As empresas americanas estavam entusiasmadas com a inteligência artificial.
Até a conta chegar.
A montanha-russa nos gastos com "tokens" — as unidades de poder computacional pelas quais a IA é comercializada — está abalando equipes de engenharia e salas de conselho.
Primeiro, veio o "tokenmaxxing", quando executivos incentivavam o maior uso possível de IA.
Depois, surgiu o "tokenminning", quando as empresas perceberam que haviam queimado rapidamente milhões de dólares em recursos corporativos.
'Tokenmaxxing' flopou? Agentes de IA prometeram eficiência, mas estão entregando boletos altíssimos
Amazon: Potencial de negócios em IA é 'simplesmente gigantesco', diz chefe da divisão de nuvem
Essa combinação de urgência e incerteza está levantando questões complexas.
Afinal, para que a IA realmente serve? Como saber exatamente o que está sendo comprado e como medir o valor que ela gera? Como funciona sua precificação e como esses preços mudarão no futuro? E que outros investimentos estão sendo sacrificados para financiar esses gastos?
— É uma espécie de moeda sobre a qual você não tem nenhuma intuição para saber quanto está usando, e as práticas contábeis sequer estão preparadas para lidar com isso— afirmou Howard Rubin, economista que assessora empresas em investimentos com tecnologia.
— Hoje, a IA está sendo tratada como um investimento, mas é um investimento arriscado caso não gere retorno.
Com lucros bilionários: Big techs mostram aos investidores que IA dá dinheiro.
O ‘diabo’ está no fluxo de caixa
Os altos riscos e a escassez de conhecimento deram origem a um novo campo dentro da economia dedicado a entender como as empresas compram IA e que valor obtêm dela.
Pode-se chamá-lo de tokenomics: o estudo de como esse recurso limitado é criado, negociado e transformado em bens e serviços que as pessoas desejam.
As empresas já passaram por outras grandes ondas de adoção tecnológica.
A eletricidade permitiu que a energia fosse gerada longe de onde seria consumida.
A internet transformou radicalmente a forma como os serviços são prestados.
A computação em nuvem converteu o processamento de dados, antes realizado localmente e de forma pesada, em um serviço que pode ser contratado remotamente.
As implicações da IA podem ser igualmente profundas, mas os custos e benefícios são mais difíceis de avaliar.
Quem são? Moonshot está criando novos vencedores e perdedores na corrida da IA
Talvez a analogia mais próxima para entender a IA como um custo empresarial seja a dos derivados de petróleo.
Um insumo comum, o petróleo bruto, é refinado em produtos como gasolina, diesel e gás propano.
Esses combustíveis têm finalidades diferentes, mas podem ser convertidos em uma medida padronizada de energia — como as Unidades Térmicas Britâncias (BTUs na sigla em inglês) — e são normalmente comercializados em mercados atacadistas, onde os preços variam conforme a oferta e a demanda.
No caso dos tokens, a matéria-prima é a eletricidade e os semicondutores.
O poder computacional gerado é fornecido aos modelos de IA e medido em tokens, que geralmente representam alguns caracteres de texto em inglês.
Mas aí termina a comparação com a indústria petroquímica.
Hoje existem milhares de modelos de IA e há pouca transparência sobre quem está pagando por quê.
Não existe consenso sobre quanta energia um token exige, qual modelo é mais adequado para uma determinada tarefa ou quantos tokens deveriam ser necessários para realizá-la.
A Linux Foundation, organização sem fins lucrativos que hospeda projetos de tecnologia de código aberto, já havia desenvolvido padrões para computação em nuvem que facilitaram a comparação de serviços entre diferentes fornecedores.
Em junho, criou a Tokenomics Foundation com objetivo semelhante: estabelecer parâmetros comuns que os provedores de IA concordem em divulgar.
"Há um conjunto de decisões que praticamente toda organização do mundo está tomando neste momento, e queremos padronizar os referenciais usados nessas decisões para que elas tenham um ponto de partida melhor", disse J.R.
Storment, CEO da fundação.
Gigante do e-commerce: Amazon entra para grupo de elite de ações que ultrapassaram US$ 3 trilhões em valor de mercado
As empresas também estão recorrendo a uma nova geração de ferramentas e prestadores de serviço para obter benefícios da IA sem comprometer suas margens de lucro.
A Revenium, por exemplo, ajuda seus clientes a monitorar se os gastos com tokens realmente aumentam a produtividade o suficiente para justificar o custo.
Jason Cumberland, cofundador e diretor de operações da Revenium, afirma recomendar que seus clientes imponham limites ao uso dos modelos mais caros pelos engenheiros.
Depois de consumir sua cota de tokens, eles passam a utilizar modelos de código aberto mais baratos, sendo obrigados a refletir melhor sobre aquilo de que realmente precisam.
