Por que a “bolha” da IA ainda não estourou?

Tempo de leitura: 7 minutos

Olá, pessoal, leitores dessa coisa aqui que, por alguma razão interdimensional, ainda continua no ar!

De tempos em tempos aparece alguém decretando: “A bolha da inteligência artificial vai estourar!”. Pode ser economista, investidor, programador, sujeito traumatizado porque pediu uma informação e recebeu uma resposta inventada ou simplesmente alguém que acha que toda novidade tecnológica precisa terminar como as empresas “ponto com” do início dos anos 2000.

E, sejamos honestos: existem, sim, elementos de bolha no atual mercado de IA. Há empresas avaliadas em bilhões sem terem encontrado uma forma clara de ganhar dinheiro, produtos comuns recebendo o rótulo “com inteligência artificial” apenas porque alguém colocou um chatbot no canto da tela e investidores despejando caminhões de dinheiro em qualquer coisa que consiga pronunciar as palavras “modelo generativo”.

Mesmo assim, a tal bolha ainda não estourou. E talvez o motivo seja relativamente simples: por baixo de todo o exagero, existe uma tecnologia que realmente funciona, está melhorando rapidamente e já começou a mudar a maneira como muita gente trabalha.

Isto não começou com o ChatGPT

Embora para o grande público a inteligência artificial pareça ter surgido de repente no fim de 2022, ela já estava entre nós havia bastante tempo. Sistemas de recomendação, reconhecimento de voz, tradução automática, filtros contra spam, identificação de imagens e assistentes virtuais já utilizavam técnicas de IA muito antes de alguém começar a pedir a um chatbot que escrevesse um poema sobre duas torradeiras apaixonadas.

A grande mudança aconteceu com a evolução dos modelos de linguagem e, especialmente, com a arquitetura conhecida como *Transformer*, apresentada em 2017. Em termos muito simplificados, ela permitiu que os modelos analisassem relações entre palavras e trechos de um texto com muito mais eficiência.

Depois veio a fase do “quanto maior, melhor”. Mais dados, mais parâmetros, mais computadores, mais eletricidade e, naturalmente, mais dinheiro. Os modelos aprenderam a completar textos, responder perguntas, traduzir, resumir, programar e executar outras tarefas que não haviam sido ensinadas individualmente.

Os primeiros modelos acessíveis ao público eram impressionantes, mas também tinham a delicadeza intelectual de um estagiário muito entusiasmado que não queria admitir que não sabia alguma coisa. Quando não encontravam uma resposta, frequentemente inventavam uma com extraordinária convicção.

Isso ainda acontece, claro. Mas os modelos evoluíram.

Eles passaram a trabalhar com textos maiores, imagens, áudio, vídeo, programação e documentos. Receberam mecanismos de memória, acesso à internet, ferramentas externas, execução de código e capacidade de analisar problemas em várias etapas. Surgiram também modelos menores e especializados, capazes de rodar com custos muito inferiores — em alguns casos, no próprio computador ou celular.

Os preços de inferência, isto é, o custo para o modelo produzir uma resposta, caíram enormemente desde 2022. Dependendo da tarefa, a redução anual ficou entre nove e novecentas vezes, segundo o AI Index de Stanford. Ao mesmo tempo, modelos menores começaram a atingir resultados que poucos anos antes exigiam as maiores e mais caras estruturas disponíveis. Stanford AI Index

Portanto, não estamos diante de um produto parado tentando sobreviver exclusivamente de propaganda. A coisa continua avançando — e numa velocidade meio desgraçada, diga-se de passagem.

Mas a IA aprende conosco em “tempo real”?

Aqui precisamos separar três coisas que frequentemente são colocadas no mesmo balaio.

Quando conversamos com uma IA, ela consegue adaptar a resposta ao contexto da conversa. Se eu disser que prefiro explicações diretas, ela pode ajustar o estilo nas mensagens seguintes. Alguns sistemas também mantêm uma memória entre conversas, registrando preferências, projetos ou informações autorizadas pelo usuário.

Isso dá a impressão de que o modelo está sendo treinado naquele momento. Mas, na maioria dos casos, seus “pesos” — os parâmetros internos formados durante o treinamento — não são modificados instantaneamente a cada pergunta.

