Finalmente as empresas que usam IA descobriram que o negócio foi roubado por empresas de modelos de linguagem

Autor: Yu Yu Hang Yuan; Fonte: Geek Park

1 de julho, o CEO da Palantir, Alex Karp, entrou no estúdio da CNBC e atirou uma bomba com um tom quase descontrolado.

Disse que a indústria de IA está “effing insane” (“louca”), disse que os CEO’s das empresas americanas estão “livid” (“em fúria”) com a OpenAI e a Anthropic, disse que as empresas estão a fazer uma coisa absurda — por um lado, andam a pagar freneticamente por tokens, e por outro, entregam aos fornecedores de modelos os seus dados operacionais mais essenciais. E o valor comercial que se obtém, é praticamente impossível de medir.

O apresentador perguntou-lhe se isto era “passar a responsabilidade”. Karp respondeu: “Não, eu estou apenas a apresentar factos.”

As ações da Palantir subiram 9% nesse dia. Só esse número é uma espécie de voto — o mercado acredita que ele disse aquilo que muita gente queria dizer, mas não conseguiu.

Isto não é um desabafo de uma única pessoa. Quando o líder de uma empresa com uma capitalização superior a mil biliões de dólares desfere ataques, em direto nacional, contra toda a indústria dos grandes modelos, e quando o mercado dá feedback positivo com dinheiro real, isto significa que uma emoção coletiva atingiu o ponto crítico.

Nos últimos dois anos, toda a gente tem falado sobre como abraçar os grandes modelos. Mas agora, está a surgir um problema novo — se a empresa ficar demasiado perto dos grandes modelos, será que eles a vão rasgar ao meio?

**01 **Do “entusiasmado” ao “não ingénuo”

Ao recordar o início de 2024, a atitude das empresas face aos grandes modelos podia resumir-se em quatro palavras — “primeiro, colocar em prática”.

Que importa o ROI ou não, que importa para onde vão os fluxos de dados, o importante é não ficar para trás. Naquela altura, a narrativa principal era: “A revolução da IA chegou; quem não abraçar será ultrapassado”. Os CIOs e CTOs de todos os setores, sob uma enorme pressão, enfiavam a IA em cada parte do negócio onde fosse possível enfiá-la. Era uma decisão típica impulsionada pelo pânico tecnológico.

Em 2025, “expansão total” tornou-se a palavra-chave. As empresas começaram a integrar os grandes modelos a sério nos processos centrais do negócio, deixando de ser apenas demos e hackathons internos. Da gestão de clientes à geração de código, da análise de mercado ao desenho de produtos, a profundidade e a amplitude da penetração da IA cresceram exponencialmente.

Mas entrando em 2026, está a acontecer uma mudança emocional subtil.

Um inquérito da Salesforce mostra que apenas metade dos líderes de TI têm confiança de que a infraestrutura de dados da sua empresa consiga suportar a implementação bem-sucedida de IA. Um relatório de investigação divulgado pela NTT DATA este ano, em maio, usou diretamente a expressão “embater na parede” — a IA empresarial está a enfrentar gargalos arquitetónicos trazidos por exigências de privacidade de dados e soberania. A Gartner prevê que, até 2027, 35% dos países dependerão de plataformas de IA regionalizadas, enquanto hoje esse número é apenas 5%.

Karp descreveu esta mudança de forma ainda mais direta. Ele disse que as empresas estão a passar do “tokenmaxxing” — consumir tokens sem pensar — para uma pergunta real sobre o retorno do investimento. “A ideia base é: não desperdicem mais tempo em tokens.”

Isto não é negar os grandes modelos. É todo o setor a sair do ‘entusiasmado’ para o ‘não ingénuo’. Depois da fase febril, as empresas começaram a olhar com mais frieza para um problema fundamental — aquilo que eu entrego, e aquilo que eu recebo, a conta fecha?

**02 **Quando o parceiro vira concorrente

As críticas de Karp ainda se mantinham no nível do modelo de negócio. Mas o que realmente faz gelar a espinha é outra ameaça, mais direta — o seu fornecedor de serviços de IA pode estar a usar os dados e os cenários que você contribuiu para construir produtos que o vão substituir.

O que aconteceu em abril de 2026 tornou este receio uma realidade.

Em fevereiro deste ano, a Figma e a Anthropic ainda colaboravam no desenvolvimento de uma funcionalidade chamada “Code to Canvas”, integrando de forma perfeita o código gerado pela Claude no fluxo de design da Figma. As duas empresas pareciam ser parceiras íntimas.

A 14 de abril, o Chief Product Officer (diretor de produtos) da Anthropic, Mike Krieger, demitiu-se silenciosamente do lugar no conselho de administração da Figma.

