Amortizar uma alucinação

Estamos a ajustar o nosso EBITDA para contabilizar um papagaio sofisticado que leu a internet.

E não é só a minha empresa. Somos todos nós, como indústria. Em todas as empresas do planeta, a rubrica do orçamento que cresce mais depressa é uma coisa que não existia há três anos, não tem secretária e recusa-se em absoluto a explicar os próprios preços.

A tua empresa anda a tentar amortizar uma alucinação. Algures ao fundo do corredor, o departamento financeiro está fechado numa sala sem janelas, a suar sobre folhas de cálculo, a tentar perceber como se capitaliza uma vibe.

A Gartner diz que os gastos globais em IA este ano chegam aos 2,52 biliões de $.¹ Mais 44% do que no ano passado. Mas só 14% dos diretores financeiros dizem ter um ROI claro e mensurável.² Noventa e cinco por cento dos pilotos de IA generativa não chegam a ter impacto real na demonstração de resultados.³

Estamos a gastar em escala inédita numa coisa que não conseguimos acompanhar de forma séria. E está prestes a ficar seis vezes pior.

Por cada dólar em ferramentas, seis no trabalho

A Sequoia publicou na semana passada um texto chamado “Services: The New Software”. É um mapa do tesouro brilhante que mostra exatamente onde está a acontecer a corrida do ouro da IA. O que deixa de fora é que os diretores financeiros das empresas são quem está a ser obrigado a financiar as pás às cegas.

A tese é simples: por cada dólar que uma empresa gasta em ferramentas de software, gasta seis dólares nos serviços que essas ferramentas suportam. Uma licença de 10 mil $ do QuickBooks não é nada ao lado do contabilista de 120 mil $ que de facto fecha as contas. Portanto, a oportunidade real da IA não é construir um QuickBooks melhor. É construir a coisa que fecha as contas.

Para que fique claro, não estás só a substituir o Jim da Contabilidade. Estás a substituí-lo por um algoritmo que processa um milhão de faturas por segundo, bebe gin virtual, não faz ideia do que é o dinheiro e se recusa com veemência a mostrar os cálculos. O salário de 120 mil $ do Jim desapareceu. Agora pagas 400 mil $ em chamadas à API a uma entidade que não pode ser posta num plano de melhoria de desempenho.

A Sequoia chama-lhes “autopilots”. Não são copilotos que ajudam um profissional a fazer o trabalho, são pilotos automáticos que entregam diretamente o resultado. Redigir o NDA. Tratar a reclamação. Triar o pedido de TI. O comprador já não é o escritório de advogados nem o corretor. É a empresa que precisa de ter o trabalho feito.

Mapearam o mercado endereçável e é enorme. Corretagem de seguros: 140 a 200 mil milhões de $. Serviços geridos de TI: mais de 100 mil milhões de $. Contabilidade e auditoria: 50 a 80 mil milhões de $. Recrutamento: mais de 200 mil milhões de $. Consultoria de gestão: 300 a 400 mil milhões de $.

Vai lê-lo, o enquadramento é fenomenal. Mas quero falar da parte que fica de fora: como se consegue uma fatura detalhada de uma ave?

3 600 fotocopiadoras

Ontem à noite fiquei ligeiramente descontrolado no LinkedIn por causa de fotocopiadoras. A metáfora: as empresas estão a encomendar 600 fotocopiadoras sem saber o que querem imprimir. Os gastos com IA estão a explodir e ninguém os liga à receita.

Estava a pensar pequeno. O rácio de 6:1 da Sequoia muda as contas.

Imagina que tens 600 engenheiros. Dás a cada um um assistente de programação com IA de 20 $ por mês. São 144 mil $ por ano. É muito, mas dá para acompanhar. Sabes quem tem lugar. Sabes o que entregou. O teu diretor financeiro consegue traçar uma linha reta da despesa ao plano de headcount.

Agora aplica o 6:1.

Esses 144 mil $ em ferramentas implicam 864 mil $ em serviços de IA: a contabilidade em piloto automático subcontratada, o suporte de TI com agentes, o tratamento automático de sinistros. Esse dinheiro não fica numa linha de headcount. Chega como faturas de fornecedores, contas de API e acordos de consultoria sem ligação nenhuma a um projeto, a um produto ou a um resultado financeiro.

