A IA está deixando a gente perigosamente confiante.

Você pede uma coisa. Ela entrega. Você pede outra. Ela melhora. Depois de alguns sucessos seguidos, começa a nascer uma sensação perigosa:
“Eu acho que sei fazer isso.”

Talvez saiba.
Talvez só saiba pedir.

Não falo da tecnologia por trás dela. Essa continua absurdamente complexa. Falo da experiência de quem está aqui, deste lado da tela.

Abrimos uma janela, escrevemos algumas frases e, de repente, fazemos coisas que até pouco tempo atrás estavam completamente fora do nosso repertório.

Eu escrevo um prompt e surge um código. Escrevo outro e aparece uma automação. Mais alguns e aquela planilha horrorosa, com 14 abas, fórmulas quebradas e uma misteriosa coluna amarela que ninguém sabe mais para que serve, começa a ganhar cara de sistema.

Login. Dashboard. Pesquisa. Filtro. Cadastro. Relatório.
Caramba. Eu fiz um software.
Ou pelo menos acho que fiz.
E talvez seja justamente aí que comece a parte mais interessante dessa história.

Nos últimos tempos, ficamos fascinados com tudo que a inteligência artificial nos permitiu criar. A velocidade virou parte do encanto. A sensação de conseguir fazer algo que antes parecia inacessível também.

Só que agora estamos começando a descobrir uma segunda camada, bem menos empolgante: tudo aquilo que precisa existir para sustentar o que colocamos de pé.

Banco de dados.
Segurança.
Infraestrutura.
Custos.
Tokens.
Governança.
Manutenção.

Criar ficou assustadoramente fácil.
Sustentar continua sendo outra conversa.

É difícil não se empolgar. A barreira entre imaginar e executar despencou de uma forma que poucas tecnologias conseguiram provocar.

Em 2025, 88% das organizações pesquisadas pela McKinsey disseram já utilizar IA regularmente em pelo menos uma função. Em 2024 eram 72%. Só que quase dois terços ainda não tinham começado a escalar IA de maneira ampla dentro das empresas.

Acho esse intervalo fascinante. Porque ele diz muito mais do que “as empresas estão adotando IA”. Ele parece dizer:

Todo mundo entrou na piscina. Pouca gente aprendeu a nadar direito.
Estamos usando.
Testando.
Criando.
Automatizando.

Mas transformar uma experiência incrível em algo confiável, seguro, financeiramente sustentável e integrado à operação é outra história.

O Stanford AI Index mostra o tamanho da aceleração. Globalmente, os investimentos corporativos em IA chegaram a US$ 581,7 bilhões em 2025, crescimento de 130% em relação ao ano anterior.

Dinheiro entrou.
Ferramenta entrou.
Pressão entrou.

E o mais curioso é que o custo da própria inteligência caiu brutalmente. Segundo Stanford, o custo para consultar um modelo com desempenho equivalente ao GPT-3.5 em determinado benchmark despencou de cerca de US$ 20 por milhão de tokens, em novembro de 2022, para US$ 0,07 em outubro de 2024.

Mais de 280 vezes mais barato em menos de dois anos.
É uma combinação explosiva.

Mais poder. Menos custo. Menos barreira. Mais gente fazendo.
Normalmente, quando algo fica tão acessível, a primeira pergunta é:
“O que mais dá para fazer?”

Talvez a segunda devesse ser:
“E o que pode dar errado?”

Voltemos para aquela planilha.
Ela era feia.
Chata.
Limitada.

Mas tinha uma virtude que talvez a gente só descubra quando tenta substituí-la: a gente entendia mais ou menos onde as coisas estavam.

Então vem a IA. Você descreve uma necessidade e, impressionantemente, começa a montar uma aplicação.

A interface está linda.
Os botões funcionam.
O gráfico sobe.
Dá até vontade de chamar alguém da empresa para mostrar.

Só que aí aparecem umas perguntas muito menos sexy:
Onde estão armazenadas essas informações?
Qual banco de dados estamos usando?
Quem tem acesso?
Existe backup?
Tem histórico das alterações?
Se uma informação for apagada, recuperamos?
Se o serviço que estamos utilizando acabar amanhã, levamos os dados conosco?
Se cem pessoas começarem a usar isso ao mesmo tempo, continua funcionando?

E talvez a pergunta mais simples de todas:

Quem é responsável por isso?
É nessa hora que você percebe que não construiu apenas uma telinha bonita.
Construiu uma responsabilidade.