Três dias depois, a Anthropic lançou a Claude Design — uma ferramenta de design de IA que pode gerar protótipos de interação, PPT e materiais de marketing diretamente em linguagem natural, posicionando-se de forma muito precisa contra o negócio central da Figma.

Nessa mesma data, as ações da Figma caíram quase 8%.

Num artigo posterior da Fast Company, há um detalhe digno de reflexão — a Figma e empresas como a Adobe e a Canva mantêm relações de colaboração com a Anthropic há muitos anos, mas antes do lançamento da Claude Design, ninguém foi avisado. Toda a gente percebeu, de forma apanhada de surpresa, que o seu parceiro de IA, sob os seus próprios olhos, se transformou num concorrente.

Este caso merece reflexão porque revela um problema estrutural mais perigoso do que em qualquer outra época na era dos grandes modelos — quando você colabora de forma profunda com uma empresa de IA, não entrega apenas a porta de entrada para o mercado; entrega também a sua compreensão central dos cenários e os dados sobre as necessidades dos utilizadores.

A Anthropic conseguiu criar a Claude Design, em grande parte, porque na sua colaboração com empresas de ferramentas de design, compreendeu profundamente o fluxo de trabalho dos designers e os seus pontos de dor.

Mas se abrirmos o ângulo, isto não é um enredo novo na história da tecnologia.

A Amazon, tendo começado com o e-commerce, lançou marcas próprias: usando dados da plataforma para identificar com precisão as categorias que mais lucram e depois lançando os seus próprios produtos para corroer os vendedores terceiros. A Microsoft, começando pelo sistema operativo, foi absorvendo browser, software de escritório e ferramentas de comunicação uma a uma — a Netscape foi morta, e a Slack foi forçada a vender-se. O Google, estendendo-se do motor de busca, passou a responder às perguntas dos utilizadores diretamente na página de resultados, marginalizando o Yelp e muitos serviços de informação verticais.

A lei imutável do setor tecnológico nunca mudou — quando uma plataforma tem dados e compreensão suficientes dos utilizadores, começa a invadir a cadeia a montante.

Na era dos grandes modelos, esta lei torna-se ainda mais agressiva, porque a invasão por plataformas tradicionais ainda precisa de tempo para acumular compreensão, enquanto os grandes modelos são naturalmente um “acelerador de compreensão”. Cada chamada de API, cada input de dados de negócio, ajuda o fornecedor do modelo a compreender mais rápido e de forma mais profunda o seu território.

**03 **O “limite de Roche” da era da IA

Na astronomia existe um conceito chamado “limite de Roche” — quando um corpo celeste se aproxima demasiado de uma estrela de grande massa, as forças de maré excedem a sua própria gravidade, e o corpo acaba por ser despedaçado.

Esta metáfora descreve a relação das empresas com os grandes modelos de hoje com uma precisão inquietante.

Os grandes modelos são a estrela de grande massa. Cada empresa quer aproveitar a sua força gravitacional para acelerar — aumentar eficiência, reduzir custos, inovar. Mas o problema é: quando se chega tempo o suficiente perto, o seu “material” começa a ser arrancado. Os seus dados, o seu know-how, e a sua compreensão das necessidades dos utilizadores, acabam por fluir para o centro gravitacional durante a colaboração.

E então, qual é o limite para uma empresa “dançar com a IA” sem ser finalmente engolida?

Este problema já foi colocado na mesa nos Estados Unidos. Mas se achar que isso ainda está muito longe das empresas na China, isso pode ser uma ilusão.

As empresas dos EUA e da China têm diferenças no ritmo de adoção de aplicações de IA. As empresas americanas já entraram na fase de implementação em larga escala e profundamente integrada nos negócios, enquanto as empresas chinesas, no geral, ainda estão a passar de pilotos para escalabilidade. A investigação divulgada em março deste ano pela Lenovo em conjunto com a IDC mostra que 72% das empresas no mercado interno já concluíram pilotos de agentes e entraram em uso oficial, com IA a ser implementada em média em 3,5 cenários. Mas o foco do desafio também mudou: saiu de “falta de capacidade de computação, falta de dados” e passou para “os resultados das aplicações não correspondem às expectativas” e “o ROI não é claro”.

Por outras palavras, as empresas chinesas estão a entrar numa “fase de lucidez em IA” semelhante à das empresas americanas.

A Geek Park, ao conversar recentemente com muitos empreendedores e empresas com negócios tradicionais, detetou um fenómeno interessante — que a forma como as pessoas pensam nestas questões, muitas vezes não vem diretamente de um senso de crise como “tenho medo de que as empresas de modelos roubem o meu negócio”, mas sim de, após integrar verdadeiramente a IA nos processos, começarem naturalmente a redefinir “qual é o meu valor central na era da IA”.

