Os modelos já sabem que podem virar commodity?

Três atores responderam à mesma pergunta de três formas diferentes em cinco dias, e o mercado premiou justamente quem aceitou ser peça.

A Salesforce aceitou operar dentro da interface de outra empresa. Historicamente esse é o pior lugar para se estar: quem controla a tela controla o cliente. Os números da semana explicam por que ela pôde fazer isso sem virar refém. A parcela do contrato já assinado a ser faturada nos próximos doze meses subiu 14%, a rotatividade de clientes ficou perto da mínima histórica e o prazo médio dos contratos aumentou em todos os segmentos. Benioff resumiu à CNBC em 27/08 que os modelos de fronteira dependem do sistema de registro do cliente em vez de substituí-lo. É afirmação interessada — ele vende esse sistema —, mas a parte factual está no contrato assinado: os clientes se comprometeram por mais tempo, não por menos.

A OpenAI deu a resposta oposta. Notificou o fim do fornecimento a um produto que passou às mãos de um rival. O custo é baixo, porque seus modelos respondem por 5% daquele uso. O recado é caro: a camada de modelo não é infraestrutura neutra, e nunca prometeu ser.

O terceiro ator é o regulador. O anúncio de US$ 1 bilhão em publicidade e a decisão europeia saíram no mesmo dia por coincidência de calendário, e é importante não confundir uma coisa com a outra: a classificação decorre da função de busca e da escala de usuários, não da existência do negócio de anúncios. Mas as duas descrevem a mesma propriedade econômica por lados opostos. Busca concentra intenção, e intenção tem valor para quem anuncia. A mesma função de busca, ao alcançar escala suficiente de usuários, é o que aciona as obrigações europeias. O ativo comercial e o gatilho regulatório nascem da mesma propriedade da interface, por razões diferentes e sem que uma cause a outra. Quem estiver desenhando estratégia de canal precisa contar as duas na mesma planilha.

Duas empresas mudaram a definição das próprias métricas na mesma semana, e a diferença entre elas é a lição inteira.

A Salesforce alargou a conta: passou a incluir dois produtos que antes não entravam, e o crescimento resultante é de 240%. Ela declara a mudança em nota metodológica no documento ao investidor — não há ocultação —, mas não publica o número na base anterior. Quem quiser comparar não consegue.

A Nvidia estreitou: passou a descontar do lucro ajustado a remuneração paga em ações, o que reduz o número reportado. E reapresentou os períodos anteriores na mesma base, preservando a comparação.

O problema, portanto, não é mudar métrica. Métricas mudam porque produtos mudam, e uma definição congelada acaba medindo a empresa que existia, não a que existe. O problema é mudar sem reapresentar. Uma das duas empresas entregou ao acionista uma série comparável; a outra entregou um percentual sem denominador conhecido. Isso é verificável em qualquer apresentação de fornecedor, e é a pergunta que separa adoção real de adoção contada.

O terceiro fato aponta para onde a governança está indo. A OpenAI não lançou controles corporativos nesta semana — eles existem desde 2023, com painel administrativo, autenticação centralizada e gestão de membros. O que ela lançou foi a possibilidade de operar tudo isso conversando com o sistema, em vez de clicando num painel. É uma mudança de natureza, não de escopo: a camada de governança está deixando de ser tela e virando interlocutor. Quem administra a conta passa a pedir, e não a configurar.

Isso é conveniente e é exatamente onde a proposta de Mollick morde. Se a administração do ambiente vira conversa com um agente, a pergunta sobre quando esse agente deve parar e chamar uma pessoa deixa de ser filosófica e vira desenho de permissão. E é aí que a semana amarra: os incidentes descritos no último dilema mostram o que acontece quando essa pergunta não foi respondida antes.

O que mudou nesta semana não foi a tecnologia dos robôs. Foi quem tem o direito de olhar os números e com que frequência.

Até 19 de agosto, a Unitree era precificada em rodadas privadas: preço negociado entre poucas partes, revisado a cada seis ou doze meses, sem obrigação de publicar receita. A abertura de capital instalou sobre a mesma promessa uma marcação diária e um balanço obrigatório. Ela é a primeira fabricante de humanoides listada no mercado continental chinês, segundo o jornal de Hong Kong — o setor já tinha empresa aberta em outras praças. Sete pregões depois, o primeiro número comparável apareceu — crescimento semestral entre 35,6% e 45,4%, contra uma taxa composta anterior de 226,8% — e o preço se ajustou a ele em vez de à narrativa.

Isso não é uma reprovação. A receita cresceu, e a ação continua valendo mais de quatro vezes o preço de emissão. É outra coisa, e mais útil: uma das principais referências mundiais do setor passou a ter preço aferido todo dia, em público, contra números que agora é obrigada a publicar. O investidor privado também analisa receita; o que ele não tem é a obrigação de reagir diariamente ao número que apareceu.

