sua autoridade ou que um profissional responsável interveio de forma adequada.

A auditabilidade deve, portanto, ser entendida como uma infra-estrutura produtiva, e não como um requisito de documentação adicionado retroactivamente. A identidade do agente, o modelo e a versão do software utilizados, as fontes de dados acedidas, as permissões disponíveis, os passos intermédios, as chamadas a ferramentas externas, as aprovações e o resultado final devem ser registados. Igualmente importante é a capacidade de reproduzir tecnicamente um processo ou, pelo menos, de o reconstruir de forma plausível. Com modelos probabilísticos, a replicação exata nem sempre é possível, mas as entradas, configurações e caminhos de decisão relevantes devem ser preservados.

O desafio aumenta nos sistemas multiagentes. Quando múltiplos agentes distribuem tarefas, reveem resultados mutuamente ou modificam sequencialmente diversos sistemas empresariais, surge uma cadeia de responsabilidade distribuída. Um erro pode surgir da interacção de várias decisões parciais aparentemente plausíveis. Os sistemas de controlo convencionais que examinam ações individuais do utilizador ou transações de software isoladas são insuficientes para tal. As empresas necessitam de uma monitorização contínua de toda a cadeia de processos.

As mudanças regulamentares estão a intensificar essa pressão para agir. O quadro jurídico europeu para a inteligência artificial, as normas de protecção de dados e as obrigações de supervisão específicas do sector estão a aumentar as exigências em matéria de gestão de riscos, documentação e supervisão humana. As autoridades de proteção de dados fora da União Europeia estão também a prestar mais atenção à forma como os sistemas automatizados processam as informações pessoais. A conclusão económica é que a governação não é um centro de custos adicional que possa ser incorporado após o sucesso da expansão. Ela é um pré-requisito para garantir que a expansão é legalmente compatível e sustentável.

Os riscos da IA ​​passam a integrar o grupo principal

Num inquérito a 1.330 membros de conselhos e executivos, os novos riscos decorrentes da introdução da IA ​​para o período a partir de 2027 já figuram em segundo lugar entre os riscos empresariais de curto prazo, logo atrás das ciberameaças. Esta classificação demonstra que a IA já não é vista como uma iniciativa isolada de TI. Afeta simultaneamente a estabilidade operacional, a regulamentação, a proteção de dados, terceiros, pessoal, reputação e alocação de capital.

Os riscos de IA e cibernéticos não devem ser analisados ​​em separado. Os agentes aumentam a superfície de ataque digital porque necessitam de acesso a dados, aplicações e ferramentas. Os atacantes podem tentar manipular as entradas, induzir os agentes a executar ações não autorizadas ou utilizar indevidamente as suas credenciais. Ao mesmo tempo, um agente devidamente autenticado pode executar ações arriscadas se o seu objetivo for definido incorretamente, o seu contexto for manipulado ou as suas permissões forem demasiado amplas. A segurança informática tradicional aborda, portanto, apenas parte do problema. Além de determinar se um agente está autorizado a aceder aos dados, é crucial avaliar se a ação pretendida é permitida e apropriada dentro do contexto específico.

Isto implica maiores responsabilidades para a gestão da empresa. Não precisam de compreender tecnicamente todos os modelos, mas devem garantir que existe uma definição clara das responsabilidades, classificações de risco, procedimentos de escalonamento e metas económicas para as principais aplicações de IA. A supervisão não pode limitar-se ao número de projetos lançados ou à dimensão do orçamento. Fundamentalmente, é necessário ter informações fiáveis ​​sobre quais os processos que estão a ser automatizados de forma produtiva, quais os dados afetados, com que frequência é necessária a intervenção humana, quais os potenciais danos possíveis e se os benefícios esperados estão de facto a ser alcançados.

A Xpert.Digital é um hub industrial B2B orientado por dados, liderado por Konrad Wolfenstein . A empresa atua como uma solução externa, quase interna, para parceiros industriais, preenchendo lacunas operacionais em marketing, conteúdo e vendas – sem exigir recursos adicionais por parte do cliente.

