A corrida corporativa para usar mais IA está desacelerando
A obsessão no ambiente de trabalho em maximizar o uso de IA generativa começa a esbarrar em uma realidade mais dura: disciplina de custos. Uma reportagem da Fast Company publicada em 28 de julho descreveu o apelo em queda de “tokenmaxxing”, um termo usado para descrever o estímulo ao consumo pesado de tokens de IA em ferramentas e fluxos de trabalho na crença de que mais uso sinaliza melhor desempenho, saída mais rápida ou inovação mais forte.
Essa mentalidade ganhou força à medida que as empresas correram para operacionalizar sistemas de fornecedores como OpenAI e Anthropic. Na prática, o uso de tokens tornou-se um proxy aproximado da intensidade de adoção. Quanto mais prompts, resultados, agentes e tarefas automatizadas uma organização gerava, mais avançada ela podia parecer. Mas o relatório sugere que os compradores corporativos estão separando cada vez mais atividade de valor. O aumento das contas nem sempre foi acompanhado por ganhos equivalentes em produtividade ou resultados de negócio.
Vincent Gusdorf, chefe de análise de IA da Moody’s Ratings e autor de um relatório citado pela Fast Company, defendeu uma abordagem mais disciplinada. Seu ponto é direto: a IA generativa facilita criar trabalho, resumos, rascunhos e camadas de processo que talvez nem sejam realmente necessárias. Quando cada interação consome tokens e escala por toda a empresa, o desperdício pode se acumular rapidamente.
De sinal de status a centro de custo
O artigo acompanha como o uso intenso de tokens foi celebrado há apenas alguns meses. Líderes de tecnologia de destaque haviam retratado o alto consumo de IA como um sinal de que as equipes estavam experimentando de forma agressiva e levando a tecnologia a sério. O CEO da OpenAI, Sam Altman, disse em maio que estava animado para ver o que as “tokenmaxxing startups” construiriam e como funcionariam internamente. O CEO da Nvidia, Jensen Huang, argumentou que, se um engenheiro bem pago também não estivesse usando uma grande quantidade de tokens, algo estava errado. Segundo o relatório, a Meta até realizou uma competição interna que premiava o uso de tokens.
Esse enquadramento ajudou a criar uma cultura na qual gastar com IA era tratado como uma insígnia de ambição. O usuário intenso arquetípico não estava apenas automatizando tarefas rotineiras, mas orquestrando frotas de agentes de IA continuamente. A suposição era que a saturação revelaria valor em algum lugar: codificação mais rápida, mais geração de conteúdo, pesquisa melhor ou recursos de produto inteiramente novos.
Para os fornecedores de modelos, esse aumento de atividade se converteu diretamente em receita. Mas, para os compradores corporativos, a economia é diferente. Eles arcam com as contas de tokens, os custos de integração, os encargos de governança e os riscos de dados. Uma vez que essas despesas deixaram de ser hipotéticas e se tornaram concretas, os executivos precisaram fazer uma pergunta menos popular: quais usos realmente valem o pagamento?
Por que o ceticismo está crescendo
A reação descrita no relatório não equivale a uma guinada anti-IA. Ela é mais específica do que isso. As empresas ainda querem os ganhos prometidos pelos modelos generativos, mas estão cada vez menos dispostas a presumir que uso máximo seja o mesmo que uso inteligente. Essa distinção importa porque a cobrança baseada em tokens pode incentivar comportamentos fáceis de escalar, mas difíceis de justificar.
O CEO da Microsoft, Satya Nadella, em comentários citados pela Fast Company, reconheceu que o tokenmaxxing pode ser viciante, mas argumentou que os clientes podem estar pagando duas vezes: uma pelos próprios tokens e outra ao dar aos fornecedores acesso a dados proprietários. Embora Nadella também estivesse promovendo a própria estratégia da Microsoft, a crítica aponta para uma preocupação empresarial mais ampla. Custo é apenas uma parte da equação. Controle sobre informações sensíveis é outra.
O CEO da Palantir, Alex Karp, usou uma linguagem ainda mais dura, dizendo que algo havia dado “completamente errado” e ecoando o que descreveu como frustração entre empresas que sentiam estar gastando muito para obter pouco retorno. O fio comum entre essas reações não é a rejeição da IA como categoria, mas a rejeição do gasto com IA sem direção.
O problema das métricas na IA corporativa
Uma das razões pelas quais o tokenmaxxing se espalhou tão rapidamente é que tokens são mensuráveis. Em um período em que muitas empresas estavam pressionadas a demonstrar impulso em IA, contagens de uso ofereciam um número visível. Conselhos e executivos podiam apontar números de adoção, volume de saída gerada ou casos de uso internos em expansão como prova de que a organização estava acompanhando o ritmo.
Mas o que é mensurável nem sempre é significativo. Totais de tokens dizem pouco sobre qualidade, tempo economizado, taxas de erro, resultados para clientes ou impacto em receita. Eles podem até obscurecer desperdício ao fazer a atividade parecer progresso. Uma equipe pode produzir mais rascunhos, mais análises e mais pesquisa sintética com IA sem melhorar muito o desempenho central. O resultado é uma armadilha corporativa conhecida: otimizar a métrica mais fácil de reportar em vez da que melhor reflete valor.
É aqui que a mudança descrita pela Moody’s se torna estrategicamente importante. Se as organizações passarem de maximizar o consumo para avaliar o retorno, decisões de compras e de produto podem mudar rapidamente. Os vencedores não serão apenas os fornecedores de modelos com os maiores números brutos de uso, mas as empresas que ajudarem os clientes a usar modelos de forma seletiva, segura e com lógica econômica mais clara.
O que vem a seguir
O resultado provável não é um colapso da demanda empresarial por IA. É uma mudança para controles mais rígidos, implantações mais direcionadas e maior escrutínio sobre onde os tokens são gastos. As organizações podem priorizar casos de uso com retorno direto, como assistência à programação, fluxos de documentos com reduções mensuráveis no tempo de ciclo ou copilotos específicos de domínio integrados a processos que geram receita. Experimentos que produzem volumes impressionantes, mas benefícios empresariais vagos, podem enfrentar resistência interna mais forte.
Isso marcaria uma fase mais madura de adoção corporativa. A fase inicial da IA generativa em muitos ambientes de trabalho recompensou o entusiasmo e a experimentação visível. A próxima fase pode recompensar a contenção, a medição e escolhas de arquitetura que mantenham os custos previsíveis. Nesse sentido, o declínio do tokenmaxxing é menos uma retirada do que uma normalização. A tecnologia está saindo de sua fase performática e entrando na lógica de compras que governa a maior parte do software empresarial.
O sinal importante da reportagem da Fast Company não é que as empresas estejam usando menos IA porque o interesse desapareceu. É que elas estão começando a perguntar se cada token gasto produz valor duradouro. Para um setor construído em escala, essa pode se tornar a pergunta mais importante.
Este artigo é baseado em reportagem da Fast Company. Leia o artigo original.
Originally published on fastcompany.com