Modelos de negócio baseados em inteligência artificial
O 15º Plano Quinquenal da China (2026-2030), que define a estratégia para o desenvolvimento socioeconômico do país, destaca a intenção de impulsionar (ainda mais) os avanços científicos e incorporar a inteligência artificial (IA) em toda a sua máquina econômica industrial.
Do outro lado do mundo, quatro empresas gigantes da tecnologia (ou “big techs”) dos Estados Unidos projetam investimentos de capital (ou CapEx – Capital Expenditure) em IA de aproximadamente US$ 650 bilhões em 2026. Podemos interpretar esses dados como incentivos à hegemonia tecnológica desses países no segmento de inteligência artificial.
O Brasil apresenta um Plano Brasileiro de Inteligência Artificial (PBIA) 2024-2028, que prevê investimentos da ordem de R$ 23 bilhões em quatro anos. IA é uma das prioridades da própria USP, consubstanciada pela criação de um escritório voltado à transformação digital e à inteligência artificial.
Considero IA como uma revolução tecnológica cujos impactos socioeconômicos podem ser potencialmente equiparados à Revolução Industrial (na segunda metade do século 18) e ao crescimento explosivo da Internet (nos anos 1990 e na primeira década de 2000).
Nesse contexto, IA tem sido tratada como uma prioridade estratégica atual no âmbito nacional e de diferentes organizações públicas e privadas. Assim, é essencial considerar como uma tecnologia – especificamente inteligência artificial – pode ser utilizada para criar valor segundo a lógica da inovação de modelo de negócio.
Alguns trabalhos vêm sendo publicados sobre como as organizações podem utilizar IA nos seus negócios. Dentre outros, destaco um artigo recente (Six types of AI startups, explained) publicado por Jeffrey Shay e Thomas Davenport, professores da Babson College. E cito uma publicação da McKinsey sobre a cadeia de valor da IA (intitulada Exploring opportunities in the generative AI value chain).
Nas minhas pesquisas (que incluem as citações acima) e na aplicação prática em organizações, considero que os modelos de IA representam um grupo dentre os modelos de negócio baseados em ciência e tecnologia. Nesse sentido, adoto uma categorização de sete tipos de modelos de negócio baseados em IA. Estes são apresentados a seguir.
Modelos fundacionais
Os modelos fundacionais (ou foundation models) constituem os elementos centrais dos modelos de negócio baseados em IA. Eles podem ser considerados como modelos de base que utilizam inteligência artificial generativa.
Esses modelos são treinados com enormes volumes de dados por meio de machine learning (aprendizado de máquina) e deep learning (aprendizado profundo). Isso possibilita aos computadores aprenderem com diferentes tipos de dados, tais como texto, imagem, 3-D, áudio e música, vídeo e estruturas biológicas. Dessa forma, eles podem criar tipos específicos de conteúdo que podem ser adaptados para apoiar uma ampla gama de tarefas.
Atualmente, os principais modelos fundacionais remetem aos grandes modelos de linguagem (ou LLMs – Large Language Models). Exemplos de empresas que desenvolvem modelos fundacionais incluem a Open AI (ex.: ChatGPT) e a Anthropic (ex.: Claude).
Intensificadores de IA
Os intensificadores de IA (AI Enhancers) atuam como aplicativos, ou seja, são programas (ou software) desenvolvidos para realizar tarefas específicas. Nesse sentido, os intensificadores de IA utilizam modelos de propósito geral (por exemplo, os modelos fundacionais) e os aprimoram para resolver problemas específicos de funções ou setores. Por isso, os intensificadores de IA são também designados por “IA segmentada por indústria” (Industry AI) ou “IA vertical” (Vertical AI).
Dentre vários exemplos, podemos citar a aplicação de IA em medicina (ex.: apoio ao diagnóstico em patologia e análises clínicas) e na área jurídica (ex.: suporte para atividades transacionais, tais como due diligence e análise de contratos, e no contencioso). Nesses casos, o modelo de negócio implica monetizar a solução de IA, ou seja, gerar receita diretamente por meio da oferta de soluções de IA.
Otimizadores de IA
Os otimizadores de IA também atuam com aplicativos (software), porém eles a utilizam nos bastidores (back stage) para melhorar a eficiência interna dos seus processos ou o desempenho dos seus produtos e serviços. Dessa forma, esses modelos de negócio não geram receita diretamente por meio de IA, mas a utilizam para otimizar seus processos, produtos e serviços. Assim, IA é utilizada como um meio e não como uma solução final.