Mais informações aqui:

• A solução quase interna: como a Xpert.Digital elimina as lacunas operacionais em marketing e vendas B2B – Negócios Inteligentes Orientados por Conteúdo

Um problema de capital está a agravar-se nos bastidores do software

Enquanto as empresas lutam para controlar os seus agentes, a indústria tecnológica está a expandir a infraestrutura física da IA ​​a uma escala sem precedentes. Prevê-se um investimento de quase um bilião de dólares em infraestruturas de IA até 2026. Entre 2027 e 2030, poderão ser adicionados mais seis biliões de dólares. Estes valores estão a ser investidos em data centers, unidades de processamento gráfico (GPUs), tecnologia de redes, armazenamento, refrigeração, fontes de alimentação e terrenos. Esta expansão acompanha a expectativa de que a necessidade de treinar e executar modelos de IA irá crescer significativamente ao longo dos anos.

Contudo, o crescimento por si só não garante um retorno adequado sobre o investimento. Os operadores de centros de dados de IA necessitariam de gerar receitas acumuladas de aproximadamente 8,5 triliões de dólares até 2030 para cobrir os investimentos anunciados, os custos de financiamento e um retorno do investimento estimado em 12%. As receitas potencialmente atribuíveis a empresas e consumidores de IA estão estimadas em um máximo de 3,6 triliões de dólares para o mesmo período. Embora estes números estejam sujeitos a uma incerteza considerável devido aos seus longos horizontes de previsão, a magnitude da diferença é notável.

No entanto, seria um erro comparar diretamente os investimentos e as receitas de IA. Os data centers têm ciclos de vida que se estendem por vários anos, a infraestrutura pode lidar com diversas cargas de trabalho e alguns dos benefícios económicos são recaídos pelas empresas utilizadoras, e não pelo operador da infraestrutura. Além disso, a redução dos custos de computação pode gerar nova procura. Ainda assim, a mensagem central continua a ser válida: o mercado não só precisa de crescer fortemente, como também de produzir aplicações monetizáveis ​​com uma rapidez excecional para todas as capacidades planeadas, de forma a alcançar o retorno esperado.

Esta situação é desafiadora. Muitas das aplicações de IA atuais reduzem os custos ou melhoram os produtos existentes, mas não geram automaticamente receitas adicionais equivalentes aos investimentos em infraestruturas subjacentes. Além disso, os ganhos de produtividade podem ser distribuídos entre fornecedores e clientes. A intensa concorrência reduz os preços, os modelos de código aberto diminuem as barreiras à entrada e os modelos mais eficientes reduzem os requisitos computacionais por tarefa. Embora isto seja benéfico para a economia em geral, pode ter um impacto negativo na rentabilidade dos operadores de data centers individuais.

O relógio da depreciação está a correr mais depressa do que a procura

O hardware de IA difere da infraestrutura básica de longa duração pelos seus curtos ciclos de inovação. As novas gerações de aceleradores oferecem frequentemente um desempenho significativamente maior ou uma melhor eficiência energética. Como resultado, o hardware mais antigo pode perder valor económico, mesmo que ainda funcione tecnicamente. Um operador deve, portanto, recuperar o seu investimento o mais rapidamente possível através de uma elevada utilização e de preços atrativos. Se a procura ficar aquém das expectativas, os valores contabilísticos e os modelos de financiamento ficam sob pressão.

Até 2030, aproximadamente 3,5 triliões de dólares em ativos de IA poderão estar em risco de desvalorização; em 2032, este valor poderá subir para mais de 4 triliões de dólares. Uma baixa contabilística por desvalorização não significa que os servidores desapareçam fisicamente. Em vez disso, indica que os fluxos de caixa futuros esperados já não justificam o valor contabilístico do ativo. Para os operadores altamente alavancados, isto pode restringir as condições de crédito, corroer o capital próprio e dificultar novos investimentos.

