Existe uma aparente contradição no centro do atual boom da inteligência artificial.

A IA pode transformar empresas, elevar produtividade, criar novos produtos e modificar setores inteiros da economia.

E, ainda assim, parte do capital usado para construir essa transformação pode entregar retornos ruins.

Uma coisa não invalida a outra.

Ferrovias transformaram economias mesmo depois de ciclos em que investidores ferroviários sofreram perdas. A internet continuou reorganizando o mundo depois do estouro da bolha pontocom.

O motivo é simples, mas frequentemente esquecido:

uma tecnologia criar valor econômico não significa que todo o capital usado para construí-la será bem remunerado.

É essa diferença que começa a se tornar uma das perguntas mais importantes da economia da inteligência artificial.

Nos primeiros anos da corrida da IA, boa parte da atenção ficou concentrada em parâmetros, chips, benchmarks e capacidade computacional.

Agora outra pergunta ganha importância:

quem vai pagar por toda essa infraestrutura?

A PwC, em modelagem encomendada à Oxford Economics, projeta em seu cenário central aproximadamente US$ 31,6 trilhões em investimento global acumulado em data centers até 2050.

Isso não significa que esse dinheiro já esteja comprometido.

É uma projeção sobre a escala potencial do ciclo de infraestrutura, incluindo não apenas a construção de novas instalações, mas sucessivas substituições de servidores, GPUs e outros equipamentos.

A Bain chegou ao problema por outro caminho.

Segundo a consultoria, sustentar a demanda projetada por computação poderia exigir que o mercado de IA chegasse a aproximadamente US$ 6 trilhões em receita anual em 2031.

A lógica é econômica.

A Bain trabalha com algo próximo de US$ 1,5 trilhão de investimento anual em infraestrutura de IA em 2031 e assume uma relação de CAPEX equivalente a cerca de 25% da receita do setor.

Nesse exercício:

US$ 1,5 trilhão de CAPEX anual

leva a aproximadamente

US$ 6 trilhões de receita anual.

Os números da PwC e da Bain não fazem parte da mesma equação. Um mede CAPEX acumulado até 2050; o outro estima uma necessidade anual de receita em 2031.

Mas ambos ajudam a revelar a mesma tensão:

a infraestrutura projetada pressupõe uma economia de IA muito maior do que a existente hoje.

É aqui que aparece um dos números mais importantes do debate.

A Bain estima que aplicações de IA para consumidores e empresas que já conseguimos conceber poderiam gerar entre US$ 1,2 trilhão e US$ 1,8 trilhão por ano.

No topo dessa faixa, ainda restariam aproximadamente:

US$ 4,2 trilhões anuais

para chegar ao mercado de US$ 6 trilhões estimado pela consultoria.

Essa receita precisaria surgir de novas categorias: sistemas autônomos, robótica e physical AI, publicidade e busca integradas às interfaces de IA, além de produtos e mercados que talvez ainda nem existam comercialmente em grande escala.

Isso não significa que exista hoje um “rombo” de US$ 4,2 trilhões.

O número dimensiona outra coisa:

quanto valor econômico novo teria de ser criado para sustentar determinado nível futuro de infraestrutura.

E aí a pergunta muda.

Sai:

“A IA é impressionante?”

Entra:

“A utilização dessa infraestrutura conseguirá gerar receita e fluxo de caixa suficientes?”

Existe uma sequência:

expectativa de demanda

→ CAPEX

→ capacidade computacional

→ utilização

→ receita

→ margem e fluxo de caixa

→ retorno sobre o capital

→ remuneração de acionistas e credores

Cada elo importa.

Um data center pode existir e ser utilizado abaixo do esperado.

Pode operar com alta utilização, mas vender computação a preços que comprimam margens.

Pode gerar receita e, ainda assim, não entregar retorno suficiente para compensar o capital necessário para construí-lo.

É nesse ponto que tecnologia e finanças deixam de ser a mesma história.

Uma GPU pode ser extraordinariamente útil.

Um data center pode se tornar infraestrutura essencial.

Um modelo de IA pode transformar um setor.

Nada disso garante automaticamente que o preço pago para construir aquela capacidade tenha sido economicamente racional.

Essa distinção se torna ainda mais importante à medida que muda a arquitetura financeira da expansão.

Enquanto empresas conseguem financiar esses investimentos principalmente com seus próprios fluxos de caixa, a exposição financeira direta permanece mais concentrada em seus balanços.

