A inteligência artificial pode transformar a economia e ainda produzir investimentos ruins.

Não existe contradição nisso.

Uma tecnologia pode aumentar produtividade, criar mercados e mudar indústrias inteiras enquanto algumas empresas pagam caro demais para construí-la, assumem dívida demais ou demoram mais do que o esperado para transformar investimento em caixa.

Essa diferença começa a aparecer no mercado de crédito americano.

Segundo dados do Goldman Sachs citados pela Reuters, a emissão bruta de dívida dos grandes hyperscalers pode chegar a US$ 420 bilhões em 2027, cerca de 60% acima da estimativa para 2026.

Ao mesmo tempo, spreads de emissores ligados à IA estavam próximos de 115 pontos-base, contra aproximadamente 78 pontos-base no mercado investment grade mais amplo.

Isso não significa que investidores estejam esperando uma onda de defaults.

Gestores ouvidos pela Reuters atribuem boa parte dessa diferença a algo mais imediato:

muita dívida chegando ao mercado, emitida repetidamente por empresas às quais muitos investidores já estão bastante expostos.

Construir infraestrutura de inteligência artificial exige muito mais do que comprar GPUs.

É preciso financiar chips, terrenos, data centers, sistemas de refrigeração, transmissão elétrica, geração de energia, redes, servidores e construção.

A escala já é extraordinária.

A S&P estimava em maio que Alphabet, Amazon, Meta, Microsoft e Oracle gastariam aproximadamente US$ 750 bilhões em CAPEX apenas em 2026 — cerca de 38% da receita combinada dessas empresas.

Apesar disso, a agência avaliava que a maioria ainda possuía balanços suficientemente fortes para administrar esses investimentos.

Essa nuance é fundamental.

O problema atual não é simplesmente:

“Big Tech está endividada demais.”

A questão é outra:

quanto maior o investimento, mais importante se torna a maneira como ele é financiado.

Empresas com grande geração de caixa conseguem pagar parte relevante da expansão internamente.

Mas, à medida que o CAPEX cresce, outras fontes entram na equação:

corporate bonds · bank loans · private credit · project finance · convertibles · joint ventures · SPVs · leases.

O boom da IA deixou de ser apenas uma linha de investimento nos balanços das empresas de tecnologia.

Virou uma arquitetura financeira.

Imagine um gestor que já possui bonds da Alphabet.

Ele também pode estar economicamente exposto à companhia — ou ao mesmo ecossistema — por meio de financiamento de data centers, private credit ou outras estruturas.

Quando novas emissões continuam chegando, surge outro problema:

concentração.

O investidor deixa de perguntar apenas:

“essa empresa consegue pagar?”

e passa a perguntar também:

“quanto desse mesmo risco eu quero dentro da carteira?”

Isso ajuda a explicar por que emissores financeiramente sólidos podem precisar oferecer uma concessão maior.

A Reuters mostrou que uma emissão recente da Alphabet exigiu prêmio adicional para atrair compradores.

Enquanto isso, uma operação de US$ 13,5 bilhões da Aon recebeu aproximadamente US$ 65 bilhões em ordens.

O dinheiro não havia desaparecido.

A preferência havia mudado.

Por isso, spread abrindo pode indicar risco fundamental — mas também pode refletir simplesmente:

mais oferta · maior concentração · necessidade de preço melhor para absorver novas emissões.

As duas coisas não devem ser confundidas.

Muita emissão, sozinha, não torna uma empresa insolvente.

O problema muda de natureza quando o investimento começa a crescer mais rápido que a capacidade de gerar caixa.

É aí que algumas métricas ganham importância.

CAPEX: quanto dinheiro precisa ser investido antes que a receita apareça?

Free cash flow: depois desses investimentos, quanto caixa realmente sobra?

Leverage: a dívida cresce mais rapidamente que EBITDA, lucros ou caixa?

Cobertura de juros: quanto do resultado operacional começa a ser consumido pelo serviço da dívida?

Monetização: os novos produtos e data centers estão produzindo receita na velocidade esperada?

Refinanciamento: a empresa depende de continuar acessando o mercado para sustentar a estrutura financeira?

É nesse ponto que uma história de crescimento pode virar uma história de crédito.

A S&P já destaca que dívida, leases, garantias, joint ventures e SPVs ganharam importância no financiamento da infraestrutura de IA.

Também passou a observar com mais atenção monetização, durabilidade da demanda, risco de sobrecapacidade e obrigações contratuais.

