Data centers esbarram em energia e mão de obra: a IA cresce mais rápido que as obras

Executivos de algumas das maiores empresas do setor de data centers dizem que a construção de capacidade para IA mal acompanha a demanda. Na avaliação deles, os dois principais gargalos são o acesso à energia e a falta de trabalhadores qualificados. A Bloomberg Tech publicou a reportagem em 13 de outubro de 2026. O trecho disponível não traz megawatts, prazos nem valores concretos, por isso a análise abaixo trata da lógica da declaração, e não dos números de projetos específicos.

Onde exatamente a obra trava

Energia, nesse contexto, envolve várias coisas distintas: geração, conexão à rede e equipamentos para subestações. Um campus para cluster de IA consome uma potência comparável à de uma cidade pequena, e qualquer um desses elos pode ser o mais lento. Dinheiro e terreno são mais fáceis de encontrar: um lote se compra em meses, enquanto a conexão à rede e a entrega de transformadores levam anos. É por isso que as operadoras falam cada vez mais da capacidade disponível como seu principal ativo.

O segundo limite, as pessoas, é menos discutido, embora seja sentido de imediato no canteiro de obras. Um data center exige eletricistas, instaladores de sistemas de refrigeração, engenheiros de comissionamento e especialistas em operação. Esses profissionais não se contratam em um trimestre, e muitas obras simultâneas disputam as mesmas pessoas.

O que se sabe a partir da declaração

• Fonte: Bloomberg Tech, 13 de outubro de 2026.
• Quem fala: executivos de algumas das maiores empresas do setor.
• Situação do setor: a construção "mal consegue acompanhar" o avanço da IA.
• Limitação nº 1: acesso à energia.
• Limitação nº 2: mão de obra qualificada.
• O que não consta no texto disponível: volumes de capacidade, prazos de entrada em operação e valores de investimento.

Por que isso muda o jogo no mercado

Há um par de anos, o principal item em falta eram os aceleradores. Agora, pelo que dizem as operadoras, um chip sem energia disponível vira uma carga cara parada no estoque. Isso desloca a vantagem competitiva. Saem na frente as empresas que garantiram conexões com antecedência, fecharam acordos de geração e montaram equipes de empreiteiras, e não as que simplesmente fizeram um grande pedido de hardware.

Há ainda um segundo efeito: se a obra opera no limite, qualquer falha (atraso de um transformador, descumprimento do cronograma por um empreiteiro) adia de imediato a entrada em operação do cluster. Os cronogramas quase não têm folga. Para quem desenvolve modelos, isso significa que os planos de treinamento e inferência dependem cada vez mais da infraestrutura física, e não apenas de algoritmos e orçamento.

O que equipes e investidores devem fazer

Quem contrata capacidade para IA deve perguntar aos provedores não só o preço por GPU-hora, mas também o status da conexão do site, o cronograma de entrega dos equipamentos elétricos e se a obra tem pessoal suficiente. Esses indicadores são mais confiáveis para estimar prazos reais do que promessas sobre o número de racks.

Equipes que constroem produtos sobre nuvens de terceiros devem prever folga nos prazos e projetar o sistema para tolerar a falta de capacidade: otimização de inferência, quantização e distribuição flexível da carga entre regiões reduzem a dependência de um único campus. Para investidores, vale olhar para as empresas da cadeia de energia e de mão de obra qualificada, como treinamento de eletricistas e engenheiros e equipamentos para redes elétricas, e não apenas para os fabricantes de chips. A dimensão exata do déficit só ficará clara quando as operadoras divulgarem os números dos projetos. Por ora, a direção é evidente: o gargalo saiu do silício e foi para os quilowatts e as pessoas.