A demissão de funcionários devido à implementação da IA acaba sendo economicamente inviável, pois custa mais caro.

Resumo da situação

As corporações modernas estão cada vez mais obrigando seus funcionários a usar IA para aumentar a eficiência do trabalho. No entanto, os custos dessas tecnologias crescem mais rápido que o retorno econômico, e muitas empresas já enfrentam dificuldades financeiras.

1. Microsoft: transição de Claude Code para GitHub Copilot CLI
- O que aconteceu
- Em seis meses, a Microsoft implementou em seus projetos o programador de IA Anthropic Claude Code, incentivando os desenvolvedores a experimentá‑lo.
- Agora a empresa está cancelando a maioria das licenças de trabalho para Claude Code e transferindo os engenheiros para sua própria ferramenta GitHub Copilot CLI.
- Por que isso importa
- Apesar da descontinuação das licenças, a Microsoft continua investindo na Anthropic: US$ 5 bilhões em investimentos e compromisso de comprar capacidade computacional Azure no valor de US$ 30 bilhões.

2. Uber: fluxo orçamentário de IA
- Situação
- Em quatro meses, os engenheiros da Uber esgotaram todo o orçamento alocado para IA até 2026.
- Anteriormente, a liderança incentivava a adoção de IA, mesmo criando rankings de departamentos por uso de tecnologia.
- Conclusões
- O custo de implementação da IA torna-se uma barreira séria: o vice‑presidente de aprendizado profundo da Nvidia, Brian Katanzaro, observou que os gastos com recursos computacionais superam os salários dos funcionários.

3. Outros grandes players
Empresa | Medida de estímulo | Problema
Meta ✴ Tabela de líderes “Clodonomics” (em homenagem ao Anthropic Claude) | Aumento do custo dos tokens sob modelo de consumo | Recomendação: “usar o máximo possível os tokens de IA” | Aumento das despesas com computação

4. Previsões e análises
- Goldman Sachs
- Até 2030, o consumo de tokens de IA pode crescer 24 vezes, atingindo 120 quadrilhões de tokens por mês.
- Mesmo com queda no preço por token, as despesas totais com IA continuarão a subir.
- Gartner
- O deployment de modelos com um trilhão de parâmetros até 2030 pode ser 90 % mais barato que em 2025.
- No entanto, modelos gerenciados por agentes de IA consomem mais tokens do que soluções padrão, então a redução de custo nem sempre compensa o aumento de gasto.

5. Consequências para os negócios
- Risco financeiro – as empresas podem enfrentar custos inesperados com computação se o consumo de tokens superar a queda esperada nos preços.
- Planejamento de estratégias de IA – líderes precisam revisar orçamentos e modelos de monetização para evitar “investimentos perdidos” em IA.

6. Conclusão
A implementação da inteligência artificial continua sendo uma prioridade para os grandes gigantes tecnológicos, mas os crescentes custos com computação e tokens criam novos desafios. As empresas são forçadas a equilibrar o desejo de aumentar a produtividade dos funcionários com as limitações financeiras reais.