Rodar IA já custa mais que treinar, e essa conta não tem fim

Em relatório divulgado na segunda-feira, 10 de agosto, a Gartner registrou um cruzamento: a despesa global com inference — rodar modelos já treinados, em produção — deve chegar a US$ 23,3 bilhões em 2026, superando os US$ 19 bilhões gastos em treinamento. A consultoria projeta US$ 42 bilhões em infraestrutura otimizada para IA até o fim do ano, alta de 96%, dos quais 45% vão para infraestrutura vendida por fornecedores: servidores, rede, semicondutores, dispositivos. Google Cloud, Microsoft Azure e AWS somam mais de US$ 500 bilhões em capex de IA só em 2026. O crescimento acompanha a leitura do Forrester Global Tech Forecast, que projeta gasto global em tecnologia de US$ 5,6 trilhões em 2026, ante US$ 5,2 trilhões em 2025, puxado pela demanda por serviços de IA. Para Hardeep Singh, analista sênior da Gartner, isso mostra que a adoção de IA “está se tornando mainstream e orientada para produção”, e que infraestrutura de IA deve ser tratada como “investimento estratégico para operacionalizar IA nos negócios, não como linha orçamentária experimental”.

A leitura óbvia é a mais confortável: a fase de experimento acabou, a IA saiu do piloto e entrou na operação de verdade. Empresas que há dois anos testavam chatbots em projeto isolado agora rodam modelos em produção, todos os dias, para clientes reais. Gastar mais para operar do que para treinar seria, nessa leitura, o troféu da maturidade: a prova de que o investimento em IA finalmente virou trabalho, não protótipo.

O treinamento tem prazo. A operação, não.

Treinamento é a única parte dessa conta que tem fim. Um modelo termina de ser treinado num dia específico, com custo que cabe numa planilha de projeto e retorno que dá para calcular antes de assinar o cheque. Nenhuma empresa assina um contrato de inference com valor fechado do jeito que assina um contrato de treinamento sob encomenda. Inference não funciona assim: cresce junto com o uso, e quanto mais a empresa depende do modelo no dia a dia, maior a fatura do mês seguinte, sem teto natural e sem data de encerramento.

O relatório da Gartner não descreve uma empresa que terminou de implantar IA. Descreve uma empresa que descobriu que a implantação não termina. A própria recomendação de Singh confirma isso pelo avesso: tratar infraestrutura de IA como investimento estratégico, e não como linha orçamentária experimental, só faz sentido porque até agora boa parte das empresas orçava IA do jeito errado — como projeto com início, meio e fim, quando na prática é a única linha de custo que cresce sozinha, no ritmo do uso e não do planejamento. A lista de obstáculos que a própria Gartner associa a essa fase (capacidade de compute, gravidade dos dados, governança, resiliência operacional, segurança, gestão de custo) não é tarefa para riscar de uma lista: é disciplina que precisa de dono permanente, porque nenhum desses seis pontos se resolve numa entrega. E a tendência não desacelera — a própria Gartner projeta US$ 66 bilhões em infraestrutura como serviço para IA só em 2027, mais um ano de crescimento sobre uma base que já cresceu 96% em 2026.

Quem assina o orçamento quando vira fatura mensal

Na prática, isso muda quem assina o orçamento e como ele é revisado. Uma linha de projeto se aprova uma vez, no comitê que libera a verba. Uma linha de operação pede revisão mensal, porque o consumo de compute de agosto não prevê o de novembro, e a diferença entre os dois é o próprio crescimento do uso que a empresa foi buscar. É a diferença entre orçar como quem compra uma máquina e orçar como quem paga conta de luz que sobe com o consumo, sem que ninguém tenha medido ainda quanto esse consumo vai crescer. Empresas que aprovaram IA como projeto em 2025 e não criaram um rito de revisão recorrente para 2026 hoje pagam fatura de operação com processo de aprovação de projeto, e é aí que o orçamento estoura sem que ninguém tenha decidido nada de errado.

A decisão de onde rodar que ninguém fecha de vez

A escolha de onde rodar também deixou de ser definitiva. A combinação que a Gartner descreve, entre nuvem pública, nuvem privada, colocation, borda e ambientes soberanos, funciona como rebalanceamento contínuo, movido por custo, regulação e latência, que muda de resposta certa a cada trimestre, não uma arquitetura fixa escolhida de uma vez. Quem tratou a decisão de infraestrutura como projeto de TI encerrado vai revisitá-la de qualquer forma, só que sob pressão, quando a fatura ou o regulador forçarem a conversa.

Os seis obstáculos que a Gartner associa a essa fase, computação, dados, governança, resiliência, segurança e custo, raramente têm dono nas empresas que trataram a implantação como projeto encerrado. Gravidade dos dados, por exemplo, não é problema que se resolve na migração inicial: cresce conforme mais dados corporativos passam a alimentar o sistema em produção, e o custo de mover ou duplicar essa base sobe junto. Projeto tem gerente e data de entrega. Disciplina permanente precisa de responsável que ainda esteja no cargo daqui a um ano, revisando os mesmos pontos com a frequência de quem revisa a folha de pagamento.

Quando alguém, daqui a um ano, perguntar quanto a empresa gasta com IA, a resposta vai sair de um orçamento de projeto fechado em 2025 ou de uma linha de operação que alguém revisa todo mês?