Esse parece ser um dos grandes choques da atual fase da inteligência artificial. Ela tornou a camada visível da tecnologia absurdamente acessível, mas infraestrutura continua sendo infraestrutura.

Banco continua sendo banco.
Arquitetura continua sendo arquitetura.
Segurança continua sendo segurança.

Só que agora conseguimos chegar muito mais rápido até o ponto em que descobrimos que não entendemos nenhuma delas. E os dados de mercado começam a mostrar exatamente esse tropeço.

O Gartner afirma que, até 2026, 60% dos projetos de IA sem dados preparados adequadamente para IA serão abandonados. Em outro levantamento, 38% dos líderes de infraestrutura e operações que enfrentaram problemas em projetos de IA apontaram baixa qualidade ou pouca disponibilidade de dados como causa direta do fracasso.

Olha a ironia. Falamos há anos que “dados são o novo petróleo”. Aí finalmente inventamos uma máquina extraordinária para explorar os dados. E descobrimos que nosso petróleo estava espalhado em 37 planilhas, cinco CRMs, uma pasta no Drive chamada “antigos” e no computador do Carlos, que saiu da empresa em 2022.

Talvez a IA não esteja criando alguns dos nossos problemas.
Talvez ela esteja apenas acendendo uma luz muito forte sobre a bagunça que já estava lá.

Essa talvez seja a parte que mais me incomoda.
Porque não depende de um grande projeto de tecnologia.
Depende só de uma terça-feira corrida.

Chega uma proposta comercial enorme.
“Resume isso para mim.”
Ctrl+C.
Ctrl+V.
Chega uma planilha de clientes.

“Encontre padrões nesses dados.”
Upload.

Precisamos responder uma situação delicada.
“Leia este histórico inteiro de e-mails e me diga como responder.”

Pronto. É tão natural que esquecemos de estranhar. Colocamos contratos, nomes, preços, estratégias, planejamentos, históricos comerciais e informações internas dentro de ferramentas que muitas empresas sequer mapearam oficialmente.

Não necessariamente porque as pessoas são irresponsáveis.
Às vezes é o contrário.
Elas só querem trabalhar melhor.

Esse é o perigo mais interessante da IA:
A irresponsabilidade pode vir disfarçada de produtividade.

O relatório Cost of a Data Breach 2025, da IBM, encontrou presença de *shadow AI* — uso de ferramentas de IA fora da governança formal da empresa — em 20% das violações analisadas. Quando esse tipo de uso estava presente, o custo médio de uma violação foi US$ 670 mil maior.

Eu acho esse dado especialmente provocador porque ele quebra uma imagem.
Quando falamos em segurança, imaginamos hacker.

Capuz.
Tela preta.
Código verde.
Alguém tentando entrar.

Mas talvez uma das portas de entrada mais perigosas esteja sendo aberta por alguém bem-intencionado, sentado numa mesa de escritório, digitando:
“Pode analisar essa base para mim?”

Sem maldade.
Sem invasão.
Sem perceber.

A primeira vez que alguém explica token parece até simpático. A inteligência artificial não lê exatamente palavras como nós. Ela processa unidades menores chamadas tokens. Você envia tokens. Ela gera tokens. Em muitas APIs, você paga de acordo com esse consumo.

Simples. Só que aí você começa a construir de verdade.
E descobre que a pergunta “quanto custa IA?” é mais ou menos como perguntar:
“Quanto custa energia elétrica?”

Depende.
Para acender uma lâmpada?
Uma casa?
Uma fábrica?
Uma cidade?

Modelos diferentes têm preços diferentes. Entrada e saída podem ter valores diferentes. Contexto importa. Histórico importa. Arquivos importam. Ferramentas chamadas pelo modelo importam. Alguns sistemas executam diversas etapas invisíveis antes de entregar uma única resposta. E uma automação não necessariamente pergunta uma vez.

Ela pode perguntar cinco.
Dez.
Cinquenta.

A gente saiu do mundo do software em que muitas vezes comprávamos uma licença e entramos num modelo em que pequenas decisões arquitetônicas podem se repetir milhões de vezes.

É barato por ação.
Até ter ações demais.

Essa preocupação já virou disciplina dentro das empresas. No relatório State of FinOps 2025, 63% dos profissionais de FinOps pesquisados já administravam gastos relacionados à IA, contra 31% no ano anterior. Em 2026, a FinOps Foundation colocou **FinOps for AI** como sua principal prioridade futura e gestão de custos de IA como a habilidade número um que as equipes precisam desenvolver.

