A indústria da inteligência artificial chegou a um ponto estranho.
A tecnologia está a melhorar rapidamente. Mais pessoas estão a usar IA no trabalho, as empresas estão a experimentar a automação e surgem novos modelos quase todas as semanas. Ao mesmo tempo, a quantidade de dinheiro a ser investida tornou-se difícil de compreender.
As empresas de IA estão a angariar milhares de milhões de dólares. Os gigantes tecnológicos estão a construir centros de dados que consomem tanta eletricidade quanto pequenas cidades. Empresas privadas que ainda estão a dar prejuízo estão a receber avaliações que teriam parecido absurdas há apenas alguns anos.
Não é surpreendente que as pessoas estejam a perguntar se a IA se tornou uma bolha financeira.
Um argumento recente que circula online afirma que a indústria americana de IA já acumulou biliões de dólares em dívida e tem de substituir milhões de trabalhadores de colarinho branco todos os anos apenas para cobrir os pagamentos de juros.
A preocupação mais ampla merece ser levada a sério. O cálculo por trás dela não.
Pode haver uma bolha de IA, mas é importante compreender onde estão os riscos reais.
O número dos biliões está a ser usado de forma indevida
Uma das afirmações mais dramáticas é que entre 3 biliões e 4 biliões de dólares já foram investidos na indústria americana de IA, sobretudo com recurso a dinheiro emprestado.
Há poucas evidências que sustentem essa interpretação.
O Stanford AI Index estimou que o investimento privado em IA nos Estados Unidos atingiu aproximadamente 285,9 mil milhões de dólares em 2025. É uma quantia extraordinária, mas está muito longe de 3 biliões.
O número muito maior parece vir de previsões de gastos globais em infraestrutura de IA ao longo de vários anos.
A Morgan Stanley, por exemplo, estimou que perto de 3 biliões de dólares poderiam ser investidos em infraestrutura de IA em todo o mundo até 2028. A maior parte desse dinheiro ainda não tinha sido gasta quando a estimativa foi publicada.
Uma previsão de investimento futuro não é o mesmo que dívida existente.
A estimativa também inclui mais do que as empresas que desenvolvem modelos de IA. Abrange centros de dados, chips, infraestrutura elétrica, equipamento de rede, construção e outras partes da cadeia de fornecimento de IA.
Por isso, é enganador descrever o montante total como dinheiro emprestado por empresas como a OpenAI e a Anthropic.
A IA não precisa de substituir 10 milhões de trabalhadores
O argumento costuma continuar com um cálculo simples.
Se a indústria tiver cerca de 2,5 biliões de dólares em dívida e pagar 4% de juros, precisaria de aproximadamente 100 mil milhões de dólares por ano apenas para cobrir os juros. Com uma margem de lucro de 10%, precisaria de 1 bilião de dólares em receitas.
Daí surge a afirmação de que a IA tem de substituir cerca de 10 milhões de trabalhadores de colarinho branco todos os anos.
A aritmética funciona. As premissas não.
Não há evidências fiáveis de que as empresas de IA, em conjunto, tenham 2 biliões ou 3 biliões de dólares em dívida corporativa em aberto.
O cálculo também trata a indústria de IA como se fosse uma única empresa altamente endividada, sem outros negócios ou fontes de rendimento.
Grande parte da infraestrutura atual está a ser construída pela Microsoft, Amazon, Alphabet, Meta e Oracle. Estas empresas já geram receitas substanciais com serviços de cloud, publicidade, software, retalho, bases de dados e subscrições.
A Microsoft não precisa de que cada novo centro de dados seja pago exclusivamente por funcionários que perdem o emprego para o Copilot. A Amazon não precisa de classificar cada dólar gerado pela AWS como receita de IA separada antes de poder pagar a sua dívida.
Mais importante ainda, a IA pode criar valor financeiro sem eliminar um posto de trabalho.
Uma empresa pode usar IA para responder mais rapidamente às perguntas dos clientes, produzir mais software com a mesma equipa, detetar fraude, melhorar a publicidade, traduzir conteúdos ou reduzir o tempo necessário para analisar documentos.
O funcionário pode permanecer na empresa enquanto produz mais trabalho.
Por isso, é errado assumir que o único retorno possível do investimento em IA vem da substituição de salários.
