Análise da Invisible Work
A bolha da IA não se decide na bolsa. Se decide no orçamento da sua empresa.
Um estudo da Wharton calculou o que precisa ser verdade para o gasto bilionário em infraestrutura de IA valer a pena. O número que virou manchete mede uma crença dos fornecedores, e só clientes podem confirmá-la. Uma leitura da Invisible Work.
Invisible Work10 min de leitura
Parte 1 / Entenda os dados
O número que todo mundo cita mede uma crença, não a IA
As cinco maiores empresas de tecnologia dos Estados Unidos investiram US$ 380 bilhões em infraestrutura em 2025 e preveem cerca de US$ 755 bilhões em 2026. Um estudo da Wharton perguntou uma coisa simples: o que precisa ser verdade para esse gasto valer a pena? A resposta cabe em um número, o 2,7: para cada US$ 1 investido em infraestrutura, o setor teria de gerar, em serviços cobrados dos clientes, 2,7 vezes o que gerava antes do boom. O número virou manchete como se fosse a previsão do estudo. Não é. [1] afirmação da fonte original
O paper (Jessica Wachter, da Wharton, e Jonathan Wachter, da Point72) usa um método de economista: em vez de tentar adivinhar quão útil a IA será, parte do que as empresas fazem. Se gastam esse dinheiro, é porque acreditam num retorno. Supondo que o último dólar investido apenas empata (valor presente líquido zero), dá para calcular quanto cada dólar de infraestrutura teria de render, em serviços cobrados, para essa crença fazer sentido. O resultado é o 2,7. [1] afirmação da fonte original
O que o 2,7 mede? O paper o chama de “produtividade do setor de IA”, e o termo confunde. Não é a produtividade dos funcionários da Microsoft, da OpenAI ou da Anthropic, nem a de quem usa IA. Em linguagem direta (tradução nossa do parâmetro do modelo), é a eficiência com que o setor transforma infraestrutura, servidores e centros de dados, em algo que clientes pagam para usar. O 2,7 é um multiplicador dessa eficiência, não um aumento de 2,7%: para o gasto planejado compensar, cada US$ 1 investido em infraestrutura teria de virar, em serviços cobrados dos clientes, 2,7 vezes o que virava antes do boom. Note que é 2,7 vezes o que se conseguia antes, e não “US$ 2,70 por dólar”: o número compara com o ponto de partida do próprio setor. [1] afirmação da fonte original
Para ter escala, a primeira autora estima que a construção de fibra óptica do fim dos anos 1990, a comparação histórica mais próxima, implicou um ganho de 1,3 a 1,5 vez. [2] afirmação da fonte original E o número descreve o setor de IA, não a economia inteira: no modelo, o resto da economia segue no ritmo histórico, e o que muda é o tamanho do setor de IA, que sai de cerca de 3% da economia para algo entre 8% e 39%. O primeiro salto soma cerca de 5 pontos percentuais ao crescimento acumulado do PIB americano até 2030. [1] afirmação da fonte original
O ganho de quem usa IA é outra conta, e o estudo não a faz. Ele cita, por contraste, uma análise por tarefas do economista Daron Acemoglu que estima um aumento de produtividade de cerca de 0,7 ponto percentual em dez anos, e reconhece que o que o gasto implica é bem maior do que isso. [1] afirmação da fonte original Essa distância entre o que os fornecedores apostam e o que se estima para quem usa é onde mora a decisão da sua empresa.
- Gasto em 2022
- US$ 155 bi
- Investimento em infraestrutura das cinco maiores (Amazon, Alphabet, Microsoft, Meta e Oracle), segundo o paper.
- Previsão para 2026
- US$ 755 bi
- Quase cinco vezes o de 2022, com dados de relatórios das próprias empresas. A estimativa para 2027 passa de US$ 1 trilhão.
- Receita total de IA
- US$ 150 a 200 bi
- Estimativa de Gary Gensler, ex-presidente da SEC, para este ano, contra cerca de US$ 750 bilhões de gasto.
Termos deste texto, em uma frase
A frase que importa está numa seção do próprio estudo, e quase ninguém a cita: o método “identifica o boom de produtividade que os gestores acreditam ter ocorrido. Ele não estabelece que o boom de fato ocorreu”. E na conclusão: trata-se de um boom “que está nos dados de investimento, mas ainda não nos dados de produtividade”. [1] afirmação da fonte original
Parte 2 / A conta de padeiro
US$ 100 em servidor precisam voltar como US$ 137,50 em serviços cobrados
O 2,7 parece abstrato, mas a conta por trás dele cabe numa padaria. O paper assume que um servidor de IA dura quatro anos, perdendo 25% do valor por ano, e que quem financiou a compra exige 15% de retorno por ano sobre o que ainda não foi recuperado. [1] afirmação da fonte original Ou seja: um servidor de US$ 100 precisa devolver os US$ 100 e mais o lucro mínimo que quem financiou exige. O paper chama isso de retorno exigido.
