O problema de custos da indústria de IA está se tornando cada vez mais difícil de ignorar. Empresas que correram para construir em cima dos modelos mais poderosos da OpenAI, Anthropic e Google DeepMind agora estão enfrentando contas que podem sair totalmente do controle — e um número crescente delas está recorrendo a modelos de IA de código aberto como o caminho mais sustentável daqui para frente. Essa mudança, antes tímida, agora é visível o suficiente para que o principal tecnólogo da Amazon a destaque publicamente.
Summary
Principais pontos
- O CTO da Amazon, Werner Vogels, disse que as empresas estão migrando cada vez mais para modelos de IA de código aberto mais baratos para controlar os crescentes custos de IA.
- O Uber queimou todo o seu orçamento de IA de 2026 em apenas quatro meses, tendo supostamente gasto meio bilhão de dólares em um único mês.
- Modelos de código aberto são normalmente gratuitos para baixar; os usuários pagam apenas pela infraestrutura de nuvem, o que muitas vezes os torna mais baratos do que alternativas proprietárias.
- A Amazon lançou uma nova ferramenta de IA de código aberto na cúpula da ONU AI for Good para ajudar pesquisadores a buscar em mais de 1.100 conjuntos de dados científicos usando linguagem natural.
- A transparência em torno dos dados de treinamento de IA está surgindo como um requisito inegociável nos setores de saúde, governo e trabalho humanitário.
Custos crescentes de IA impulsionam mudança para modelos de código aberto
Falando à margem da cúpula AI for Good da ONU em 10 de julho de 2026, Werner Vogels, diretor de tecnologia (Chief Technology Officer) da Amazon, foi direto: “Estamos vendo uma mudança acontecendo entre os modelos de código aberto mais baratos e os modelos maiores e mais caros.” Foi um reconhecimento franco de que a corrida do ouro da IA tem um preço — e muitas empresas não estão mais dispostas a pagá-lo incondicionalmente.
Modelos proprietários caros dos líderes da indústria
Os modelos carro-chefe da OpenAI, Anthropic e Google DeepMind ocupam o topo dos rankings de desempenho. Mas desempenho em escala vem com uma estrutura de custos que pegou mais de algumas organizações de surpresa. Esses sistemas cobram por token, o que significa que os custos aumentam rapidamente à medida que o uso cresce entre equipes e produtos.
A ilustração mais contundente disso veio do Uber. A empresa teria queimado todo o seu orçamento de IA de 2026 em apenas quatro meses — e, segundo relatos, gastou cerca de meio bilhão de dólares em um único mês depois de não conseguir limitar o uso de IA pelos funcionários. Esse tipo de trajetória de gastos força até grandes organizações a reavaliar rapidamente sua abordagem.
Vogels enquadrou isso como uma questão de arquitetura, e não apenas financeira. “Custo é uma parte muito importante da sua arquitetura, você precisa levar isso em conta”, disse ele. “Você realmente precisa ter o maior, o modelo mais avançado para resolver isso? A resposta é não, você não precisa.”
Vantagens de custo dos modelos de IA de código aberto
Modelos de código aberto — às vezes chamados de modelos de pesos abertos (open-weight) — geralmente podem ser baixados gratuitamente. O principal custo vem da infraestrutura de computação em nuvem necessária para executá-los. Essa configuração muitas vezes sai significativamente mais barata do que pagar taxas contínuas baseadas em tokens para provedores proprietários, especialmente em grande escala.
A vantagem de custo não é marginal. Segundo dados da OpenRouter, uma plataforma para desenvolvedores que agrega acesso a vários modelos de IA, modelos chineses de código aberto podem ser 60% a 90% mais baratos do que as principais alternativas da Anthropic e da OpenAI. Essa diferença ajuda a explicar por que a participação de tokens usados por empresas dos EUA em modelos de IA chineses via OpenRouter chegou a 46% — acima de uma média de apenas 11% nos 12 meses anteriores.
A tendência não se resume apenas a corte de custos. Como disse Peter Fenton, da Benchmark, investidor na ferramenta de desenvolvimento de IA de código aberto Ollama: toda empresa com altos gastos de inferência tem um “projeto existencial vital” que a empurra em direção a modelos de pesos abertos. A própria Ollama, que ajuda desenvolvedores a executar modelos de pesos abertos localmente, agora conta com quase 9 milhões de usuários ativos mensais e está presente em 85% das empresas da Fortune 500 — um sinal de quão mainstream essa mudança se tornou.
