Queda do índice Nasdaq em meio a preocupações com gastos com IA e expansão de data centers

Apesar da crescente disponibilidade de modelos de inteligência artificial, transformar esses modelos em produtos comerciais confiáveis continua sendo um desafio complexo, especialmente quando as empresas enfrentam uma infraestrutura de dados fragmentada.

No evento TechSparks 2026, Michael Cronin, vice-presidente de vendas para a Ásia-Pacífico, Japão e Índia da Couchbase, participou de um debate com Shivani Mutanna, diretora sênior de conteúdo estratégico e vídeo da YourStory. Eles discutiram a transição da IA da fase de experimentação para a produção completa, os desafios de gerenciamento, a experiência do cliente e o papel crescente da Índia nas inovações de IA.

Durante décadas, grandes corporações implementaram vários bancos de dados e soluções altamente especializadas para resolver tarefas específicas. Embora cada uma delas resolvesse um problema imediato, o resultado era frequentemente um nível de dados fragmentado, composto por múltiplos sistemas que interagem mal entre si.

Cronin considera essa fragmentação um sério obstáculo para a adoção de IA. Ele cita estimativas do setor de que 70-80% dos projetos de desenvolvimento de IA nunca chegam à fase de produção, e uma pesquisa do MIT mostrou que 95% desses projetos não se tornam lucrativos.

A plataforma operacional de dados da Couchbase foi desenvolvida para resolver esse problema, ajudando as empresas a consolidar sua infraestrutura de dados. Em vez de tentar consertar tudo de uma vez, Cronin aconselhou as empresas a começarem pequeno, recomendando que fundadores e empresas que lutam contra a fragmentação de dados escolham primeiro os casos de uso mais críticos.

Ele citou o varejista Tesco do Reino Unido, que possui um grande Centro de Competências Global (GCC) em Bengaluru. Muitos sistemas desse varejista afetavam negativamente a experiência do cliente, especialmente durante períodos de compras intensas, como a Black Friday e fins de semana. A Tesco começou a consolidar seu nível de dados, começando com uma instância e um caso de uso, antes de expandir os esforços por todo o seu stack tecnológico. Essa consolidação permitiu ao varejista processar milhões de transações por segundo com latência inferior a um milissegundo. Na opinião de Cronin, este exemplo demonstra como as empresas podem começar a resolver o problema da fragmentação através de um único caso de uso antes de expandir as mudanças para toda a sua operação.

A pressão relacionada ao desenvolvimento de produtos de IA levou muitas empresas a priorizar modelos e aplicativos. No entanto, os projetos piloto são frequentemente realizados em pequenos conjuntos de dados em ambientes controlados, o que não prepara as organizações para os requisitos de produção reais. Cronin chamou a atenção para a crescente escala do tráfego de máquina. Ele declarou: «Em dezoito meses, o tráfego de máquina ultrapassou o tráfego humano na internet. Este é o escopo da IA. É a escala da velocidade da máquina na qual as empresas devem operar».

Quando os aplicativos de IA encontram cargas de trabalho do mundo real, os sistemas de dados fragmentados podem impedir seu funcionamento confiável em escala. O uso crescente de agentes de IA agrava esse problema. À medida que os agentes se tornam mais autônomos e assumem funções de tomada de decisão, as empresas devem garantir que eles possam acessar os dados necessários dentro das estruturas de governança apropriadas.

Sistemas fragmentados podem dificultar a comunicação e o gerenciamento, limitando a capacidade dos agentes de agir autonomamente. Cronin também pediu que as empresas revissem a abordagem de alocação de investimentos em IA. Embora os modelos evoluam rapidamente, os dados corporativos permanecem um ativo crucial. Ele enfatizou: «Modelos podem ser alugados. O melhor modelo hoje é o jornal de ontem. O verdadeiro ativo para uma empresa são os dados».

