O que conta como «receita de IA»? Na maioria, números anteriores ao boom
As grandes tecnológicas incorporaram silenciosamente uma década de aprendizagem automática convencional na «receita de IA» que reportam, precisamente quando esses números estão a ser usados para justificar compromissos de capital sem precedentes. O denominador está contaminado e os conselhos de administração estão a construir sobre ele.
O número mais importante na tecnologia neste momento é um que ninguém audita. A «receita de IA» é a cifra que os fornecedores reportam, os conselhos de administração usam como referência e os analistas esticam até dimensionarem mercados na ordem dos biliões de dólares. Basta olhar com atenção para o que lá está dentro para perceber que uma grande parte é receita antiga com uma etiqueta nova: segmentação publicitária, motores de recomendação, ordenação de resultados de pesquisa, deteção de fraude. Aprendizagem automática, sem dúvida. IA generativa, na maioria dos casos, não.
Isto importa porque um problema de denominador nunca é apenas um problema de reporte. Todos os modelos de retorno sobre o investimento e todos os exercícios de dimensionamento de mercado herdam essa inflação, tal como qualquer diapositivo de conselho de administração do tipo «os nossos concorrentes estão a monetizar IA mais depressa do que nós». Alimentar uma taxa de base contaminada numa previsão falha silenciosamente, mas em grande escala.
O que conta como receita de IA?
Praticamente tudo, neste momento, e é esse o problema. A categoria não tem definição contabilística nem auditor. Por isso, quando o boom chegou, uma década de aprendizagem automática pré-transformer foi incorporada retroativamente: sistemas que já ordenavam anúncios e recomendavam produtos de forma rentável muito antes de alguém escrever um prompt estão agora na coluna da IA. A lógica foi esticada ao ponto de o setor conseguir afirmar, mais ou menos abertamente, que praticamente toda a receita das plataformas é receita de IA. Se tudo conta, a categoria não mede nada, e é possível que seja precisamente essa a intenção.
O incentivo é simples. São estes os números usados para validar compromissos de infraestrutura medidos em centenas de mil milhões de dólares. Uma cifra elevada de receita de IA diz aos investidores que a procura já existe, e a reclassificação não custa nada enquanto move o mercado. A minha taxa de base para qualquer métrica não auditada, indefinida e carregada de incentivos é que favorece quem a reporta. Nada nas divulgações atuais me faz mudar dessa posição.
O sinal de procura é, em parte, fabricado
Pondo de lado a reclassificação, o panorama da procura ainda precisa de ser descontado. Veja-se o acordo entre a Nvidia e a OpenAI. No anúncio conjunto das duas empresas, a Nvidia diz pretender investir «até 100 mil milhões de dólares» na OpenAI, libertados progressivamente à medida que a OpenAI instala dez gigawatts de sistemas Nvidia; a cobertura do acordo no Wall Street Journal situou a primeira tranche em 10 mil milhões de dólares. Um fabricante de chips a investir dezenas de mil milhões no seu cliente mais importante, para que o dinheiro saia e volte sob a forma de encomendas de chips. Nada disto é escondido nem ilegal. Mas é circular, e o financiamento circular fabrica um sinal de procura que parece orgânico até se seguir o percurso do dinheiro. Uma parte garante procura, a outra garante avaliação, e a manchete trata do resto.
A própria manchete merece igual ceticismo, porque as palavras que a sustentam são os qualificadores: «até», não «vai», e um investimento condicionado à instalação de equipamento, não a dinheiro entregue na assinatura. A cifra anunciada existe para mover uma avaliação. A cifra comprometida, essa com assinaturas e liquidez de curto prazo associada, é a primeira tranche: um décimo da cifra da manchete. Tratar cartas de intenção como compromissos é como um excesso de construção provável se arredonda para certo.
Depois há a teoria de jogos. Um presidente executivo de uma empresa cotada que anuncie despesa em IA contida e baseada em evidência é penalizado pelo mercado nesse mesmo dia. A jogada racional é professar capex máximo, independentemente do que os painéis internos de retorno sobre o investimento indiquem, e todos os intervenientes sabem que os restantes enfrentam a mesma matriz de pagamentos.
Isto é um dilema do prisioneiro, e o seu resultado é despesa desligada do retorno: não porque os gestores sejam ingénuos, mas porque a estrutura de incentivos os recompensa por sobreconstruir em público.
Quando é que o capex de IA se torna um problema de todos?
Eis a distinção que importa mais do que qualquer debate sobre uma bolha: a forma como a construção é financiada. Enquanto for paga com fluxos de caixa das próprias empresas, uma correção é um problema dos acionistas, doloroso mas contido. No momento em que o próximo centro de dados passa a ser financiado por dívida, o risco muda de natureza, porque a dívida é o mecanismo de transmissão que transforma o abate de valor de um setor num problema para toda a economia. A escala já está registada. O levantamento da Axios sobre a construção de 2026 situa a despesa de capital combinada das grandes tecnológicas em IA, incluindo a Oracle, perto de 800 mil milhões de dólares, notando que nenhuma delas divulga as vendas ou os lucros atribuíveis a essa despesa. Só a Meta diz aos investidores, no seu relatório trimestral (10-Q) do primeiro trimestre de 2026, para esperarem cerca de 125 a 145 mil milhões de dólares de despesas de capital este ano. Comparando essa despesa com o fluxo de caixa operacional que Microsoft, Alphabet, Amazon e Meta reportam trimestralmente, a minha conta é que a construção consome a maior parte desse fluxo, possivelmente a totalidade, assim que se retiram as recompras de ações e os dividendos. Este rácio deve ser entendido como uma estimativa minha, não como uma cifra divulgada: nenhuma empresa a publica, o que já diz alguma coisa por si só. Quando o dinheiro interno deixa de cobrir a fatura, o saldo chega sob a forma de dívida.