O risco financeiro real continua a ser sério
O facto de o cálculo viral da dívida estar errado não significa que o mercado de IA esteja saudável.
Os números reais já são suficientemente grandes para gerar preocupação.
A OpenAI, a Anthropic e outros desenvolvedores de modelos estão a angariar enormes quantidades de capital enquanto continuam a gastar muito em treino, investigação e infraestrutura de computação.
Ao mesmo tempo, a Microsoft, a Amazon, a Alphabet e a Meta estão a investir dezenas de milhares de milhões de dólares a cada trimestre em centros de dados e equipamento relacionado.
Estes investimentos baseiam-se numa grande premissa: a procura por serviços de IA continuará a crescer rapidamente o suficiente para justificar a infraestrutura que está a ser construída hoje.
Isso pode acontecer. Não é garantido.
Os centros de dados são caros de construir e operar. Exigem chips, eletricidade, água, sistemas de refrigeração e acesso à rede elétrica. O hardware no seu interior pode ficar desatualizado surpreendentemente depressa.
Se a eficiência dos modelos melhorar mais depressa do que o esperado, as empresas podem precisar de menos capacidade de computação do que as previsões atuais sugerem. Se as empresas concluírem que as ferramentas de IA não oferecem um retorno suficiente, parte da nova infraestrutura pode ficar subutilizada.
É aqui que começa o argumento mais forte a favor da bolha.
O problema não é que a indústria de IA tenha de substituir um número específico de trabalhadores no próximo ano. O problema é que as empresas estão a gastar somas enormes hoje com base em lucros que podem só aparecer daqui a vários anos.
As empresas de IA estão a perder dinheiro em cada pedido?
Outra afirmação comum é que a OpenAI e a Anthropic perdem dinheiro sempre que alguém envia um prompt para um dos seus modelos.
Isso é possível para certas subscrições ou utilizadores extremamente intensivos, mas não foi demonstrado como regra geral.
Há uma diferença importante entre perder dinheiro num pedido individual e perder dinheiro como empresa.
Um pedido via API pode ser vendido por mais do que o custo direto de executar o modelo. A empresa ainda pode reportar grandes prejuízos depois de pagar investigação, treino de modelos, salários de engenharia, vendas, marketing e infraestrutura futura.
Por outras palavras, um serviço de IA pode ter uma margem bruta positiva enquanto a empresa por trás dele continua profundamente deficitária.
A pergunta mais útil não é se cada pedido dá prejuízo. É se as receitas atuais podem, eventualmente, suportar o custo extraordinário de desenvolver e operar as próximas gerações de modelos.
Para muitas empresas de IA de fronteira, a resposta ainda não é clara.
Os modelos chineses estão a mudar a economia
A rápida melhoria dos modelos chineses e de pesos abertos pode ser um problema ainda maior para as empresas americanas de IA do que as suas perdas operacionais.
Há alguns anos, parecia possível que um pequeno número de empresas dos EUA controlasse os modelos mais capazes. Tinham acesso a chips avançados, grandes centros de dados e milhares de milhões de dólares em financiamento.
Essa vantagem ainda importa, mas a diferença diminuiu.
Desenvolvedores chineses lançaram modelos que competem em programação, raciocínio e tarefas baseadas em agentes, muitas vezes a preços muito mais baixos.
Muitos destes modelos também podem ser descarregados e executados em infraestrutura privada. São frequentemente descritos como open-source, embora “pesos abertos” seja geralmente o termo mais preciso. Os pesos do modelo podem estar disponíveis, enquanto os dados de treino e o processo completo de desenvolvimento permanecem privados.
A sua popularidade crescente cria um sério problema de preços para empresas como a OpenAI e a Anthropic.
Se os clientes conseguem obter resultados semelhantes com um modelo mais barato, o fornecedor caro não pode simplesmente aumentar os preços sempre que precisar de mais receitas.
Dados da OpenRouter mostraram um aumento acentuado no uso de modelos chineses entre desenvolvedores que usam a sua plataforma. Isto não significa que os modelos chineses já controlem a maior parte de todo o mercado dos EUA. A OpenRouter representa apenas uma parte do ecossistema de IA.
Mas mostra que os desenvolvedores estão dispostos a mudar de modelo quando a diferença de preço ou desempenho se torna atrativa.
