Leonardo Luz: ''Estamos vivendo uma bolha da inteligência artificial?''

Leonardo Luz: ''Estamos vivendo uma bolha da inteligência artificial?''
O crescimento acelerado das empresas de inteligência artificial, os investimentos bilionários em infraestrutura e a valorização expressiva das ações levantam alertas no mercado financeiro
O prospecto de abertura de capital da Anthropic, desenvolvedora do Claude e a principal concorrente da OpenAI, oferece um retrato bastante preciso do momento vivido pelo mercado de inteligência artificial. A empresa está em processo de abertura de capital e apresentou números extraordinários, tendo sua receita passado de US$ 386 milhões em 2024 para US$ 4,6 bilhões em 2025. Nos primeiros nove meses de 2026, alcançou US$ 33,2 bilhões e, em outubro, sua receita anualizada, calculada a partir do faturamento mais recente, chegou a aproximadamente US$ 81 bilhões. É uma expansão impressionante para uma companhia tão jovem e uma demonstração de que a inteligência artificial deixou de ser apenas uma promessa tecnológica para se transformar em um mercado de dimensões consideráveis.
Entretanto, o prospecto também revela a outra face dessa transformação. Apesar do crescimento, a Anthropic registrou prejuízo operacional de US$ 1,26 bilhão nos primeiros nove meses de 2026, embora tenha apresentado resultado operacional ajustado positivo de aproximadamente US$ 4,08 bilhões. A empresa também assumiu compromissos de aproximadamente US$ 901 bilhões com infraestrutura e capacidade computacional, distribuídos ao longo de vários anos. São números que impressionam tanto pelo potencial de crescimento quanto pela dimensão dos recursos necessários para sustentá-lo.
A magnitude desses números ajuda a compreender o principal motor do mercado acionário mundial nos últimos quatro anos. Desde o lançamento do ChatGPT, em novembro de 2022, até as máximas históricas alcançadas posteriormente, empresas de diferentes elos da cadeia acumularam retornos extraordinários. As ações da Nvidia subiram cerca de 860%; as da Micron, mais de 1.200%; as da AMD, quase 590%; as da Broadcom, aproximadamente 530%; e as da TSMC, perto de 380%; as da Vertiv chegaram a registrar retorno próximo de 2.600%; e a Palantir também acumulou valorização superior a 1.000%.
Essa euforia não foi sustentada apenas por expectativas. As receitas e os lucros de diversas empresas cresceram fortemente, e as revisões para cima das projeções de resultados justificaram parte considerável da valorização. Mas há uma distinção fundamental entre reconhecer o crescimento já realizado e supor que ele continuará no mesmo ritmo. Não há garantia de que a demanda por chips, servidores e capacidade computacional acompanhará indefinidamente os investimentos anunciados, nem de que as empresas conseguirão preservar margens tão elevadas diante da evolução tecnológica e da entrada de novos fornecedores. Se a expansão da receita desacelerar ou o retorno sobre os investimentos decepcionar, ações precificadas para um futuro exuberante poderão sofrer correções severas — mesmo que a inteligência artificial continue transformando a economia.
Esse tripé, composto pela rentabilidade extraordinária das ações, pelas interrogações quanto à expansão das receitas e pela magnitude dos investimentos necessários à expansão do ecossistema, constitui o pano de fundo da grande questão que governa a cabeça dos investidores mundo afora: estaríamos vivendo uma bolha da IA? De um lado, temos uma tecnologia com demanda crescente e potencial para modificar profundamente a organização da produção. De outro, empresas avaliadas com base em expectativas extraordinariamente otimistas, investimentos gigantescos e modelos de negócios cuja rentabilidade de longo prazo ainda precisa ser demonstrada. A pergunta relevante não é se a inteligência artificial representa uma revolução tecnológica, mas se o retorno econômico que ela produzirá será suficiente para remunerar todo o capital mobilizado para financiar essa revolução.
