A IA é uma bolha e nós temos que conversar sobre isso

A corrida pela Inteligência Artificial lembra um déjà-vu. Como em outras épocas de exuberância irracional, promessas grandiosas e cifras colossais estão sendo lançadas em uma tecnologia que, embora fascinante, ainda não provou seu real impacto nos negócios. Se na bolha da internet vimos bilhões evaporarem, na febre da IA os números são algumas ordens de magnitude maiores e os legados parecem, até o momento, limitados.

A dimensão do hype

Um estudo recente sobre o tamanho da bolha de IA foi feito por Julien Garran e repercutido por Steve Goldstein no MarketWatch. Ele conclui que a bolha atual da IA já é 17 vezes maior que a das empresas “dot-com” do início dos anos 2000 e quatro vezes maior que a crise do subprime de 2008.

A lógica usada por Garran se inspira no economista Knut Wicksell, que falava em uma “taxa natural de juros” — uma espécie de ponto de equilíbrio onde poupança e investimento se encontram de maneira ótima.

Em termos simples: se os juros estão no nível “natural”, o dinheiro flui para onde gera mais valor. Se ficam muito abaixo disso, o capital tende a ser alocado de forma menos eficiente e mais especulativa.

Garran aplica esse raciocínio aos dados atuais. Primeiro ele mede a taxa média de juros cobrada nos empréstimos para empresas nos EUA. Depois ele compara essa taxa com o  PIB nominal. Segundo seu modelo, o ponto “ótimo” de alocação seria quando a taxa de juros está cerca de 2 pontos percentuais acima do PIB nominal.

• Quando o índice calculado fica positivo, indica que o capital está sendo alocado de forma mais prudente.
• Quando fica negativo, como entre 2021 até março 2025 nos EUA, significa que há mais dinheiro indo para investimentos arriscados, que tradicionalmente formam um terreno fértil para bolhas.

Esse diagnóstico se reflete nos números. A The Economist mostrou que, só em 2025, as empresas terão investido US$ 400 bilhões em infraestrutura para rodar IA. E até o fim de 2028, o total projetado chega a US$ 3 trilhões em data centers. Trata-se de  um volume impressionante para um período tão curto.

Resultados aquém do prometido

Apesar do volume histórico de recursos investidos, os resultados concretos da IA ainda estão muito aquém do esperado. O mesmo estudo de Julien Garran, mostrou que, em testes de execução de tarefas (“task-completion”), as taxas de sucesso variaram de apenas 1,5% até 34% — e mesmo os sistemas mais eficientes não conseguiram manter esse desempenho em testes repetidos. E os testes foram feitos em empresas de desenvolvimento de software, um segmento onde os LLMs performam melhor.

Os lançamentos mais recentes de modelos avançados, como o GPT-5, ilustram bem esse desalinhamento entre promessa e entrega: houve pouco avanço em performance, mas o custo de treinamento subiu dez vezes em relação à geração anterior.

No mundo corporativo, o retrato é semelhante. Segundo o relatório The GenAI Divide – State of AI in Business 2025 do MIT NANDA, apesar de investimentos estimados entre US$ 30 e 40 bilhões, 95% das iniciativas de modelos customizados ainda não geram resultados para os negócios. Dos nove setores pesquisados, apenas dois apresentaram transformações reais.

O estudo também aponta um abismo grotesco entre projetos-piloto e implementações efetivas, e destaca que empresas que fazem suas próprias implementações falham duas vezes mais do que aquelas que trabalham com fornecedores especializados. Em outras palavras, existe muita adoção e muito marketing, mas pouca transformação real nos negócios. Parte dessa frustração decorre principalmente da incapacidade dos modelos aprenderem e se adaptarem aos fluxos de negócios. A falta de integração dos modelos com os processos das empresas é outro eixo que contribui para o baixíssimo nível de impacto.

Riscos da bolha

Se o padrão atual se mantiver, o risco não é apenas de frustração tecnológica, mas de uma alocação maciça de capital sem retorno, seguida de uma correção brusca. A história mostra que, quando as  expectativas descolam da realidade, os preços e os investimentos tendem a se ajustar. E isso ocorre de forma dolorosa para investidores, empresas e trabalhadores.

No caso da IA, o que se observa é um volume de investimentos sem precedentes em prazo tão curto (US$ 400 bilhões só em 2025 e projeção de US$ 3 trilhões até 2028) e resultados práticos limitados. A combinação de excesso de capital com pouca entrega é justamente a fórmula que inflou bolhas passadas, como a das “dot-com” e a do subprime.

Além do risco financeiro, há um risco estratégico: empresas que entram nessa corrida sem uma visão clara podem desperdiçar recursos, acumular soluções pouco integradas e perder competitividade no médio prazo. Para a sociedade, um colapso abrupto no entusiasmo pela IA pode desacelerar investimentos futuros, comprometer projetos promissores e gerar desconfiança em torno de tecnologias que de fato têm potencial transformador.

Por isso, mais do que nunca, é preciso falar sobre essa bolha: entender onde estão os exageros, quais são as promessas realistas e quais modelos de adoção realmente geram valor. Só assim governos, empresas e investidores poderão diferenciar hype de transformação real e construir um mercado de IA mais sólido e sustentável.

No fim das contas, a IA não precisa ser descartada nem idolatrada. Como qualquer tecnologia emergente, ela tem potencial para transformar setores inteiros — mas esse potencial não se realiza automaticamente nem na velocidade prometida pelo marketing. Quando bilhões (ou trilhões) são alocados em um curto espaço de tempo, sem resultados proporcionais, o risco de uma bolha é real. Reconhecer isso não é pessimismo; é prudência. Precisamos falar sobre essa bolha agora, enquanto ainda há tempo de separar hype de valor real e de construir um ecossistema de IA que seja sustentável, útil e realmente transformador para empresas e para a sociedade.

– Caio Belazzi é CEO da Alpop