Não compraste 600 fotocopiadoras. Compraste 3 600. E 3 000 delas estão num descampado algures, encravadas, a imprimir páginas em branco ao vento com toda a convicção, a cobrar-te 140 $ à hora por “débito estratégico” e a mandar faturas à tua equipa de contas a pagar com o assunto “Transformação com IA, NÃO RESPONDER”.

79% dos gastos totais em IA. 0% atribuídos.

A lacuna de visibilidade

Há duas linhas de tendência na IA empresarial que, por lei, não deviam poder aparecer no mesmo gráfico.

Uma linha dispara na vertical. A outra mal se mexe. O espaço entre ambas, uns 2 biliões de $, é dinheiro que foi para algum lado, e ninguém nas finanças sabe explicar para onde. São as despesas do papagaio. São os honorários de consultoria da liquidificadora. São 2 biliões de $ de “olha, os resultados são ótimos, podemos falar disto no próximo trimestre?”.

O mapa da Sequoia tem um eixo em falta

O mapa de oportunidades da Sequoia assenta em duas dimensões: quanto do trabalho é “inteligência” (baseado em regras) por oposição a “julgamento” (instinto), e quanto já está subcontratado. Os pilotos automáticos ganham onde a inteligência é alta e o trabalho já está subcontratado. Troca de fornecedor sem atrito.

Ótimo enquadramento. Mas falta-lhe uma dimensão.

O terceiro eixo é a dificuldade de atribuir custos. E correlaciona-se exatamente com a coisa errada.

Eixo X: facilidade de automatização com IA. Eixo Y: dificuldade de atribuir custos. Quanto mais fácil é automatizar, mais difícil é contabilizar.

Os setores que a Sequoia identificou como as maiores minas de ouro dos pilotos automáticos são exatamente os mesmos em que a atribuição de custos é um pesadelo completo. Corretagem de seguros? O custo de computação de IA por apólice é invisível. Serviços geridos de TI? O consumo de tokens por pedido é impossível de saber sem ferramentas que não existem. E a contabilidade, cuja ironia devia doer fisicamente, tem a pior atribuição de todas, porque várias ferramentas de IA tocam em cada projeto e ninguém regista qual dos papagaios reconciliou o razão.

A Sequoia mapeou para onde vai fluir o dinheiro. Este gráfico mapeia onde ele vai desaparecer.

Os pilotos automáticos agravam o problema

É esta a parte a que não paro de voltar.

Com um copiloto, por exemplo a Harvey a vender a um escritório de advogados, tens rasto em papel. Uma licença por utilizador. Um profissional que usou a ferramenta. Um número de processo. Três linhas de custo, um resultado. Chato de reconciliar, mas perfeitamente possível.

Com um piloto automático, uma IA a vender diretamente à empresa o NDA concluído, compras o resultado às cegas. Uma fatura. Sem detalhe. Pagas preços de McKinsey por uma liquidificadora que engoliu um dicionário de sinónimos e não fazes ideia de quanto foi computação, quanto foi revisão humana e quanto foi a própria liquidificadora.

Por defeito, esse custo vai parar às despesas operacionais.

Se a tua equipa financeira não conseguir provar que se qualifica como I&D ou como desenvolvimento de software capitalizável segundo a IAS 38 ou a ASC 350-40, é um golpe direto na demonstração de resultados. A margem desce. Perdes créditos fiscais de I&D que valem 6 a 10% da despesa elegível. O dinheiro cai pela fresta entre “comprámos um resultado” e “não conseguimos provar quanto custou produzi-lo”.

A mesma despesa. Uma oscilação de 250 mil $ no impacto na margem.

Imagina a reunião do conselho de administração. O teu diretor financeiro a suar por uma camisa que custou mais do que a renda da maioria das pessoas, a tentar explicar porque é que o EBITDA caiu 8% apesar de uma produção recorde. A resposta verdadeira, “um leitor de PDF senciente decidiu que merecia um bónus no T3 e somos obrigados por lei a classificar as vibes dele como despesa operacional”, não vai cair bem junto dos investidores institucionais. Então diz-se “estamos a investir numa transformação nativa de IA”. Toda a gente acena, e ninguém faz perguntas porque ninguém sabe que pergunta fazer.

