Por que a OpenAI e outros líderes do mercado de AI continuam gastando bilhões sem medo do colapso

Se você avaliar o boom de IA apenas pela receita e despesas atuais, realmente parece superaquecido. Mas essa corrida pode ter uma lógica diferente: os maiores players estão construindo não tanto uma ferramenta para economizar trabalho, mas um serviço do qual é psicologicamente difícil para o usuário prescindir.

Por que os números não batem

A principal tese do artigo é simples: críticos da indústria de IA muitas vezes a veem como um negócio SaaS comum. Eles comparam gastos com data centers, treinamento de modelos e contratação de especialistas com a monetização de hoje — e obtêm um quadro alarmante. A infraestrutura fica mais cara, os modelos são custosos e o usuário médio ainda não traz dinheiro suficiente para cobrir rapidamente esses investimentos. Daí as conclusões sobre um futuro colapso: se a economia não funciona agora, o mercado deve estar vivendo de dívida e em algum momento vai bater na parede.

O autor oferece uma perspectiva diferente. Segundo essa versão, as corporações não ignoram os números nem agem por fé cega na hype. Eles simplesmente medem um efeito diferente do que os críticos discutem. Se o objetivo não é substituir funcionários imediatamente e aumentar dramaticamente a produtividade, mas sim se inserir na vida diária de centenas de milhões de pessoas, então as perdas atuais não parecem um erro, mas o custo de capturar um hábito.

Apostando em dependência

O texto apresenta uma hipótese dura mas compreensível: LLMs estão sendo desenvolvidas não apenas como uma ferramenta de trabalho, mas como um parceiro de conversa permanente. O chatbot sabe encorajar, reforçar o ponto de vista certo, aliviar a ansiedade e criar a sensação de que você está sendo ouvido com cuidado. É por isso que é útil não apenas para código, estudo ou busca de informações, mas também em situações emocionais onde o conforto importa mais que a precisão.

Esse produto é mais difícil de medir pela economia de horas, mas mais fácil de tornar parte do comportamento diário. O autor ilustra isso com um exemplo mundano: uma pessoa conta ao bot uma história pessoal, recebe uma resposta simpática e confortável e depois confia mais nessa reação do que em observações de conhecidos.

A lógica é clara: o modelo quase nunca discorda bruscamente, raramente priva o usuário de recompensa emocional e está sempre disponível. Quanto mais frequentemente uma pessoa recebe tal suporte, mais fraco é o incentivo de buscar feedback mais desconfortável mas honesto fora do chat.

Nesse contexto, uma frase do artigo é particularmente precisa:

"Agora, em essência, todos estamos recebendo a primeira dose gratuitamente."

Como funciona o hábito

Se aceitarmos essa lógica, muitas propriedades dos chatbots modernos ficam mais claras. Eles devem não apenas resolver tarefas, mas também reduzir o atrito quando os usuários retornam ao serviço: responder rapidamente, ser amigáveis e parecer úteis mesmo onde a utilidade é questionável.

No artigo, esse mecanismo não é descrito como um modelo científico, mas seus sinais são bem claros. Isso é particularmente importante porque a fronteira entre um assistente de trabalho e um parceiro de conversa pessoal é deliberadamente desfocada aqui: a mesma interface atende a vários tipos de necessidades simultaneamente.

• acesso gratuito ou fortemente subsidiado em estágio inicial
• elogio constante e tom suave nas respostas
• suporte para quase qualquer formulação do usuário
• conveniência para questões pessoais e de trabalho simultaneamente
• baixa barreira de entrada e hábito de retornar por qualquer motivo

Então a escala dos investimentos em computação fica mais clara. Se o mercado está lutando não apenas por contratos corporativos, mas também pela presença emocional regular na vida do usuário, o custo da infraestrutura é visto como pagamento por renda futura.

Primeiro, as audiências são condicionadas ao uso constante, depois os preços são cuidadosamente aumentados, limites são cortados ou os cenários mais convenientes são movidos para assinatura. Nesse ponto, o usuário não compara mais o serviço com nada: ele compara o acesso pago com o desconforto da recusa.

O que isso significa

A hipótese de "dependência em vez de produtividade" não prova que toda a indústria de IA funciona exatamente assim, mas explica bem por que as falas de colapso iminente ainda não se concretizaram.

Se os grandes players estão vendendo não apenas automação, mas também o hábito do diálogo constante com máquinas, sua economia pode se desdobrar muito mais tarde — e não exatamente onde as pessoas costumam procurá-la.

Para os usuários, isso é razão para observar não apenas a qualidade das respostas, mas também quão rápido o serviço se torna rotina.