A compreensão do problema exige sua separação nas três dimensões citadas anteriormente, a saber, inovação tecnológica, rentabilidade corporativa e valorização dos ativos financeiros. Uma tecnologia pode ser revolucionária sem que todas as empresas envolvidas em seu desenvolvimento sejam lucrativas. A história oferece exemplos importantes, como a crise ferroviária do século XIX, marcada por ciclos de especulação, endividamento excessivo e construção de ferrovias acima da demanda efetiva, culminando em falências e colapsos financeiros — embora a infraestrutura construída tenha transformado profundamente a economia e a integração dos mercados. O mesmo ocorreria com a expansão das telecomunicações e da internet no final dos anos 1990, quando a expectativa de que praticamente qualquer empresa associada a essas tecnologias se tornaria extraordinariamente lucrativa levou à hipervalorização de ativos incapazes de apresentar receitas que justificassem seus preços de mercado. O estouro da bolha das ponto.com destruiu bilhões em valor de mercado, embora a infraestrutura construída naquele período tenha viabilizado boa parte da economia digital atual.
O atual ciclo de investimentos apresenta semelhanças com esses episódios. Microsoft, Amazon, Alphabet e Meta direcionam centenas de bilhões de dólares para centros de processamento de dados, semicondutores, redes e energia. As estimativas de mercado apontam investimentos de capital entre US$ 720 bilhões e US$ 745 bilhões dessas quatro empresas em 2026. Trata-se de uma transformação na estrutura de custos das gigantes de tecnologia, tradicionalmente caracterizadas por margens elevadas, necessidade relativamente limitada de capital físico e geração abundante de caixa. Entretanto, a infraestrutura precisa ser construída antes que toda a demanda potencial se materialize. Centros de processamento exigem terrenos, equipamentos, refrigeração, redes de transmissão e enormes quantidades de energia elétrica. Os chips são caros e possuem ciclos relativamente rápidos de obsolescência. Consequentemente, produzir retornos satisfatórios exige que a capacidade instalada seja utilizada intensivamente. Um centro de dados construído para atender à demanda projetada de cinco anos à frente, por exemplo, pode se transformar em um investimento de baixa rentabilidade caso a demanda cresça menos do que o esperado ou a evolução tecnológica reduza rapidamente a necessidade de processamento.
Um ecossistema tão dispendioso exige receitas correspondentemente elevadas. No entanto, a sustentabilidade dessas receitas ainda não está clara. No caso da Anthropic, os dados do prospecto mostram que, nos primeiros nove meses de 2026, aproximadamente 79% da receita veio da cobrança por consumo de seus modelos, enquanto as assinaturas responderam por 21%. Em 2025, essa participação era de 83% e 17%, respectivamente. O mecanismo é relativamente simples, onde empresas e desenvolvedores pagam conforme utilizam a capacidade computacional dos modelos, frequentemente por meio de APIs integradas a seus próprios sistemas e aplicações. Quanto maior o volume de solicitações, processamento de documentos e execução de tarefas automatizadas, maior o faturamento. Dessa forma, a cobrança deixa de estar associada apenas ao acesso a um software e passa a depender da quantidade e da complexidade do trabalho efetivamente realizado.
Essa estrutura de rentabilização apresenta, contudo, uma fragilidade elementar. Treinar modelos exige investimentos contínuos, enquanto sua operação consome recursos computacionais a cada interaçãoe, diferentemente de um programa tradicional, cujo custo marginal de distribuição pode ser muito baixo, cada consulta a um modelo generativo exige processamento adicional. Soma-se a isso a pressão da concorrência sobre os preços e a participação de mercado das empresas do setor. Modelos mais eficientes conseguem realizar determinadas tarefas com menos processamento, reduzindo custos, mas a concorrência pode obrigar os desenvolvedores a transferir parte dessa economia aos consumidores. É possível, portanto, que o mercado cresça rapidamente enquanto as margens dos principais fornecedores sejam comprimidas.
