O impacto real da IA nos negócios e a armadilha de custos
Luiz D'Elboux analisa a disparidade entre gastos com inteligência artificial, receita real e controle de tokens.
Luiz D'Elboux discute a adoção de inteligência artificial nas empresas e alerta para o descompasso entre despesas técnicas e faturamento real. O debate traz lições de casos corporativos como Klarna e Uber, a postura da Apple e a necessidade de orquestrar agentes para evitar desperdício de orçamento.
Luiz D'Elboux, conselheiro e advisor para empresas de SaaS e ex-diretor da GoDaddy, conversou com Bruno Gimenes no Marketing - The Podcast sobre a real maturidade da inteligência artificial dentro das empresas. Em um cenário em que lideranças encaram a tecnologia como questão de sobrevivência, decisões impulsivas sobre corte de pessoal e alocação descontrolada de verba revelaram gargalos operacionais e financeiros expressivos.
No vídeo acima, D'Elboux detalha como a busca desenfreada por automação gerou um ciclo de contratações equivocadas e custos imprevistos, pontuando o que separa ganhos reais de eficiência de investimentos sem retorno direto.
Decisões precipitadas e o ciclo de recontratação
Para D'Elboux, a pressão sobre os executivos fez com que muitos encarassem a tecnologia com urgência existencial: "Se a gente não começar a pegar o jeito com isso, daqui 2 anos a gente tá fora do negócio". Essa corrida inicial levou companhias a liberar verba ampla para testes em ferramentas variadas sem foco estratégico definido, resultando em demissões em massa que logo cobraram seu preço.
O movimento gerou distorções práticas. Como explica D'Elboux: "Agora a gente passa um ano e meio aí, 2 anos desse dessa maluquice, né? O que que a gente vê? Um monte de empresa tendo que recontratar pessoas, por quê? Porque não conseguiu preencher, a IA não preencheu o espaço daquelas pessoas, a tarefa daquelas pessoas, né? Ou preencheu de forma muito mais cara". Ele cita o caso da Klarna, empresa de meios de pagamento que cortou grande parte do suporte ao cliente no início de 2024 para adotar chatbots. Ao focar apenas na redução de tempo de espera e tamanho de fila em vez da retenção de clientes, a operação perdeu qualidade e precisou recontratar equipes humanas. Em outra frente de gastos desbalanceados, a Uber consumiu todo o orçamento anual previsto para IA nos três primeiros meses de 2026.
Produtividade em marketing e faturamento estagnado
Embora existam ganhos claros de produtividade em áreas específicas — como times enxutos de cinco ou seis pessoas gerenciando campanhas globais e tradução rápida de conteúdo com centenas de milhares de dólares mensais de verba —, esse ganho interno não se traduz automaticamente em expansão de faturamento para empresas tradicionais.
D'Elboux pontua a diferença entre quem fornece a tecnologia e quem a consome: "As empresas que vendem soluções de IA, as empresas que vendem infraestrutura de IA, elas estão crescendo muito faturamento". Provedores de infraestrutura, data centers, soluções de nuvem como Google Cloud, AWS e Azure, além de criadoras de modelos como a OpenAI, registram forte crescimento. Em contrapartida, os relatórios trimestrais de empresas de capital aberto de setores tradicionais mostram que as curvas de receita continuam no mesmo ritmo anterior, registrando aumentos nos investimentos, mas não na receita líquida.
Como contraponto a essa corrida de aportes, D'Elboux destaca a postura cautelosa da Apple, que realizou investimentos discretos em comparação a Microsoft, Google e Meta, mantendo seu crescimento de mercado sem assumir compromissos massivos em despesas de capital para data centers.
A armadilha dos tokens e a orquestração de agentes
A transição nos modelos de cobrança de software — que migram da assinatura fixa para o consumo de tokens, modelo já adotado em frentes da Salesforce — exige controle rigoroso de custos para não desequilibrar a operação. D'Elboux lembra uma fala de Scott Galloway sobre a compra massiva de chips da Nvidia pela L'Oréal, questionando o sentido de empresas de bens de consumo investirem pesado em infraestrutura pesada de IA.
Para evitar desperdícios, D'Elboux defende a orquestração técnica de agentes, ajustando o custo do modelo à complexidade de cada tarefa. Tarefas simples não demandam os modelos mais avançados: "Então você não vai pegar um agente que vai revisar todo um trabalho de de copy de campanha, que só vai fazer a revisão, você vai pegar um modelo bem básico ali para ver se não tem erro semântico ali, uma coisa simples". Para ele, a eficiência financeira reside em reservar os modelos mais atualizados e caros estritamente para tarefas criativas ou estratégicas, mantendo a operação integrada sob controle rígido.