Mapeando os Próximos 24 Meses da IA

Traçando o mapa

Esta semana, uma síntese amplamente lida de quatro ensaios apresentou uma visão única e integrada do que determinará a trajetória da IA nos próximos 18 a 24 meses. O documento trata o período que se aproxima como uma janela estreita de testes: as empresas transformarão projetos-piloto em valor escalonado? As redes elétricas e as cadeias de suprimentos acompanharão o apetite por computação? Os mercados e os governos conseguirão se adaptar à mudança exponencial?

A resposta, por enquanto, é mista. A pilha tecnológica (stack) está explodindo em diversidade — grandes modelos de fronteira, pesos abertos com licenciamento permissivo, pequenos modelos construídos para telefones e robôs — enquanto os sistemas físicos e institucionais que permitem que empresas e países implementem IA em escala estão sob estresse agudo. Essas tensões definem os prováveis vencedores e perdedores de 2026.

Adoção empresarial e a inflexão da produtividade

A adoção já é generalizada: pesquisas mostram que a grande maioria das organizações utiliza IA em pelo menos uma função. No entanto, apenas uma minoria relata hoje a criação de valor clara e mensurável. O padrão assemelha-se ao de tecnologias de propósito geral anteriores: um punhado de líderes pioneiros — bancos, plataformas de software e algumas empresas nativas da nuvem — capturam grandes ganhos primeiro, enquanto a maioria reformula processos, governança e habilidades.

O que torna os próximos 12 a 18 meses críticos é a forma dessa difusão. Várias grandes empresas publicam agora retornos concretos de programas plurianuais: elas reorganizaram o acesso aos dados, construíram plataformas internas e realizaram o árduo trabalho de integração antes de colher os benefícios. Se esses estudos de caso se multiplicarem, uma inflexão clássica de adoção poderá chegar em 2026, deslocando a IA do estágio piloto para um amplo crescimento da produtividade.

Mas existem dinâmicas compensatórias. Funcionários já recorrem à IA de consumo em dispositivos pessoais; o uso informal pode acelerar a adoção, mas também cria lacunas de governança e segurança. Os conselhos de administração estão apostando alto — a maioria das empresas aumentou os orçamentos de IA no último ano e planeja novos aumentos — o que significa que as expectativas de ROI visível serão altas e a pressão política sobre os CIOs, intensa.

Receita, uso e a economia de tokens

As receitas comerciais da IA generativa dispararam. Estimativas situam o setor em dezenas de bilhões de dólares e crescendo a taxas comparáveis à adoção inicial da nuvem. Os serviços baseados em API são o segmento mais rápido: as empresas pagam pelo acesso à computação e ao modelo, e o surgimento de fluxos de trabalho agênticos e de múltiplas etapas elevou o consumo de tokens por usuário muito acima das simples interações de chat.

Essa combinação — ampliação da adoção e cargas de trabalho mais pesadas — pode elevar as receitas mesmo quando a maioria das empresas ainda está apenas começando a operacionalizar as capacidades. As empresas gerenciarão cada vez mais os custos com roteamento de modelos e arquiteturas híbridas, mas os provedores que detêm o caminho de inferência de alta capacidade estão posicionados para capturar o maior valor.

Energia e o muro da escala física

Entre as restrições apontadas com mais ênfase está a energia. Construir um data center é rápido em comparação com os prazos de mais de uma década que muitos projetos de rede e interconexão exigem. Em vários mercados importantes, as filas de interconexão estendem-se por anos, forçando os construtores de data centers a considerar a geração "atrás do medidor" (behind-the-meter), geradores de pico a gás ou hidrogênio dedicados, ou novos projetos de energia solar com armazenamento.

A consequência prática é que a capacidade de computação buscará cada vez mais energia disponível e resiliente, em vez de simplesmente baixa latência para os clientes. Regiões que podem expandir rapidamente a capacidade — usando renováveis isoladas ou de rápida implementação — atrairão grandes clusters. Regiões com reformas de rede lentas correm o risco de perder. O resultado é uma geografia física da computação mais do que um mercado abstrato: a disponibilidade de energia moldará onde as maiores instalações de IA serão instaladas.

Guerras de hardware e a questão das GPUs

A história do fornecimento de chips volta a ser importante. A competição entre incumbentes e desafiantes em aceleradores de IA está se acirrando: novas famílias de GPUs e aceleradores construídos para fins específicos são centrais para as ofertas de nuvem e estratégias soberanas. Um grande competidor lançou novos aceleradores que pressionam o líder de mercado em preço e desempenho, e grandes clientes de nuvem já estão fazendo apostas em diferentes fornecedores.

