noticias

IA de código aberto avança nas empresas dos EUA e pressiona OpenAI e Anthropic

**Categoria editorial:** Inteligência Artificial e Mercado

**Linha fina:** Empresas americanas começam a substituir parte do uso de modelos proprietários por alternativas abertas e mais baratas. Movimento reduz custos, amplia o controle sobre a infraestrutura e fortalece concorrentes chineses no mercado de IA.

**Meta description:** IA de código aberto ganha espaço nas empresas dos EUA, reduz custos e aumenta a pressão competitiva sobre OpenAI, Anthropic e outros laboratórios.

**Slug:** ia-codigo-aberto-empresas-eua-openai-anthropic

Matéria completa

Durante os primeiros anos da corrida pela inteligência artificial generativa, parecia existir uma regra quase automática para empresas interessadas em IA: utilizar os modelos mais avançados disponíveis, normalmente fornecidos por OpenAI, Anthropic ou Google, e pagar pelo processamento conforme o volume de uso. Essa lógica começa a ser questionada dentro das próprias corporações americanas.

Modelos de inteligência artificial abertos ou com pesos disponibilizados publicamente estão assumindo uma parcela crescente das cargas de trabalho empresariais nos Estados Unidos. O motivo não é uma súbita preferência ideológica pelo software livre. É economia. Depois de descobrir quanto custa colocar milhões de chamadas de IA em produção, empresas começaram a perguntar se realmente precisam utilizar um dos modelos mais poderosos do mundo para resumir uma ligação, classificar uma solicitação ou responder a uma pergunta interna.

A AT&T tornou-se um exemplo particularmente interessante dessa mudança. Segundo Andy Markus, diretor de dados e inteligência artificial da companhia, modelos abertos representavam aproximadamente 20% do uso de IA da empresa em maio de 2026. A participação posteriormente chegou a cerca de 40%, e a expectativa apresentada pelo executivo é que possa alcançar 60% nos próximos meses.

Mais significativo é o argumento econômico. Markus afirma que a estratégia permitiu à companhia reduzir em até 80% determinados custos relacionados ao uso de inteligência artificial em comparação com o início do ano. Trata-se de uma estimativa apresentada pela própria empresa e não de uma auditoria pública independente, mas ela ajuda a explicar por que o assunto ganhou importância tão rapidamente.

A consequência é potencialmente desconfortável para OpenAI e Anthropic: empresas estão descobrindo que o melhor modelo disponível nem sempre é o melhor modelo para o negócio.

A conta da inteligência artificial finalmente chegou

A primeira fase da IA generativa corporativa foi marcada por experimentação. Empresas contrataram APIs, construíram assistentes internos, conectaram modelos a documentos e começaram a automatizar atendimento, programação, análise de dados e produção de conteúdo.

Quando esses sistemas eram pequenos projetos-piloto, o custo de algumas milhares de consultas mensais tinha importância limitada. A equação muda quando uma aplicação passa a atender dezenas de milhares de funcionários ou milhões de clientes.

Cada interação possui um custo computacional. Modelos maiores exigem mais memória, processamento e energia. Dependendo da arquitetura, também existe cobrança pelo número de tokens processados, pela quantidade de texto produzido e pelo uso de recursos adicionais.

Multiplique centavos por milhões ou bilhões de operações e aquilo que parecia barato durante uma demonstração passa a ocupar uma linha relevante no orçamento de tecnologia.

É nesse ponto que os modelos abertos se tornam economicamente atraentes.

Uma empresa pode baixar os pesos de determinados modelos, executá-los em sua própria infraestrutura ou contratar provedores especializados para hospedá-los. Em vez de pagar continuamente pelo acesso a uma API proprietária, passa a arcar principalmente com servidores, aceleradores, energia, armazenamento, manutenção e equipe técnica.

Isso não significa custo zero. Significa mudar quem controla a conta.

Nem toda IA aberta é realmente de código aberto

Existe uma distinção importante que frequentemente desaparece das manchetes.

Boa parte do que o mercado chama genericamente de “IA de código aberto” é, tecnicamente, formada por modelos de **pesos abertos**, ou *open weights*.