CTO da Amazon destaca transparência e pragmatismo na adoção de IA
O argumento de custo por si só não captura o quadro completo. Para além da economia, algo mais estrutural está mudando na forma como as organizações pensam sobre a IA que implantam.
Comentários de Werner Vogels na cúpula UN AI for Good
Junto com a conversa sobre custos, Vogels apontou para uma segunda força que está remodelando a aquisição de IA: a demanda por transparência. “A transparência se torna extremamente importante”, disse ele na cúpula. “As pessoas querem saber quais são os dados que entram nisso.”
Isso não é uma preocupação abstrata. As empresas agora estão examinando não apenas o que um modelo de IA pode fazer, mas como ele foi construído — quais dados foram usados em seu treinamento, quais vieses podem estar embutidos e como suas decisões podem ser explicadas. Esse escrutínio reflete uma maturação mais ampla na adoção de IA pelas empresas, indo além da fase inicial de hype para uma avaliação mais rigorosa de transparência em IA e governança de dados.
Importância da confiança em setores sensíveis
O imperativo de transparência é especialmente agudo em setores em que as consequências de uma saída de IA errada ou inexplicável são altas. Em saúde, governo e trabalho humanitário, entender como um sistema foi treinado pode ser tão importante quanto seu desempenho bruto. “Se essas pessoas atendem comunidades vulneráveis. Se elas não confiarem no sistema, não vão usá-lo”, disse Vogels.
Modelos de código aberto oferecem aqui uma vantagem estrutural. Como os desenvolvedores podem inspecionar e modificar o código e mais facilmente ajustar (fine-tune) modelos com seus próprios dados proprietários, eles tendem a se alinhar melhor com as expectativas de transparência em ambientes regulados ou sensíveis. A ressalva, porém, é real: mesmo a maioria dos provedores de pesos abertos não divulga totalmente todos os dados com os quais o modelo foi inicialmente treinado. A abertura é um espectro, não um binário.
O que torna este momento analiticamente interessante é a convergência de duas pressões distintas — contenção de custos e exigências de confiança — ambas apontando na mesma direção. Organizações que talvez tenham justificado altos custos de modelos proprietários durante a fase de experimentação agora enfrentam um cálculo diferente: conseguem manter a confiança do conselho em seus investimentos em IA quando os custos são imprevisíveis e a procedência dos dados de treinamento é opaca? Para muitas, a resposta está remodelando toda a sua pilha de IA.
Nova ferramenta de código aberto da Amazon busca capacitar pesquisadores científicos
Vogels, da Amazon, não apenas diagnosticou a direção da indústria na cúpula — ele também anunciou um passo concreto nessa direção. Uma nova ferramenta de IA de código aberto da Amazon é projetada para tornar dados científicos significativamente mais acessíveis, com foco especial em instituições que não têm os recursos técnicos de grandes universidades de pesquisa ou laboratórios bem financiados.
Integração com o AWS Registry of Open Data
A ferramenta se conecta ao AWS Registry of Open Data, que abriga mais de 1.100 conjuntos de dados de grandes organizações científicas, incluindo NASA, NOAA e NIH. Em vez de navegar por catálogos de dados complexos — um processo que antes podia consumir horas — os pesquisadores agora podem consultar o registro usando linguagem natural simples. Um cientista pode pedir imagens de satélite com termos de licenciamento específicos ou solicitar conjuntos de dados de genômica para uma determinada população e receber resultados relevantes sem precisar entender a arquitetura de dados subjacente.
Facilitando o acesso para instituições com poucos recursos
A implicação prática para a pesquisa é significativa. Instituições com poucos recursos — universidades menores, ONGs, agências de saúde pública em regiões em desenvolvimento — há muito enfrentam uma desvantagem estrutural quando se trata de descoberta de dados. A sobrecarga técnica de trabalhar com grandes registros científicos favorece instituições com engenheiros de dados dedicados. Ao reduzir essa barreira por meio de busca em linguagem natural, a ferramenta abre o acesso a conjuntos de dados em áreas como ciência do clima e saúde pública que antes eram mais difíceis de alcançar para equipes não especializadas.
Ela também posiciona a Amazon firmemente dentro do ecossistema de IA de código aberto em um momento em que esse ecossistema está atraindo capital e talentos de peso. A recente Série B de 65 milhões de dólares da Ollama, elevando seu financiamento total para 88 milhões, sinaliza que a comunidade de venture capital vê as ferramentas de IA de código aberto como um negócio duradouro — não apenas uma fase de transição antes que modelos proprietários retomem a dominância. A trajetória de código aberto, em outras palavras, agora tem impulso institucional por trás dela, não apenas lógica de custos.
