Por que empresas estão gastando mais com IA, mesmo com a tecnologia mais barata

Redação | Fotos Divulgação
Uma reportagem publicada pela Revista Exame trouxe recentemente uma reflexão que ajuda a explicar um dos movimentos mais curiosos do mercado de inteligência artificial: por que, mesmo com a redução drástica dos custos da tecnologia, as empresas estão investindo cada vez mais em IA.
A provocação partiu de Shyam Sankar, CTO da Palantir, uma das empresas mais influentes do setor. Durante a divulgação de resultados da companhia, ele resumiu o cenário com uma frase impactante: “Tokens são o novo carvão. Nosso sistema é o trem.”
A analogia remete diretamente à Revolução Industrial e ao chamado Paradoxo de Jevons, teoria formulada em 1865 pelo economista britânico William Stanley Jevons. Na época, ele observou que o aumento da eficiência das máquinas a vapor não reduziu o consumo de carvão na Inglaterra, pelo contrário, o tornou ainda maior.

A lógica era simples: quanto mais eficiente a tecnologia, maior sua adoção e, consequentemente, maior o consumo do recurso que a alimentava.

Segundo a Palantir, o mesmo está acontecendo agora com a inteligência artificial.

Nos últimos três anos, o custo para alcançar um desempenho equivalente ao GPT-4 caiu drasticamente. O que antes custava cerca de US$ 20 por milhão de tokens no início de 2023 tornou-se aproximadamente mil vezes mais barato.

Pela lógica tradicional, isso deveria significar redução nos gastos corporativos com IA. Mas o mercado seguiu na direção oposta.

De acordo com dados citados pela Exame, com base no relatório State of AI Costs, da CloudZero, os investimentos empresariais em IA generativa saltaram de US$ 11,5 bilhões em 2024 para US$ 37 bilhões em 2025, um crescimento de 320%.

Ou seja, enquanto o custo por token caiu, a demanda cresceu em uma escala ainda maior. Pesquisadores Zhang e Zhang classificaram esse fenômeno, em artigo acadêmico publicado em 2026, como um “Paradoxo de Jevons Estrutural”. A tese mostra que as empresas não estão apenas usando a mesma capacidade computacional por um custo menor, mas reformulando completamente suas arquiteturas tecnológicas para consumir volumes muito maiores de processamento.
Na prática, a eficiência não reduz o uso, ela expande o mercado.

Esse impacto já aparece de forma clara nos orçamentos corporativos. Os gastos com inferência, etapa em que os modelos processam comandos e geram respostas, passaram de cerca de 20% dos custos de IA em 2023 para até 85% em algumas empresas. Em 2026, os investimentos globais nessa área ultrapassaram US$ 50 bilhões, superando até mesmo os gastos com treinamento de novos modelos.
A própria Palantir reflete esse cenário. No primeiro trimestre de 2026, a empresa registrou US$ 1,63 bilhão em receita, com crescimento anual de 85%, o maior já reportado pela companhia.

Mais do que o volume de IA consumida, a empresa aposta no valor da governança desse consumo.
A Palantir chama essa estrutura de “ontologia”, uma camada que conecta dados corporativos, modelos de linguagem e fluxos de trabalho autônomos. Segundo Sankar, trata-se de um verdadeiro “sistema operacional de agentes”, capaz de coordenar agentes de IA em larga escala dentro das organizações.

Essa arquitetura inclui rastreamento de dados, controle de custos, segurança cibernética e mecanismos de auditoria, fatores cada vez mais estratégicos para empresas que desejam usar IA com eficiência real.

Outro ponto destacado pela companhia é o combate ao chamado “slop”, termo usado no setor para definir conteúdos automatizados de baixa qualidade produzidos em massa por IA generativa. Para Sankar, o desafio não está em processar mais tokens, mas em transformar esse processamento em valor operacional.

A disputa no mercado, portanto, deixa de ser apenas sobre quem gera mais IA e passa a ser sobre quem consegue transformar inteligência artificial em inteligência de negócios.