O CEO da Palantir Technologies, Alex Karp, acusou OpenAI e Anthropic de supervalorizar serviços de IA baseados em tokens, que, segundo ele, muitas vezes entregam pouco valor mensurável para grandes corporações.
Pontos-chave:
- Karp afirmou que empresas estão pagando por tokens de IA sem obter resultados que justifiquem o gasto.
- Ele argumentou que os provedores também podem ter acesso a conhecimento proprietário e a 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 negócios.
Preço dos tokens de IA
Karp fez as declarações em entrevista à CNBC, na qual contestou a lógica econômica de cobrar empresas com base no 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 efetivamente gerado para os clientes.
Ele acrescentou que as empresas correm o risco de ceder conhecimento proprietário ao conectar dados internos e fluxos de trabalho a modelos externos. Segundo Karp, companhias demonstram crescente frustração após investir pesado em ferramentas de IA sem observar ganhos proporcionais de produtividade.
As críticas também favorecem diretamente a posição comercial da própria Palantir, que vende software voltado a integrar modelos, dados e sistemas operacionais em ambientes controlados.
Ainda assim, suas declarações ecoam uma preocupação corporativa mais ampla com custos, governança de dados e retorno limitado nas primeiras fases de adoção da IA.
Veja também: Bitget lança Cash Plus para remunerar saldos ociosos em stablecoins
Retorno da IA nas empresas
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 esse trabalho aumenta receita, reduz custos ou melhora a qualidade das decisões.
Essa diferença é crucial num momento em que compradores corporativos se tornam mais seletivos.
Sam Altman já reconheceu que gasto com IA e eficiência passaram a ser questões centrais para executivos, enquanto empresas testam modelos mais baratos e distribuem cargas de trabalho entre vários fornecedores.
Karp propõe um modelo de precificação orientado a resultados, no qual o fornecedor de IA seria remunerado com base em ganhos mensuráveis. Esse arranjo poderia cortar gastos com uso pouco produtivo, embora exija que empresas e vendors cheguem a um consenso sobre como mensurar o valor gerado.
A disputa acontece após anos de adoção acelerada de IA corporativa, impulsionada pela expectativa de que modelos generalistas transformariam o trabalho rotineiro. À medida que programas-piloto amadurecem, compradores deslocam o foco da capacidade bruta dos modelos para temas como propriedade dos dados, segurança e retorno comprovado sobre o investimento.
Leia a seguir: Mercado de stablecoins encolhe US$ 10 bi desde pico de maio com retração de liquidez cripto