IA dá lucro zero fora do tech, diz economista da Apollo

O retorno sumiu no balanço

Se o retorno financeiro da IA fora do tech é zero, onde foi parar o seu orçamento de 2024 e 2025? Essa é a pergunta incômoda que Torsten Slok, economista-chefe da Apollo Global Management, colocou na mesa ao dissecar os balanços americanos. Enquanto times pagam licenças de copilotos, tokens de API, projetos de chatbot e consultorias de transformação, a margem das empresas tradicionais simplesmente não se moveu. Não é percepção, é número frio de demonstrativo financeiro, receita por funcionário estagnada e lucro que não aparece.

Para quem opera produto ou engenharia, esse dado dói porque a gente sente o ganho no dia a dia. O código sai mais rápido, o atendimento responde em segundos, o relatório se resume sozinho. Mas o CFO olha para a última linha e pergunta o óbvio: isso virou preço maior, custo menor ou volume maior? Se a resposta for não, então foi só eficiência localizada, não retorno. E é exatamente esse descompasso entre sensação de produtividade e resultado contábil que a análise da Apollo expõe.

O fato

O que Slok fez foi simples e brutal. Ele criou o que chama de S&P 493, ou seja, o S&P 500 menos as sete gigantes que capturam quase todo o valor da IA: Alphabet, Amazon, Apple, Meta, Microsoft, Nvidia e Tesla. Ao isolar essas sete, ele olhou para as outras 493 empresas, que representam a América corporativa tradicional de indústria, varejo, saúde, bancos, energia e serviços. O resultado: margens de lucro estáveis e receita por trabalhador estável, sem nenhum salto visível de produtividade que possa ser atribuído à IA.

A frase dele resume o clima em Wall Street: apesar dos investimentos massivos e do hype generalizado em torno da inteligência artificial, a tecnologia entregou retorno financeiro zero para a América corporativa fora do tech. Ele vai além do número e cutuca a tese central do mercado. Na visão dele, será difícil transformar inteligência cada vez mais barata em crescimento de receita e margem maior. A IA pode ser uma ótima calculadora, mas negócio é, na maior parte, julgamento. A IA não entende responsabilidade, confiança, cultura, regras não escritas, dilemas éticos ou senso de justiça, e são esses fatores que moldam risco reputacional e, no fim, margem e crescimento.

Como funciona na visão de operador

Olhando como quem constrói, o diagnóstico faz sentido porque o custo da IA não está só no modelo. Está na stack inteira ao redor. Você paga API por token, paga vetor database, paga observabilidade, paga re-ranking, paga engenharia para tratar alucinação, paga fila e cache para controlar latência, paga revisão humana para não deixar o agente quebrar o processo. A inferência ficou mais barata por token, sim, mas o custo total por tarefa resolvida com confiabilidade continua alto quando você soma engenharia, suporte e retrabalho.

Tem também um problema de arquitetura que quase ninguém admite. A maioria dos projetos está presa em pilotos isolados. Um chatbot no site que não lê o ERP, um copiloto que sugere texto mas não executa ação, um agente de vendas sem acesso a estoque, crédito e logística. Sem acesso profundo a dados e sem permissão para mexer no workflow, o modelo vira uma camada simpática por cima de um processo quebrado. Ele responde bem, mas não fecha negócio, não reduz headcount, não elimina etapa. Gera log bonito, não gera margem.

Minha inferência técnica, e deixo claro que é inferência, não dado auditado, é que estamos pagando latência e complexidade para manter o humano no loop por medo. Como o modelo ainda erra em casos de borda e não carrega responsabilidade legal, toda empresa séria coloca uma trava humana no final. Esse humano custa caro, introduz fila e anula parte do ganho de velocidade. É racional do ponto de vista de risco, mas mata o ROI no curto prazo. Você tem custo de automação mais custo de supervisão, sem poder remover o custo antigo.

O que isso muda na prática

Quem ganha com esse cenário são os fornecedores de infraestrutura. As sete grandes vendem nuvem, chips, modelos e ferramentas, com receita recorrente e margem alta. Quem perde é a empresa do meio que compra IA como se fosse software pronto, sem redesenhar processo, sem métrica de margem e sem dono de P&L para o projeto. O prestador de serviço que vende hora de implementação também ganha agora, mas vai sofrer depois quando o cliente cortar o que não deu retorno.

• Feche um caso de margem antes de escalar: escolha um fluxo com custo mensurável, como contestação de chargeback, triagem de tickets ou reconciliação fiscal, e defina meta de custo por caso resolvido, não de satisfação.
• Troque piloto por remoção de etapa: só mantenha o projeto se ele eliminar uma aprovação, um handoff ou um turno inteiro, com acesso real a sistemas via API.
• Audite o custo total por tarefa: some tokens, infra, revisão humana e retrabalho por 30 dias e compare com o processo antigo. Se não cair ao menos 20 por cento, pause e redesenhe.

A ação prática mais imediata é congelar novos pilotos por 30 dias e fazer um mutirão de atribuição. Pegue seus três maiores gastos com IA e pergunte: qual linha do DRE isso deveria mover? Se ninguém souber responder com número e dono, corte. Operador maduro não precisa de mais dez demos, precisa de um fluxo onde a IA assume responsabilidade delimitada, com guardrails, logs e rollback, e libera gente de verdade para outra função. Sem isso, é teatro de produtividade.

A tensão que ninguém quer encarar

Aqui está a dúvida real: inteligência barata não vira automaticamente lucro. Na indústria, energia barata só virou margem para quem redesenhou fábrica, logística e produto. Com IA é igual. Ter token barato ajuda, mas julgamento, confiança e responsabilização continuam caros e humanos. Banco não pode deixar um agente inventar uma justificativa de crédito. Hospital não pode deixar um resumo trocar um sintoma. Varejista não pode deixar um agente prometer prazo que a logística não cumpre. Cada erro desses vira risco reputacional que corrói exatamente a margem que a IA prometia criar.

E tem a questão de escala. O primeiro chatbot para mil usuários parece barato. Colocar para 10 milhões, com pico, multilíngue, compliance, auditoria e suporte 24 por 7, muda a conta de latência, cache e observabilidade. Muitas empresas vão descobrir que o custo marginal não é zero, é uma nova infraestrutura permanente. Isso resolve ou só move o gargalo do teclado para a supervisão, do atendimento para a auditoria, do redator para o revisor? Se só mover, o S&P 493 vai continuar plano por mais alguns trimestres, e o mercado vai cobrar.

Conclusão

No fim, a Apollo não está dizendo que IA é inútil, está dizendo que, fora do tech, ela ainda não virou dinheiro. E dinheiro, para empresa tradicional, é margem e receita por pessoa, não demo bonita. A pergunta que fica para você que constrói é simples: seu projeto de IA remove custo ou só deixa o custo antigo mais confortável?