No fim, esta redefinição recai em duas capacidades-chave.

**04 **Quem controla a “infraestrutura de IA”?

A primeira, e a mais realista, está altamente alinhada com o que Karp disse: os seus dados e a sua lógica de negócio, afinal, rodam sobre que “base”?

O argumento central que Karp tem repetido na CNBC é este. Os dados operacionais mais sensíveis de uma empresa não devem fluir para a caixa-preta de um fornecedor de modelos de terceiros. Ele posiciona a Palantir como camada de aplicação que fornece “IA soberana” — o modelo pode ser de terceiros, mas os dados têm de ficar dentro do seu próprio perímetro, e a implementação tem de ocorrer numa infraestrutura que esteja sob o seu controlo.

Isto não é paranoia. O “sentir na pele” das empresas chinesas é, na prática, totalmente consistente. O responsável de P&D da WPS 365 da Kingsoft, Huang Weijie, disse recentemente uma frase muito certeira: “Hoje, as empresas não estão a faltar hardware e modelos; está-lhes a faltar uma camada de aplicação de IA segura.”

Os dados da IDC também confirmam esta tendência. Na implementação de capacidade de computação para IA empresarial, a percentagem de cloud pública está a diminuir, e a quota total de cloud privada e implementação local aumentou de 54% para 69%. “Os dados não saem do domínio” está a passar de um slogan de conformidade para a primeira condição de triagem quando os CTOs escolhem soluções.

Karp chama-lhe “commodity cognition”, ou seja, “conhecimento cognitivo mercantilizado”. A sua avaliação é que a qualidade dos próprios modelos está a convergir; o valor verdadeiramente diferenciador não está na camada do modelo, mas sim na camada de aplicação que liga as capacidades do modelo a cenários específicos da empresa. A “Soberant AI Engine” que a Palantir desenvolveu em parceria com a NVIDIA é a materialização deste raciocínio — combinando modelos open source com a sua própria camada ontológica e estrutura de governação, para que as empresas executem IA em ambientes totalmente controláveis, sem que um único byte de dados saia. As receitas da Palantir no primeiro trimestre de 2026 foram de 1,63 mil milhões de dólares, um crescimento de 85% ano contra ano. De certo modo, isto é também o voto do mercado por esta via.

Há um sinal a observar — no futuro, as empresas e soluções que ajudem as organizações a correr IA “na sua própria base” vão ser ainda mais valorizadas. No mercado interno, “cérebro privado de IA” já se tornou um setor real, e muitas startups estão a criar produtos em torno desta direção. Isto não é apenas uma obsessão técnica; é uma escolha racional feita depois de as empresas pensarem bem.

**05 **Não transforme a organização numa “máquina de repetição”

A segunda capacidade é mais difícil de quantificar, mas a Geek Park sente cada vez mais isso nas conversas com empresas: quando a IA consegue substituir cada vez mais etapas de execução, que tipo de “pessoa” precisa a organização?

Algumas empresas mais rápidas já caíram neste problema.

Quando a IA supera claramente a eficiência humana em certas etapas, o pensamento natural é “cortar pessoas”. Mas depois da organização ficar mais fina, surge uma questão escondida — o conjunto de trabalho que a IA executa, na essência, é “best practice” que estas pessoas condensaram no ambiente antigo. Quando o ambiente muda, quando o mercado muda, quando os utilizadores mudam, a IA continua fiel a executar aquela lógica antiga, enquanto já não há pessoas suficientes na organização para detetar estas mudanças e empurrar o negócio para evoluir.

Em suma, uma organização preenchida com IA, mas esvaziada de pessoas, provavelmente só está a repetir eficientemente o passado.

Isto não quer dizer que não se deva substituir execução com IA. Quer dizer que, quando a IA passa a assumir cada vez mais a camada de execução, a empresa passa a precisar de outro tipo de pessoa — não aquelas que executam tarefas específicas no sentido tradicional, mas aquelas capazes de “comandar” a IA. Este papel precisa de compreender o panorama global do negócio, conseguir avaliar se o que a IA produz ainda se aplica à realidade em mudança, e ver novas possibilidades para além do “ótimo” que a IA propõe.

Algumas empresas mais à frente já começaram a pensar a sério neste assunto. Elas descobrem que com IA, a competitividade real não é “quantas pessoas substituíram com IA”, mas sim “se as vossas pessoas conseguem dominar a IA para fazer coisas que antes não conseguiam”. Se for apenas deixar a IA automatizar e repetir continuamente dentro de dados históricos, na prática ficarão presos a algum snapshot do passado.