Ano 1: US$ 40,00
US$ 25 para repor o quarto do servidor que se desgastou e US$ 15 de retorno (15% sobre os US$ 100 ainda não recuperados).
Ano 2: US$ 36,25
Mais US$ 25 de reposição e US$ 11,25 de retorno, agora sobre um saldo de US$ 75.
Ano 3: US$ 32,50
US$ 25 de reposição e US$ 7,50 de retorno, sobre um saldo de US$ 50.
Ano 4: US$ 28,75
US$ 25 de reposição e US$ 3,75 de retorno, sobre um saldo de US$ 25.
Somando: US$ 100 do servidor mais US$ 37,50 de retorno, cerca de US$ 137,50 em serviços cobrados de clientes ao longo de quatro anos, ou cerca de US$ 34 por ano em média. Aqui “empatar” inclui o retorno de quem financiou. Recuperar só os US$ 100 seria empatar na contabilidade, mas não para quem pôs o dinheiro. O paper resume isso numa regra de custo de capital: o que cada dólar de capital precisa gerar por ano é o retorno exigido mais a depreciação, 15% mais 25%, ou 40%, que é o primeiro ano da tabela. [1] afirmação da fonte original A tabela é nossa, com os parâmetros do estudo, e conta o que o servidor gera em serviços cobrados antes de custos como energia e pessoal. Se eles existirem, a exigência sobe.
Uma fábrica ou uma ferrovia dura décadas. Um servidor de IA se parece mais com um aluguel que vence rápido. Quem gasta US$ 755 bilhões num ano assumiu uma conta que precisa voltar em poucos anos, e quem paga a conta só pode ser um: quem usa. O problema, dito por Gensler, é simples: “o gasto ainda não tem receita proporcional. Isso é um fato”. [3] afirmação da fonte original
O fornecedor gasta hoje, com base numa crença.
O gasto é anunciado, financiado e, cada vez mais, pago com dívida. Ele é real, mesmo que a crença por trás dele não seja confirmada.
A conta precisa fechar com receita de clientes.
Não existe outra fonte. O próprio paper descreve o cenário ruim nessas palavras: os clientes “ficariam sem vontade de pagar por mais uso de IA”. É a variável que decide tudo, e ela não está nos balanços dos fornecedores.
Cada cliente valida a crença dentro do seu orçamento.
Uma empresa por vez, um processo por vez. Não existe um dia em que “o mercado” decide. Existem milhares de decisões de compra e renovação, feitas por gente como você.
Parte 3 / Cruzamento com outra disciplina
Por que gastar muito não prova que vale a pena
Existe um resultado clássico de economia industrial que o próprio paper cita para explicar por que o investimento pode estar acima do razoável. Em 1980, Partha Dasgupta e Joseph Stiglitz mostraram que, em corridas em que o vencedor leva tudo, cada empresa investe como se fosse ficar com uma fatia desproporcional do mercado, e o investimento total passa do que seria ótimo se todas cooperassem. [1] afirmação da fonte original
Os autores reconhecem que a corrida da IA tem esse formato: as cinco empresas constroem, ao mesmo tempo, infraestrutura para mercados que se sobrepõem, e cada gasto “pode refletir a expectativa de capturar uma fatia maior do que a coletivamente possível”. [1] afirmação da fonte original
Isso não diz que a IA vai falhar. O próprio paper faz a ressalva oposta: subinvestimento por cautela também existe, e quem tem certeza de que o boom não virá pode estar cometendo o erro que muitos previsores cometeram em 2007, só que ao contrário. [1] afirmação da fonte original O que a corrida de Dasgupta e Stiglitz diz é mais modesto e mais útil: o tamanho do gasto de um fornecedor é um péssimo termômetro do valor que ele entrega para você. Em uma corrida, gasta-se muito por medo de perder, não porque cada cliente valorize aquilo.
Há um segundo cruzamento, mais próximo do que a Invisible Work enxerga no dia a dia. Se o boom está “nos dados de investimento, mas ainda não nos de produtividade”, isso pode ser só o atraso normal de qualquer tecnologia de propósito geral. Os economistas Erik Brynjolfsson, Daniel Rock e Chad Syverson chamam esse atraso de curva J da produtividade: tecnologias assim exigem e dependem de investimentos complementares, como reinventar processos, modelos de negócio e a formação de pessoas, que são intangíveis e “mal medidos nas contas nacionais”. O resultado é que o ganho aparece tarde, e a produtividade parece cair antes de subir. [4] afirmação da fonte original
O que este cruzamento não é
Parte 4 / Primeiros princípios
Três premissas embutidas no preço que você paga hoje
Se o gasto dos fornecedores é uma aposta, o preço e as condições que você recebe hoje foram feitos dentro dela. Vale desmontar as premissas e perguntar o que acontece se cada uma mudar. O que segue é leitura da Invisible Work, não conclusão do estudo.