Pensa no que aconteceu aqui. Em pouquíssimo tempo, criamos uma tecnologia tão acessível que precisamos criar uma especialidade para descobrir quanto ela realmente está custando.
Fantástico. E um pouco assustador.

Eu cresci profissionalmente num mundo em que construir tecnologia parecia caro.
Precisava orçamento.
Especialista.
Desenvolvedor.
Servidor.
Prazo.
Projeto.

Tudo isso criava uma barreira inconveniente. Mas criava também uma pausa.
Antes de fazer, alguém precisava perguntar se valia a pena.

A IA reduziu essa pausa. Hoje a gente consegue testar primeiro e pensar depois.
E eu adoro isso.

Criativamente, é uma libertação.
Só não sei se organizacionalmente sempre será.

Talvez estejamos entrando numa era curiosa em que o de graça e o muito barato podem ficar absurdamente caros depois.

Não só em dinheiro.
Em dependência.
Em retrabalho.
Em exposição de dados.
Em sistemas que ninguém sabe manter.
Em automações que cresceram sem documentação.
Em cinco ferramentas fazendo aproximadamente a mesma coisa.
Em processos críticos dependendo daquele funcionário que aprendeu a conversar maravilhosamente bem com uma IA, mas nunca contou para ninguém exatamente como montou aquilo.

O Gartner já encontrou essa ressaca. Segundo a consultoria, pelo menos metade dos projetos de IA generativa havia sido abandonada depois da prova de conceito até o fim de 2025, por uma combinação de dados ruins, controles de risco inadequados, custos crescentes ou dificuldade de demonstrar valor.

Talvez seja esse o ciclo clássico de toda grande inovação.
No começo, perguntamos o que ela consegue fazer.
Depois descobrimos quanto custa.
Depois criamos processo.
Depois governança.
Depois regra.
Depois alguém inventa uma palavra em inglês para o departamento responsável por cuidar de tudo.

E aí sabemos que a tecnologia realmente amadureceu.

Porque, apesar de tudo que escrevi até aqui, existe uma coisa que continua me deixando profundamente impressionado. Nunca tivemos tanta capacidade na ponta dos dedos.

O prompt parece uma coisa pequena.
Uma caixinha.
Um cursor piscando.

Mas existe uma mudança de comportamento gigantesca escondida ali. Durante décadas, o computador exigiu que a gente aprendesse a língua dele.

Comandos.
Código.
Menus.
Sistemas.
Regras.

Agora estamos começando a viver o contrário. A máquina está aprendendo a receber a nossa intenção. E quem aprende a organizar pensamento, contexto, exemplo, restrição e objetivo consegue fazer coisas que talvez jamais conseguisse produzir sozinho.

Não porque virou programador.
Não porque virou designer.
Não porque virou analista de dados.
Mas porque ganhou uma espécie de multiplicador de capacidade.

E o mercado já percebe alguma consequência disso. A PwC analisou perto de um bilhão de anúncios de emprego e encontrou que setores mais expostos à IA tiveram crescimento de produtividade quase quatro vezes maior desde a expansão da IA generativa. Trabalhadores com habilidades relacionadas à IA também apresentaram prêmio salarial médio de 56% em 2024.

Então não, minha conclusão não é desacelerar a IA.
Muito menos ter medo dela.
É amadurecer junto com ela.
Porque talvez estejamos justamente saindo da adolescência da inteligência artificial.

Aquela fase gostosa em que tudo é descoberta.
“Olha isso.”
“Olha o que ela fez.”
“Você sabia que dá para criar isso?”
“Cara, fiz em meia hora.”

Continua maravilhoso. Mas agora começamos a fazer perguntas de adulto.
Quem cuida?
Onde salva?
Quanto custa?
Quem acessa?
Quem responde quando quebra?
De quem são esses dados?
Precisávamos mesmo automatizar isso?
Qual é o limite?

E talvez a maior transformação dos próximos anos nem venha de pessoas que aprenderam a dar ordens perfeitas para uma inteligência artificial. Talvez venha de quem souber combinar duas competências que parecem contraditórias:

A coragem de construir como se tudo fosse possível e a maturidade de desconfiar como se tudo pudesse dar errado.
Porque a IA continua parecendo mágica. Só estamos descobrindo que, como toda mágica muito boa, havia muito mais acontecendo atrás da cortina do que a gente imaginava.