TLDR;

As empresas estão racionando porque o uso massivo de IA está gerando custos enormes com tokens que muitas vezes não se traduzem em resultados mensuráveis. Elas limitam acessos a modelos premium, direcionam funcionários a alternativas internas mais baratas e implementam sistemas para rastrear e medir o retorno do gasto com IA. Trata-se de uma mudança de fase — da adoção para a eficiência — em que empresas priorizam usos que geram valor e cortam desperdício, não de abandono da IA.

Resumo

Nos últimos anos as empresas incentivaram o uso massivo de inteligência artificial, mas agora enfrentam a conta: o consumo de tokens — a unidade básica que mede o uso dos modelos de IA — disparou, gerando despesas enormes. Muitos funcionários entraram em "token maxing", rodando modelos caros para tarefas simples, o que fez empresas como Google processarem trilhões de tokens por mês e levou algumas organizações a queimar orçamentos anuais em poucos meses; a Uber, por exemplo, esgotou seu orçamento para sistemas agentes em março. Como consequência, executivos e fornecedores começaram a limitar acessos e a monitorar resultados: o CTO da Meta advertiu contra usar IA por usar, a Microsoft restringiu ferramentas premium e a Salesforce implementou métricas para avaliar retorno. Relatórios apontam que apenas cerca de 18% do gasto com tokens resultou em produtos finais para usuários, mostrando que uso e valor nem sempre coincidem. Apesar disso, a adoção segue crescendo e investidores continuam otimistas, enquanto o setor muda da fase de expansão para uma fase de eficiência, priorizando quais ferramentas e tarefas justificam modelos premium e onde cortar custos sem perder os ganhos de produtividade que a IA pode oferecer. Empresas reavaliam políticas, treinamentos e alternativas internas para reduzir gastos.