No limiar entre o entusiasmo e a responsabilidade, grandes empresas de tecnologia como Meta, Uber e Walmart descobriram que a abundância irrestrita tem um preço. O que começou como uma corrida interna para consumir o máximo de inteligência artificial possível — batizada de 'tokenmaxxing' — esbarrou nas faturas reais de fornecedores como Anthropic e OpenAI, forçando uma reavaliação profunda sobre o que significa usar bem uma tecnologia. A história não é apenas sobre custos: é sobre a maturidade que toda revolução tecnológica exige das organizações que a adotam.
Empresas de tecnologia freiam uso de IA após explosão nos custos com tokens
Essa ligação ainda não existe entre gasto e resultado
Mark
Por que as empresas não viram isso vindo? Parece óbvio que custos exponenciais não são sustentáveis.
Mimi
Porque ninguém sabia como medir sucesso com IA. Os executivos estavam navegando no escuro, então usaram o que tinham à mão — consumo de tokens — como proxy para produtividade. Era uma métrica visível, quantificável, fácil de rastrear.
Mark
Mas alguém não questionou se mais tokens significava melhores resultados?
Mimi
Não, não realmente. Havia um entusiasmo genuíno, uma sensação de que estavam na vanguarda. Competições internas celebravam quem usava mais. Ninguém parou para perguntar se estava gerando valor real.
Mark
E agora estão mudando para medir "unidades de trabalho agentic" em vez de tokens. Isso é melhor?
Mimi
Teoricamente, sim. Mede produção em vez de consumo. Mas é mais difícil de rastrear, mais subjetivo. As empresas ainda estão descobrindo como fazer isso funcionar.
Mark
Qual é o risco de frear demais agora?
Mimi
Que percam a vantagem competitiva. Se seus concorrentes descobrem como usar IA de forma eficiente enquanto eles estão economizando, podem ficar para trás. É um equilíbrio delicado.
Mark
Então essa história não termina aqui.
Mimi
Não. Termina quando as empresas finalmente conseguem conectar gastos com IA a resultados reais. Quando conseguem dizer: gastamos X e ganhamos Y. Até lá, estão apenas ajustando os números.
Il Polso
- Empresas que incentivavam ativamente o consumo máximo de IA se depararam com orçamentos anuais inteiros consumidos em apenas quatro meses, como aconteceu com a Uber.
- A ausência de métricas claras que conectem gasto com IA a resultados concretos de negócio deixou executivos sem argumentos para justificar as despesas crescentes.
- Modelos de IA de última geração chegam a custar o dobro de versões anteriores, e engenheiros passaram a usá-los indiscriminadamente até para tarefas que não exigem tal poder.
- Meta, Uber e Walmart desativaram os rankings de consumo de tokens e passaram a impor limites mensais, sinalizando o fim oficial da era do tokenmaxxing.
- A nova estratégia emergente — reservar modelos avançados apenas para tarefas complexas e usar alternativas mais baratas no restante — pode gerar economias de até 90%.
No limiar entre o entusiasmo e a responsabilidade, grandes empresas de tecnologia como Meta, Uber e Walmart descobriram que a abundância irrestrita tem um preço. O que começou como uma corrida interna para consumir o máximo de inteligência artificial possível — batizada de 'tokenmaxxing' — esbarrou nas faturas reais de fornecedores como Anthropic e OpenAI, forçando uma reavaliação profunda sobre o que significa usar bem uma tecnologia. A história não é apenas sobre custos: é sobre a maturidade que toda revolução tecnológica exige das organizações que a adotam.
No início de 2026, empresas como Meta e Amazon transformaram o consumo de inteligência artificial em competição interna. O fenômeno ganhou nome — tokenmaxxing — e rankings celebravam quem mais utilizava tokens, as unidades que medem o processamento de IA. Era uma época de entusiasmo sem freios.
Depois vieram as contas. A Uber consumiu em quatro meses todo o orçamento anual previsto para IA. O Walmart enfrentou situação semelhante. A Meta anunciou restrições iminentes após observar custos em espiral. Os rankings foram desativados, e a era do tokenmaxxing terminou tão abruptamente quanto havia começado.
O problema, segundo Rob May, CEO da Neurometric, é que executivos usaram o consumo de tokens como substituto para medir o engajamento dos funcionários com a IA — promovendo volume em vez de eficiência. Enquanto isso, tarefas complexas como desenvolvimento de código podiam consumir dezenas de milhares de tokens, e os modelos mais recentes chegam a custar o dobro dos anteriores. Um único engenheiro pode gerar despesas de dezenas de milhares de dólares por mês.
Mais grave do que os números é a opacidade dos resultados. Andrew Macdonald, da Uber, admitiu publicamente que a empresa não consegue traçar uma linha entre o gasto com IA e as entregas reais de negócio — tornando cada real investido mais difícil de defender.
