O CEO da Palantir Technologies, Alex Karp, acusou a OpenAI e a Anthropic de sobrevalorizar serviços de IA cobrados por token, que, segundo ele, muitas vezes geram pouco valor mensurável para grandes empresas.
Principais pontos:
- Karp afirma que as empresas pagam por tokens de IA sem obter resultados que justifiquem o custo.
- Ele argumenta que os fornecedores podem também ganhar acesso a conhecimento proprietário e informações competitivas dos clientes.
- As críticas expõem 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 os comentários numa entrevista à CNBC, na qual questionou a lógica económica de cobrar empresas pelo número de tokens processados por um modelo de IA.
“Por que estão a cobrar por tokens, se é assim tão valioso?”, questionou Karp, defendendo que os fornecedores deveriam, em vez disso, receber uma fatia do valor que os seus sistemas efetivamente geram para os clientes.
Ele acrescentou que as empresas correm o risco de ceder conhecimento proprietário quando ligam dados internos e fluxos de trabalho a modelos externos. Karp descreveu um quadro de frustração crescente entre organizações que gastaram somas significativas em ferramentas de IA sem observar ganhos proporcionais de produtividade.
As críticas também servem diretamente a posição comercial da Palantir, que vende software concebido para integrar modelos, dados e sistemas operacionais dentro de ambientes controlados.
Ainda assim, os comentários refletem uma preocupação empresarial mais vasta com custos, governação de dados e o fraco retorno observado nas primeiras implementações de IA.
Veja também: Bitget lança Cash Plus para remunerar saldos ociosos em stablecoins
Retorno da IA corporativa
O argumento de Karp centra-se na distância entre output técnico e resultado económico. A faturação por token mede quanto texto ou dado um modelo processa, mas não indica se esse trabalho aumenta receitas, reduz custos ou melhora a qualidade das decisões.
Essa distinção ganha peso à medida que os compradores corporativos se tornam mais seletivos.
Sam Altman já reconheceu que o custo da IA e a eficiência tornaram‑se temas centrais para executivos, enquanto empresas passam a testar modelos mais baratos e a distribuir carga de trabalho por vários fornecedores.
Karp propõe uma precificação baseada em resultados, em que o fornecedor de IA seria remunerado de acordo com ganhos mensuráveis. Essa abordagem poderia reduzir gastos com uso improdutivo, embora exija que empresas e provedores cheguem a consenso sobre como calcular o valor gerado.
A disputa surge após anos de adoção acelerada de IA empresarial, impulsionada pela expectativa de que modelos generalistas transformariam tarefas rotineiras. À medida que os projetos‑piloto amadurecem, os compradores deslocam o foco da capacidade dos modelos para questões de propriedade, segurança e retorno comprovado.
Leia a seguir: Mercado de stablecoins encolhe US$ 10 bi desde o pico de maio com retração da liquidez cripto