Um dado particularmente interessante diz respeito à concorrência dos modelos chineses de código aberto (open source), como DeepSeek, Qwen, Kimi e GLM. Esses modelos podem ser executados e adaptados por empresas e desenvolvedores, muitas vezes sem o pagamento de licenças tradicionais. Sua estratégia consiste em conquistar participação, ampliar o ecossistema de desenvolvedores e monetizar serviços de nuvem, APIs e aplicações associadas. Isso representa uma ameaça importante ao poder de precificação das empresas ocidentais. De acordo com um levantamento da Menlo Ventures, os modelos abertos já representam aproximadamente 19% do volume de utilização empresarial, mas apenas 4% dos gastos com implantação de inteligência artificial. No mercado de APIs empresariais, Anthropic e OpenAI concentram, respectivamente, 55% e 31% dos gastos, enquanto o Google responde por 9%. Entretanto, os desenvolvedores de modelos abertos, ao reduzir o custo da inteligência artificial, podem ampliar o mercado e pressionar os concorrentes, expandindo sua participação e afetando as receitas dos grandes desenvolvedores.
Diante das dificuldades de garantir um crescimento sustentável das receitas e da concorrência chinesa, a publicidade tem sido apontada como uma possibilidade adicional de monetização. O modelo tradicional de assinaturas e cobrança por utilização poderia ser complementado por anúncios apresentados durante as interações com os usuários, seguindo uma lógica econômica semelhante àquela que sustentou o crescimento de empresas como Google e Meta: oferecer serviços gratuitos ou baratos para atrair uma audiência gigantesca e monetizar a atenção e a intenção de consumo por meio de publicidade direcionada. A OpenAI já começou a explorar essa possibilidade. Sua operação de anúncios no ChatGPT alcançou uma receita anualizada de US$ 1 bilhão, embora ainda represente apenas uma das fontes de monetização da companhia.
Na terceira camada da cadeia produtiva estão as aplicações comerciais. É provavelmente aí que se encontra o maior potencial de destravamento de valor. Os segmentos de programação, atendimento ao consumidor, análise jurídica, contabilidade, pesquisa científica, diagnóstico médico e educação são alguns dos campos em que a tecnologia já começa a produzir mudanças relevantes. A possibilidade de automatizar tarefas complexas, analisar grandes bases de dados e executar processos que antes exigiam a participação de diversos profissionais abre espaço para ganhos de produtividade expressivos.
Entretanto, existe uma diferença fundamental entre economizar tempo e reduzir custos. Uma empresa pode utilizar inteligência artificial para acelerar a produção de relatórios, mas isso não significa necessariamente que terá condições de reduzir sua folha de pagamento ou aumentar suas receitas. Para que o ganho de produtividade se transforme em retorno financeiro, é necessário reorganizar processos, integrar sistemas e treinar funcionários. Os custos de implementação podem ser elevados, e os ganhos podem demorar a aparecer. Até agora, a adoção empresarial avançou mais rapidamente do que a comprovação de ganhos agregados de produtividade.
Ademais, há grande preocupação com os impactos no mercado de trabalho e no custo da energia para os consumidores, fatores que podem levar a regulamentações mais restritivas por parte das autoridades. A eleição de meio de mandato nos EUA mostrou que o tema já é um ativo político relevante. A expansão dos data centers vem enfrentando resistência de comunidades locais, especialmente em razão dos possíveis efeitos sobre as contas de energia e a disponibilidade de eletricidade. Em novembro, cerca de 40 medidas locais relacionadas à restrição da instalação de data centers foram aprovadas em diferentes localidades do país, incluindo 21 em Ohio e sete em Illinois. O movimento revela que os custos associados à expansão da infraestrutura de inteligência artificial começam a produzir consequências políticas concretas.
Sob esse ambiente de incerteza regulatória e sem um destravamento claro de valor e de monetização sustentável para níveis tão grandiosos de capital requerido, há o risco de excesso de investimento. O Fundo Monetário Internacional chamou atenção para isso em estudo publicado em outubro sobre a estrutura financeira do ecossistema de inteligência artificial. O documento estima que aproximadamente US$ 2,9 trilhões em investimentos em centros de processamento de dados até 2028 serão financiados por uma combinação de recursos próprios das grandes empresas de tecnologia, crédito bancário, mercado de capitais, fundos privados e estruturas de securitização. Mais do que isso, o FMI identifica uma crescente interdependência financeira entre os participantes do setor. Grandes empresas de tecnologia investem em desenvolvedores de modelos, fornecem infraestrutura computacional e, simultaneamente, compram seus serviços. Em algumas operações, os investimentos financeiros vêm acompanhados de compromissos comerciais de aquisição futura de capacidade ou serviços. Cria-se, assim, uma espécie de financiamento circular, no qual o capital de uma empresa ajuda a financiar um fornecedor que, por sua vez, utiliza parte desses recursos para contratar serviços da própria investidora.
