No início de 2026, o custo da inteligência artificial “nunca aparecia” nas conversas. Seis meses depois, o CEO da OpenAI, Sam Altman, usou uma frase que ecoou por toda a indústria: o gasto com IA virou “um problema gigante”. Em um evento corporativo em junho, ele citou um meme que circula entre seus clientes — “minha empresa gastou todo o orçamento de 2026 no primeiro trimestre” — e admitiu que a mudança foi abrupta, conforme reportou o Business Insider.
A confissão de Altman chegou no momento em que gigantes como Uber e Microsoft começam a impor limites rígidos ao uso interno de IA. O fenômeno tem nome — “tokenmaxxing” — e está forçando uma reavaliação completa de quanto as empresas estão dispostas a pagar por ferramentas que, até ontem, pareciam indispensáveis.
A confissão de Sam Altman
Falando a um auditório de clientes corporativos, Altman revelou que o maior cliente individual da OpenAI consome cerca de 100 bilhões de tokens por mês — aproximadamente 75 bilhões de palavras. E mesmo esse número não é o recorde mundial: Altman admitiu ter descoberto um usuário externo que gasta ainda mais, chamando a situação de “constrangedora”, segundo o Fello AI.
A trajetória é impressionante. Há seis anos e meio, o maior usuário de tokens do planeta consumia cerca de 100 mil tokens por mês. Hoje, a média per capita global está nesse patamar. O crescimento no consumo de um único cliente foi de um milhão de vezes — e cada token custa dinheiro.
Altman explicou que, durante a maior parte do boom da IA, os preços foram artificialmente baixos. Os grandes laboratórios precificaram seus modelos abaixo do custo real de operação para ganhar mercado. A OpenAI gasta aproximadamente US$ 1,35 para cada US$ 1 que fatura, com a maior parte das perdas vindo de inferência — o custo de responder a bilhões de solicitações diárias, e não de treinar novos modelos. E esses custos escondidos vão muito além de dinheiro: a sede oculta da IA, com cada prompt consumindo recursos naturais em escala industrial, é outra face do mesmo problema.
O orçamento da Uber que evaporou
O caso mais emblemático da nova era de contenção é o da Uber. A empresa reconheceu publicamente que gastou todo o seu orçamento de IA para 2026 nos primeiros quatro meses do ano. O COO da Uber declarou que os custos estavam se tornando “mais difíceis de justificar”, conforme reportou a CBC News.
A resposta foi imediata: a Uber impôs um teto de US$ 1.500 por mês por funcionário para cada ferramenta de programação com IA. Engenheiros individuais chegavam a acumular contas de US$ 150 a US$ 2.000 mensais cada um, de acordo com o Fello AI. A meta deixou de ser “usar mais IA” e passou a ser “usar IA com retorno mensurável”.
A Uber não está sozinha. A Microsoft cancelou o uso do Claude Code após os custos de tokens excederem os orçamentos anuais de várias equipes internas — um episódio que já havíamos analisado quando a guerra das ferramentas de IA chegou ao ecossistema da empresa. A Amazon encerrou seu ranking interno de consumo de tokens. A mensagem é clara: a fase de gastar sem medir acabou.
Tokenmaxxing: quando mais virou menos
O termo “tokenmaxxing” descreve a prática de consumir o máximo possível de tokens — as unidades de dados que a IA processa — quase como um esporte. Funcionários de empresas como Meta e Amazon chegaram a competir em rankings internos pelo maior consumo. Para muitos gestores, o volume de tokens servia como atalho para medir produtividade: quem gastava mais, supostamente produzia mais.
O problema é que nem todo token gera valor. O cientista cognitivo e pesquisador de IA Gary Marcus explicou à CBC News que tarefas “agênticas” — aquelas em que a IA trabalha em ciclos autônomos, fazendo dezenas de consultas internas antes de chegar a uma resposta — podem consumir de 500 a 1.000 vezes mais tokens do que uma pergunta simples ao ChatGPT.
Em março, o CEO da NVIDIA, Jensen Huang, disse que ficaria “profundamente alarmado” se um engenheiro ganhando US$ 500 mil por ano não estivesse gastando US$ 250 mil em tokens. Três meses depois, a realidade orçamentária das empresas mostrou que essa matemática não se sustenta quando multiplicada por milhares de funcionários.
A pesquisa que preocupa executivos
Os dados mais incisivos sobre o abismo entre expectativa e realidade vieram da Bain & Company. Em uma pesquisa global divulgada em junho de 2026, a consultoria constatou que quase 40% das empresas que mediram a economia gerada pela IA obtiveram menos de 10% de redução de custos — embora tivessem projetado entre 11% e 20%. Mesmo assim, 90% delas estão aumentando seus orçamentos de IA, conforme publicado pela Bain & Company.
A Bloomberg resumiu o achado em uma manchete direta: as falhas nas economias “deveriam estar deixando os executivos desconfortáveis”. O problema central é que 44% das grandes empresas que ampliam investimentos em IA o fazem com base nas economias obtidas na rodada anterior de gastos — economias que, para muitas delas, ainda não se materializaram.
| Indicador | Dado | Fonte |
|---|---|---|
| Empresas com economia de IA abaixo de 10% | ~40% | Bain & Co., 2026 |
| Empresas que aumentam o orçamento de IA | 90% | Bain & Co., 2026 |
| Orçamento da Uber gasto em 4 meses | 100% do ano | CBC News, 2026 |
| Teto imposto pela Uber por funcionário | US$ 1.500/mês | CBC News, 2026 |
| Maior cliente da OpenAI | 100 bi de tokens/mês | Fello AI, 2026 |
O paralelo com a bolha dot-com
Enquanto as empresas restringem o uso, os gigantes da tecnologia continuam a investir em uma escala sem precedentes. Apenas quatro companhias — Google, Meta, Amazon e Microsoft — devem investir juntos cerca de US$ 700 bilhões em data centers e infraestrutura de IA em 2026, segundo a India Today. O Google anunciou que vai captar US$ 80 bilhões em capital — a primeira emissão desse tipo desde 2006 — para bancar a expansão.