Ou seja: se um sujeito ensinar uma informação nova ao modelo às três da tarde, não significa que todos os demais usuários receberão aquela informação às três e um.

O aprendizado ocorre em outras camadas. As empresas podem analisar avaliações positivas e negativas, perguntas que deram errado, correções feitas por usuários, padrões de abandono e dificuldades recorrentes. Dependendo das configurações de privacidade e das regras de cada serviço, parte dessas interações pode ser selecionada, revisada, anonimizada ou utilizada posteriormente para aperfeiçoar versões futuras.

Há também testes automáticos, equipes humanas de avaliação, dados sintéticos produzidos por outros modelos e técnicas de ajuste baseadas nas preferências dos usuários. Assim, o aprendizado não costuma ser propriamente “ao vivo”, mas existe um ciclo muito rápido entre uso, identificação de problemas, correção e lançamento de uma nova versão.

Além disso, os próprios usuários estão aprendendo a utilizar a ferramenta. E isso também melhora o resultado.

Em 2022, muita gente fazia uma pergunta vaga, recebia uma resposta ruim e concluía que a IA era uma porcaria. Com o tempo, as pessoas começaram a fornecer contexto, anexar documentos, dividir tarefas em etapas, revisar respostas e usar a IA como colaboradora, não como um oráculo digital infalível.

Portanto, não é apenas a máquina que evolui. O modo de uso também evolui. O modelo melhora, a interface melhora e o usuário aprende a conversar com ele. É uma espécie de treinamento mútuo — só não é exatamente o “treinamento em tempo real” que às vezes se imagina.

Por que a bolha não estourou?

O primeiro motivo é que existe utilidade real.

A IA já está sendo usada para programação, atendimento, pesquisa, acessibilidade, tradução, análise de documentos, produção de conteúdo, diagnóstico de falhas, educação e automação de tarefas repetitivas. Nem todas essas aplicações são boas e algumas são soluções procurando desesperadamente um problema, mas outras economizam tempo e dinheiro de verdade.

Em 2025, a adoção mundial da IA generativa já se aproximava de 53% da população, enquanto 88% das organizações pesquisadas declaravam utilizar alguma forma de IA. Ao mesmo tempo, o investimento corporativo mundial chegou a US$ 581,7 bilhões. É muito dinheiro e certamente há desperdício, mas também existe uma base enorme de usuários e empresas incorporando a tecnologia. Stanford AI Index 2026

O segundo motivo é que a IA não depende de uma única aplicação.

Se os chatbots pessoais perdessem popularidade amanhã, ainda haveria modelos sendo empregados em programação, ciência, medicina, logística, robótica, segurança, busca, análise financeira e centenas de processos internos que o consumidor nem sequer vê.

O terceiro é a queda dos custos. Enquanto treinar os modelos mais avançados continua absurdamente caro, utilizar modelos já treinados ficou muito mais barato. Modelos menores, chips especializados, compressão, quantização e melhorias de software estão permitindo fazer mais com menos.

E há um quarto motivo: as maiores empresas do setor possuem dinheiro suficiente para sustentar a brincadeira por bastante tempo. Algumas podem operar serviços de IA com prejuízo enquanto disputam mercado, acumulam usuários, constroem infraestrutura e tentam descobrir qual será o modelo de negócio definitivo.

Isso mantém a festa acontecendo, ainda que algumas garrafas tenham sido compradas no cartão corporativo e ninguém saiba exatamente quem pagará a fatura.

O que poderia fazer a bolha estourar?

O perigo mais óbvio é o desequilíbrio entre investimento e retorno.

Construir centros de dados, comprar chips, treinar modelos e atender milhões de usuários custa uma fortuna. Se as empresas descobrirem que os clientes gostam muito da IA, mas não gostam o suficiente para pagar o preço necessário, haverá um problema.

Outro risco é a saturação. Hoje existem dezenas de serviços fazendo praticamente a mesma coisa: escrevem textos, resumem documentos, geram imagens e respondem perguntas. Muitos desses produtos são apenas uma interface sobre modelos de terceiros. Se o fornecedor original oferecer a mesma função diretamente, a empresa intermediária pode desaparecer antes mesmo de terminar a apresentação para os investidores.

