Isso poderia marcar o início de uma crise para as economias baseadas em tokens?

No episódio mais recente do podcast Equity da TechCrunch, Kirsten Korosec, Sean O’Kane e eu analisamos como essas alterações de preço podem afetar o setor de IA como um todo. À medida que a Anthropic e outras grandes empresas de IA se preparam para abrir seu capital ao público, surgem questionamentos sobre sua rentabilidade, o que pode levar a aumentos semelhantes de preço e a restrições adicionais no uso, já que as empresas buscam controlar despesas.

Sean levantou uma questão importante: “Será que essas equipes de desenvolvimento de IA conseguem reduzir custos enquanto ainda avançam a tecnologia o suficiente para atender à disposição dos clientes em gastar?”

Kirsten ressaltou que esse desenvolvimento também evidencia quão rapidamente as tendências estão evoluindo. Em apenas alguns meses, as empresas passaram a se obcecar em maximizar o uso de tokens, antes de rejeitarem essa abordagem devido aos altos custos associados. Enquanto as empresas de IA preparam seus documentos para o IPO, ela se perguntou: “Como elas podem documentar com precisão esses riscos quando tudo está mudando diante dos nossos olhos?”

Continue lendo para conferir um trecho da nossa discussão, editado por brevidade e clareza.

Anthony Ha: Quando planejávamos este episódio, Sean, você descreveu a situação atual como uma “Tokenpocalypse”. Gostaria de ouvir suas opiniões sobre esse termo, especialmente considerando a decisão da Microsoft de cobrar mais por token no GitHub Copilot em vez de usar uma tarifa fixa.

Todo o ecossistema de IA depende fortemente de financiamento por investimentos, o que significa que muitos serviços que parecem gratuitos na verdade são bastante caros. Agora, à medida que mais desses custos começam a ser repassados aos consumidores finais, precisaremos observar como isso afeta o comportamento dos usuários. Embora as consequências exatas ainda não estejam claras, é provável que cause desconforto significativo para os usuários.

Sean O’Kane: É interessante pensar em quantos riscos relacionados a tokens aparecerão no documento S-1 da Anthropic. Já discuti esse assunto frequentemente neste programa, pois continuamos encontrando padrões semelhantes — por exemplo, a Uber passou de afirmar que havia excedido rapidamente seu orçamento para gastos com IA em um mês e meio para depois decidir que os custos eram altos demais e precisava impor limites no uso em toda a empresa.

Essa mudança rápida é preocupante. Ela levanta a questão de saber se essas equipes de desenvolvimento de IA conseguem reduzir custos enquanto ainda avançam a tecnologia o suficiente para se alinhar à capacidade de gasto dos clientes.

Também vale refletir sobre o ChatGPT Plus, que inicialmente tinha preço de 20 dólares por mês, sem uma estratégia clara por trás desse valor. As pessoas continuaram pagando mais por modelos de nível superior, mas mesmo esses preços não cobrem o custo real. Esse continua sendo um dos maiores desafios neste setor.

Kirsten: Tudo isso mostra quão rapidamente as coisas estão mudando. A tendência de maximizar o uso de tokens atingiu seu ápice em seis meses e agora é vista de forma negativa. Como você mencionou, a estrutura de preços foi estabelecida antes mesmo que os modelos de negócios das empresas de IA tivessem se consolidado completamente.

Ao mesmo tempo, os governos tentam acompanhar esses desenvolvimentos. Nesta semana, o presidente Trump assinou uma ordem executiva que permite ao governo analisar modelos de IA poderosos, embora abranja apenas um escopo limitado. O ritmo de mudança que estou observando é sem precedentes.

É por isso que estou ansiosa para ver os documentos de registro do IPO S-1, pois eles revelarão fatores de risco importantes. É difícil documentar riscos quando eles estão em constante evolução no dia a dia.

Anthony: A Uber serve como um exemplo interessante, Sean. Embora tenha enfrentado críticas por seus altos gastos com IA, ela também demonstra que as empresas podem superar dificuldades financeiras ao longo do tempo, expandindo suas operações. Foram necessários o desenvolvimento de diferentes áreas de negócio, e tanto clientes quanto motoristas sofreram pressão, mas esses esforços acabaram ajudando a Uber a se tornar lucrativa.

Acredito que transformações semelhantes serão necessárias para muitas empresas de IA se quiserem sobreviver a longo prazo.

Sean: Será que essas equipes de desenvolvimento de IA conseguem encontrar maneiras de cortar custos da mesma forma drástica que a Uber fez, reduzindo despesas com seus motoristas ao longo dos anos? Não tenho certeza. Em muitos casos, esses são custos mais diretos e difíceis de reduzir, então será interessante ver como elas lidarão com esse desafio.