À medida que as empresas começaram a perceber que dados fragmentados estavam atrasando suas iniciativas de IA, muitas reagiram adicionando APIs e conectores para ligar sistemas existentes. No entanto, Cronin alertou que esse método pode criar complexidade adicional em vez de resolver o problema principal. Cada conexão adicional aumenta a latência, o risco e cria outro ponto potencial de falha.

Em vez disso, ele recomendou consolidar o nível de dados para que os aplicativos e agentes de IA pudessem interagir com ele de forma mais direta, aproximando os dados dos clientes. Segundo Cronin, muitas empresas, incluindo grandes GCCs na Índia, estão atualmente revisando sua arquitetura para eliminar a fragmentação de dados. Sem essas mudanças, futuros investimentos no desenvolvimento de IA podem levar aos mesmos problemas.

A consolidação de dados também pode melhorar a experiência do cliente, ajudando os sistemas a lidar com a demanda crescente, permanecer disponíveis e responder rapidamente. Como os clientes esperam mais dos serviços baseados em IA, ter dados na periferia torna-se cada vez mais importante.

Cronin observou que as culturas empresariais variam na Ásia-Pacífico, mas a infraestrutura de dados fragmentada permanece um problema comum para a implementação de IA. Ao mesmo tempo, a Índia está se tornando um centro importante de inovação e tomada de decisões em IA. Ele observou que 80% dos principais 50 clientes globais da Couchbase têm presença significativa na Índia, e a maior parte de suas inovações e liderança em IA está baseada neste país. A Couchbase também está expandindo sua presença na Índia, mudando sua sede na Ásia-Pacífico para Bengaluru. Entre os clientes corporativos da Couchbase na Índia estão Air India, Airtel, BigBasket e Mahindra Finance. Na opinião de Cronin, o papel da Índia nos negócios mundiais vai além da economia de custos; inovações, liderança e a tomada de decisões de negócios importantes estão ocorrendo cada vez mais aqui. Ele mencionou a plataforma de entretenimento de nova geração da Air India, que é construída sobre a Couchbase. Esta plataforma visa fornecer aos passageiros uma experiência personalizada de compra e entretenimento, mesmo sem conexão de rede a bordo do avião. Para Cronin, este projeto mostra como as empresas indianas estão usando tecnologia para melhorar a experiência do cliente em condições de operação reais.

O mercado de ações demonstra um afastamento das grandes empresas de tecnologia. Por exemplo, o Google vivenciou o pior dia de sua história, e as ações da Intel caíram mais do que durante a administração Nixon. Uma queda notável também foi registrada na Amazon e na Meta esta semana, levando à queda do índice Nasdaq, que está a apenas um ponto percentual de uma correção (queda de 10% do máximo histórico).

A causa geral dessa queda é que a criação de infraestrutura para suportar a inteligência artificial exige custos extremamente altos, e o lucro atual dos gigantes da Big Tech ainda não justifica tais despesas colossais. As empresas de IA estão cada vez mais direcionando mais fundos para centros de dados do que podem gerar com suas próprias operações de negócios.

No entanto, se o mercado de ações está tentando transmitir alguma mensagem, as grandes empresas de tecnologia a ignoram. De acordo com dados do JPMorgan, os gastos com IA atingiram US$ 1,6 trilhão desde 2023 e, segundo projeções, serão de US$ 1 trilhão anualmente ao longo da próxima década. Além disso, nenhuma mudança nesses indicadores ocorreu esta semana.

A razão reside no fato de que o mercado que financia esses gastos — o mercado de títulos — permanece em grande parte passivo, enquanto o mercado de ações passa por um pânico moderado. Os credores estão dispostos a fornecer dívidas às grandes empresas de tecnologia para pagar tecnologias que transformam a economia mundial.

Assim, as questões que o mercado parece fazer sobre IA — se a Big Tech continuará aumentando os gastos (o que certamente acontecerá) e se a IA será lucrativa em breve (parece que não) — são equivocadas. A verdadeira questão a ser feita sobre IA é: por quanto tempo o mercado de títulos poderá sustentar este aumento contínuo de gastos?