Isso importa porque o ciclo de depreciação e substituição dos aceleradores determina a intensidade de capital e o timing estratégico. Se os aceleradores de ponta tiverem vidas produtivas medidas em muitos anos, isso suaviza os ciclos de substituição. Se a demanda por treinamento e inferência superar a oferta, os preços e as margens mudam, e os players menores são espremidos. Chassis de servidores, resfriamento e integrações de cadeia de suprimentos — recentemente consolidados por aquisições — agora fazem parte da competição de plataformas, não apenas dos roteiros de semicondutores.

Diversidade de modelos: abertos, pequenos e nacionais

O fornecimento de modelos não é mais um jogo de dois jogadores. Em 2025, vários modelos de fronteira foram lançados ao lado de um ecossistema florescente de pesos abertos e uma classe madura de modelos pequenos, executados no dispositivo (on-device). O resultado prático é a escolha: as organizações podem escolher modelos de fronteira fechados e hospedados na nuvem; pesos abertos hospedados localmente; ou modelos leves ajustados para latência, privacidade e operação offline.

Essa diversificação tem três efeitos imediatos. Primeiro, reduz as barreiras de entrada para empresas que precisam de inferência local (on-prem) ou privada. Segundo, descentraliza a inovação, permitindo que laboratórios acadêmicos e fornecedores menores contribuam com avanços sem orçamentos massivos de treinamento. Terceiro, complica a governança: modelos diferentes vêm com diferentes modos de falha, termos de licenciamento e associações geopolíticas.

Stacks soberanas e fragmentação geopolítica

As políticas e o capital estão reorganizando a pilha global. Nações e blocos tratam cada vez mais as capacidades de computação e de modelos como infraestrutura estratégica a ser gerida, não apenas regulamentada. Grandes estados e investidores subnacionais ricos estão financiando clusters regionais, e alianças estão se formando em torno de fornecedores preferenciais de hardware e software.

O resultado intermediário provável é um cenário fragmentado de stacks alinhadas aos EUA, alinhadas à China e não alinhadas. Nações de médio porte enfrentam uma escolha difícil: adotar uma stack estrangeira e aceitar dependências, ou construir capacidades domésticas caras e arriscar-se a ficar para trás na adoção econômica. O agrupamento multinacional e consórcios minilaterais são uma mitigação plausível, mas o atrito político e os incentivos comerciais tornarão a coordenação difícil.

Confiança, utilidade e o pacto social

Há uma tensão social crescente: a adoção e a familiaridade estão surgindo mesmo enquanto a confiança do público enfraquece. Grandes parcelas da população relatam preocupação com os efeitos da IA, mesmo quando dependem de ferramentas de IA para codificação, escrita e suporte à decisão. Isso cria um pacto social frágil — utilidade hoje em troca da exposição a riscos desconhecidos amanhã.

A forma como as instituições, plataformas e reguladores gerenciarem esse pacto moldará a aceitação. Transparência, salvaguardas verificáveis e comunicações realistas sobre capacidades e limites influenciarão se a regulamentação se tornará habilitadora ou proibitiva. Na ausência de uma governança credível, a fragmentação e a reação pública podem retardar a difusão e concentrar o valor naqueles que podem operar com o menor número de restrições.

O que observar nos próximos 24 meses

Vários marcadores concretos decidirão se o período se tornará uma inflexão ou uma pausa. Primeiro, sinais de ROI empresarial: uma parcela significativa de grandes empresas publicará ganhos de produtividade mensuráveis além de estudos de caso isolados? Segundo, reformas de energia e interconexão: os operadores de rede e os regimes de licenciamento podem reduzir os prazos onde os clusters estão planejados? Terceiro, fornecimento de hardware: os aceleradores continuam escassos ou a produção ganha escala? Quarto, a disseminação de pesos abertos e modelos implantáveis localmente: eles deslocarão materialmente a dependência da nuvem para cargas de trabalho regulamentadas e sensíveis à privacidade?

Finalmente, os movimentos geopolíticos importam: novos projetos multilaterais de computação, investimentos soberanos e controles de exportação poderiam redesenhar quem tem acesso prático às capacidades de fronteira. A interação entre economia, física e política determinará se os próximos dois anos consolidarão algumas plataformas dominantes ou ampliarão os comuns tecnológicos.

Em suma, os próximos 18 a 24 meses não são meramente mais um ciclo de produto: eles são um teste para saber se as organizações, as redes elétricas e os governos conseguem se adaptar aos pontos de pressão que o rápido progresso da IA já expôs. Observadores e tomadores de decisão devem acompanhar os três sistemas interligados — tecnologia, infraestrutura e instituições — porque o sucesso exige que os três escalem juntos.