O verão de 2026 já começou nos EUA e, sob o sol escaldante da temporada, Satya Nadella, CEO da Microsoft — empresa que distribui o programa de IA ‘Copilot’ e que detém participações na OpenAI e na Anthropic, além de faturar bilhões com infraestrutura de nuvem — publicou um ensaio em seu perfil no X que poderia estar afixado na porta de toda sala de reuniões do Brasil.
“Na era da IA, o comprador arrisca dar de graça o conhecimento, só para usar aquilo que comprou“, escreveu o executivo.
O alerta é simples e brutal: as empresas estão pagando duas vezes pela inteligência artificial. Uma vez com dinheiro, pelas assinaturas. Outra com o próprio conhecimento institucional que as diferencia da concorrência.
Nadella cunhou o termo “paradoxo reverso da informação”, uma inversão do clássico paradoxo do economista Nobel Kenneth Arrow, que observou que quem vende informação corre o risco de entregá-la ao tentar vendê-la, pois o comprador só conhece o valor depois de recebê-la — e aí já a tem de graça.
Parece uma afirmação confusa, mas Nadella não somente a entendeu como inverteu sua lógica: agora, quem arrisca entregar o conhecimento não é o vendedor, é o comprador. “Quanto melhor você quer que o modelo funcione, mais desse conhecimento você tem de revelar“, afirmou. “Você paga pela inteligência duas vezes: uma com dinheiro e outra com algo ainda mais valioso, o conhecimento proprietário que precisa revelar para tornar essa inteligência útil“.
O problema, segundo o executivo, piora com o tempo. Cada comando, cada correção, cada ajuste que um funcionário faz em um modelo de IA é o que Nadella chama de “exaustão” — fragmentos de saber operacional que nenhum concorrente poderia comprar no mercado, mas que vazam “traço por traço, correção por correção”. O fornecedor do modelo aprende cada vez mais sobre o cliente a cada uso. “O cliente aprende quase nada” sobre o que o fornecedor absorve em troca.
A ironia, apontada pelo próprio CEO da Microsoft, é que os grandes laboratórios de IA reivindicam o direito de treinar seus modelos com dados públicos, mas impõem termos restritivos que se reservam o direito de aprender com os dados de uso dos clientes. Se o aprendizado flui em uma só direção, o valor econômico se concentra nos donos da infraestrutura — e não em quem de fato gera o conhecimento.
O primeiro custo já pode estar fora de controle
Se o segundo preço — o do conhecimento — é invisível, o primeiro, o da assinatura, já está deixando os executivos de cabelo em pé. Uma pesquisa da consultoria KPMG divulgada em junho de 2026 revelou que apenas 26% das organizações têm visibilidade em tempo real sobre o custo de operar IA em escala. Quase um terço dos executivos (29%) admitem ter dificuldade para entender e controlar os gastos com inteligência artificial, à medida que os fornecedores substituem assinaturas fixas por modelos de cobrança por uso — tokens, inferências, chamadas de API.
A mudança de preço está forçando empresas a reconsiderar implantações. Quase metade das organizações pesquisadas pela KPMG já remarcou ou reduziu deployments após os custos superarem o valor esperado. Um terço dos líderes citam fraca compreensão da economia da IA como barreira para implantar agentes. “As organizações estão enfrentando um desafio emergente: entender e gerenciar o custo de operar IA em escala“, resume o relatório da KPMG.
Assim, as contas de IA parecem estar confundindo o C-suite com um modelo de precificação por uso que transformou o que antes era uma despesa previsível em uma linha orçamentária volátil e que explode conforme a adoção se amplia.
A terceira camada: a revolução dos agentes
Enquanto os gestores tentam enxergar os custos, a tecnologia avança em outra frente. Outra consultoria global, a Gartner, previu que 40% das aplicações enterprise terão agentes de IA específicos por tarefa até o final de 2026 — um salto de menos de 5% no início do ano. Com isso, agentes autônomos que planejam, executam e ajustam workflows sem intervenção humana estão saindo do laboratório e entrando em roadmaps de produto.
