Pelo menos no que diz respeito ao treino dos modelos de IA, por si só, não existe uma verdadeira margem de proteção profunda.

IA = mais GPUs + mais dados + melhores receitas de treino + mais otimizações de engenharia.

Isto já é consenso na indústria. A própria IA não exige, como a fabricação de chips avançados, equipamento exclusivo, acumulação de materiais e processos exclusivos.

Assim que a capacidade de um modelo é demonstrada publicamente, isso equivale a dizer a toda a indústria que isto é possível e que se pode seguir esse rumo. Por isso, os entrantes posteriores não precisam suportar todos os custos de falhas repetidas da empresa pioneira para poderem rapidamente reduzir a distância.

A verdadeira margem de proteção dos fornecedores de IA nunca foi, de facto, a capacidade do modelo em si. O que realmente é valioso é a margem de proteção baseada no ecossistema do utilizador: dados comportamentais, o “mindset” do desenvolvedor, etc.

Por isso, mesmo que empresas como kimi, grok e deepseek provem que os parâmetros e as capacidades do modelo podem ser acompanhados rapidamente, eu acho que ainda assim dificilmente representam um desafio real para a openai e a anthropic.

Quando o “ecossistema de utilizadores” se forma, torna-se uma margem de proteção muito profunda. Mesmo no contexto em que as capacidades de pesquisa em IA são tão fortes, o negócio de anúncios de pesquisa da Google continua a crescer a um ritmo acelerado. E isto ainda é num cenário em que a capacidade já está claramente atrás do mercado.

Não se deve, por causa do rápido desenvolvimento de outros modelos, gritar que a avaliação da openai ou da anthropic deve ser cortada a meio. A openai tem quase 1 bilião de WAU; a anthropic, por sua vez, ocupa mais de 50% da quota de despesa empresarial em LLM.

Perante este quadro, eles ainda geram continuamente dados de utilizadores de alta qualidade. Aqui, a margem de proteção não se explica apenas por “dar rankings”.