A questão mais difícil pairando sobre tudo isso é o que acontece com o teto de desempenho. Modelos de código aberto estão reduzindo a distância em relação aos sistemas proprietários de fronteira, mas as tarefas mais complexas — aquelas que justificam os custos mais altos de modelo — ainda tendem a favorecer sistemas fechados e fortemente capitalizados. As empresas podem acabar operando pilhas híbridas: modelos de código aberto para a maior parte de sua carga de inferência, com modelos proprietários reservados para tarefas específicas e de alto risco. Essa arquitetura, e não uma troca limpa de um para o outro, pode ser onde a indústria de fato vai parar.
Perguntas frequentes (FAQ)
Por que as empresas estão migrando para modelos de IA de código aberto?
As empresas estão migrando para modelos de IA de código aberto principalmente para reduzir os crescentes custos de IA. Modelos proprietários de provedores como OpenAI e Anthropic cobram por token, o que pode gerar despesas imprevisíveis e muito altas em grande escala. Modelos de código aberto são geralmente gratuitos para baixar, com os usuários pagando apenas pela infraestrutura de nuvem necessária para executá-los — um arranjo que muitas vezes sai significativamente mais barato, especialmente para implantações de alto volume.
Quais preocupações o CTO da Amazon destaca sobre transparência em IA?
O CTO da Amazon, Werner Vogels, enfatizou que a transparência sobre os dados de treinamento de IA é cada vez mais importante para a adoção corporativa. As organizações querem saber quais dados foram usados para treinar os modelos que implantam. Isso é particularmente crítico em setores como saúde, governo e trabalho humanitário, onde a confiança no sistema é um pré-requisito para o uso real — especialmente quando esses sistemas atendem comunidades vulneráveis.
Qual é o objetivo da nova ferramenta de IA de código aberto da Amazon?
A ferramenta permite que pesquisadores busquem no AWS Registry of Open Data — que contém mais de 1.100 conjuntos de dados de organizações como NASA, NOAA e NIH — usando consultas em linguagem natural em vez de navegar por catálogos técnicos complexos. O objetivo é reduzir o tempo e a expertise técnica necessários para encontrar conjuntos de dados científicos relevantes, com foco especial em tornar esse acesso mais equitativo para instituições de pesquisa com poucos recursos.
{“@context”:”https://schema.org”,”@type”:”FAQPage”,”mainEntity”:[{“@type”:”Question”,”name”:”Por que as empresas estão migrando para modelos de IA de código aberto?”,”acceptedAnswer”:{“@type”:”Answer”,”text”:”As empresas estão migrando para modelos de IA de código aberto principalmente para reduzir os crescentes custos de IA. Modelos proprietários de provedores como OpenAI e Anthropic cobram por token, o que pode gerar despesas imprevisíveis e muito altas em grande escala. Modelos de código aberto são geralmente gratuitos para baixar, com os usuários pagando apenas pela infraestrutura de nuvem necessária para executá-los — um arranjo que muitas vezes sai significativamente mais barato, especialmente para implantações de alto volume.”}},{“@type”:”Question”,”name”:”Quais preocupações o CTO da Amazon destaca sobre transparência em IA?”,”acceptedAnswer”:{“@type”:”Answer”,”text”:”O CTO da Amazon, Werner Vogels, enfatizou que a transparência sobre os dados de treinamento de IA é cada vez mais importante para a adoção corporativa. As organizações querem saber quais dados foram usados para treinar os modelos que implantam. Isso é particularmente crítico em setores como saúde, governo e trabalho humanitário, onde a confiança no sistema é um pré-requisito para o uso real — especialmente quando esses sistemas atendem comunidades vulneráveis.”}},{“@type”:”Question”,”name”:”Qual é o objetivo da nova ferramenta de IA de código aberto da Amazon?”,”acceptedAnswer”:{“@type”:”Answer”,”text”:”A ferramenta permite que pesquisadores busquem no AWS Registry of Open Data — que contém mais de 1.100 conjuntos de dados de organizações como NASA, NOAA e NIH — usando consultas em linguagem natural em vez de navegar por catálogos técnicos complexos. O objetivo é reduzir o tempo e a expertise técnica necessários para encontrar conjuntos de dados científicos relevantes, com foco especial em tornar esse acesso mais equitativo para instituições de pesquisa com poucos recursos.”}}]}
Artigo produzido com a assistência de inteligência artificial e revisado pela equipe editorial.
