Analistas preveem: em 2029, as despesas das empresas com tokens de IA podem ser mais caras do que os salários dos engenheiros.

A Anthropic tem apenas 5,000 funcionários, mas as despesas de computação são 2.3 vezes o salário; as empresas na mediana do setor gastam apenas 137 dólares por engenheiro por ano. Uma diferença de 680 vezes é o mistério que esta análise pretende desvendar, e para onde 2029 irá levar ainda é uma incógnita.
（Resumo: De forçar os funcionários a usar IA a temer gastar demasiados tokens: cada vez mais empresas apertam as quotas internas de uso de IA）
（Contexto: A Oracle raramente admite que os seus centros de dados «podem não ter retorno», as ações da Oracle caíram 40% em Junho）

Índice

Toggle

• A potência de computação come primeiro o salário
• Força de impulso e força de tração
• Todas as empresas estão a apostar

Imagine que, numa empresa comum em 2029, a conta de IA anual para manter um engenheiro pode muito bem ser mais cara do que o próprio salário do engenheiro? Esta é a conclusão a que chegou o famoso analista de capital de risco Tomasz Tunguz usando três modelos de cenário.

Quando os custos de computação começam a aproximar-se ou mesmo a ultrapassar os custos laborais, as despesas com IA deixam de ser um orçamento de ferramentas opcional e passam a ser uma despesa estrutural que deve ser comparada com os salários na mesma demonstração de resultados.

A potência de computação come primeiro o salário

Esta história começa com os próprios livros da Anthropic. De acordo com as estatísticas da SaaStr, a empresa tem atualmente apenas cerca de 5,000 funcionários, mas gastou cerca de 10 mil milhões de dólares em inferência e treino em 2026. Convertido, cada funcionário suporta em média cerca de 2 milhões de dólares em despesas de computação, em comparação com a compensação total estimada pela Levels.fyi de mais de 500,000 dólares, a despesa de computação é 2.3 vezes o salário.

Esta é uma proporção sem precedentes em toda a indústria de software; a maioria das empresas vive num mundo completamente diferente. De acordo com as estatísticas do Ramp AI Index de junho de 2026, o top 1% das empresas gasta cerca de 89,000 dólares por engenheiro por ano em IA, o que equivale a 40% do salário de um engenheiro sénior com um salário anual de 224,000 dólares; as empresas na mediana gastam apenas 137 dólares por engenheiro por ano, quase zero.

Entre o topo e a mediana, há uma diferença de quase 680 vezes, e este é o mistério que esta análise mais pretende explicar: se esta diferença se vai alargar ou diminuir.

As restantes 99% das empresas vão ou não acompanhar o ritmo da Anthropic, e com que rapidez? Tunguz enquadra a resposta com três cenários: o cenário pessimista assume que o preço dos tokens continuará a cair até anular o crescimento da procura; o cenário base assume que a curva de crescimento do top 1% abranda gradualmente; o cenário otimista assume que todo o mercado alcançará a proporção atual da Anthropic em 2029. Cada um converte a conta de IA como percentagem do salário base de 224,000 dólares de um engenheiro sénior, assumindo que os salários crescem cerca de 5% ao ano:

• 2026: pessimista, base e otimista todos a 90,000 dólares, 40%
• 2027: pessimista 106,000 dólares (45%), base 164,000 (70%), otimista 258,000 (110%)
• 2028: pessimista 118,000 dólares (48%), base 259,000 (105%), otimista 444,000 (180%)
• 2029: pessimista 106,000 dólares (41%), base 363,000 (140%), otimista 596,000 (230%)

O valor do cenário pessimista cai após 2028, porque a taxa de queda da proporção é mais rápida do que a inflação salarial.

Força de impulso e força de tração

O cenário otimista é sustentável principalmente devido aos fluxos de trabalho de IA cada vez mais complexos (workflows agenticos).

Quando faz a IA executar tarefas de forma autónoma e contínua, decidindo por si mesma o que fazer a seguir, em vez de simplesmente perguntar e responder, a quantidade de tokens consumidos é várias ordens de grandeza superior ao modo de chat. A Goldman Sachs prevê que, até 2030, o consumo de tokens crescerá 24 vezes.

Por outro lado, de acordo com a investigação da Epoch AI, a Anthropic e a OpenAI geram receitas de 14 milhões e 6,5 milhões de dólares por funcionário, respetivamente, sendo as duas empresas mais altas da lista Forbes Global 2000. A estrutura de custos, no final, segue a estrutura de receitas; as empresas que podem gastar são geralmente as que também conseguem recuperar o investimento.

Mas a força que puxa para o cenário pessimista é igualmente real e já se manifesta há três anos. O preço de entrada dos modelos de nível GPT-4 da OpenAI caiu de 30 dólares por milhão de tokens no lançamento em março de 2023 para menos de 3 dólares em 2026, caindo a um ritmo de dez vezes por ano durante três anos.

Além disso, os modelos de código aberto também se aproximam do nível de fronteira. O DeepSeek-V3 e versões posteriores, com um custo de API de um décimo a um trigésimo, produzem resultados comparáveis aos principais modelos fechados, o que ecoa exatamente por que razão o debate entre código aberto e fechado é uma das questões políticas mais importantes da era da IA: modelos de código aberto baratos determinam diretamente se o cenário pessimista tem hipóteses de se concretizar.

As empresas que estão dispostas a limitar ativamente o uso com base na função ou na quantidade de trabalho também podem reduzir esta curva por si mesmas, sem terem de esperar passivamente pela queda dos preços.

Todas as empresas estão a apostar

O que realmente merece atenção nesta análise não é a conclusão superficial de que «a IA é cara», mas sim que as despesas com IA estão a passar de um orçamento de ferramentas opcional para uma despesa estrutural que rivaliza com os custos laborais. No cenário otimista, a conta de IA de um único engenheiro, por si só, é suficiente para rivalizar com a receita mediana gerada por um funcionário de uma empresa SaaS de capital aberto (cerca de 250,000 dólares), o que já não é da ordem de grandeza do custo de uma ferramenta, mas sim da ordem de grandeza de outro salário.

Quando os custos de computação começam a competir com os salários na mesma demonstração de resultados, as empresas precisam de decidir com antecedência para que futuro estão dispostas a alocar orçamento.