Oracle oferece um caso mais extremo.

Cerca de US$ 18 bilhões em empréstimos ligados ao Project Jupiter, um data center no Novo México associado à expansão da companhia, chegaram a ser negociados entre 89 e 91 centavos por dólar, enquanto bancos encontravam dificuldade para distribuir parte da dívida.

Em outra apuração, a Reuters registrou aproximadamente US$ 129,5 bilhões em dívida da Oracle, leverage próximo de 4,3 vezes o EBITDA, free cash flow negativo e rating BBB- da S&P, apenas um nível acima de speculative grade.

Isso não significa que Oracle represente todo o setor.

Alphabet, Microsoft e outros grandes grupos continuam com perfis de crédito significativamente mais fortes.

Mas o caso ajuda a mostrar o mecanismo:

CAPEX elevado

↓

mais dívida

↓

fluxo de caixa pressionado

↓

menor margem de segurança

↓

investidores exigem retorno maior

O problema não é a inteligência artificial ser uma tecnologia ruim.

É a estrutura financeira ficar pesada demais antes de o investimento produzir o retorno esperado.

Outro movimento torna essa história mais complexa.

Parte da infraestrutura de IA já não é financiada apenas por corporate bonds emitidos diretamente pelas Big Techs.

A Meta, por exemplo, participou de uma estrutura com a Blue Owl ligada a um campus de data centers na Louisiana.

O veículo Beignet Investor levantou cerca de US$ 27,3 bilhões em dívida dentro de uma arquitetura que combina joint venture, financiamento de projeto e contratos de aluguel vinculados à Meta.

A Nvidia também anunciou plataformas com grandes instituições financeiras destinadas a mobilizar mais de US$ 500 bilhões em capital de terceiros para infraestrutura de IA.

Isso cria uma consequência menos óbvia:

diversificação por instrumento não significa necessariamente diversificação econômica.

Um investidor pode possuir corporate bonds, private credit e financiamento estruturado diferentes e descobrir que todos dependem, no fundo, dos mesmos hyperscalers ou da mesma expansão de data centers.

A exposição muda de forma. Não necessariamente de origem.

Essa diferença é central para entender por que ações e crédito podem enviar sinais diferentes sobre a mesma empresa.

Um acionista participa de um upside potencialmente enorme.

Se uma companhia crescer dez vezes, ele pode capturar parte significativa desse crescimento.

O credor possui outra estrutura.

Se tudo der extraordinariamente certo, ele continua recebendo principalmente:

juros + principal.

Mas se a empresa errar a alocação de capital, atrasar projetos ou aumentar demais o endividamento, o downside afeta diretamente sua capacidade de receber.

Por isso acionista e credor podem acreditar igualmente no futuro da IA e chegar a decisões diferentes.

O acionista pergunta:

quanto essa empresa pode crescer?

O credor pergunta:

quanto caixa estará disponível para me pagar?

É perfeitamente possível, portanto, observar:

ações subindo

e

spreads de crédito abrindo

ao mesmo tempo.

Os dois mercados podem estar precificando partes diferentes da mesma história.

Ferrovias transformaram economias.

A internet transformou praticamente todas as indústrias.

Isso não impediu períodos de excesso de investimento, empresas ruins ou perdas para quem financiou determinadas partes desses ciclos.

O BIS utiliza justamente os ciclos de expansão ferroviária e da dotcom como referências históricas para explicar por que a escala atual merece atenção — sem afirmar que a IA necessariamente repetirá esses episódios.

A instituição estima que as cinco maiores empresas globais de tecnologia investirão mais de US$ 1 trilhão em IA entre 2025 e 2026.

Isso não significa que a inteligência artificial seja “uma nova dotcom”.

A comparação serve para separar duas perguntas:

Essa tecnologia vai mudar o mundo?

e

esse investimento específico foi financiado a um preço e numa estrutura capazes de gerar retorno adequado?

As respostas podem ser diferentes.

E essa talvez seja uma das mudanças mais importantes da próxima fase do boom da IA.

Até agora, boa parte da atenção estava em quem teria os melhores modelos, chips ou data centers.

A próxima pergunta é financeira:

quem consegue construir tudo isso sem comprometer o balanço antes que o retorno apareça?

Porque uma revolução tecnológica pode vencer.

E ainda assim deixar pelo caminho investidores que financiaram a tecnologia certa, a empresa certa ou a infraestrutura certa — pelo preço ou pela estrutura errados.

FONTES E REFERÊNCIAS