Grandes empresas de tecnologia seguem queimando bilhões em chatbots de IA — uma análise projeta um déficit estimado de US$ 800 bilhões em receita até 2030 🧵

Contexto: a corrida pela AGI reforçou o investimento em modelos generativos (tipo ChatGPT). Esses sistemas treinam em vastos volumes de dados humanos, têm aplicações amplas e atraem atenção, mas exigem custos massivos de pesquisa, dados e computação.

Por que a conta não fecha? A análise aponta fatores claros: custos crescentes de treinamento e inferência (GPU/TPU), despesas em nuvem, equipes de P&D e políticas comerciais que subsidiam o crescimento em vez de monetizar produtos.

Além do financeiro há efeitos operacionais e ambientais: treinar grandes modelos consome muita energia e aumenta emissões. Também há custo social — anotadores e moderadores muitas vezes trabalham em condições frágeis. Otimização e justiça trabalhista são urgentes.

Risco de concentração: empresas como OpenAI, Google e Microsoft podem sustentar prejuízos e dificultar concorrentes menores. Para preservar competição e acesso democrático à tecnologia, políticas públicas, financiamento a iniciativas abertas e padrões são importantes.

O que observar daqui pra frente: unit economics reais (custo por inferência), modelos especializados mais eficientes, caminhos de monetização (licenças, APIs verticais) e maior transparência sobre dados, segurança e impactos socioambientais.

Conclusão: a projeção de US$ 800 bi até 2030 é um sinal para mudar de corrida por hype para foco em sustentabilidade econômica, técnica e social. Eficiência, regulação responsável e inclusão decidirão quem sobrevive na próxima década.