Os otimizadores de IA podem adotar o modelo de “serviços como software” (ou Service as a Software) que entrega resultados completos e “prontos para usar”, em vez de apenas ferramentas. Esse modelo permite que a empresa rentabilize seus recursos de IA por meio da entrega de serviços. Por exemplo, um prestador de serviços de saúde pode oferecer uma consulta médica apoiada por soluções de IA nos bastidores.
Exploradores de IA
Os exploradores (ou desbravadores) de IA (AI Explorers) atuam na fronteira do conhecimento de IA. Eles focam no desenvolvimento de soluções de IA que envolvem elementos e/ou combinações de infraestrutura, aplicativos e algoritmos específicos com o intuito de oferecer soluções para resolver problemas complexos e/ou tarefas complexas.
Os exploradores de IA consideram as organizações que utilizam agentes de IA (ou Agentic AI), a IA quântica (Quantum AI) e a inteligência artificial geral (AGI – Artificial General Intelligence) para abordar problemas de alta complexidade e que não podem ser resolvidos pelas soluções atuais. O desenvolvimento de grandes modelos quantitativos (ou LQMs – Large Quantitative Models) para tarefas que exigem cálculos e análises quantitativas complexas é um exemplo.
Os quatro modelos citados acima exigem uma infraestrutura adequada para IA. Essa infraestrutura pode ser desdobrada em três níveis, que originam os modelos de negócio apresentados a seguir.
Hardware para IA
O processamento dos modelos de IA exige um hardware adequado. Podemos citar os grandes clusters de unidades de processamento gráfico (ou GPUs – Graphics Processing Units), as unidades de processamento tensorial (ou TPUs – Tensor Processing Units) e os chips aceleradores de IA, capazes de processar um enorme volume de dados com bilhões de parâmetros em paralelo. Exemplos de modelos de negócio de hardware para IA incluem o Google (ex.: desenvolvimento de TPUs), a NVIDIA (ex.: design de chips) e a TSMC (ex.: fabricação de chips).
Plataforma cloud para IA
Os modelos de plataforma cloud (computação em nuvem) para IA fornecem uma infraestrutura escalável, capacidade de processamento (GPUs/TPUs) e ferramentas necessárias para treinar, implantar e gerenciar modelos de aprendizado de máquina e IA generativa. Exemplos de organizações que oferecem plataforma cloud para IA incluem algumas das grandes empresas de tecnologia, tais como Amazon, Google e Microsoft.
Ferramentas para desenvolvimento de IA
As ferramentas para desenvolvimento de aplicações de IA (também conhecidas como AI Technology Stack ou Tech Stack AI) envolvem tecnologias, práticas e repositórios para construir, testar, validar e implantar modelos de IA. Dentre essas ferramentas, destaco os hubs de modelos de IA (Model Hubs) e as operações de aprendizado de máquina (ou MLOps – Machine Learning Operations).
Hubs de modelos de IA são plataformas centralizadas (repositórios online) que permitem treinar, compartilhar e implantar modelos de inteligência artificial. Eles funcionam como uma “biblioteca” ou um mercado (“marketplace”) de modelos pré-treinados, base de dados e protótipos. O Hugging Face é um exemplo de hub de modelos de IA.
Operações de aprendizado de máquina contemplam um conjunto de práticas, tecnologias e ferramentas que apoiam o desenvolvimento (Dev) e a operação (Ops) de modelos de aprendizado de máquina. Exemplos de organizações que oferecem essas soluções incluem a Amazon, o Google e a Microsoft.
Por que analisar os modelos de negócios baseados em IA?
Devemos considerar que lidamos com recursos limitados (ou mesmo escassos). Nesse sentido, é fundamental compreender as vocações de países, regiões geográficas, universidades e instituições de pesquisa, organizações estabelecidas e startups no sentido de direcionar suas estratégias de adoção e desenvolvimento de competências em IA.
Sugiro, dessa forma, que o governo (por meio de suas políticas públicas), os empreendedores, as organizações e investidores públicos e privados adotem essa lógica – alinhamento das vocações aos modelos de negócios baseados em IA – nas suas decisões estratégicas visando maximizar o retorno econômico e social dos investimentos em inteligência artificial.
(*) Por Marcelo Caldeira Pedroso, professor da Faculdade de Economia, Administração, Contabilidade e Atuária da USP
Os artigos publicados com assinatura não traduzem necessariamente a opinião do portal. A publicação tem como propósito estimular o debate e provocar a reflexão sobre os problemas brasileiros.
