Microsoft e Uber apontam que usar IA pode ser mais caro do que contratar pessoas

A promessa era atraente: a inteligência artificial (IA) prometia reduzir custos operacionais, substituir tarefas repetitivas e aumentar a eficiência das empresas. No entanto, recentementes determinados dados internos de gigantes como Microsoft e Uber revelaram que a situação é diferente do esperado.

Microsoft redireciona seus esforços

A Microsoft decidiu cancelar a maioria das licenças do Claude Code, assistente de programação da Anthropic, e redirecionou seus engenheiros para o GitHub Copilot CLI, sua própria plataforma. Essa decisão ocorreu após uma intensificação no uso da ferramenta, o que resultou em custos de computação insustentáveis. Embora não tenha havido um comunicado oficial detalhando os números, informações internas indicam que operar agentes de IA em larga escala passou a custar mais do que contratar humanos para realizar as mesmas funções.

O dilema dos tokens

Os fluxos de trabalho que envolvem agentes de IA não utilizam um modelo apenas uma vez. Eles fazem chamadas repetidas, ativam sub-agentes e executam etapas de raciocínio em ciclo. Cada uma dessas interações consome tokens, que são cobrados. Quanto mais eficiente for o agente, mais tarefas ele executa; e, consequentemente, maior é o custo. Bryan Catanzaro, vice-presidente de deep learning aplicado da NVIDIA, comentou que, para sua equipe, “o custo de computação supera em muito o custo dos funcionários”.

Uber consumiu o orçamento de IA rapidamente

A Uber também enfrentou problemas. O CTO confirmou que a empresa havia esgotado todo o orçamento destinado a ferramentas de IA para programação de 2026, mesmo estando apenas no primeiro trimestre do ano. O aspecto irônico é que a Uber havia criado rankings internos para incentivar as equipes a utilizar mais IA, premiando os times de acordo com o volume de uso. O custo por engenheiro em APIs variou entre US$ 500 e US$ 2.000 por mês.

Projeção do Gartner

A Gartner prevê que os preços por token devem cair quase 90% até 2030. Embora isso possa parecer promissor, a empresa adverte que modelos com agentes consomem significativamente mais tokens por tarefa do que modelos tradicionais, e essa queda nos preços unitários pode ser ofuscada pelo aumento exponencial no consumo. Além disso, a Goldman Sachs projeta um crescimento de 24 vezes no consumo de tokens até 2030, alcançando 120 quadrilhões de tokens mensais. Um estudo do MIT já havia indicado, com dados de 2024, que a automação por IA só faz sentido econômico em 23% das funções que exigem tarefas visuais. Nas demais, contar com humanos pode ser mais econômico.