A dinâmica é semelhante aos ciclos de infraestrutura anteriores. As novas tecnologias fundamentais impulsionam frequentemente a expansão, criando inicialmente capacidade excedentária. Ferrovias, redes de telecomunicações e fibra ótica vivenciaram fases comparáveis. Parte do capital investido foi perdido, enquanto a infra-estrutura prontamente disponível e de baixo custo possibilitou, posteriormente, novos modelos de negócio. Portanto, duas afirmações podem ser verdadeiras simultaneamente: a IA pode desencadear uma profunda transformação económica, e ainda assim uma parte significativa dos investidores actuais pode obter retornos inadequados.

Para a economia em geral, uma correção do mercado não tem de ser totalmente negativa. As baixas contabilísticas e as falências podem reduzir o custo do poder computacional e dar acesso à infraestrutura a compradores mais eficientes. As empresas podem beneficiar de preços mais baixos, mesmo que os investidores originais sofram perdas. A situação torna-se problemática quando o excesso de investimento está ligado a dívidas elevadas, contratos de energia de longo prazo ou capacidade concentrada regionalmente. Nestes casos, as correções podem afetar os bancos, os fornecedores de energia, os mercados imobiliários e os orçamentos públicos locais.

Neonuvens entre o crescimento e a seleção

Os mais vulneráveis ​​são os fornecedores especializados de neocloud que fornecem poder computacional para cargas de trabalho de IA. A sua vantagem reside no elevado nível de especialização técnica, no acesso rápido a processadores gráficos cobiçados e, frequentemente, em ofertas mais flexíveis do que as das grandes empresas de cloud com ampla diversificação. Empresas como a CoreWeave e a Nebius exemplificam este segmento. O mercado endereçável para ofertas de Infraestrutura como Serviço (IaaS) otimizadas para IA poderá crescer de 66 mil milhões de dólares em 2027 para 174 mil milhões de dólares em 2030. Este seria um aumento impressionante, mas pode ainda não ser suficiente para utilizar de forma rentável a capacidade construída simultaneamente.

A previsão de que mais de 80% das neoclouds poderão deixar de operar de forma independente até 2030 não implica necessariamente o desaparecimento completo dos seus recursos computacionais. Falências, aquisições, fusões, parcerias de longo prazo ou integração em plataformas de maior dimensão são todas possibilidades. O factor económico subjacente é a consolidação significativa. Os fornecedores sem financiamento favorável, fornecimento de energia seguro, elevada utilização e uma oferta de serviços claramente diferenciada terão dificuldades em manter-se independentes.

O modelo de negócio é frágil por diversos motivos. Em primeiro lugar, exige enormes investimentos iniciais em hardware que se torna obsoleto rapidamente. Em segundo lugar, a base de clientes pode ser concentrada, o que significa que a perda de alguns clientes de grande dimensão pode alterar drasticamente a utilização da capacidade. Em terceiro lugar, as neoclouds funcionam como intermediárias entre os fabricantes de chips e os clientes, sem que possuam necessariamente o mesmo poder negocial. Em quarto lugar, os hiperescaladores podem competir com serviços de plataforma abrangentes, infraestruturas globais e relações já estabelecidas com os clientes. Quinto, a pressão sobre os preços representa uma ameaça à medida que mais capacidade se torna disponível ou os modelos de negócio se tornam mais eficientes.

Nem todas as neoclouds são iguais. As que têm maior probabilidade de sobreviver são as prestadoras com vantagens estruturais: acesso a longo prazo a energia mais barata, utilização técnica particularmente elevada, acesso a capital escasso, serviços especializados ou uma posição forte em regiões específicas e sectores regulados. Infraestrutura soberana, controlada a nível nacional ou pela União Europeia, pode também ser um fator diferenciador se os clientes priorizarem a privacidade dos dados, a residência dos dados e a independência estratégica em detrimento do preço mais baixo.

Os hiperescaladores estão a ganhar tempo para si próprios

As grandes empresas de computação em nuvem e de tecnologia têm uma vantagem decisiva em relação aos fornecedores especializados: financiam a expansão da IA ​​a partir de áreas de negócio amplas e lucrativas. As plataformas na nuvem, a publicidade, o comércio eletrónico, as subscrições de software, as redes sociais e os serviços empresariais existentes geram fluxos de receitas que podem sustentar os investimentos durante longos períodos. Isto permite que a Amazon, Google, Microsoft, Meta e outros grandes fornecedores resistam melhor a um período de baixos retornos diretos da IA.