A resposta do setor não é cortar, mas otimizar. A Meta quer gastar bilhões, porém de forma mais inteligente. A Salesforce passou a medir 'unidades de trabalho agentic' em vez de tokens. E na AT&T, engenheiros relatam economias de até 90% ao reservar modelos avançados apenas para situações que realmente os exigem. A virada de 'maximizar' para 'otimizar' marca o início de uma relação mais madura — e mais sustentável — entre as empresas e a inteligência artificial.
No início de 2026, as grandes empresas de tecnologia enviavam uma mensagem inequívoca aos seus funcionários: usem inteligência artificial o máximo possível. Na Meta e na Amazon, essa cultura ganhou um nome próprio — tokenmaxxing — e até competições internas acompanhavam quem consumia mais tokens, aquelas unidades de processamento que medem o uso de IA, aproximadamente equivalentes a fragmentos de palavras. Era uma época de entusiasmo irrestrito, de exploração sem limites.
Então chegaram as faturas. A Anthropic e a OpenAI, fornecedoras das ferramentas de IA que alimentavam essa expansão, apresentaram contas que ninguém esperava. A Meta observou um aumento exponencial nos custos e comunicou aos funcionários na semana passada que em breve imporia restrições. A Uber, em maio, descobriu que havia consumido em apenas quatro meses todo o orçamento anual previsto para IA e passou a estabelecer limites mensais. O Walmart fez o mesmo. Ambas as empresas, junto com a Amazon, desativaram os rankings que celebravam o consumo de tokens. A era do tokenmaxxing havia terminado tão rapidamente quanto começou.
O que aconteceu revela uma verdade incômoda sobre como as organizações ainda estão aprendendo a lidar com a inteligência artificial. Rob May, CEO da Neurometric e autor do "The Tokenminning Manifesto", oferece uma explicação clara: executivos que não sabiam como medir a familiaridade de seus funcionários com IA pensaram que o consumo de tokens era um bom proxy. Quanto mais tokens, melhor o aproveitamento. Essa lógica promoveu volume em vez de eficiência, e ninguém parou para questionar se estava funcionando.
Os números explicam por que as empresas frearam. Uma tarefa simples, como pedir à IA que resuma uma transcrição de reunião, consome algumas centenas de tokens. Tarefas complexas — escrever código para um novo produto, por exemplo — podem consumir dezenas de milhares. Os modelos mais recentes são ainda mais caros: o Fable, da Anthropic, custa o dobro do seu antecessor, o Opus. Além disso, os engenheiros adquiriram o hábito de usar os modelos mais poderosos para tudo, mesmo quando alternativas mais baratas funcionariam. E a forma de uso evoluiu: em vez de apenas conversar com chatbots, os engenheiros começaram a usar agentes de IA capazes de trabalhar em tarefas complexas durante horas seguidas. Um engenheiro pode consumir dezenas de milhares de dólares em tokens por mês.
Mas há um problema mais profundo por trás dos números. Andrew Macdonald, diretor de operações da Uber, foi direto ao ponto em um podcast recente: a empresa não consegue traçar uma linha clara entre o gasto com IA e os resultados de negócio. "Se você não consegue conectar isso à quantidade de funcionalidades úteis que está entregando, essa troca fica mais difícil de justificar. Essa ligação ainda não existe." Muitas empresas chegaram à mesma conclusão e agora buscam ser mais estratégicas com seus investimentos em IA.
Isso não significa que o gasto vai diminuir. A Meta disse aos funcionários que está a caminho de gastar bilhões com IA este ano, mas quer "encontrar áreas em que possamos gastar menos obtendo resultados de negócio semelhantes ou melhores". Marc Benioff, CEO da Salesforce, afirmou que sua empresa planeja gastar centenas de milhões com IA, mas agora monitora "unidades de trabalho agentic" em vez de tokens — uma métrica que pretende medir produção, não apenas consumo. A Meta também pediu aos engenheiros para usarem seu assistente interno de programação, o MetaCode, em vez de ferramentas de terceiros sempre que possível.
O caminho mais claro para frente, segundo May, é usar IA de ponta apenas em tarefas que realmente exigem isso, substituindo por modelos mais baratos nos demais casos. Andy Markus, diretor de IA da AT&T, relata que seus engenheiros conseguem economizar até 90% ao optar por modelos menos avançados para a maioria das atividades, reservando os modelos mais poderosos para situações específicas. "Para a maioria dos casos de uso, o modelo de fronteira mais novo e mais avançado não é necessário", disse ele. Essa mudança de mentalidade — de maximizar para otimizar — marca o fim de um capítulo e o início de outro na história de como as empresas estão aprendendo a viver com a inteligência artificial.
Citazioni salienti
Se você não consegue traçar uma linha direta entre isso e a quantidade de funcionalidades úteis que está entregando, essa troca fica mais difícil de justificar— Andrew Macdonald, diretor de operações da Uber
Para a maioria dos casos de uso, o modelo de fronteira mais novo e mais avançado não é necessário— Andy Markus, diretor de IA da AT&T
Vuoi la storia completa?
Leggi l'originale su InfoMoney ↗
Technology