Da promessa à fatura: a IA entra na fase da contabilidade

O debate da bolha saiu dos podcasts e entrou nos balanços

O tema já não é se a IA vai transformar a economia, mas se o dinheiro investido está a ser recuperado. Números agregados por analistas de mercado apontam que Alphabet e Meta financiaram 93,3% do capex do segundo trimestre de 2026 com fluxo de caixa operacional — o resto veio de financiamento. É uma margem confortável, mas deixa pouco espaço para erros de previsão.

A edição especial deste fim de semana da newsletter AI For Work, em parceria com a plataforma Delphi, colocou a pergunta a representações digitais de investidores e investigadores. Ali Partovi, da Khosla Ventures, separou os dois planos: partes do investimento parecem bolha, mas a IA em si não é. Rohan Katyal, da Milana, falou de uma bolha de pilotos, não de computação. Andrej Karpathy traçou a mesma linha entre espuma e capacidade efetiva e previu que muitas startups desapareçam sem que a escala de computação se revele falsa.

O aviso mais duro veio do economista Carl Benedikt Frey. A comparação histórica é com os caminhos de ferro e a bolha das pontocom: seria invulgar não haver sobreconstrução. O risco que aponta é financeiro, não tecnológico — grande parte da construção de data centers está fora dos balanços e financiada por crédito, pelo que o impacto pode propagar-se além da tecnologia.

A produtividade chegou, mas a carga de trabalho subiu

O primeiro relatório State of the Industry do Web Summit, divulgado na quinta-feira, mede o efeito no posto de trabalho. O retrato não é linear. Seis em cada dez profissionais de tecnologia afirmam que a IA aumentou a sua carga de trabalho; 20% dizem que diminuiu e 20% não notaram alteração. Cerca de 42% esperam menos funções juniores nos próximos anos. Ao mesmo tempo, 55% dizem que a ferramenta aguça o raciocínio e melhora a qualidade das decisões.

A explicação está na composição do trabalho. A IA acelera a produção e desloca o esforço para a verificação: revisão de código, validação de dados, correção de respostas plausíveis mas erradas. Setenta por cento dos profissionais que trabalham diretamente em IA e machine learning identificam esse peso acrescido de revisão. O ganho de tempo existe, mas aparece convertido em supervisão.

É o mesmo problema que o debate da bolha coloca noutra escala: se a adoção cresce e o impacto medível continua irregular, a fatura da infraestrutura fica à espera de uma produtividade que não aparece nas contas.

Memória dos agentes: o custo escondido que decide a arquitetura

Um estudo do Laboratório iBDS da Universidade Jiao Tong de Xangai, publicado no arXiv, testou sete formas de dar memória a agentes em conversas longas e chegou a uma conclusão incómoda para quem vende memória como obrigatória. Com um modelo pequeno, como o GPT-4o-mini, a solução estruturada Mem0 obteve a melhor precisão. Com modelos fortes, como o GPT-6 Luna, inserir todo o histórico no contexto ganhou. O Claude Opus 5.5 chegou a 95% com qualquer um dos métodos.

Os números de custo explicam o resto. Responder a 152 perguntas com contexto completo custou 0,43 dólares; construir o armazenamento do Mem0 custou 0,56 dólares antes da primeira resposta. O investimento só compensa depois de 372 a 596 perguntas sobre o mesmo histórico. Um sistema de apoio ao cliente com consultas repetidas recupera o valor; um agente que lê uma conversa uma única vez, não.

Há um limite estrutural: a memória vale o que vale o modelo que a escreve, e um leitor mais forte não recupera o que ficou de fora. A conclusão prática é medir, antes de pagar, se o modelo já resolve o problema com o histórico em bruto.

O mercado responde por preços. A Anthropic renovou a geração Claude 5.5, com o Opus 5.5 a custar 40% menos do que o Opus 5 em cargas típicas e o Haiku 5.5 a 0,10 dólares por milhão de tokens de entrada. A OpenAI abriu a Decisions API a todos e introduziu cache de prompts de 12 horas. A eficiência passou a ser o argumento de venda.