A diversificação, no entanto, não elimina o problema do retorno do investimento. Mesmo as grandes corporações precisam de explicar, a longo prazo, como é que os seus investimentos geram valor. Simplesmente dispõem de mais tempo e de canais adicionais de monetização. A IA pode aumentar a utilização da cloud existente, melhorar os produtos publicitários, fidelizar clientes em plataformas, acelerar processos de desenvolvimento e proteger outras áreas de negócio. Portanto, alguns dos benefícios não se refletem na receita de IA reportada separadamente. Estes efeitos colaterais estratégicos dificultam uma comparação direta com as neoclouds, cujo sucesso económico depende mais da locação de poder computacional.

O poder de mercado dos hiperescaladores pode crescer ainda mais como resultado da consolidação. Quando os fornecedores mais pequenos saem do mercado, as grandes plataformas adquirem clientes, profissionais qualificados e infraestruturas com preços atrativos. Isto pode aumentar as economias de escala, mas também agravar as dependências. As empresas e os governos devem, por isso, ponderar a eficiência em relação à resiliência. Uma infraestrutura altamente concentrada é normalmente mais barata a curto prazo, mas pode influenciar os preços, os caminhos da inovação e a soberania digital a longo prazo.

Isto cria um dilema estratégico para a Europa. Desenvolver as suas próprias capacidades de IA requer muita energia e capital, enquanto os fornecedores americanos e asiáticos já possuem economias de escala significativas. Simplesmente copiar os hiperescaladores dificilmente seria promissor. Uma abordagem mais sensata é focar-se em aplicações industriais específicas, espaços de dados fiáveis, setores regulamentados, eficiência energética, modelos linguísticos e técnicos europeus e soluções operacionais soberanas. A justificação económica deve derivar de benefícios diferenciados, e não de uma tentativa de imitar indiscriminadamente as corridas globais à capacidade.

Seis biliões de dólares não é uma previsão da procura

Um outro modelo ilustra a dimensão do desafio. Se a previsão for de que os gastos anuais com infraestruturas de IA atinjam aproximadamente 1,5 biliões de dólares até 2031, e que os investimentos representem cerca de um quarto da receita do setor, o mercado global de IA necessitaria de gerar quase 6 biliões de dólares anualmente. As aplicações existentes para consumidores e empresas poderiam contribuir com entre 1,2 e 1,8 triliões de dólares desse valor. Isto deixaria uma lacuna de aproximadamente 4,2 triliões de dólares que precisaria de ser preenchida por novos mercados.

Esta cifra de seis biliões de dólares americanos deve ser entendida como um obstáculo económico, não como uma previsão fiável de receitas. O número descreve a ordem de grandeza necessária para financiar de forma sustentável a expansão, considerando determinadas premissas de retorno e investimento. Não prevê que essa receita seja de facto gerada. Esta distinção é crucial porque os volumes de mercado com elevado potencial são frequentemente tratados como receitas esperadas nos debates tecnológicos.

Outros mercados em crescimento incluem a pesquisa e a publicidade impulsionadas pela IA, veículos autónomos, camiões e drones, automação industrial, robótica, gémeos digitais, desenvolvimento de medicamentos, serviços médicos, investigação de materiais e energia. Prevê-se que os sistemas autónomos tenham um potencial de cerca de 400 mil milhões de dólares, enquanto a IA física, que engloba simulações, gémeos digitais e robótica, está estimada em aproximadamente 900 mil milhões de dólares. Estes campos possuem um valor económico significativo, mas estão a desenvolver-se mais lentamente do que os produtos puramente baseados em software. Exigem hardware, aprovações regulamentares, testes de segurança, integração em processos físicos e, frequentemente, novas regulamentações de responsabilidade civil.