Há ainda o problema da confiança. Alucinações, conteúdos falsos, fraudes, violações de direitos autorais, vazamento de dados e decisões automatizadas incorretas podem gerar rejeição pública e regulamentações severas. Uma tecnologia que promete resolver tudo, mas exige que uma pessoa revise absolutamente tudo, pode acabar não entregando a economia anunciada.

O consumo de energia também não pode ser tratado como detalhe. A Agência Internacional de Energia calcula que a eletricidade consumida por centros de dados poderá mais do que dobrar até 2030, chegando perto de 945 terawatt-hora. A IA será o principal motor desse crescimento. Agência Internacional de Energia

Se não houver energia, chips, refrigeração e infraestrutura suficientes, o crescimento poderá esbarrar num limite bastante físico. A nuvem, afinal, não é uma entidade mágica flutuando no espaço. É um galpão cheio de máquinas esquentando pra burro e consumindo eletricidade.

Também existe a possibilidade de a evolução técnica desacelerar. Se novos modelos custarem dez vezes mais para oferecer uma melhoria de apenas 5%, investidores poderão começar a perguntar — com alguma razão — onde foi parar o resto do dinheiro.

Como evitar o estouro?

A primeira medida é abandonar a ideia de colocar IA em tudo.

Nem toda aplicação precisa de um chatbot. Nem toda geladeira precisa escrever poesia. E talvez o usuário só queira apertar um botão sem iniciar uma conversa filosófica com a máquina de lavar.

As empresas precisam concentrar investimentos em aplicações que resolvam problemas concretos, apresentem ganhos mensuráveis e tenham clientes dispostos a pagar. A tecnologia deve ser parte da solução, não apenas uma etiqueta para valorizar ações.

Também será necessário investir em eficiência: modelos menores, processamento local, melhor aproveitamento dos equipamentos e uso de energias menos caras e poluentes. Não faz sentido empregar um modelo gigantesco para executar uma tarefa que poderia ser resolvida por um sistema cem vezes menor.

Transparência e responsabilidade serão igualmente importantes. O usuário precisa saber quando está interagindo com uma IA, de onde vieram as informações, como seus dados podem ser utilizados e quais são os limites do sistema. Quanto maior a consequência de um erro, maior deve ser a supervisão humana.

E, finalmente, será preciso reduzir as promessas absurdas. A IA não substituirá amanhã todos os programadores, médicos, professores, músicos, advogados, jornalistas e atendentes do planeta. Em muitos casos, ela mudará o trabalho, eliminará algumas funções, criará outras e servirá como ferramenta para profissionais que continuem sabendo o que estão fazendo.

Mas afinal, vai estourar ou não?

Provavelmente haverá um estouro — mas talvez não da inteligência artificial propriamente dita.

Pode estourar a bolha das avaliações exageradas, das empresas sem receita, dos produtos idênticos, das promessas impossíveis e dos investimentos feitos apenas por medo de “ficar para trás”. Muitas companhias desaparecerão, haverá fusões, demissões e projetos abandonados.

Mas isso não significará o fim da IA, da mesma forma que o estouro da bolha “ponto com” não acabou com a internet.

A internet continuou existindo, amadureceu e se tornou infraestrutura. A IA pode seguir caminho semelhante: perder parte do brilho publicitário, deixar pelo caminho uma quantidade respeitável de cadáveres empresariais e se integrar silenciosamente aos programas, aparelhos e serviços cotidianos.

A bolha ainda não estourou porque, no centro dela, existe alguma coisa sólida. O problema é descobrir quanto desse volume é tecnologia real e quanto é apenas ar quente produzido por investidores, departamentos de marketing e sujeitos garantindo que seu aplicativo revolucionário de lista de compras “utiliza IA”.

Quando essa separação acontecer, haverá barulho. Talvez muito barulho.

Mas dificilmente alguém conseguirá colocar a inteligência artificial inteira de volta na caixa.

Um abraço e até a próxima!

Fernando