Os pesos são os bilhões de valores numéricos ajustados durante o treinamento e que determinam grande parte do comportamento do modelo. Quando uma empresa disponibiliza esses arquivos, desenvolvedores podem executar o sistema, modificá-lo por meio de técnicas de ajuste e integrá-lo às próprias aplicações.

Isso não significa necessariamente que todo o processo de desenvolvimento esteja aberto.

Para que um modelo possa ser considerado plenamente aberto em uma interpretação mais rigorosa, seria necessário conhecer também elementos como código de treinamento, metodologia, arquitetura, dados utilizados ou informações suficientes para compreender e reproduzir seu desenvolvimento.

Muitos dos modelos populares atualmente disponibilizam os pesos, mas não o conjunto completo dessas informações.

A diferença parece semântica, mas é importante. Um modelo que pode ser executado localmente oferece enorme liberdade operacional, mesmo quando não é totalmente reproduzível.

Para as empresas, essa liberdade já pode ser suficiente.

A empresa não precisa de uma Ferrari para entregar todas as encomendas

O crescimento dos modelos abertos revela outra mudança no mercado: a inteligência artificial corporativa está ficando mais pragmática.

Os grandes modelos de fronteira continuam sendo importantes para tarefas altamente complexas, raciocínio mais sofisticado, programação avançada, agentes autônomos e geração multimodal. Mas uma parcela enorme do trabalho empresarial é muito mais previsível.

Classificar um chamado de suporte não exige necessariamente o modelo mais poderoso da OpenAI. Resumir uma transcrição de atendimento talvez também não. Extrair campos de uma nota fiscal, reorganizar um texto ou identificar a intenção de uma mensagem são tarefas que podem ser executadas satisfatoriamente por modelos menores.

É aí que surge a pressão sobre o modelo econômico das grandes empresas de IA.

Quando a diferença de qualidade entre duas tecnologias diminui enquanto a diferença de preço permanece elevada, compradores corporativos começam a segmentar suas cargas de trabalho.

O modelo mais sofisticado continua sendo utilizado onde sua capacidade produz retorno econômico. Para todo o restante, entra uma alternativa menor e mais barata.

Essa arquitetura híbrida pode acabar se tornando o padrão.

Empresas começam a montar uma espécie de “roteador de IA”

Na prática, o futuro da inteligência artificial empresarial pode não pertencer a um único modelo.

Uma aplicação pode avaliar cada tarefa e encaminhá-la para o sistema mais adequado. Perguntas simples seguem para um modelo pequeno executado internamente. Solicitações mais difíceis são enviadas para uma IA intermediária. Apenas problemas realmente complexos chegam aos modelos de fronteira.

É uma lógica semelhante ao que a computação já faz há décadas com armazenamento, redes e processamento.

Não se utiliza o recurso mais caro disponível para toda operação.

Esse modelo pode reduzir dramaticamente custos porque a maioria das solicitações corporativas não está no limite da capacidade da inteligência artificial.

Ele também diminui a dependência de um único fornecedor.

Uma empresa que constrói toda sua infraestrutura diretamente sobre recursos exclusivos de uma determinada API pode enfrentar dificuldades para migrar no futuro. Quanto mais específicos forem esses recursos, maior tende a ser o custo de substituição.

Modelos abertos criam uma alternativa estratégica.

A China encontrou uma maneira diferente de competir

Existe, porém, uma dimensão geopolítica nesse movimento.

Alguns dos modelos abertos ou de pesos abertos mais competitivos atualmente são produzidos por empresas chinesas. DeepSeek, Alibaba e Moonshot AI ajudaram a demonstrar que sistemas capazes de realizar tarefas avançadas poderiam ser distribuídos de maneira muito mais aberta do que os principais modelos comerciais americanos.

A estratégia produziu um efeito curioso.

Mesmo em um momento de crescente disputa tecnológica entre Estados Unidos e China, empresas e desenvolvedores americanos podem utilizar tecnologia chinesa porque os modelos podem ser baixados e executados fora dos servidores de seus criadores.

Isso muda substancialmente a discussão sobre dependência tecnológica.

Utilizar uma API chinesa significa enviar dados e depender da infraestrutura de uma empresa estrangeira. Baixar os pesos de um modelo e executá-lo dentro de um datacenter americano é uma situação tecnicamente diferente.