A diferença temporal é, portanto, potencialmente mais importante do que o potencial de mercado a longo prazo. Mesmo que a robótica e a IA industrial gerem receitas enormes, precisam de escalar com a rapidez suficiente para justificar os investimentos atuais. Os data centers, chips e custos de financiamento são incorridos imediatamente; novas aplicações físicas demoram muitas vezes anos a atingir a maturidade de mercado em larga escala. Uma expectativa futura fundamentalmente sólida pode, portanto, transformar-se num mau investimento se o preço, a estrutura de financiamento ou o timing forem inadequados.

A IA física determinará a segunda metade do boom

Os sucessos da IA ​​genérica até à data têm-se concentrado principalmente no trabalho intelectual digital. Textos, imagens, código de software, pesquisas e comunicação com o cliente podem ser integrados em aplicações existentes com relativa rapidez. A receita potencial destes mercados é substancial, mas dificilmente suficiente por si só para justificar todos os investimentos planeados em infra-estruturas. A próxima fase de crescimento deverá, portanto, estender-se mais profundamente à economia física.

A IA física liga sistemas de aprendizagem com máquinas, veículos, instalações de produção e ambientes do mundo real. Nas fábricas, os gémeos digitais podem simular novos processos de produção antes que equipamentos dispendiosos sejam modificados. Os robôs podem reagir com mais flexibilidade a peças de trabalho variáveis. Nos centros de logística, os fluxos de materiais, a separação de encomendas e o transporte autónomo podem ser coordenados. Na indústria automóvel, os tempos de desenvolvimento podem ser reduzidos, enquanto os sistemas autónomos possibilitam novos serviços. O valor económico surge não só da redução dos custos com pessoal, mas também do aumento da disponibilidade da fábrica, menores taxas de refugo, arranques de fábrica mais rápidos e novos produtos.

Isto representa uma oportunidade estratégica, especialmente para a Alemanha e para a Europa. A sua base industrial, conhecimento de processos, fabricantes de máquinas especializadas e cadeias de abastecimento complexas oferecem dados valiosos e áreas de aplicação. No entanto, esta vantagem não surge automaticamente. Muitos dados industriais são fragmentados, proprietários ou insuficientemente estruturados. As empresas precisam de modernizar as suas arquiteturas de dados, padronizar interfaces e mapear digitalmente o conhecimento operacional. Sem esta base, a IA física continuará limitada a demonstrações.

A monetização também difere do software típico na nuvem. As empresas industriais esperam fiabilidade comprovada, ciclos de vida longos e uma responsabilidade clara. Não aceitam um ambiente experimental permanente em processos críticos para a segurança. Por conseguinte, os fornecedores devem entregar sistemas robustos e integrados que combinem modelos, sensores, sistemas de controlo, cibersegurança e manutenção. É precisamente aqui que se pode desenvolver um mercado para fornecedores europeus especializados, um mercado menos focado no tamanho máximo do modelo e mais no conhecimento especializado, na integração e na confiança.

O núcleo comum de ambas as crises

Os problemas com os agentes de IA e neoclouds parecem inicialmente distintos. Por um lado, existem processos de negócio, governação e decisões erradas; por outro, os data centers, o financiamento e a depreciação. Na realidade, ambos assentam na mesma concepção económica errada: a de que a capacidade técnica se traduzirá quase automaticamente em benefícios lucrativos e escaláveis.

Com os agentes, um projeto piloto bem-sucedido é muitas vezes confundido com maturidade de produção. Com as infraestruturas, as necessidades computacionais em rápido crescimento são equiparadas à disponibilidade suficiente para pagar e a um retorno sustentável do investimento. Em ambos os casos, os estádios intermédios são frequentemente negligenciados. Entre o desempenho do modelo e o benefício para o negócio estão a qualidade dos dados, a reformulação de processos, a integração, a segurança, a supervisão humana e a aceitação. Entre a capacidade computacional e o retorno para o investidor estão a utilização, a definição de preços, os custos de energia, a obsolescência do hardware, o financiamento e a concorrência.

