IA Custa Mais que Funcionários? Executivo da Nvidia Choca o Mercado!
A Inteligência Artificial (IA), frequentemente apontada como a solução definitiva para otimização e redução de custos operacionais, está enfrentando um teste de realidade surpreendente em 2026. Em um paradoxo que reverberou no mercado de tecnologia, um alto executivo da Nvidia, gigante que domina o fornecimento de infraestrutura para IA, revelou que, para sua equipe, o custo de computação superou o de manter funcionários.
A declaração de Bryan Catanzaro, vice-presidente de Deep Learning Aplicado da Nvidia, ao site Axios, joga luz sobre uma complexa equação econômica. Enquanto grandes empresas de tecnologia justificam demissões em massa pela busca de eficiência e pela adoção de IA, a conta, no curto prazo, não tem fechado como esperado. O movimento de automação, que muitos previam como um alívio imediato no caixa, tem se traduzido em gastos bilionários com infraestrutura e processamento, forçando uma reavaliação das estratégias de investimento em tecnologia.
A Realidade dos Custos da Inteligência Artificial
A afirmação de Catanzaro é direta: “para a minha equipe, o custo da computação é muito maior do que o custo dos funcionários”. Essa perspectiva, vinda de uma empresa que está na vanguarda do desenvolvimento de IA, é particularmente significativa. Ela desafia a narrativa simplista de que a IA substituirá a mão de obra humana de forma mais barata e eficiente em todos os cenários. Em vez disso, aponta para uma fase de investimento intensivo, onde a infraestrutura necessária para treinar e operar modelos complexos de IA exige um desembolso financeiro substancial.
Os custos de computação para IA são impulsionados por diversos fatores, incluindo a necessidade de hardware especializado, como as GPUs da própria Nvidia, o consumo massivo de energia elétrica para manter data centers, e os gastos com ‘tokens’ – as unidades básicas que os sistemas de IA utilizam para processar e gerar texto. Quanto mais complexas as tarefas ou mais extensas as interações, maior o consumo de tokens e, consequentemente, o custo. Esse cenário tem levado a uma “escalada de custo que não está desacelerando”, como apontado por especialistas.
O caso da Nvidia não é isolado. Outras gigantes da tecnologia também estão sentindo o peso financeiro da IA. Praveen Neppalli Naga, CTO da Uber, admitiu ter estourado o orçamento de sua área apenas com a adoção do Claude Code, uma ferramenta de programação da Anthropic. Da mesma forma, o CEO da GetSwan revelou que sua empresa gastou mais de US$113.000 em IA com uma equipe de apenas quatro pessoas em um único mês. A Anthropic, por sua vez, dobrou o custo esperado para desenvolvedores individuais que utilizam suas ferramentas, e a Microsoft adaptou o modelo de cobrança do GitHub Copilot, migrando de requisições avulsas para assinaturas, em resposta aos altos custos de processamento.
Veja também:
O Estudo do MIT e a Viabilidade Econômica
A declaração do executivo da Nvidia ganha ainda mais peso quando contextualizada por um estudo do Instituto de Tecnologia de Massachusetts (MIT) de 2024. A pesquisa concluiu que a automação por IA era financeiramente viável em apenas 23% dos cargos analisados, especialmente aqueles que dependem fortemente de visão computacional. Para os 77% restantes, manter um profissional humano realizando a mesma tarefa ainda se mostrava mais barato.
O estudo do MIT analisou uma variedade de setores, comparando os custos de implementação, manutenção e atualização de sistemas de IA avançados com os salários e benefícios de trabalhadores humanos. Em muitos cenários, os custos contínuos da IA superaram os da mão de obra. Um exemplo notável foi o de uma padaria hipotética, onde a economia de tempo e salário com a instalação de câmeras e um sistema de IA para inspecionar ingredientes estava longe de compensar o custo de implementação da tecnologia, que representava apenas 6% do trabalho dos padeiros.
Essas descobertas sugerem uma integração mais gradual da IA nos setores, em vez de uma substituição rápida e generalizada de empregos. A complexidade da tomada de decisões empresariais não envolve apenas os aspectos financeiros, mas também considerações éticas e sociais, como o impacto no desemprego e a possível alienação de habilidades humanas essenciais.
A Visão da Nvidia: Investimento em Produtividade, Não Apenas Substituição
Apesar dos altos custos de computação, a Nvidia, por meio de seu CEO Jensen Huang, tem enfatizado a importância da IA como uma ferramenta de amplificação da produtividade. Em março de 2026, Huang declarou que ficaria “profundamente alarmado” se um engenheiro de alto nível na Nvidia, com um salário de US$500.000 anuais, não estivesse gastando pelo menos US$250.000 por ano em tokens de IA. Para ele, o uso intensivo de IA é um indicativo de que o engenheiro está maximizando sua produtividade e utilizando as ferramentas mais avançadas disponíveis.
Huang vê os ‘tokens’ de IA como uma forma de “compensação” e uma ferramenta de recrutamento no Vale do Silício, onde engenheiros recebem uma parte de seu salário em tokens para que possam ser “amplificados 10 vezes”. Essa perspectiva sugere que, para a Nvidia, o investimento em IA não é primariamente para substituir funcionários e cortar custos, mas sim para capacitar seus talentos a serem exponencialmente mais produtivos, abrindo novas possibilidades e capacidades que seriam impossíveis sem a tecnologia. Ele também argumenta que a IA está, na verdade, “criando um enorme número de empregos”, e que a preocupação com a substituição de humanos deve ser direcionada a quem não souber usar a IA, e não à tecnologia em si.
Implicações para o Futuro do Trabalho e da Tecnologia
A discussão sobre o custo da IA versus o custo da mão de obra humana revela um cenário mais matizado do que o inicialmente previsto. No curto prazo, a automação por IA pode não ser a solução mais econômica para a maioria das funções operacionais. No entanto, a expectativa é que, com o tempo, melhorias na infraestrutura, na eficiência dos modelos e nos modelos de precificação possam tornar a IA mais economicamente viável.
Este descompasso atual está forçando as empresas a reconsiderar suas estratégias. A IA passa a ser vista não apenas como uma substituta, mas como uma ferramenta complementar que pode aumentar a produtividade e liberar trabalhadores para tarefas mais complexas e estratégicas. A questão não é mais “se” a IA substituirá empregos, mas “quando” e “a que custo”, e como as empresas podem equilibrar o aumento da produtividade com a responsabilidade social em relação aos seus funcionários.
O debate também se estende à forma como as empresas de tecnologia precificam seus serviços de IA. A compressão de margens em alguns provedores de IA, que admitem perder dinheiro com usuários pesados sob modelos de assinatura fixa, sugere que os custos reais de infraestrutura são significativamente altos. Quando essa “subvenção” terminar ou quando as empresas começarem a rodar suas próprias inferências em vez de alugar capacidade, o custo real da computação se tornará ainda mais visível.
Em última análise, a lição mais cara de 2026 para o mercado de tecnologia pode ser uma das mais antigas do mundo corporativo: nem sempre a ferramenta mais sofisticada é a mais rentável. A decisão de investir em IA deve ser guiada por uma análise de custo-benefício cuidadosa e de longo prazo, considerando não apenas a eficiência tecnológica, mas também a viabilidade econômica e o impacto humano.