Isso, em última análise, determinará se a IA será um sucesso ou um fracasso.

Mecanismo de cálculo de IA

O princípio de funcionamento da IA é o seguinte: primeiro, são investidos fundos significativos na infraestrutura necessária (servidores, chips, centros de dados, energia elétrica, mão de obra e materiais de construção). Em seguida, após a ativação do centro de dados, as empresas de IA podem monetizar esses investimentos — aproximadamente em três meses ou dentro de dois anos, de acordo com o Goldman Sachs.

Como o retorno do investimento é adiado por um período tão longo, os hyperscalers (grandes players de tecnologia como Google, Amazon, Microsoft e Meta) precisam atrair uma enorme quantidade de dinheiro antecipadamente e pagá-lo aos investidores posteriormente. 'Uma enorme quantidade' é uma descrição muito modesta. Somente esses quatro hyperscalers respondem coletivamente por mais de um terço de todos os gastos de capital do S&P 500 nos últimos 12 meses, observa John Higgins, conselheiro econômico chefe da Capital Economics.

Portanto, espera-se que um terço dos gastos de capital da Big Tech neste ano seja financiado por dívida — por exemplo, cerca de US$ 250 bilhões em títulos apenas dos hyperscalers, segundo estimativas do Goldman Sachs. Esse número deve atingir o pico no próximo ano, chegando a cerca de 35% dos gastos dos hyperscalers.

No entanto, os investidores do mercado de títulos não têm fundos ilimitados, e atualmente há grande concorrência por crédito, especialmente por parte dos títulos do Tesouro dos EUA, já que o governo tenta simultaneamente pagar a previdência social, os cuidados médicos e uma guerra cara.

Isso levanta uma questão óbvia: quanto dinheiro exatamente os investidores estão dispostos a fornecer às empresas de IA? E mais ainda, o que podemos presumir.

O volume máximo hipotético de dívida que o mercado pode absorver é desconhecido, mas o Goldman Sachs fez cálculos e identificou a existência de US$ 510 bilhões em títulos de investimento de alto nível disponíveis para os maiores hyperscalers. Isso excede em mais do dobro o que eles devem levantar até o final do ano.

Em outras palavras, as maiores empresas de IA ainda têm uma reserva significativa de capacidade para atrair financiamento de dívida. A questão não é quanto, mas por quanto tempo.

A resposta depende de dois fatores: quem paga e quem recebe.

Amanda Linam, estrategista de crédito chefe do Goldman Sachs, declarou em um podcast recente da empresa: 'Não estamos preocupados com o acesso ao capital. Estamos apenas esperando uma discussão mais sutil sobre onde e a que preço emitir os títulos.'

Linam acrescentou que fundos de investimento privados, fundos de capital de risco e capital privado estão dispostos a assumir a maior parte do fardo de apoiar o desenvolvimento de IA, possuindo trilhões de fundos adicionais de 'pólvora seca' para financiar.

Mas os hyperscalers não são os únicos participantes do mercado. Outras empresas operam nesse espaço, incluindo serviços não baseados em nuvem. São empresas altamente endividadas que alugam poder computacional a outras empresas, e sua situação de crédito começa a parecer duvidosa. Seus títulos de baixo grau de investimento oferecem um alto rendimento, no qual os investidores estão dispostos a apostar, aceitando um risco maior pela potencial recompensa enorme.

É nesse tipo de mercado que a CoreWeave opera, cujo rendimento em títulos aumentou para 15% neste mês em meio ao acúmulo de perdas. Elon Musk afirmou que a indústria de serviços não baseados em nuvem, onde a CoreWeave está incluída, deve passar por uma limpeza séria (ele chamou isso de 'morte nível guppy').

Cada nova tecnologia tem vencedores e perdedores, e Musk pode estar certo sobre os serviços não baseados em nuvem. Resta aguardar.