Premissa: a capacidade vai ser usada.
Se a demanda vier abaixo do esperado, sobra capacidade e o cliente tende a ganhar poder de negociação. Mas o fornecedor com dívida a pagar tem pressão para recuperar receita de outro jeito, e o modelo do paper descreve justamente esse risco, com dívida em atraso e possível falência. Quem construiu um processo inteiro sobre um único fornecedor sente esse ajuste primeiro.
Premissa: o cliente vai pagar por mais uso.
É a que decide o estudo. Se ela falha, o efeito não fica só na bolsa: muda preço, contrato e prioridade de produto do lado do fornecedor, e você percebe na renovação, não na manchete.
Premissa: o ganho de produtividade vai aparecer.
O paper não afirma que vai. E a curva J diz que, mesmo se vier, virá com atraso e dependerá de trabalho complementar que a sua empresa precisa fazer. Quem só compra a ferramenta e espera o resultado está aguardando um ganho que ninguém prometeu entregar sozinho.
Repare que, nos três casos, a ação útil é a mesma e não depende de acertar se é bolha. O que protege a empresa, sob qualquer cenário, é saber quanto o gasto com IA precisa render e onde isso aparece no resultado. O consenso pergunta “vai estourar?”. Nossa pergunta é outra: se estourar ou não, a sua empresa sabe dizer em qual mundo está vivendo?
Parte 5 / O que fazer com isso
Faça a conta do paper, mas na sua empresa
O método dos Wachter tem uma vantagem: é simples o bastante para ser repetido. Em vez de perguntar o quanto a IA é útil, pergunta-se o que precisa ser verdade para o gasto compensar.
Some o gasto inteiro, não só a licença.
Inclua o tempo de quem confere o que a IA entrega, o retrabalho, o treinamento e as horas de quem reorganizou o processo. É a parte que a curva J chama de intangível, e costuma ser maior do que a fatura.
Calcule o mínimo que esse gasto precisa devolver por ano.
Use o retorno que a sua empresa exigiria de qualquer outro investimento, não zero. Se o paper usa 15% para servidores, a sua empresa tem o seu próprio número. Quem não o define aceita qualquer retorno.
Aponte a linha do resultado onde o retorno aparece.
Custo que caiu, receita que subiu, prazo que encurtou, com número de antes e depois. Se ninguém consegue apontar essa linha, o que existe hoje é uma crença, a mesma situação do 2,7: está nos dados de gasto, ainda não nos de resultado.
Defina quando essa crença é revista.
Uma data e um responsável. Os fornecedores vão revisar a deles quando a receita chegar ou não. Sem data, a sua só é revista quando o problema aparece sozinho.
Parte 6 / Limites
O que este texto não prova
O paper é um working paper e não passou por revisão de pares. Ele parte de um modelo com hipóteses declaradas (retorno zero no último dólar investido, vida útil de quatro anos, retorno exigido de 15%, com faixa de 10% a 25%), e mudar essas hipóteses muda o número. [1] afirmação da fonte original A conta de US$ 137,50 para cada US$ 100 (devolução do servidor em quatro parcelas iguais, com 15% ao ano sobre o saldo) é uma aritmética nossa com esses parâmetros; o paper usa o custo de capital de 40% ao ano. O 2,7 também é um parâmetro do modelo: pela função de produção do paper, com o mesmo capital o produto do setor cresceria por volta de 1,9 vez (2,7 elevado a 2/3, conta nossa), o que mostra que ele não equivale a “o setor passa a produzir 2,7 vezes mais”. Os autores não afirmam que há bolha, e a primeira autora vê o número como razoável. [2] afirmação da fonte original Também não há dado aqui sobre o retorno efetivo da IA em empresas brasileiras: o argumento é sobre o que o gasto dos fornecedores implica, e sobre como a sua empresa pode medir o seu.
Parte 7 / Perguntas para levar adiante
Qual é o seu 2,7?
Seis perguntas para quem decide o orçamento de tecnologia, ou responde por ele.
Sobre o que a empresa já gasta
- Qual é o gasto total com IA hoje, somando licenças, horas de conferência, retrabalho e treinamento, e quem na empresa conhece esse número?
- Que retorno anual esse gasto precisa ter para valer a pena, considerando o que a empresa exigiria de outro investimento?
- Em que linha do resultado esse retorno aparece hoje, com número de antes e depois?
Sobre a dependência de fornecedor
- Que processos importantes passaram a depender de um único fornecedor de IA, e quanto custaria sair?
- Se o preço dobrasse na próxima renovação, o gasto ainda se pagaria, ou só se sustenta porque está barato?
- Quem, na empresa, revisa a premissa de que esse gasto vale a pena, e em que data?