Nos últimos anos, a ascensão da inteligência artificial generativa tem transformado a interação das pessoas com as máquinas e, agora, está moldando o mercado global de tecnologia de maneira sem precedentes. Simples e acessíveis, as ferramentas de IA permitem que qualquer funcionário converse com sistemas corporativos e obtenha respostas rápidas, desafiando as estruturas tradicionais das empresas. O impacto desta tecnologia, porém, vai além da facilitação do trabalho. Em breve, prevemos uma revolução: máquinas capazes de raciocinar e tomar decisões de forma autônoma, realizando desde tarefas complexas até novas descobertas científicas.
A previsão de Sam Altman, CEO da OpenAI, sobre a capacidade de máquinas em “fazer quase tudo” nas próximas décadas, está ganhando corpo. Impulsionado pela crescente confiança no setor, o entusiasmo das grandes corporações tem gerado resultados significativos nos mercados financeiros. No primeiro trimestre de 2024, os índices bolsistas internacionais dispararam, alcançando os maiores níveis dos últimos cinco anos, em boa parte impulsionados pela revolução da IA generativa. Contudo, com esse otimismo, surgem novos desafios e tensões, como evidenciado pelo recente alerta de Gary Gensler, presidente da SEC, sobre o risco de “AIwashing” – uma prática enganosa onde empresas alegam usar IA, mas na verdade não a aplicam de maneira significativa.
Embora o mercado mostre sinais de prosperidade, a concentração de poder nas mãos de poucos gigantes da tecnologia levanta questões sobre a acessibilidade e o controle da IA generativa. A escassez de recursos essenciais, como poder computacional, dados e talentos especializados, faz com que poucos players dominem as camadas mais avançadas da cadeia de valor. Hoje, poucas empresas são capazes de criar “modelos de IA de fronteira”, sofisticados e eficazes. Uma explicação simples é o alto custo e a dificuldade de acesso à infraestrutura necessária. No entanto, o panorama é mais complexo: os líderes tecnológicos estão travando uma batalha silenciosa, não apenas pela supremacia na criação de modelos, mas pelo controle de recursos essenciais, como o acesso ao poder computacional.
O grande desafio por trás da IA generativa reside na necessidade de poder computacional massivo. Durante o treinamento de modelos, que consiste na criação e aperfeiçoamento da inteligência artificial, a intensidade do cálculo é determinante para a qualidade do resultado. Este processo de desenvolvimento é dispendioso: o custo da criação do ChatGPT-4, por exemplo, superou US$ 50 milhões, ao menos 10 vezes mais caro que seu predecessor. As empresas precisam não apenas de mais poder de processamento, mas também de um fornecimento contínuo e abundante de energia para alimentar esse apetite voraz por dados.
No início deste ano, em Davos, Sam Altman destacou que o futuro da IA está intimamente ligado a uma revolução nas tecnologias de geração de eletricidade. O investimento de Altman, no valor de US$ 375 milhões, em startups voltadas para a fusão nuclear, como a Helion Energy, e reatores nucleares modulares (SRMs), reflete a urgência da indústria em garantir o fornecimento de energia necessário para sustentar a IA.
Outro fator crucial para o sucesso no campo da IA generativa é a escassez de talento especializado. Segundo o relatório "The State of AI Talent 2024", existem cerca de 140.000 engenheiros de IA no mundo, mas poucos têm a expertise necessária para desenvolver os modelos mais avançados. A competição para contratar esses especialistas se intensificou, e os gigantes tecnológicos não hesitam em oferecer salários exorbitantes ou adquirir startups inteiras para garantir a posse de mentes criativas. A Microsoft, por exemplo, recentemente contratou a maior parte da equipe da startup Inflection, ao invés de simplesmente adquiri-la.
A luta pelo talento, no entanto, não se limita à aquisição de engenheiros de IA. Empresas como a Mistral, que buscam inovar ao criar modelos de IA mais eficientes, têm seu próprio desafio: competir com os gigantes da nuvem, como Amazon, Google e Microsoft, que não apenas controlam o poder computacional necessário, mas também dominam a cadeia de distribuição.
Enquanto isso, os dados, que antes eram considerados um simples recurso, tornaram-se a principal moeda de troca. Empresas que desejam se destacar na criação de modelos precisam treinar suas IA com dados específicos de seu campo de atuação. Setores como saúde, finanças e jurídico demandam um vocabulário especializado, e os modelos treinados com dados específicos desses setores têm desempenho superior a modelos mais gerais.
O mercado de IA generativa, embora promissor, está longe de ser previsível. A Nvidia, principal beneficiária da demanda por poder computacional, se destaca como um vencedor claro, com resultados reais que sustentam sua ascensão meteórica. Por outro lado, empresas que investem pesadamente em infraestrutura, mas não conseguem transformar esses investimentos em receita, correm o risco de se tornar perdedoras nesse jogo competitivo.
A realidade é que, enquanto as grandes empresas disputam pelo controle da infraestrutura e do talento, o mercado de IA generativa ainda está em uma fase de construção. A verdadeira vitória será determinada pela capacidade de oferecer resultados tangíveis a curto e longo prazo. E, no final, apenas as empresas que souberem equilibrar o acesso a dados, talento e computação terão as maiores chances de dominar o futuro dessa tecnologia transformadora.