Em discurso publicado no último dia 16, o diretor do Federal Reserve (Fed), Michael Barr, chamou atenção para o crescimento do endividamento associado ao setor. A dívida registrada no balanço das sete maiores empresas de inteligência artificial deverá ultrapassar US$ 800 bilhões até o final do ano. Mais preocupante, as obrigações financeiras fora dos balanços, incluindo contratos de longo prazo, arrendamentos e garantias, podem superar US$ 3 trilhões em valor nominal máximo potencial. Não se trata, portanto, de dívida convencional já exigível, mas de compromissos que podem gerar exposições financeiras relevantes ao longo do tempo.
O risco é relativamente simples de compreender. Se os investimentos em inteligência artificial não produzirem receitas suficientes, empresas menores poderão enfrentar dificuldades para honrar compromissos financeiros. Seus fornecedores e investidores, que também são credores e garantidores, poderão sofrer perdas simultâneas. A desvalorização dos equipamentos e dos centros de dados utilizados como garantia pode comprometer operações de crédito, pressionando bancos, fundos de crédito privado e investidores institucionais. Uma correção nos preços das ações também pode reduzir o patrimônio das famílias e das empresas, afetando consumo e investimento.
O problema é agravado pela possibilidade de concentração de riscos em estruturas financeiras pouco transparentes. Nem todas as obrigações aparecem imediatamente nos balanços das companhias, e parte do financiamento ocorre por meio de fundos privados, securitizações e contratos de longo prazo. Isso dificulta identificar onde estão os riscos e quem suportará as perdas em um cenário de desaceleração. Não significa que uma crise sistêmica seja inevitável, mas que a dimensão dos investimentos já justifica atenção das autoridades monetárias e regulatórias.
A história ensina que grandes transformações tecnológicas costumam produzir períodos de investimento excessivo. O capital se antecipa à demanda, os preços dos ativos incorporam expectativas otimistas e a concorrência leva à construção de capacidade produtiva que nem sempre será utilizada eficientemente. Em algum momento, os retornos efetivos precisam justificar os investimentos realizados. Quando isso não acontece, ocorre a correção. Mas a destruição de capital financeiro não significa necessariamente a destruição da inovação. A infraestrutura construída durante períodos de euforia frequentemente permanece disponível para ser utilizada por empresas que surgem depois, com modelos de negócio mais eficientes.
A inteligência artificial pode seguir esse caminho. É perfeitamente possível que estejamos diante de uma das maiores transformações tecnológicas da história e, ao mesmo tempo, de uma valorização excessiva das empresas que participam dessa transformação. Não há contradição entre essas duas afirmações. O fato de a tecnologia ser revolucionária não torna qualquer preço razoável, assim como a possibilidade de uma bolha financeira não torna a tecnologia menos revolucionária.
No fim, a pergunta que determinará o futuro do setor não será quantos modelos conseguem responder a perguntas, escrever códigos ou produzir imagens impressionantes, mas quanto valor econômico essas ferramentas conseguem efetivamente gerar, quem terá capacidade de capturá-lo e qual parcela desse valor permanecerá como lucro depois de descontados os custos de infraestrutura, energia, pesquisa, capital e competição. A inteligência artificial já demonstrou que consegue produzir receitas extraordinárias e agora precisa demonstrar que consegue produzir retornos extraordinários sobre o capital investido, de forma sustentada. É nessa passagem, da promessa tecnológica para a rentabilidade econômica, que se decidirá se estamos diante de uma revolução acompanhada de uma bolha financeira ou de um ciclo de investimentos capaz de sustentar uma nova etapa de crescimento da economia mundial.