Isso torna mais difícil para qualquer fornecedor único construir um monopólio duradouro.
A IA local está a melhorar, mas não é gratuita
A mesma pressão competitiva vem de modelos que podem correr em computadores locais e servidores privados.
Os modelos locais oferecem vantagens claras. Os dados podem permanecer dentro da empresa, o sistema pode funcionar sem ligação à internet e os utilizadores não dependem dos preços ou políticas de um fornecedor externo.
Para tarefas comuns, um modelo local mais pequeno pode ser suficiente.
Isso pode reduzir o número de pessoas dispostas a pagar por subscrições premium de IA.
Ainda assim, a IA local não é automaticamente mais barata em todas as situações. Uma empresa tem de comprar hardware, pagar eletricidade, manter o sistema, instalar atualizações e monitorizar a segurança.
Modelos mais pequenos também podem exigir mais correções ou ter um desempenho menos fiável em trabalho complexo.
O resultado mais provável é um mercado misto.
Tarefas rotineiras podem ser tratadas por modelos locais ou baratos. Problemas difíceis podem ser enviados para sistemas cloud mais capazes. O software tradicional continuará a tratar processos previsíveis, enquanto as pessoas continuarão responsáveis por decisões em que os erros são caros.
Isto criaria um grande mercado de IA, mas não necessariamente um mercado com margens extremamente elevadas para as empresas que constroem os modelos subjacentes.
A produtividade não correspondeu ao hype
A pergunta mais importante é se a IA está a criar produtividade suficiente para justificar o dinheiro que está a ser gasto.
As evidências até agora são mistas.
Um estudo com mais de 5.000 colaboradores de apoio ao cliente concluiu que o acesso a um assistente de IA generativa aumentou a produtividade em cerca de 14% em média.
Os maiores benefícios foram observados entre trabalhadores menos experientes. A IA ajudou-os a aceder a conhecimento e técnicas que colegas mais experientes tinham aprendido ao longo do tempo.
É um resultado relevante.
Outras pesquisas foram menos encorajadoras.
Num estudo conduzido pela METR, desenvolvedores experientes de open-source concluíram certas tarefas mais lentamente ao usar ferramentas de IA. Os desenvolvedores acreditavam que as ferramentas os estavam a ajudar, mas os resultados medidos mostraram que demoraram mais.
A diferença pode vir do tipo de trabalho que está a ser realizado.
A IA é frequentemente útil quando uma tarefa envolve redigir, resumir ou aplicar padrões familiares. Pode tornar-se menos útil quando um especialista está a trabalhar dentro de um sistema complicado e tem de inspecionar cuidadosamente sugestões que estão quase corretas.
O tempo poupado a escrever código pode facilmente perder-se ao encontrar um erro subtil.
Isto ajuda a explicar por que razão as demonstrações de IA podem parecer espetaculares enquanto as implementações reais nas empresas avançam mais lentamente.
Uma demonstração normalmente mostra o melhor resultado em condições controladas. Um sistema em produção tem de lidar com informação incompleta, clientes invulgares, regras de privacidade, riscos de segurança e responsabilidade legal.
Uma ferramenta que está correta 95% das vezes pode ser impressionante num vídeo e inaceitável num banco.
Por que as empresas estão a retirar sistemas de atendimento ao cliente com IA
Um inquérito de 2026 da Sinch concluiu que 74% das organizações questionadas tinham retirado ou encerrado pelo menos um agente de comunicações com clientes baseado em IA após o seu lançamento.
Esse número parece desastroso, mas precisa de contexto.
Não significa que 74% de todos os agentes de IA falharam ou que a maioria das empresas abandonou a IA. Significa que muitas organizações descobriram problemas em pelo menos uma implementação e decidiram parar, redesenhar ou substituí-la.
A conclusão continua a ser importante.
O atendimento ao cliente deveria ser uma das áreas mais fáceis de automatizar. As conversas são muitas vezes repetitivas, as empresas já possuem grandes bases de dados de respostas e o custo do suporte humano é significativo.
No entanto, os clientes reais nem sempre fazem perguntas previsíveis. Podem fornecer informação incompleta, interpretar mal as políticas ou enfrentar situações que não aparecem nos exemplos de treino.