Ainda existem questões sobre segurança da cadeia de suprimentos, licenciamento, comportamento do modelo e procedência de seu treinamento, mas o controle operacional passa para quem executa o sistema.

Essa diferença torna qualquer tentativa de simplesmente bloquear modelos estrangeiros muito mais complicada.

Privacidade pode se tornar uma vantagem competitiva

Custos não são a única razão para empresas considerarem modelos executados internamente.

Dados também importam.

Bancos, escritórios de advocacia, hospitais, indústrias, governos e outras organizações trabalham com informações que não podem circular livremente por serviços externos.

APIs comerciais já oferecem diferentes mecanismos de segurança e contratos corporativos para lidar com essas preocupações. Mesmo assim, determinados ambientes possuem requisitos que tornam desejável manter todo o processamento dentro da própria infraestrutura.

Um modelo aberto pode funcionar em uma nuvem privada, em um datacenter corporativo ou, dependendo do tamanho, até mesmo diretamente em uma estação de trabalho.

Nesse cenário, documentos utilizados pela IA não precisam necessariamente abandonar o ambiente controlado pela organização.

Essa possibilidade é particularmente relevante quando inteligência artificial começa a deixar de ser um chatbot isolado e passa a acessar sistemas internos, bancos de dados, contratos, código-fonte e informações estratégicas.

Quanto maior o acesso da IA, maior o valor de controlar onde ela está sendo executada.

Mas existe um custo escondido na liberdade

Executar sua própria inteligência artificial também significa assumir responsabilidades que antes pertenciam ao fornecedor.

Alguém precisa atualizar os modelos, configurar servidores, acompanhar vulnerabilidades, administrar permissões, monitorar desempenho e garantir que a infraestrutura continue funcionando.

Também existe a segurança do próprio modelo.

Arquivos disponibilizados publicamente precisam ser obtidos de fontes confiáveis. Componentes associados ao modelo podem conter código, dependências ou configurações vulneráveis. Sistemas executados internamente precisam ser atualizados e isolados adequadamente.

Além disso, uma empresa que utiliza uma API comercial pode contar com uma equipe especializada trabalhando continuamente na infraestrutura por trás do serviço.

Ao internalizar o modelo, parte dessa responsabilidade muda de endereço.

Por isso, IA aberta não significa automaticamente IA mais barata em qualquer situação. O cálculo depende de escala, hardware, equipe, volume de utilização e complexidade operacional.

Para uma pequena empresa com poucas consultas por dia, pagar uma API provavelmente continua sendo muito mais simples.

Para uma operadora de telecomunicações processando enormes volumes de solicitações, a matemática pode ser completamente diferente.

OpenAI e Anthropic ainda possuem uma vantagem importante

O crescimento dos modelos abertos não significa que os grandes laboratórios proprietários estejam prestes a perder relevância.

Na fronteira tecnológica, OpenAI e Anthropic continuam investindo bilhões de dólares para desenvolver sistemas capazes de realizar tarefas cada vez mais complexas. Esses modelos também chegam acompanhados de infraestrutura, ferramentas, APIs, suporte empresarial e serviços integrados.

Em aplicações nas quais o desempenho máximo realmente importa, pagar por essa capacidade pode continuar fazendo sentido.

O problema aparece em outro lugar.

Os laboratórios precisam recuperar investimentos enormes em treinamento, pesquisadores, datacenters e chips. Se uma parcela crescente das tarefas mais simples migrar para modelos baratos ou executados localmente, sobra para os modelos proprietários justamente o mercado de operações mais difíceis.

Esse mercado pode ser muito valioso.

Mas talvez seja menor do que se imaginava quando parecia possível cobrar pelo processamento de praticamente toda atividade envolvendo inteligência artificial.

Hugging Face virou infraestrutura estratégica

Outro sinal da importância crescente desse ecossistema surgiu com a aquisição da Hugging Face pela Nvidia, anunciada no início de setembro por aproximadamente US$ 13 bilhões.

A plataforma tornou-se uma das principais infraestruturas globais para distribuição de modelos, conjuntos de dados e ferramentas de inteligência artificial.

