O CEO da Palantir Technologies, Alex Karp, acusou OpenAI e Anthropic de supervalorizar serviços de IA baseados em tokens que, segundo ele, muitas vezes geram pouco valor mensurável para grandes corporações.
Principais pontos:
- Karp afirmou que empresas estão pagando por tokens de IA sem obter resultados que justifiquem o gasto.
- Ele argumentou que os provedores ainda podem ter acesso a conhecimento proprietário e informações competitivas de seus clientes.
- A crítica reflete um debate mais amplo sobre se a precificação de IA deve seguir o uso ou os resultados de negócio.
Preço dos tokens de IA
Karp fez as declarações em entrevista à CNBC, na qual contestou a lógica econômica de cobrar companhias pelo número de tokens processados por um modelo de IA.
“Por que eles estão cobrando por tokens, se isso é tão valioso?”, questionou Karp, defendendo que os provedores deveriam, em vez disso, receber uma fatia do valor que seus sistemas efetivamente geram para os clientes.
Ele também afirmou que empresas correm o risco de abrir mão de conhecimento proprietário ao conectar seus dados internos e fluxos de trabalho a modelos externos. Karp descreveu companhias cada vez mais frustradas após gastar pesado em ferramentas de IA sem observar ganhos proporcionais de produtividade.
A crítica também reforça a posição comercial da Palantir, que vende software para integrar modelos, dados e sistemas operacionais em ambientes controlados.
Ainda assim, as observações de Karp refletem uma preocupação corporativa mais ampla com custos, governança de dados e retornos frágeis nos primeiros projetos de IA.
Veja também: Bitget lança Cash Plus para remunerar saldos ociosos em stablecoins
Retorno da IA corporativa
O argumento de Karp gira em torno do descompasso entre output técnico e resultado de negócio. A cobrança por tokens mede quanto texto ou dado um modelo processa, mas não indica se o trabalho aumenta receita, reduz custos ou melhora a tomada de decisão.
Essa diferença passa a ser crucial à medida que compradores corporativos se tornam mais seletivos.
Sam Altman já reconheceu que gasto e eficiência em IA são agora temas centrais nas decisões de executivos, ao mesmo tempo em que empresas testam modelos mais baratos e distribuem a demanda entre vários provedores.
Karp propõe modelos de preço atrelados a resultados, em que o fornecedor de IA seria remunerado com base em ganhos mensuráveis. Essa abordagem tende a reduzir gastos com uso improdutivo, embora exija que empresas e vendors concordem previamente sobre como o valor será calculado.
A disputa surge após anos de rápida adoção corporativa, impulsionada pela expectativa de que modelos generalistas transformariam tarefas rotineiras. À medida que os projetos-piloto amadurecem, compradores deslocam o foco da mera capacidade técnica dos modelos para questões de propriedade, segurança e retorno comprovado sobre o investimento.
Próximo artigo: Mercado de stablecoins perde US$ 10 bi desde pico de maio com contração de liquidez cripto