Um agente de IA também pode fazer promessas que a empresa não pode cumprir, divulgar informação privada ou interpretar repetidamente mal um cliente já frustrado.
Estas falhas não provam que o atendimento ao cliente nunca será automatizado. Mostram que a automação fiável exige mais testes, supervisão e envolvimento humano do que muitas empresas esperavam.
O apoio do governo levanta questões desconfortáveis
As empresas de IA também pediram aos governos que apoiem o investimento em energia, produção de semicondutores e infraestrutura de centros de dados.
Isto foi descrito por alguns críticos como um pedido de resgate.
Essa descrição é demasiado simplista.
Os governos usam regularmente incentivos fiscais, garantias de empréstimo, contratos de aquisição e programas de infraestrutura para apoiar indústrias que consideram estrategicamente importantes.
A indústria de semicondutores, as energias renováveis, a aviação e os transportes beneficiaram de políticas semelhantes.
A questão mais relevante é quem assume o risco.
Se os investidores privados recebem os lucros quando a procura é forte, devem os contribuintes absorver parte da perda se a infraestrutura se tornar economicamente inviável?
A IA pode ser suficientemente importante do ponto de vista estratégico para justificar investimento público. Isso não significa que cada projeto privado deva ser protegido do fracasso.
Pedidos de apoio governamental não são prova de que a indústria de IA está prestes a colapsar. Mas sugerem que a expansão planeada pode ser grande demais para ser financiada confortavelmente apenas com capital privado.
A comparação com a dot-com faz sentido
A comparação mais útil é provavelmente o boom da internet dos anos 1990.
Os investidores tinham razão ao acreditar que a internet transformaria os negócios e a sociedade. Muitas vezes estavam errados sobre quão rapidamente os lucros apareceriam, quais empresas sobreviveriam e quanto essas empresas valiam.
O resultado foi uma bolha financeira construída em torno de uma tecnologia genuinamente revolucionária.
A IA pode seguir um caminho semelhante.
A tecnologia pode melhorar a produtividade, criar novos produtos e tornar-se parte do trabalho do dia a dia. Ao mesmo tempo, muitas empresas de IA podem estar dramaticamente sobreavaliadas. Alguns fornecedores podem desaparecer. Os preços dos modelos podem cair. Centros de dados podem ser vendidos abaixo do custo de construção. Os investidores podem descobrir que os maiores lucros são capturados por empresas que não eram consideradas as vencedoras óbvias durante o boom.
Uma queda nas avaliações não provaria que a IA falhou.
Mostraria que os investidores pagaram demasiado por lucros esperados que ainda não tinham chegado.
Então, a IA é uma bolha?
Partes do mercado quase certamente exibem comportamento típico de bolha.
As avaliações são extremamente elevadas. Os gastos em infraestrutura estão a crescer mais depressa do que a procura comprovada. As empresas estão a comprometer capital com base em previsões otimistas sobre adoção, produtividade e preços futuros.
A concorrência também está a tornar-se mais intensa. Modelos chineses, alternativas de pesos abertos e sistemas locais estão a tornar a IA mais barata, o que é bom para os utilizadores, mas potencialmente mau para as margens de lucro dos desenvolvedores de modelos.
Ao mesmo tempo, o argumento de que a indústria já pediu emprestados vários biliões de dólares e tem de substituir 10 milhões de trabalhadores todos os anos não é sustentado pelas evidências disponíveis.
O argumento mais forte é menos dramático.
As empresas de IA e os seus parceiros estão a gastar quantias extraordinárias de dinheiro hoje. Para justificar esses investimentos, precisarão de receitas muito maiores, adoção muito mais ampla e ganhos de produtividade muito mais claros do que os que conseguimos observar atualmente.
Podem conseguir isso.
Também podem descobrir que a IA muda o mundo enquanto produz retornos dececionantes para muitos dos investidores que a financiaram.
Esses dois resultados não são contraditórios.
A internet transformou quase todas as indústrias. Isso não impediu os investidores de perderem milhares de milhões durante o colapso dot-com.
A IA não precisa de ser uma fraude para uma bolha de IA rebentar. Só precisa de estar precificada como se nada pudesse correr mal.
Este artigo é apenas para fins informativos e não constitui aconselhamento de investimento.