Os hyperscalers, por outro lado, parecem ser os vencedores. A receita de serviços em nuvem (um indicador usado por Wall Street para medir a demanda por IA) cresceu 50% no segundo trimestre. Eles possuem vastos portfólios de contratos e a capacidade de absorver custos de empréstimo mais altos.

Esses gargalos contribuem para a manutenção de preços elevados, o que ajudou a receita dos hyperscalers a crescer 19% nos últimos 12 meses, segundo Higgins. O surgimento da IA agente levou a um crescimento explosivo da demanda: as solicitações de agentes consomem 15 vezes mais tokens do que as solicitações iniciadas por humanos, de acordo com o OpenRouter.

Higgins observou: 'As perspectivas dessas coisas não parecem claramente sombrias, considerando que a IA está sendo usada cada vez mais na economia.'

A preocupação é que o custo do empréstimo possa se tornar insustentável. E isso pode mudar a economia que atualmente funciona para a IA.

Os sentimentos negativos prevalecentes no mercado de ações podem começar a se infiltrar no mercado de títulos, causando o aumento do rendimento dos títulos e o aumento do custo de captação para as empresas de IA.

Lyman observou que o mercado de títulos funciona melhor quando há um fim visível. Cada investidor em IA acredita que há luz no fim do túnel. Nós simplesmente não sabemos quão longo é esse túnel.

A incerteza sobre quando as empresas começarão a obter lucros e a lucrar com seus enormes investimentos em IA pode fazer o mercado de títulos desacelerar, disse ela. Enquanto isso, a previsão para a própria tecnologia e a saúde financeira das grandes empresas parece bastante forte, observou Stephanie Ariaga, estrategista global de mercado do JPMorgan, em um recente memorando para investidores.

Sinais de alerta podem ser a diminuição do uso de IA pelos negócios, a redução dos preços ou a diminuição dos compromissos dos clientes. Até agora, tais sinais não foram observados.

As principais áreas de atuação dos gigantes tecnológicos americanos — serviços de publicidade, consumo e varejo, que sustentam despesas gerais com IA de US$ 750 bilhões este ano — começam a mostrar sinais de desaceleração. Em alguns casos, a própria tecnologia na qual as empresas estão apostando pesadamente começa a substituir seus modelos de negócios tradicionais.

No início desta semana, a Alphabet Inc., proprietária do Google, anunciou que as vendas de publicidade através de pesquisa e outros canais — um segmento que representa cerca de metade da receita total — cresceram mais lentamente nos últimos cinco trimestres. No entanto, a empresa manteve sua previsão de despesas de capital em até US$ 205 bilhões para o ano corrente.

A Amazon.com Inc. declarou na quinta-feira que o crescimento tanto de sua loja online principal quanto de seu negócio de publicidade desacelerou no último trimestre, mas a empresa confirmou seu plano de gastos de capital de aproximadamente US$ 220 bilhões para este ano. A Microsoft Corp. e a Meta Platforms Inc. também mantiveram suas previsões de gastos, apresentando resultados que, no final, não corresponderam às expectativas dos investidores.

Relatórios de lucros e subsequentes quedas nas ações revelam uma crescente tensão em torno da transição das grandes empresas de tecnologia para novos produtos baseados em inteligência artificial e os custos associados. As empresas estão atraindo volumes sem precedentes de dívida, vendendo capital acionário, fechando acordos multimilionários por centros de dados e assumindo trilhões de obrigações futuras para criar infraestrutura global de IA. Ao mesmo tempo, os novos produtos reduzem a lucratividade e desviam a atenção de algumas ofertas obsoletas.

A paciência dos investidores está se esgotando. As ações da Alphabet despencaram em um recorde na quinta-feira, perdendo quase US$ 500 bilhões em valor de mercado. As ações da Amazon caíram 7% durante o pregão, e a Meta caiu 10% após a publicação dos resultados na semana passada, quando a empresa alertou os investidores de que o novo aplicativo agente de IA Muse exige enormes capacidades computacionais, apesar dos planos de investir mais agressivamente em IA.