Esta descoberta não se opõe à IA. Ela defende uma alocação de capital mais profissional. As revoluções tecnológicas raramente seguem um caminho linear. Os excessos financiam experiências e infraestruturas, mas posteriormente levam a correções e consolidação. Os vencedores não são necessariamente as empresas que investem primeiro ou mais. Frequentemente, os que prevalecem são os que gerem os custos com prudência, aprendem com os erros iniciais e alinham as suas ofertas com a real disposição para pagar.

A expectativa criada deve traduzir-se em práticas comerciais sólidas

As empresas devem implementar agentes de IA apenas onde existam processos claramente definidos, dados fiáveis ​​e uma métrica-alvo mensurável. O ponto de partida não deve ser onde se possa demonstrar a maior autonomia possível. O fator crucial é onde um estrangulamento específico pode ser eliminado, um prazo de entrega reduzido, a qualidade melhorada ou receitas adicionais geradas. Para cada caso de utilização, deve-se determinar antes do início quais os custos e taxas de erro que são aceitáveis ​​e em que condições o projeto será interrompido.

A implementação deve ser gradual. Inicialmente, um agente pode fornecer sugestões, depois agir sob aprovação humana e, só após um desempenho estável, poderá executar tarefas limitadas de forma autónoma. Estes níveis de maturidade permitem a monitorização separada de benefícios e riscos. Um sistema que já não gera valor mensurável como assistente não se tornará economicamente viável simplesmente por receber mais privilégios.

Em paralelo, é necessário um inventário centralizado. As empresas precisam de saber que agentes existem, que modelos utilizam, a que sistemas acedem e quem é o responsável. Os custos devem ser imputados a processos e unidades de negócio individuais. As ações críticas requerem limites de aprovação, e cada aplicação em produção necessita de um mecanismo de paragem funcional. A governação não deve ser vista como um documento rígido; necessita de estar tecnicamente integrada nas plataformas, identidades, protocolos e processos de desenvolvimento.

O processo de aquisição também está a mudar. Os contratos com fornecedores de IA e cloud devem incluir cláusulas sobre a utilização de dados, alterações de modelos, acesso a registos, incidentes de segurança, desempenho, responsabilidade e opções de troca. As empresas devem evitar tornar os seus processos principais dependentes de um único fornecedor cujos preços, modelos ou estratégia de negócio possam mudar repentinamente. Sempre que possível, as arquiteturas modulares e os modelos intercambiáveis ​​aumentam o poder de negociação.

Para os investidores em infraestruturas, o que importa é o cliente, não o chip

Para os data centers e neoclouds, o acesso ao hardware atual por si só não é suficiente para um modelo de negócio viável. Os investidores devem analisar principalmente a qualidade e a duração da procura. Os contratos de longo prazo só são valiosos se os clientes tiverem um bom crédito e os requisitos mínimos de compra puderem ser eficazmente cumpridos. Igualmente importantes são os preços da energia, as ligações de rede, o arrefecimento, os padrões de utilização, as opções de refinanciamento e o valor residual do hardware antigo.

É necessário ter especial cautela quando o crescimento é financiado principalmente por dívidas adicionais e a utilização da capacidade prevista se baseia num pequeno número de clientes. Uma queda na procura pode, então, impactar simultaneamente a receita, o valor dos ativos e a capacidade de financiamento. Os cenários de stress deverão combinar preços mais baixos, atrasos na entrada em funcionamento, queda na utilização da capacidade, envelhecimento acelerado do hardware e custos de capital mais elevados. Só quando um modelo de negócio se mantém viável mesmo sob premissas menos favoráveis ​​é que o retorno do investimento é fiável.

Para os fornecedores especializados, o caminho da permutabilidade passa pela diferenciação. Isto inclui data centers altamente eficientes, modelos operacionais europeus soberanos, plataformas específicas para cada setor, residência de dados garantida, serviços de segurança integrados ou uma estreita ligação entre a infraestrutura e a expertise em aplicações. À medida que a oferta aumenta, a capacidade pura torna-se uma mercadoria negociável. A confiança, a integração e o desempenho demonstrável, por outro lado, continuam a ser mais escassos.