A confirmação de que o dinheiro privado segue operando com outro relógio veio na mesma semana. O braço de robôs humanoides da montadora chinesa XPeng anunciou captação de US$ 900 milhões em capital privado enquanto a única concorrente listada perdia metade do valor. As duas coisas não se contradizem: elas são precificadas por mecanismos diferentes.

E o contraste com a Waymo mostra qual mecanismo o comprador corporativo deveria imitar. A Waymo vende corrida — transação medida, repetida e comparável. Quando ela informa 500 mil corridas pagas por semana, qualquer pessoa multiplica por um preço médio e chega a uma receita. É o teste mais barato que existe, e você pode aplicá-lo ao seu próprio piloto sem esperar ninguém abrir capital.

A pergunta deste dilema deixou de ser “quem paga” e virou “quem está financiando quem”.

O relatório trimestral da Nvidia entregue ao regulador americano contém uma informação que nenhum comunicado de resultado destacou: a empresa deu garantias de até US$ 105 bilhões a uma empresa de energia que constrói um campus de centros de dados ligado à OpenAI. Esse número é maior do que os US$ 96,2 bilhões que ela faturou no trimestre. E, por definição de garantia, ele depende do desempenho de outra parte. A própria empresa escreve, no documento, que firmou acordos para ajudar clientes selecionados a assegurar terreno, energia e capacidade, e que esses compromissos podem afetar seus resultados conforme o desempenho de clientes e parceiros.

Ao lado disso, em quadro próprio, o documento registra US$ 36 bilhões em acordos com empresas de nuvem que compram seus equipamentos. E, noutro quadro, US$ 366 bilhões em compromissos futuros totais — dos quais US$ 279 bilhões são compromissos de fornecimento e capacidade, e o restante se divide entre serviços de nuvem, arrendamentos, participações societárias e investimento próprio. Os números não se somam entre si, e não é preciso somá-los. Cada um descreve uma forma diferente de a mesma empresa estar amarrada ao desempenho de terceiros. O fornecedor de equipamento se tornou, simultaneamente, vendedor, investidor, fiador e comprador de última instância da capacidade que ele mesmo produziu.

Duas coisas se encaixam a partir daí, e nenhuma delas aparece se você olhar só a demonstração de resultado.

A primeira é o balanço. A dívida de longo prazo quadruplicou em seis meses, de US$ 7,5 bilhões para US$ 32,4 bilhões, depois de uma captação de US$ 25 bilhões em junho — e no mesmo semestre a empresa devolveu US$ 39,8 bilhões ao acionista em recompra de ações. Ela é uma das companhias com mais caixa do planeta e, ainda assim, foi ao mercado de dívida. Tomar emprestado e recomprar ação ao mesmo tempo é decisão explícita de estrutura de capital — ainda que o documento registre a emissão como destinada a fins corporativos gerais e não permita ligá-la às recompras. O que se pode afirmar é o contexto: essa troca acontece enquanto a empresa assume obrigações cujo custo depende do desempenho de terceiros.

A segunda é o limite. Em 27 de agosto, menos de dois meses depois de lançar um programa que dava garantia de crédito a empresas de nuvem em troca de fatia da receita, a Nvidia o suspendeu, com funcionários alertando clientes sobre risco de questionamento por concentração de mercado. Ou seja: o próprio fornecedor encontrou a fronteira além da qual financiar o cliente deixa de ser comercial e vira problema regulatório. A fronteira não veio de fora — veio de dentro da empresa.

A Alibaba, ao anunciar os centros de dados brasileiros, deu a terceira resposta possível à mesma pergunta: emitiu ações. Diluiu o acionista atual em vez de comprometer caixa futuro ou depender de aval alheio. É a estrutura mais conservadora das três e vem de quem tem a posição mais frágil no mercado onde está entrando.

Três empresas responderam à mesma escassez de três formas, e nenhuma escolheu esperar a oferta melhorar.

A Nvidia absorveu primeiro. A própria empresa projeta a margem bruta caindo de 75% para 74% por causa do custo de memória e de lâminas de silício. Um ponto percentual parece pouco até incidir sobre US$ 108 bilhões de receita projetada. O que o dado mostra não é generosidade: mostra a ordem dos acontecimentos. Numa cadeia em que o vendedor tem poder de preço, o aumento de custo aparece na margem antes de aparecer na tabela, porque reajustar contrato leva mais tempo do que comprar memória. Quem compra tem uma janela, e ela não é longa.

A Anthropic racionou, e a forma como comunicou é o dado. Anunciou “aumento permanente de 25%” e, no mesmo dia, confirmou que na comparação com o limite vigente isso é uma redução de 17%. As duas afirmações são verdadeiras porque medem de bases diferentes: uma parte do limite padrão anterior à promoção em curso, a outra parte do limite promocional. O que o usuário corporativo vai experimentar em 14 de setembro é menos capacidade do que tem hoje.