Mas a escala projetada do ciclo de IA começa a exigir outras fontes de capital.

O Bank of England citou estimativa de analistas do J.P. Morgan segundo a qual aproximadamente US$ 4,1 trilhões de CAPEX relacionado à IA entre 2026 e 2030 poderiam ser financiados por emissão de dívida.

O mesmo documento cita estimativa da Morgan Stanley de cerca de US$ 700 bilhões de CAPEX de data centers entre 2026 e 2028 financiados por private credit.

Além da dívida tradicional, entram estruturas como:

leases, joint ventures, project finance, private credit, securitizações e veículos de propósito específico — SPVs.

Esses instrumentos não são, por si só, sinal de problema.

Eles permitem distribuir custos e aumentar a capacidade de financiamento.

Mas introduzem uma variável fundamental:

o relógio financeiro passa a correr independentemente do ritmo da adoção tecnológica.

A demanda futura pode ser enorme.

A dívida, porém, tem vencimentos.

Leases têm pagamentos.

Credores precisam ser remunerados.

É possível, portanto, que a IA seja adotada em larga escala e que ainda assim alguns projetos tenham sido financiados cedo demais, a preços altos demais ou com estruturas de capital pouco tolerantes ao tempo necessário para a demanda amadurecer.

Ainda não há evidência de uma crise generalizada.

Mas investidores de renda fixa já demonstram maior seletividade em parte das emissões relacionadas ao boom.

Segundo dados reunidos pela Reuters, spreads de alguns emissores associados à IA chegaram a aproximadamente 115 pontos-base, frente a cerca de 78 pontos-base no mercado investment grade mais amplo.

Isso não significa que investidores estejam esperando defaults generalizados dos grandes grupos de tecnologia.

A diferença pode refletir aumento da oferta de dívida, concentração e maior incerteza sobre os retornos futuros.

Essa distinção importa:

prêmio de risco maior não significa crise.

Significa que o capital começa a fazer a pergunta que inevitavelmente aparece depois de grandes ondas de investimento:

qual retorno estou recebendo para financiar isso?

Existe um contrapeso importante.

Talvez a demanda ainda esteja apenas começando.

Infraestrutura construída antes da expansão de determinados casos de uso pode parecer subutilizada durante algum tempo e posteriormente se tornar essencial.

Além disso, tecnologias de propósito geral podem levar anos para reorganizar processos empresariais, softwares, treinamento e modelos de negócio antes que seu impacto apareça claramente nas estatísticas agregadas.

Por isso:

CAPEX gigantesco não prova a existência de uma bolha.

E:

subutilização temporária não prova sobreinvestimento estrutural.

O J.P. Morgan observa que ganhos amplos de produtividade associados à IA ainda não aparecem de forma clara nos dados agregados, embora parte importante da justificativa financeira do boom dependa justamente de ganhos futuros.

A questão, portanto, não é escolher entre duas frases:

“a IA vai transformar o mundo”

ou

“a IA é uma bolha”.

As duas simplificam demais o problema.

Existe um cenário muito mais interessante:

a IA pode transformar o mundo e, durante esse processo, destruir capital.

Existe uma variável conectando toda essa história:

tempo.

Se utilização, receita e produtividade crescerem antes que as obrigações financeiras da infraestrutura apertem, boa parte do investimento poderá se justificar.

Se a demanda amadurecer mais lentamente, a infraestrutura ainda pode permanecer útil.

Os modelos podem continuar melhorando.

Empresas podem continuar adotando IA.

A tecnologia pode produzir grandes ganhos econômicos.

E, mesmo assim, investidores específicos podem sofrer perdas, ativos podem ser reprecificados e projetos podem precisar ser reestruturados.

Esse é um paradoxo comum às grandes ondas de infraestrutura:

a sociedade pode ganhar.

A tecnologia pode vencer.

E nem todo financiador precisa vencer junto.

Por isso, a próxima fase da corrida da inteligência artificial provavelmente será menos sobre quantos parâmetros um modelo possui ou quantas GPUs uma empresa comprou.

Será cada vez mais sobre quatro variáveis:

utilização

receita

margem

retorno sobre o capital

A pergunta decisiva não será apenas quanto a IA consegue fazer.

Será:

quanto do valor econômico criado pela IA conseguirá virar fluxo de caixa — e se esse fluxo chegará rápido o suficiente para remunerar os trilhões mobilizados para construir sua infraestrutura.