Há alguns meses venho observando como as empresas abordam a inteligência artificial e há um padrão que se repete tanto que não posso mais ignorá-lo: muitas pessoas estão correndo em uma direção que não vai lhes dar os resultados que esperam.
Não estou dizendo isso de uma posição de superioridade. Digo isso desde as trincheiras, vendo ofertas de emprego, conversas com fundadores e planos estratégicos que misturam ambição com uma ideia um tanto difusa do que a IA pode fazer hoje por um negócio real. E acho que vale a pena resolver um pouco o que estou vendo, porque as decisões tomadas agora marcarão os próximos anos.
A miragem do próprio modelo
Encontro o primeiro sintoma na forma como é contratado. Vejo empresas buscando perfis para “adotar IA” e, ao ler a oferta, muitas pedem experiência em treinamento de LLMs ou insinuam uma fantasia específica: a de criar, quase que num passe de mágica, seu próprio modelo de inteligência artificial.
Aqui é hora de ser honesto. Treinar seu próprio modelo do zero não é um projeto de um quarto de duração com alguns engenheiros motivados. Estamos falando de investir, no mínimo, cem milhões de dólares só em treinamento, sem contar com talentos especializados, infraestrutura e o custo de cometer erros no caminho.
E a realidade é que quase nenhuma empresa precisa disso para alavancar o crescimento dos seus negócios com IA. Confundir “usar IA” com “fabricar IA” é como pensar que para ter seu próprio site você deve primeiro construir seu próprio navegador. A camada que move a agulha do negócio está muito mais próxima e é muito mais barata.
O sonho dos agentes autônomos
O segundo sintoma é o oposto, mas igualmente problemático. Outras empresas ouvem falar de agentes de IA e imaginam robôs completamente autônomos fazendo, do início ao fim, o trabalho de uma pessoa.
Sejamos claros: não estou dizendo que o futuro não nos leve até lá. Provavelmente sim. Mas ainda há um longo caminho a percorrer, e construir hoje a sua estratégia com base numa capacidade que ainda não é fiável é a forma mais rápida de queimar o orçamento e a confiança interna.
Os agentes trabalham, mas trabalham dentro de limites: tarefas com limites claros, com supervisão humana, com processos onde o erro não é catastrófico. A diferença entre “um agente que me poupa horas” e “um agente que substitui a minha equipa” não é de grau, é de natureza. E misturá-los num plano estratégico gera expectativas que ninguém consegue satisfazer.
Então, o que faz sentido?
Se os dois extremos – o automodelo e o robô autônomo – são armadilhas, por onde começar? Isto é o que, hoje, eu realmente acredito:
Você provavelmente não precisa de seu próprio LLM.
Repito porque é o erro mais caro. Antes de pensar em treinar qualquer coisa, esprema o que já existe. Os modelos de negócios são hoje uma mercadoria muito poderosa, e o valor para o seu negócio não está no modelo, mas na forma como você o conecta aos seus processos e aos seus dados.
Aproveite para automatizar o que a IA torna mais fácil
Aqui está o verdadeiro retorno de curto prazo. Existem dezenas de processos em sua empresa – suporte, documentação, análise de dados, geração de rascunhos, classificação, resumos – que a IA faz hoje de forma mais rápida e barata. Não é glamoroso, mas é o que paga as contas e libera o tempo do seu pessoal.
Dê acesso e treinamento aos seus funcionários
Não adianta ter as melhores ferramentas se sua equipe não sabe utilizá-las no dia a dia. A verdadeira vantagem não está na ferramenta, mas na fluidez com que o seu pessoal a integra no seu trabalho. Acesso, treinamento e permissão para experimentar. Esse é o investimento com a melhor relação custo-benefício que você encontrará.
Planeje os custos e presuma que eles aumentarão
É preciso planejar os custos desde o início e deixar bem claro que eles têm tendência a crescer pelo menos por alguns anos. À medida que você integra a IA em mais processos, o consumo aumenta. Não é um problema, é uma característica do modelo. Mas se você não fizer um orçamento para isso, ficará em choque.
Avalie o número de funcionários versus o custo do token
Esta é a decisão incômoda que quase ninguém quer enfrentar. Em muitos contextos ainda é mais vantajoso pagar aos juniores do que apostar 100% na IA. O segredo é diversificar, como em qualquer investimento: não coloque todo o seu orçamento em fichas ou tudo em cabeças. O equilíbrio depende do seu negócio, da sua margem e da sua fase, mas apostar no absoluto – em qualquer direção – costuma sair caro.
Blitzscaling, como o conhecíamos, não cabe mais
E esse ponto é o que mais me faz pensar. O blitzscaling em scaleups como o entendíamos há cerca de três anos não se encaixa mais neste mundo com IA. A lógica de crescer a qualquer custo, queimando dinheiro para ganhar quota de mercado antes de mais ninguém, esbarra num cenário onde a eficiência voltou a ser rei e onde as ferramentas que temos hoje permitem fazer mais com menos. As regras do jogo de escala mudaram e é aconselhável aceitar isso antes de traçar o plano para os próximos dois anos.
E se você realmente precisar do seu próprio LLM?
Que fique claro que não é um “nunca”. Existem negócios específicos onde um modelo proprietário ou um ajuste fino sério fazem sentido: dados muito específicos, regulamentação específica, uma vantagem competitiva que reside justamente nessa camada.
Se for esse o seu caso, você não está sozinho: tanto a Nvidia quanto a AWS oferecem serviços projetados para ajudá-lo a treinar seus modelos sem ter que construir toda a infraestrutura do zero. Mas ele chega a essa conclusão por uma necessidade real de negócios, e não pela fantasia de ter “sua própria IA”.
As verdades estão mudando, e tudo bem
Se uma coisa é clara para mim é que estamos num momento em que as verdades mudam constantemente e as boas práticas também. O que escrevo hoje pode estar feito pela metade em seis meses, e tudo bem.
Portanto, minha única recomendação é esta: não tome nada como uma máxima imutável. Esteja aberto a mudanças e disposto a corrigir a direção quando os dados lhe disserem que você cometeu um erro. Em tecnologia, acabar agarrado a uma velha certeza custa muito mais caro do que retificá-la a tempo.
E você, o que está vendo nas suas empresas? Você reconhece algum desses padrões ou está encontrando maneiras diferentes de integrar a IA sem cair em extremos?