A Revenium também ajuda as empresas a relacionar seus gastos com tokens a resultados concretos, como o número de funcionalidades de software entregues.
— As empresas que nos procuram estão enfrentando explosões de gastos— disse Cumberland.
— Elas querem entender se vale a pena, mas também como reduzir esses custos sem simplesmente interromper o trabalho, e esse é o verdadeiro desafio.
Uma das principais questões enfrentadas por essas empresas é: de onde virá o dinheiro para financiar todo esse gasto adicional com tokens?
Entenda o que realmente funciona: Moeda ou chave em cima do roteador melhora o Wi-Fi?
Segundo Cumberland, inicialmente muitas empresas recorreram a recursos improvisados para pagar assinaturas de serviços como Claude ou ChatGPT.
À medida que passaram a depender dessas ferramentas, começaram a cortar licenças de outros softwares e reduzir a contratação de serviços externos, como desenvolvimento web e redação de conteúdo.
Agora, as empresas discutem se os gastos com tokens deveriam ser considerados parte do orçamento destinado à mão de obra.
Essa é justamente a principal questão para os economistas: a IA substituirá trabalhadores humanos ou apenas ampliará sua produtividade?
Recentemente, em um exercício hipotético, analistas da consultoria Bain & Company projetaram um cenário de médio prazo no qual os gastos com tokens representariam cerca de um quarto das despesas operacionais das empresas.
A Elisity, uma empresa de segurança cibernética, afirma que ainda está muito longe disso, mas está preparando o terreno com uma métrica que chama de “equipe biônica”.
A métrica soma os gastos com IA e os divide pelo custo médio do salário e dos benefícios de um funcionário.
Em seguida, divide a receita anual pelo número resultante de funcionários humanos e virtuais para medir sua produção coletiva.
Para tornar tudo um pouco mais realista, os próprios funcionários chegam a redigir descrições de cargo para cada agente de IA, a fim de justificar sua “contratação”.
Cada vez que um engenheiro executa um modelo em uma nova tarefa, ele deve passar por uma avaliação.
— Na prática, você está adicionando funcionários virtuais.
A pergunta é: isso está gerando receita adicional — que é o que realmente importa — ou apenas corroendo suas margens?— afirmou Charlie Treadwell, diretor de marketing da Elisity.
— Em uma empresa em fase de crescimento, isso muda nossa mentalidade sobre onde investir capital para crescer mais rapidamente.
Essa equação, porém, pode mudar rapidamente caso o preço dos tokens aumente de forma significativa.
Hoje, a Elisity utiliza uma assinatura de preço fixo para uma equipe de 150 usuários.
Segundo Treadwell, se a empresa passasse a pagar por token — como normalmente ocorre em organizações com mais de algumas centenas de usuários — seus gastos quadruplicariam, obrigando-a a reconsiderar o uso da tecnologia.
(A empresa, no entanto, afirma não ter planos de reduzir seu quadro de funcionários e continua contratando.)
Para complicar ainda mais a situação, os tokens podem ter preços diferentes dependendo do provedor de nuvem, e não está claro o que determina essas variações.
Como os laboratórios de IA travam uma corrida para conquistar participação de mercado antes de abrir capital, os preços cobrados podem não refletir integralmente o custo real de produção dos tokens.
Ao mesmo tempo, a própria IA pode ajudar a reduzir seus custos.
Parte disso se deve ao uso crescente dos chamados cache tokens, que representam informações já processadas anteriormente pelo modelo e que podem ser reutilizadas por uma fração do custo.
À medida que mais empresas utilizam IA por meio de softwares capazes de executar tarefas de forma autônoma — os chamados agentes — esses agentes conseguem delegar uma parcela cada vez maior do trabalho aos cache tokens.
Em um artigo de pesquisa publicado neste mês, uma equipe de economistas concluiu que essa dinâmica vem reduzindo os gastos em relação ao que seriam de outra forma, mesmo com o aumento tanto do consumo de tokens quanto dos preços oficiais dos modelos de IA mais avançados.
A capacidade de os custos dos tokens permanecerem competitivos em relação aos salários humanos terá grande influência sobre qual tipo de inteligência as empresas privilegiarão no futuro.
Mas ainda existe escassez de profissionais que saibam implementar a IA de maneira realmente produtiva.
É isso que mantém consultores como Jue Wang bastante ocupados.
— Na verdade, acho que essa é a limitação sobre a qual a indústria fala pouco", afirmou Wang, sócio da Bain.
— Frequentemente pensamos: 'Ah, eles não têm capacidade computacional suficiente'.
Mas o problema também é que não há pessoas suficientes capazes de transformar essa tecnologia em valor real.