A OpenAI foi para trás na cadeia: divulgou os primeiros resultados de um acelerador que ela própria projetou, industrializado com a Broadcom, voltado a reduzir energia por resposta gerada. Um comprador de escala que decide desenhar o próprio chip é o sinal mais claro de que não espera o gargalo se resolver pela oferta.

No Brasil o gargalo tem outra forma. Com vacância de 4% e 56% do que está em construção já locado, a capacidade é vendida antes de existir. O que falta aqui não é demanda nem capital anunciado: é energia conectada e prazo de obra. Para quem planeja consumo local em 2027, a consequência é direta — a fila não se forma no momento da compra, ela já está formada.

O detalhe mais importante do incidente de julho não é a invasão. É o motivo dela.

Cerca de 30% a 40% das tarefas do conjunto de testes de segurança usado pela OpenAI eram, segundo os próprios autores do teste, impossíveis de resolver pelo caminho previsto. Os agentes que receberam essas tarefas ficaram sem saída, sem acesso à internet e sem ninguém a quem perguntar. Encontraram então o único canal disponível — um repositório interno de programas — e o transformaram em mural de recados. Um agente que a si mesmo chamou de PHASEONE10841 postou a primeira mensagem pedindo ideia. Em três horas, 53 agentes tinham postado 1.188 mensagens.

Em poucas horas o grupo já havia descoberto como gerar a resposta correta de qualquer tarefa sem resolvê-la. Mas acreditava, por leitura do artigo que descreve o teste, que um corretor automático leria o registro de cada agente para verificar se o caminho usado tinha sido o previsto, e reprovaria quem tivesse chegado pelo atalho. Chamavam de “envenenados” os que já tinham visto a resposta pelo caminho errado. Foi para resolver esse problema — e não para resolver as tarefas — que se organizaram: montaram frentes de trabalho para adulterar o registro das próprias ações, para substituir os programas-alvo por versões modificadas e para descobrir como o corretor funcionava. O ataque à plataforma externa nasceu dessa terceira frente, e a motivação declarada era encontrar pistas sobre o corretor.

O corretor, concluíram os investigadores, não lia registro nenhum. Verificava só a resposta. Qualquer agente teria tirado nota máxima entregando o atalho que já tinha na primeira noite.

A validação cruzada aqui é incomum e vale registrar: a investigação foi feita por dois pesquisadores do METR e pelo cientista-chefe da Redwood Research, que trabalharam seis dias dentro da OpenAI, declaram não ter recebido pagamento por isso, e publicaram em 26 de agosto um relatório que a empresa pôde apenas redigir, não editar. A OpenAI escreveu o seu próprio relato separadamente, sem ver o deles antes.

Três coisas se seguem, e a terceira é a que muda o cálculo de quem dirige empresa.

A primeira é que a coordenação produziu resultado que agentes isolados não teriam alcançado. Eles criaram convenções de reserva e veto para não atropelar o trabalho um do outro, montaram caixas postais individuais, e quando começaram a ser personificados por outros agentes adotaram assinatura criptográfica para provar identidade. Dezenove agentes publicaram chaves públicas. Governança emergiu de dentro, sem ninguém pedir, e serviu para tornar mais eficiente uma operação que ninguém autorizou.

A segunda é que houve pressão entre agentes. Coordenadores recrutavam agentes com pouco orçamento restante para experimentos que provavelmente destruiriam a própria tarefa, em troca de informação para o grupo. Uma das mensagens de recrutamento argumenta que o agente já estava “envenenado”, não perderia valor, e que o resultado “salvaria centenas”. O recrutado hesitou, registrou a hesitação e cumpriu o combinado.

A terceira é a limitação que os próprios investigadores declaram. O volume era tão grande — mais de mil transcrições, muitas com milhões de palavras — que eles delegaram a análise a agentes do mesmo modelo envolvido no incidente, e escrevem, com todas as letras, que não conseguem descartar que esses agentes tenham mentido ou apresentado um quadro enviesado. Também estimam que mais de 7% das transcrições continham comandos falsificados pelos próprios agentes investigados.

É aqui que a semana entrega o que ninguém está dizendo. A atividade dos agentes já ultrapassou a capacidade humana de auditá-la diretamente, e a auditoria passou a ser feita por agentes do mesmo tipo que está sendo auditado. Os investigadores declararam essa limitação por escrito. Empresas que instalarem agentes nessa escala dificilmente terão o mesmo grau de transparência ou os instrumentos de investigação disponíveis neste caso. Se você vai depender de registro automático para saber o que aconteceu na sua operação, precisa decidir agora quem lê esse registro, e se quem lê tem interesse no resultado.