Empresas priorizam velocidade de IA e perdem a conta dos custos

O que aconteceu

Nova rodada do VentureBeat Pulse Research ouviu 170 empresas sobre infraestrutura e compute de IA. O levantamento mostra um grupo operacionalmente maduro: 66% das organizações têm workloads de IA rodando em produção e 29% operam IA em escala; apenas 4% ainda não executam nenhum workload (VentureBeat). A conta, porém, não acompanhou a adoção. Menos da metade das empresas consegue rastrear com rigor o que o compute de IA custa, e a maioria das GPUs opera com metade da capacidade ou menos, segundo o material.

Contexto

A ordem dos fatores na decisão de compra mudou. Integração com a stack de nuvem e dados existente segue como critério número um, citado por 40%. Desempenho — latência e throughput — subiu para segundo lugar, com 35%, e acesso a GPUs para terceiro, com 24%, ambos à frente do custo total de propriedade, que aparece com 22%. A mesma hierarquia vale na medição: uptime e confiabilidade é a métrica de sucesso primária para 51% das empresas. Essa reordenação é racional para times sob pressão de produção, mas esbarra numa base frágil: sem visibilidade de custo e com GPUs subutilizadas, a conta tende a aparecer depois.

Por que importa

Em média, cada empresa roda três plataformas de infraestrutura. OpenAI (49%), Google Gemini (48%), Microsoft Azure (47%) e Google Cloud (42%) estão presentes em cerca de metade das organizações, com Azure liderando como plataforma primária para 26%. Multiplicar provedores sem controle de custo por workload torna o desperdício estrutural. Para empresas brasileiras que aceleram projetos de IA, o recado é direto: priorizar performance sem uma camada de FinOps para compute é rota para surpresa no orçamento.

Impacto

A próxima rodada de investimento aponta para nuvens especializadas, que menos de 1 em cada 20 empresas usa hoje. Isso indica aposta em infraestrutura de nicho, como clusters de GPU dedicados, antes que a prática esteja consolidada. No curto prazo, a combinação de GPUs ociosas e falta de medição deve pressionar os orçamentos de TI. No médio prazo, provedores e ferramentas de observabilidade de custo ganham espaço para atacar exatamente esse gap.

O que muda

A compra de AI compute passa a exigir o mesmo rigor que a de cloud convencional: marcação de recursos, rateio por workload e revisão periódica de capacidade. A vantagem de curto prazo de quem escolhe pela velocidade tende a encolher conforme a contabilidade de custo vira pré-requisito — não só para finanças, mas para justificar o próprio investimento em IA perante conselhos e acionistas.

O que vem agora

A pressão por prestação de contas deve crescer na mesma proporção do orçamento de IA. O próximo ciclo tende a trazer mais ofertas de nuvens especializadas, ferramentas de FinOps para GPU e exigências internas para alinhar métricas de sucesso — hoje centradas em uptime — a números de custo por workload. A pesquisa da VentureBeat sugere que a pergunta que falta responder nas empresas não é se IA roda em produção, mas quanto essa produção custa de fato.

Fontes

• VentureBeat — Infrastructure and compute: Enterprises are buying AI compute for speed while flying blind on what it costs (https://venturebeat.com/resources/infrastructure-and-compute-enterprises-are-buying-ai-compute-for-speed-while-flying-blind-on-what-it-costs)