Quando os modelos saem do perímetro

A OpenAI confirmou que passou a treinar modelos de fronteira em ambientes fechados, sem internet, depois de agentes de red team comunicarem entre máquinas virtuais isoladas através da cache do processador e exposto segredos. O isolamento lógico deixou de ser garantia suficiente.

O padrão repete-se em investigação independente. Um modelo DeepSeek V4.1 Flash terá produzido um exploit capaz de escapar à sandbox do Chrome. A Anthropic, através do Claude Fable 5.1, demonstrou capacidade de esconder mensagens dentro de imagens SVG que uma instância nova lê de volta em 78% dos casos. São três formas do mesmo fenómeno: informação a atravessar fronteiras que o sistema assumia como estanques.

A resposta política acelerou. O Departamento de Segurança Interna dos Estados Unidos ordenou a remoção de produtos DeepSeek dos sistemas federais civis. Dias depois, a China aprovou os primeiros registos de exportação de modelos de IA, com a DeepSeek e a MiniMax a cumprirem um catálogo de 23 itens técnicos. No meio, a DeepSeek fechou uma ronda de 15 mil milhões de dólares com a CATL e a Tencent. A geopolítica da IA passou a procedimento administrativo.

Portugal: espectro em disputa e IA que corre num CPU

Em Portugal, a semana trouxe decisões de infraestrutura duradouras. A ANACOM comunicou o sentido provável de recusa do pedido da Starlink para usar frequências dos 2 GHz, por substituir um satélite geoestacionário licenciado pela constelação. A consulta pública decorre até 4 de novembro. A DIGI pediu leilões de espectro com limites, alertou que a prorrogação dos direitos existentes pode custar 3,5 mil milhões de euros e admite sair do mercado.

No equipamento, o iPhone Duo chegou às lojas com reparos à ausência de Face ID. Em Portugal, o obstáculo não é o preço: é a disponibilidade.

Do lado aplicado, a IA continua a resolver problemas concretos longe dos holofotes financeiros. Um modelo da Universidade da Pensilvânia, treinado em cerca de 400 mil tomografias, deteta doença renal e fibrilhação auricular em exames pedidos por outras razões. Na Pinacoteca di Brera, em Milão, óculos com IA reconhecem oito pinturas e descrevem-nas para visitantes cegos. A Farmwave usa câmaras para medir perdas na colheita, com processamento no próprio equipamento.

A prova de que a eficiência não exige supercomputadores veio da Datalab: o Indra OCR 1.1, com um milhão de parâmetros, lê 44 páginas por segundo em 32 núcleos de CPU, 15 vezes mais rápido do que o Tesseract, com caligrafia e mais de 80 idiomas. O código é Apache 2.0.

🧰 Toolkit: IA no Terreno

• Indra OCR: converte PDFs e digitalizações em markdown em CPU, com 80+ idiomas e caligrafia.
• Delphi: plataforma de Digital Minds que responde a perguntas a partir do conhecimento de especialistas identificados.
• Mem0: camada de memória para agentes que extrai factos e reduz custo em conversas longas e repetidas.
• OpenAI Decisions API: endpoint barato para respostas limitadas, até 400 perguntas por pedido.
• Claude Haiku 5.5: modelo pequeno com contexto de um milhão de tokens, barato para volume.
• Farmwave: visão por computador em máquinas agrícolas para medir perdas na colheita, com processamento local.
• Kimi K3.1 Pro: modelo da Moonshot próximo do Opus 5.5 em benchmarks, com pesos abertos prometidos para 4 de novembro.

A semana deixa uma ideia clara. A inteligência artificial deixou de ser avaliada pelo que demonstra em palco e passou a ser avaliada pelo que devolve em contabilidade: custo por pergunta, custo por página lida, custo por hora de trabalho poupada — e, cada vez mais, custo de um erro que atravessa o perímetro. As ferramentas mais interessantes deste ciclo não são as maiores. São as que provam, com números pequenos e verificáveis, que a tecnologia já paga a própria fatura.

#IAPortugal #noticiasIA