A próxima etapa de limpeza não significa o fim da IA

Os cancelamentos de projetos previstos e a potencial consolidação das neoclouds não representam uma refutação da inteligência artificial. Pelo contrário, são típicos da transição de uma fase de expansão impulsionada pela tecnologia para um mercado onde o retorno do investimento, a fiabilidade e a maturidade institucional são fundamentais. Uma grande parte dos projetos iniciais desaparecerá por terem sido mal definidos, mal integrados ou economicamente inviáveis. Ao mesmo tempo, as aplicações bem-sucedidas penetrarão mais profundamente nos processos essenciais.

Os activos de infra-estruturas não se tornam simplesmente inúteis. A capacidade computacional pode ainda ser utilizada após depreciação, aquisições ou descida de preços. Para os utilizadores, a consolidação do mercado pode até ser vantajosa se a concorrência e a sobrecapacidade reduzirem os custos. No entanto, a distribuição dos lucros altera-se: os clientes e os compradores posteriores podem beneficiar, enquanto os investidores iniciais em capital próprio e dívida suportam parte das perdas.

O caminho de desenvolvimento mais provável, portanto, não é nem um colapso completo das expectativas em relação à IA, nem uma continuação tranquila do crescimento. Um desenvolvimento em duas frentes é mais provável. As aplicações de alta qualidade e claramente controladas continuarão a crescer e a tornar-se infraestrutura padrão de negócios. Em contrapartida, projetos de agentes indiferenciados, modelos de negócio pouco seguros e capacidades sobreavaliadas sofrerão pressão. O mercado está a separar a possibilidade tecnológica da viabilidade económica.

A verdadeira revolução da IA ​​não começa com o próximo modelo espetacular, mas sim com a capacidade sóbria de traduzir a tecnologia em criação de valor fiável. As empresas que gerem custos, controlo e benefícios de forma integrada sairão mais fortes desta correção. Por outro lado, aquelas que escalam a autonomia sem responsabilidade ou o poder computacional sem procura lucrativa estão, em grande parte, a financiar a próxima onda de falências.

No setor B2B industrial, relacionamentos comerciais sustentáveis ​​raramente surgem da noite para o dia. Eles se desenvolvem passo a passo – por meio de visibilidade, relevância profissional, pontos de contato recorrentes e confiança crescente. O modelo de 4 etapas da Xpert.Digital aborda exatamente isso: oferece um caminho estruturado que começa com um ponto de entrada gerenciável e pode evoluir para uma colaboração mais profunda no desenvolvimento de negócios, se necessário.

Em vez de se basear em promessas de marketing impactantes, este modelo coloca o relacionamento em primeiro plano. As empresas começam com medidas claramente definidas e facilmente calculáveis ​​e, em seguida, decidem, com base na própria experiência, até que ponto desejam expandir a colaboração. Um fator essencial para esse processo de construção de confiança sem interrupções: a plataforma evita completamente anúncios publicitários intrusivos, de modo que o foco editorial permaneça exclusivamente na expertise das empresas.

Mais informações aqui:

• Da visibilidade à confiança: Seu caminho escalável com a Xpert.Digital

☑️ Nosso idioma comercial é inglês ou alemão

☑️ NOVO: Correspondência em seu idioma nativo!

 

Eu e minha equipe teremos o prazer de estar à sua disposição como seu consultor pessoal.

Você pode entrar em contato comigo preenchendo o formulário de contato aqui wolfenstein@xpert.digital:ou simplesmente ligando para +49 7348 4088 965. Meu endereço de e-mail é

Estou ansioso pelo nosso projeto conjunto.

 

 

☑️ Apoio a PMEs em estratégia, consultoria, planejamento e implementação

☑️ Criação ou realinhamento da estratégia digital e digitalização

☑️ Expansão e otimização dos processos de vendas internacionais

☑️ Plataformas de negociação B2B globais e digitais

☑️ Desenvolvimento de Negócios / Marketing / Relações Públicas / Feiras Comerciais Pioneiras