A dissonância entre investimento colossal e retorno incerto acendeu comparações inevitáveis com a bolha das pontocom. Amit Das, fundador da Think360.ai, traçou o paralelo com as redes de fibra óptica dos anos 1990: bilhões foram gastos, muitas empresas desapareceram, mas a infraestrutura permaneceu e se tornou a base da economia digital atual. “Parte desse investimento quase certamente será perdida”, disse Das. “Sempre é.”
A reação foi imediata entre os céticos. O investidor Michael Burry, eternizado em “A Grande Aposta”, citou a fala de Altman nas redes sociais. O programador Eric S. Raymond escreveu que “a bolha está estourando”, argumentando que o modelo de negócios dos grandes provedores não funciona e flutua sobre dinheiro de venture capital. Já Ed Zitron foi mais direto: chamou a postura de OpenAI de “linguagem de perdedor”.
Da experimentação à tokenomics
Se “tokenmaxxing” foi a palavra de ordem da euforia, “tokenomics” é a da contenção. O conceito é simples: entender de fato quanto cada token custa e usar a IA de forma estrategicamente previsível. Nestor Maslej, ex-editor-chefe do Stanford AI Index Report e atual consultor, recomenda “experimentos de pequena escala para descobrir onde a IA é útil como ferramenta” antes de comprometer orçamentos inteiros.
O mercado já está se reorganizando em torno dessa lógica. No início de junho, o GitHub Copilot, propriedade da Microsoft, alterou seu modelo de cobrança para vincular o preço ao consumo de tokens. A Anthropic passou a cobrar das empresas uma taxa fixa somada a uma tarifa variável baseada em uso. A cobrança por token deixou de ser uma curiosidade técnica e virou o centro das mesas de finanças corporativas — especialmente quando ferramentas de código gerado por IA passaram a ser auditadas tanto pelo custo quanto pela qualidade.
Para as empresas de IA, isso cria um dilema. De um lado, precisam recuperar o custo dos tokens para sustentar suas avaliações astronômicas. Do outro, não podem subir muito os preços sem perder mercado em um ambiente de competição intensa. Como observou Gary Marcus: se o tokenmaxxing não se sustenta, essas companhias provavelmente não farão a receita que projetaram.
O que muda para os usuários
Para o usuário comum, o choque de custos significa mudanças concretas. As assinaturas que antes ofereciam uso ilimitado estão dando lugar a modelos com limites de consumo. As ferramentas que pareciam gratuitas ou baratas começam a incluir cobranças por uso intensivo. E a promessa de agentes de IA que trabalham sozinhos, 24 horas por dia, esbarra em uma realidade prosaica: alguém precisa pagar a conta elétrica de cada token gerado.
Altman sinalizou o que vem a seguir: “IA proativa de execução constante”, agentes sempre ligados que trabalham em segundo plano sem serem solicitados. Se os orçamentos atuais explodem com IA que você precisa acionar manualmente, a perspectiva de pagar por IA que nunca para é, no mínimo, assustadora para qualquer departamento financeiro.
A lição do meio de 2026 não é que a IA falhou. É que a fase de adotar primeiro e perguntar depois terminou. As empresas que saírem na frente não serão as que gastam mais, mas as que conseguirem responder a uma pergunta que muitos evitaram fazer: cada real investido em IA está gerando quanto de retorno?
Perguntas frequentes
O que é tokenmaxxing?
Tokenmaxxing é a prática de usar a inteligência artificial de forma intensiva e competitiva, consumindo o máximo possível de tokens — as unidades de dados que a IA processa. Empresas como Meta e Amazon chegaram a criar rankings internos para classificar funcionários pelo volume de tokens consumidos, tratando o gasto como sinônimo de produtividade.
Por que as empresas estão cortando gastos com IA?
As empresas descobriram que o custo real da IA, especialmente em tarefas agênticas que rodam em ciclos autônomos, é muito maior do que o projetado. A pesquisa da Bain & Company mostrou que quase 40% das empresas obtiveram menos de 10% de economia com IA, abaixo da meta de 11% a 20%. Casos como o da Uber, que queimou o orçamento anual em quatro meses, forçaram a adoção de tetos e controles mais rigorosos.
Quanto a Uber gastou com IA em 2026?
A Uber não divulgou o valor exato, mas reconheceu publicamente que gastou 100% do orçamento de IA previsto para todo o ano de 2026 nos primeiros quatro meses. Como resposta, a empresa impôs um limite de US$ 1.500 por mês por funcionário para cada ferramenta de programação com IA.
A IA deixou de valer a pena para empresas?
Não exatamente. Especialistas como Nestor Maslej, ex-editor do Stanford AI Index Report, afirmam que as empresas saíram da fase de experimentação ingênua e entraram na fase de avaliação econômica. A IA continua sendo adotada, mas agora com métricas de retorno sobre investimento, testes em pequena escala e cobrança atrelada ao consumo real de tokens.
Referências
- Business Insider — Altman diz que custos de IA são um “problema gigante”
- Fello AI — Sam Altman admite que custos de IA viraram um “problema gigante”
- CBC News — Empresas freiam uso de IA após custos explosivos
- Bain & Company — Seu orçamento de IA cresce, mas seus retornos não
- India Today — Uber e outras desaceleram a IA
- Bloomberg — Falhas nas economias de IA preocupam executivos