A importância desta viragem de perceção pode não ser menor do que a soberania de dados. Quando a IA achata barreiras tecnológicas, a “capacidade de julgamento das pessoas” e a “capacidade de evolução da organização” tornam-se justamente as coisas mais difíceis de replicar. Algumas empresas já perceberam isso; outras ainda não. Mas a linha divisória pode ficar muito clara nos próximos um ou dois anos.

**06 **A indústria precisa de “novas empresas de IA”

Nos últimos dois anos, um pressuposto implícito tem dominado todo o setor — o valor da era da IA acabará por se concentrar nas empresas de modelos. Quanto mais perto de modelos, mais alto é o valor.

Este pressuposto está a ser abalado.

Karp, na verdade, expôs uma questão na CNBC — a própria estrutura dos modelos está a tornar-se “cognition mercantilizado”. Quando as diferenças de capacidade entre grandes modelos diminuem cada vez mais, a verdadeira diferenciação já não está na camada do modelo. Uma estrutura industrial em que apenas as empresas de modelos dominam, não é saudável nem para as empresas nem para a velocidade de desenvolvimento do próprio setor de IA.

O que as empresas precisam nunca foi um modelo mais forte. Precisam de um ecossistema completo — capaz de responder à ansiedade sobre soberania de dados, capaz de proteger as barreiras competitivas de serem “sugadas”, capaz de integrar a IA nos negócios sem perder o controlo. Esta necessidade está a criar um mercado muito mais complexo do que simplesmente “vender tokens”.

Já existem sinais claros em algumas direções.

A “infraestrutura de IA soberana” está a tornar-se um setor real, com gente a injectar muito dinheiro. Isto não é conceito. Apenas no primeiro semestre de 2026, três empresas europeias a fazer infraestrutura de IA soberana (Nebius, nScale, AtlasEsge) levantaram no total mais de 11,8 mil milhões de dólares. Poucos dias antes, a Valarian em Londres acabou de obter 50 milhões de dólares na sua Série A, fazendo algo muito concreto — adicionar uma camada de “controlo soberano” entre sistemas de IA e dados sensíveis, determinando que IA pode aceder a que dados, e em que condições. Coisas assim simplesmente não existiam há dois anos; agora, governos e grandes empresas estão em fila a pedir.

“AI gateway” e a camada de orquestração estão a tornar-se uma parte indispensável da arquitetura de IA empresarial. Quando uma empresa usa OpenAI, Anthropic, modelos open source e ainda modelos especializados que ajustou, quem faz o routing unificado, o controlo de custos, a governação de permissões e a auditoria? Esta posição, na era do software tradicional, chama-se middleware; na era da IA, chama-se gateway ou camada de orquestração. Não é “sexy”, mas é uma infraestrutura-chave para a empresa passar de “usar IA” para “gerir bem a IA”. O que a Palantir faz, em essência, é esta camada — apenas conseguiu fazer a versão mais pesada. Há grande espaço para soluções mais leves, orientadas para empresas de diferentes escalas.

Na camada de aplicação, as soluções de IA por setor estão a evoluir de “envolver com uma carcaça” para “aprofundar”. No passado, muitas das chamadas “aplicações de IA” eram, na prática, apenas uma casca de GPT. Agora, as que conseguem mesmo sustentar-se são as que compreendem profundamente know-how específico do setor, e que ligam de forma estreita as capacidades de IA à lógica do setor. O ponto de ancoragem do valor destas empresas não está no modelo, mas sim na perceção do setor — exatamente aquilo que as empresas de grandes modelos têm dificuldade em obter apenas por treino.

Até na camada “pessoas”, surgem novos mercados de serviços. À medida que mais empresas percebem que não precisam de mais ferramentas de IA, mas sim de pessoas capazes de “comandar a IA” e da metodologia organizacional para o suporte, a procura por consultoria de transformação organizacional na era da IA, formação de talento e redesenho de processos está a emergir rapidamente.

No fim de contas, uma indústria que tenha apenas “camada de modelos” é frágil. O que faz a indústria de IA correr mais rápido e de forma mais saudável é um ecossistema mais tridimensional. Neste ecossistema, há quem faça modelos, quem faça infraestruturas de soberania, quem faça gateways e governação, quem crie aplicações profundas para setores verticais, e quem ajude as empresas a remodelar capacidades organizacionais. Cada camada está a responder a necessidades reais no processo de a empresa passar de “abraçar” para “dominar”.

Nos últimos doze meses, estas necessidades passaram de vagas a cada vez mais claras. A seguir, à volta destas necessidades, as novas soluções, fornecedores de serviços e produtos de próxima geração poderão viver uma fase de explosão bem definida.

Voltando ao metáfora do limite de Roche. Encontrar a via segura nunca é apenas um assunto da empresa. Quando todo o ecossistema começa a crescer forças para além do modelo, é que as empresas realmente ganham confiança para não serem despedaçadas.