Mas essa aceleração tem um preço adicional. A consultoria calcula que até US$234 bilhões em gastos com software enterprise estão em risco até 2030 por causa do que chama de “arbitragem agentic” — quando agentes de IA completam tarefas através de múltiplos sistemas, reduzindo a necessidade de os usuários interagirem com interfaces tradicionais de software. “A IA agentic muda a economia do software“, afirmou George Brocklehurst, vice-presidente da Gartner. E completou: “Sistemas agentic entregam resultados diretamente, contornando aplicações tradicionais com UX pesado e tornando o software invisível“.
No caso do estudo da KPMG, a consultoria detectou que a parcela de empresas orquestrando múltiplos agentes de IA em workflows coordenados dobrou para 18%, ante 9% no período anterior. “Agentes de IA estão mudando tanto o modelo operacional quanto a economia“, disse Rahsaan Shears, líder de transformação de IA da KPMG. “À medida que as organizações migram de implantações isoladas para uso coordenado em toda a empresa, a boa governança é o que une escala, performance e valor“.
Por que isso importa para o Brasil
Para o leitor de negócios brasileiro, a convergência desses três vetores — o custo oculto do conhecimento, a falta de visibilidade de gastos e a chegada dos agentes — cria um modelo curioso de alto risco e alta recompensa.
O relatório “State of AI” da NVIDIA, publicado em março de 2026 com mais de 3.200 respostas globais, já havia mostrado que 64% das empresas já usam IA ativamente em suas operações e 88% relatam impacto positivo no aumento da receita anual — 30% delas com crescimento superior a 10%. Em telecomunicações, 99% dos respondentes disseram que a IA melhorou a produtividade dos funcionários. Em serviços financeiros, 52% citam ganho de produtividade como principal impacto.
Os dados são animadores, mas escondem uma armadilha: a maior parte do ROI está concentrada em grandes corporações (mais de 1.000 funcionários), onde 76% usam IA ativamente. Empresas menores, com menos capital para infraestrutura e especialistas, ficam para trás. No Brasil, por exemplo, onde o ecossistema de startups e médias empresas é vasto, o risco de adoção desigual é real.
Além disso, a transição para modelos de cobrança por uso pode ser especialmente perigosa em um mercado com volatilidade cambial. Um contrato de IA que parece acessível em dólar pode virar uma âncora orçamentária em poucos meses. E se a empresa, ao usar o modelo, está simultaneamente treinando o concorrente de amanhã com seu know-how, o prejuízo vai muito além da fatura.
A saída, segundo quem vende
A solução proposta por Nadella é surpreendentemente técnica para um CEO de uma big tech: distribuir a infraestrutura de aprendizado para cada empresa, criando uma “fronteira de confiança” rígida onde dados, avaliações e memória organizacional se acumulam sem atravessar para o lado do fornecedor. Na prática, isso significa desacoplar a camada de orquestração de qualquer modelo único, manter a propriedade das correções e do histórico de decisões, e usar modelos de pesos abertos em infraestrutura própria para o trabalho de rotina — reservando os modelos caros de fronteira apenas para o que realmente os exige.
“Uma empresa deveria poder usar um modelo sem abrir mão do conhecimento que a torna única“, escreveu Nadella. “Esse é o paradoxo reverso da informação que precisamos enfrentar“.
O que vem por aí
O mercado de software enterprise está prestes a viver uma metamorfose. A Gartner prevê que, até 2028, um terço das experiências de usuário migrará de aplicações nativas para interfaces agentic, criando novos modelos de negócio e precificação. A “Saaspocalipse”, como a consultoria batiza a desagregação do mercado SaaS tradicional, não é o fim do software — é seu renascimento em outra forma.
Para os gestores brasileiros, a lição parece ser clara: a decisão de compra de IA não pode mais ser baseada apenas em qual modelo é o mais inteligente hoje. A pergunta decisiva é quem fica com a aprendizagem que se acumula enquanto o modelo é usado. Se a empresa não consegue transferir sua carga de trabalho para outro fornecedor em uma semana sem perder as correções e o contexto que sua equipe construiu, então esse valor não é dela: é do fornecedor.
Nadella não disse para ninguém parar de comprar IA. Disse para parar de pagar o segundo preço sem dar por isso. E no mundo dos negócios, onde cada real investido em tecnologia precisa render múltiplos, essa é uma lição que não pode esperar.
Para saber mais notícias e análises do mundo da economia e dos negócios, acesse: https://www.gazetamercantil.digital/
