Gastos em IA das Big Techs: Análise da Prova de Retorno

Comecei a julgar o hype da IA pelos substantivos. Um ano atrás, os substantivos eram modelos, copilotos, agentes e demos. Agora são semicondutores, equipamentos de rede, sistemas de energia, data centers, patrimônio, receita e retornos. Essa mudança não é menos empolgante. Ela é mais adulta. A indústria de tecnologia tem o hábito de tratar a infraestrutura como cenário até a conta chegar. Então o cenário vira a trama. Os gastos das Big Techs com IA estão vivendo esse momento agora, deixando de ser uma história sobre quem consegue imaginar o futuro mais rápido para se tornar uma história sobre quem consegue financiá-lo, operá-lo e monetizá-lo da forma mais coerente.

A história dos gastos ficou física demais

A RBC Wealth Management diz que o lançamento do ChatGPT no fim de 2022 ajudou a desencadear um dos ciclos de despesas de capital mais rápidos e maiores em décadas, construído em torno da infraestrutura necessária para treinar e implantar IA em escala. Isso inclui semicondutores, equipamentos de rede, sistemas de energia e data centers, que não são insumos abstratos. Eles são o esqueleto caro da era da IA.

Segundo a RBC Wealth Management, o capex entre as principais empresas de Big Tech mais que dobrou nos últimos dois anos, chegando a US$ 427 bilhões em 2025. A RBC também projeta um aumento adicional de 30% ano a ano, para cerca de US$ 562 bilhões em 2026. Microsoft, Amazon, Alphabet, Meta e, mais recentemente, Oracle respondem por grande parte desse aumento, diz a RBC.

É aqui que a conversa muda de forma. Uma demonstração de produto pergunta se um sistema parece mágico. Um plano de capital pergunta se essa magia pode ser vendida com frequência suficiente, com margens altas o bastante, para justificar o concreto despejado sob ela. A pergunta incômoda não é se a IA funciona. É se a versão mais cara da IA é sempre a versão pela qual os clientes vão pagar.

A almofada da receita já não é mais um cobertor de conforto

A Marketplace informou em 3 de junho de 2026 que se espera que as Big Techs gastem mais de US$ 700 bilhões em infraestrutura de IA este ano. Também informou que essa onda de gastos está consumindo quase toda a receita que essas empresas geram. Essa frase deveria fazer todo fundador, líder de produto e investidor se sentar um pouco mais ereto.

A Marketplace também informou que a Alphabet, empresa controladora do Google, planeja vender US$ 80 bilhões em ações para investir em IA, um movimento que a Marketplace descreveu como algo que a Alphabet não fazia havia 20 anos.

Isso não significa que a expansão da IA seja irracional. Significa que a era da abundância aparentemente sem esforço se tornou uma era de escolhas visíveis. O curioso sobre plataformas é que elas podem parecer sem peso vistas de fora. Resultados de busca, APIs de nuvem, feeds sociais e assistentes de IA aparecem como interfaces, não como sistemas industriais. Mas cada prompt está ligado a uma cadeia de suprimentos, a uma necessidade de energia, a uma escolha de balanço patrimonial e, em algum momento, a uma pergunta de alguém que quer saber o que voltou do dinheiro gasto.

Os investidores estão fazendo uma pergunta de construtor

A Reuters apresentou a questão de forma direta em sua cobertura sobre Meta e Microsoft elevando os gastos com IA enquanto preocupavam Wall Street antes dos resultados da Amazon. Isso não é apenas uma história sobre o humor do mercado. É a mesma pergunta que um bom gerente de engenharia faz antes de aprovar mais uma dependência cara: o que recebemos que se acumula e cresce com o tempo?

A RBC Wealth Management argumenta que a mudança em direção à monetização, ao retorno sobre o investimento e às aplicações empresariais fortalece o argumento para olhar além da primeira onda de vencedores das Big Techs. Essa é uma lente útil porque desloca a atenção da capacidade bruta para os caminhos de adoção. Os vencedores talvez não sejam as empresas com o chatbot mais chamativo em um palco. Talvez sejam aquelas que conectam a IA a fluxos de trabalho em que os clientes já medem tempo, qualidade, custo e risco.

Esta é a parte do ciclo em que a linguagem importa. Se a IA é uma tecnologia de uso geral, como a RBC a descreve, então o retorno não chegará como uma única categoria gigante de produto. Ele aparecerá por meio de incontáveis melhorias “sem graça” que fazem faturas fecharem mais rápido, dúvidas de clientes serem resolvidas mais cedo, revisões de código ficarem mais rigorosas, previsões melhorarem e o conhecimento interno parar de se esconder em pastas que ninguém abre.

A lição abaixo da linha dos resultados

A conclusão útil da Marketplace e da RBC Wealth Management não é que as Big Techs deveriam gastar menos. É que todos os outros deveriam ser mais precisos. Se as maiores empresas de tecnologia estão sendo pressionadas a mostrar retornos sobre infraestrutura, empresas menores devem partir do princípio de que seus projetos de IA também precisam de um caso de negócio mais claro.

Isso não significa que todo esforço de IA precise de uma planilha antes que alguém experimente. A exploração inicial ainda importa. Mas a era da comprovação de retorno recompensa equipes que sabem a diferença entre uma demonstração de capacidade e um caminho de implantação. Uma demo diz: veja o que isso consegue fazer. Um caminho de implantação diz: aqui está quem usa, com que frequência, o que substitui, o que melhora e por que a curva de custos faz sentido.

Para leitores que estão construindo com IA, a próxima pergunta não é se as Big Techs continuarão gastando. A pergunta mais prática é que tipo de gasto com IA sobrevive ao contato com clientes, orçamentos, compras e o trabalho diário. Se as maiores empresas do mundo estão aprendendo a traduzir visão em retornos, que provas o restante de nós deveria estar coletando agora?