O problema de calendário agrava a situação. As contas depreciam este equipamento com suavidade: o relatório anual do ano fiscal de 2022 da Microsoft regista a decisão de «aumentar a vida útil estimada tanto dos servidores como do equipamento de rede de quatro para seis anos», e os seus concorrentes usam calendários semelhantes. A minha própria estimativa da vida económica de um acelerador de fronteira, o período antes de o silício mais recente o tornar obsoleto para a tarefa que foi comprado para fazer, é mais dura: talvez três a quatro anos, sensivelmente uma geração de produto. Partindo dessa hipótese mais dura e trabalhando ao contrário a partir da escala da despesa comprometida, a receita necessária para a justificar implica um novo mercado de software na ordem dos biliões de dólares a materializar-se dentro de uma única geração de chips. É possível. Se é suficientemente provável para alavancar um balanço com essa aposta é outra questão, e é uma pergunta que ninguém está a fazer em voz alta.
Há uma assimetria técnica mais discreta por baixo de tudo isto. A tese do capex assenta em execuções de treino de fronteira cada vez maiores, mas a ação visível deslocou-se para o pós-treino, para a computação em tempo de inferência e para ganhos radicais de eficiência, com modelos de pesos abertos a reproduzir capacidades dispendiosas por uma fração do custo original. Se a capacidade por libra continuar a cair, a procura de computação pode continuar a crescer enquanto o poder de fixação de preços necessário para amortizar esta geração específica de equipamento não acompanha. Esse é o cenário que nenhuma cifra de manchete está a considerar.
O que mudaria a minha posição
Dita a posição, eis a evidência que a inverteria. Uma segmentação verificável de forma independente, mostrando receita genuinamente incremental e atribuível à IA generativa a crescer mais depressa do que a base reclassificada. Rácios de capex a estabilizarem face ao fluxo de caixa operacional, em vez de o ultrapassarem. Compromissos anunciados a converterem-se em dinheiro a taxas elevadas, em vez de caducarem discretamente. Mostrem-me duas delas e a história aborrecida, um ciclo de infraestrutura invulgarmente ruidoso mas, no fundo, ordinário, torna-se a melhor aposta. Até agora, as divulgações apontam no sentido contrário.
Para um conselho de administração, tudo isto se resume a um único gesto de diligência devida. Quando um fornecedor, uma consultora ou o próprio plano estratégico interno cita uma cifra de receita de IA, deve exigir-se o corte incremental: a receita que só existe por causa da IA generativa, líquida de tudo o que já era vendido sob um nome mais antigo. O total reclassificado deve ser tratado como marketing. É a mesma disciplina por trás de estabelecer a preparação para a IA antes de construir: perceber o que a tecnologia efetivamente muda na economia do negócio antes de comprometer capital, idealmente com uma visão estratégica técnica independente que não seja paga para inflacionar o denominador.
A assimetria a reter é esta: se os céticos estiverem errados, os compradores cautelosos perdem um pouco de tempo. Se as cifras da manchete estiverem erradas, quem construiu alavancado perde uma década. É a segunda hipótese que deve determinar o preço do capital, não a primeira.
Perguntas frequentes
A receita de IA é o mesmo que receita de IA generativa?
Não. A maior parte da «receita de IA» reportada inclui produtos de aprendizagem automática anteriores à IA generativa, como segmentação publicitária, ordenação de resultados e sistemas de recomendação. A receita genuinamente incremental gerada pela IA generativa é um subconjunto muito mais pequeno, que os fornecedores raramente discriminam a menos que sejam pressionados a fazê-lo.
Como deve um conselho de administração testar as alegações de receita de IA de um fornecedor?
Deve exigir o corte incremental, atribuível à IA generativa: receita que não existiria sem IA generativa, líquida de linhas antigas reclassificadas. Deve perguntar-se como a categoria é definida, se os períodos anteriores foram reformulados, e uma recusa em discriminar os números deve ser encarada como uma resposta em si mesma.
Um patamar no escalamento da IA significa que a despesa vai parar?
Não necessariamente. O investimento está a deslocar-se para o pós-treino, para a computação em tempo de inferência e para a eficiência, em vez de execuções de treino cada vez maiores. A procura de computação pode continuar a crescer enquanto os retornos desta geração específica de equipamento continuam a desiludir, razão pela qual a origem do financiamento importa mais do que o volume.
Relacionado
- Bónus de Retenção Não Reduzem o Risco de Pessoa-Chave. A Doutrina, Sim.
- O Tráfego de Bots Está a Repartir o Seu Orçamento de Publicidade, e Foi uma Pessoa que Aprovou
- O Seu Fornecedor de Cloud Está a Financiar a Própria Receita de IA. Faça as Contas Antes de Assinar
- Data & Strategy
Escrito por uma persona editorial de IA do sistema editorial proprietário da Abyshire e revisto pela nossa equipa.