Dan Morgan, gestor de portfólio sênior da Synovus Trust, comentou a situação após o relatório da Alphabet: «O mercado está confuso: como tudo isso será compensado?»

Até mesmo a Microsoft, que demonstrou forte crescimento no negócio de nuvem e controlou os custos, não escapou das consequências negativas. Inicialmente, as ações da empresa subiram após o anúncio de que as vendas no Azure, uma unidade de computação em nuvem monitorada de perto, aumentaram 48%, atingindo US$ 33,2 bilhões no trimestre encerrado em setembro. No entanto, ao fechar o pregão na quinta-feira, as ações apagaram todo o ganho e caíram 0,2%.

Os resultados da Amazon foram mais ambíguos. A empresa adiou o Prime Day anual do terceiro trimestre do ano passado para o segundo trimestre deste ano, o que explicou parte da desaceleração. Mas os analistas já ajustaram suas estimativas levando isso em conta, e os resultados ainda ficaram abaixo das expectativas. A divisão de serviços de publicidade do gigante comercial registrou um crescimento de 11%, o ritmo mais lento desde que a Amazon separou essa categoria pela primeira vez em 2022. O negócio de lojas online cresceu apenas 2%, o que não era visto há mais de três anos, quando as pessoas retomaram hábitos de consumo pré-pandêmicos e o comércio online desacelerou.

Esses resultados ofuscaram o crescimento do segmento de computação em nuvem da Amazon e reforçaram as dúvidas dos investidores sobre seus investimentos agressivos em IA. A computação em nuvem também foi um ponto claro para o Google: as vendas nesta unidade mais do que dobraram em comparação com o ano anterior, e a receita operacional triplicou. O diretor da unidade, Thomas Kurian, participou pela primeira vez da chamada de resultados, enfatizando a importância desse negócio para o Google no futuro.

No entanto, os investidores focaram mais nos problemas que surgem no Google Search, que continua sendo a força vital da empresa. Para permanecer relevante diante da popularidade de chatbots como o ChatGPT, o Google integrou mais IA na pesquisa, incluindo uma guia especial chamada Modo IA. Mas a crescente popularidade desse recurso afetou negativamente a lucratividade do Google Search. Philip Schindler, diretor de desenvolvimento comercial, admitiu na quarta-feira que a empresa está observando uma «redução na monetização» de consultas usando o Modo IA, o que levou a uma queda adicional nas ações. Schindler afirmou que a empresa está trabalhando para atrair mais publicidade no Modo IA e avalia positivamente a trajetória do produto.

Este ano, o Google enfrenta dificuldades na corrida de IA contra startups Anthropic e OpenAI. O analista da Bloomberg Intelligence, Mandip Singh, acredita que se a empresa conseguir recuperar posições no desenvolvimento de modelos de IA, provavelmente retomará a geração de receitas esperadas pelos investidores. Singh observou: «Com todas essas transições, às vezes focamos demais no negócio provedor de receita. Dado o aumento da margem no negócio de nuvem, acredito que a combinação de negócios de nuvem e busca, quando atingirem o estado da arte, retornará sua lucratividade aos níveis anteriores».

Jean Munster, sócio-gerente da Deepwater Asset Management, comentou sobre a redução da monetização do Modo IA no Google, observando que o lançamento de novos formatos de publicidade geralmente ocorre com baixa margem, que aumenta gradualmente com o tempo. Um desafio mais complexo para a empresa é criar agentes capazes de fazer compras em nome dos usuários e receber comissões dessas transações — um modelo de negócios que muitos no Vale do Silício consideram alcançável após o sucesso do assistente pessoal Muse da Meta. Munster concluiu: «O método antigo era usar links azuis ou anúncios de display para influenciar o comportamento do consumidor. O novo método é como influenciar um bot».