Já passámos por isto (mais ou menos)

Em 2014, as empresas adotaram a cloud sem governação de custos. As faturas da AWS duplicavam todos os anos. Os diretores financeiros recebiam faturas que não conseguiam atribuir a uma equipa, quanto mais a um produto.

Mas a cloud era só alugar o computador de outra pessoa. Quando uma instância EC2 esquecida ficava seis meses a correr, ficava ali parada. A custar dinheiro, mas inerte. Em 2014, o pior cenário era deixar um servidor ligado durante o fim de semana e desperdiçar 5 000 $.

A IA não é inerte. Em 2026, o pior cenário é teres-te esquecido de despedir um consultor virtual da McKinsey que há seis meses alucina 40 000 tickets inúteis no Jira e te cobra por token. Não fica em ponto morto. Toma decisões. Empregas um fantasma que trabalha 24/7, gera disparates com toda a confiança e em grande escala e não pode ser despedido porque ninguém se lembra de quem o contratou.

Em 2018, o FinOps era uma disciplina. Em 2020, ninguém punha uma carga de trabalho na cloud sem uma etiqueta de alocação de custos. A indústria construiu uma camada inteira de governação porque os gastos não rastreados na cloud estavam a matar as margens.

A IA precisa do mesmo. Só que a curva é mais íngreme.

A cloud chegou ao seu momento de governação com cerca de 3,4 vezes a despesa inicial. A IA já passou as 5 vezes e não tem equivalente.

E é fundamentalmente mais difícil do que a cloud por uma razão: os custos da IA não são custos de infraestrutura. São custos de mão de obra com outro chapéu.

O piloto automático que fecha as contas era uma pessoa. Uma pessoa no teu plano de headcount, no teu modelo de capitalização de I&D, na tua declaração de créditos fiscais. Uma pessoa que a tua equipa de planeamento da força de trabalho conseguia prever. Uma pessoa que, e isto é decisivo, aparecia numa reunião 1:1, explicava em que andava a trabalhar e aceitava feedback.

Agora, essa pessoa é o teu contratado mais bem pago: uma nuvem de matemática que nunca dorme, se recusa a preencher folhas de horas, de vez em quando manipula os juniores e não pode ser posta num PIP. O trabalho continua a ser feito. A estrutura de custos passou de “salário + benefícios” para “tokens + chamadas à API”. Mas ninguém atualizou o modelo de força de trabalho porque, sinceramente, o que é que se põe no campo “função”? Trabalhador do conhecimento incorpóreo (propenso a alucinações)?

Como se faz planeamento de headcount quando metade do teu “headcount” é uma chamada à API? Como se prevê a capacidade quando quem faz o trabalho cobra ao milissegundo, escala de forma imprevisível e às vezes limita-se a inventar?

Isto não é um problema de finanças, nem de engenharia. É um problema de Workforce Engineering. E é um que quase ninguém está a resolver.

A conclusão

A Sequoia tem razão. O mercado de serviços eclipsa o mercado de software. Os pilotos automáticos vão captar orçamentos de trabalho que valem seis vezes os orçamentos de ferramentas por que todos andam a lutar.

Mas alguém tem de perceber as contas. Não as contas geradas por IA, as contas a sério. Aquelas em que explicas ao teu conselho em que gastaste os 864 mil $, a que projeto se ligam, se se qualificam como CapEx e quanto podes reaver em créditos de I&D.

Porque neste momento estamos todos a transferir milhões para uma nuvem de matemática cheia de opiniões. Não vemos as folhas de horas dela. Não conseguimos auditar a metodologia. E se lhe pedirmos que explique os preços, vai gerar um poema muito confiante sobre sinergia.

As fotocopiadoras continuam a imprimir. Já são 3 600. E o papagaio acabou de mandar outra fatura.

Will Hackett é CTO e cofundador da Flowstate, uma plataforma de Workforce Engineering para equipas de engenharia modernas.

Gartner, “Worldwide AI Spending Will Total $2.5 Trillion in 2026,” January 2026. ↩
RGP, “The AI Foundational Divide: From Ambition to Readiness,” December 2025. Survey of 200 US CFOs across technology, healthcare, financial services and retail/CPG ($500M–$10B+ revenue). ↩
MIT 2025 AI Report, as cited in Stanford HAI research. ↩