Mais do que uma biblioteca, a Hugging Face funciona como uma espécie de ponto de encontro técnico para boa parte da comunidade que desenvolve e utiliza modelos abertos.

A Nvidia possui uma posição particularmente interessante nessa disputa.

Para a fabricante de chips, pouco importa se uma empresa utiliza um modelo da OpenAI, um modelo aberto americano ou uma arquitetura desenvolvida na China — desde que boa parte desse processamento continue acontecendo em aceleradores vendidos por ela.

A expansão dos modelos abertos pode inclusive ampliar o número de organizações interessadas em possuir sua própria infraestrutura de IA.

O que representa pressão sobre alguns fornecedores pode significar oportunidade para outros.

Análise da equipe

Talvez estejamos assistindo ao início da segunda grande fase comercial da inteligência artificial generativa.

A primeira foi marcada pela corrida para descobrir qual empresa conseguiria construir o modelo mais poderoso. A segunda começa a perguntar algo muito mais incômodo: quanto dessa potência realmente precisa ser utilizada?

Essa pergunta muda completamente a economia do setor.

Um modelo pode ser extraordinariamente inteligente e ainda assim ser economicamente inadequado para uma tarefa simples. Empresas não compram tecnologia apenas por capacidade. Compram produtividade por unidade de custo.

É por isso que modelos abertos representam uma ameaça mais sofisticada para OpenAI e Anthropic do que simplesmente surgir outro chatbot concorrente.

Eles transformam inteligência artificial em infraestrutura intercambiável.

Quando uma empresa consegue trocar um modelo por outro sem reconstruir todo seu sistema, o poder de negociação muda. O fornecedor deixa de ser necessariamente o centro da arquitetura e passa a ser apenas uma das opções disponíveis.

Ao mesmo tempo, seria precipitado anunciar uma vitória definitiva da IA aberta.

Os modelos proprietários continuam empurrando a fronteira de capacidade e oferecendo serviços que muitas empresas não têm interesse — ou competência — para operar internamente.

O cenário mais provável não é uma substituição completa, mas uma fragmentação.

Modelos pequenos executarão tarefas rotineiras. Sistemas privados processarão dados sensíveis. Modelos especializados cuidarão de determinadas áreas. IAs de fronteira serão acionadas quando a complexidade justificar seu custo.

Essa arquitetura pode ser muito diferente do futuro imaginado há apenas alguns anos, quando parecia possível que duas ou três empresas concentrassem praticamente toda a inteligência artificial utilizada pelo restante da economia.

O que deve ser acompanhado agora

O principal indicador daqui para frente não será simplesmente qual modelo aparece no topo de um benchmark.

Será preciso observar onde as empresas realmente colocam suas cargas de trabalho.

Se a participação de modelos abertos continuar crescendo em organizações de grande escala, o impacto poderá aparecer gradualmente nos preços das APIs, nas margens das empresas de IA e na maneira como novos produtos são construídos.

Outro sinal importante será a evolução dos modelos pequenos.

Quanto maior a capacidade disponível em sistemas que podem funcionar em servidores comuns, computadores pessoais ou smartphones, maior será a quantidade de tarefas que poderão ser executadas sem consultar permanentemente enormes datacenters externos.

A disputa também terá uma dimensão política. O avanço de modelos chineses no ecossistema aberto coloca governos ocidentais diante de uma escolha desconfortável entre restringir tecnologia estrangeira e preservar um ambiente que beneficia empresas, pesquisadores e desenvolvedores locais.

No fim, talvez a maior mudança seja conceitual.

Durante algum tempo, a indústria tentou convencer o mercado de que inteligência artificial era um serviço fornecido por algumas poucas empresas capazes de construir modelos gigantescos.

O crescimento da IA aberta apresenta outra possibilidade: inteligência artificial também pode se tornar uma camada de infraestrutura que empresas baixam, modificam, hospedam e substituem conforme suas necessidades.

Se essa visão prevalecer, OpenAI e Anthropic continuarão sendo empresas extremamente importantes.

Só talvez não sejam o pedágio obrigatório pelo qual toda inteligência artificial precisará passar.

👉 Dúvida? Então veja mais em: https://pixbugtech.com/linksuteis