Trump pressiona países em defesa das big techs e reacende debate sobre futuro da inteligência artificial
Para começar, o presidente dos Estados Unidos, Donald Trump, voltou a defender as big techs americanas ao ameaçar aplicar tarifas “substanciais” contra países que, segundo ele, atacam essas empresas de tecnologia. A medida seria uma resposta a impostos e legislações digitais que afetam as gigantes dos EUA. Será que sobra para o Brasil?
O cenário da inteligência artificial também está mudando. Especialistas acreditam que, depois de três anos do‘ boom’ da tecnologia, os avanços no setor começaram a desacelerar. Um exemplo é o GPT-5, que prometeu muito, mas não conseguiu agradar os usuários.
Por outro lado, o consumo de energia da IA voltou à tona, com um estudo do Google que desafiou as estimativas sobre a pegada de carbono do Gemini. A pesquisa disse que o consumo por prompt é bem menor do que se imaginava. Mas será mesmo?
Sobretudo, todos esses temas são assunto da coluna Fala AI desta semana, com Roberto Pena Spinelli, físico pela USP, com especialidade em Machine Learning por Stanford e pesquisador na área de Inteligência Artificial. Confira!
Por que a IA está em processo de desaceleração?
Por fim, entenda porque a IA está desacelerando.
Quando falamos em desaceleração da IA, não significa que ela parou de evoluir, mas sim que o ritmo de crescimento e inovação parece menos explosivo do que em 2022–2023 (quando o ChatGPT, MidJourney, Stable Diffusion etc. popularizaram de forma repentina). Há alguns fatores que ajudam a entender isso:
1. Limites tecnológicos atuais
Os modelos de IA estão cada vez maiores, e treinar redes neurais desse porte exige supercomputadores e energia em escala gigantesca.
O ganho de qualidade começa a mostrar retornos decrescentes: para melhorar um pouco o desempenho, é preciso multiplicar muito os custos.
2. Custos altíssimos
Treinar e manter IAs generativas de ponta custa bilhões de dólares (chips, energia, infraestrutura de nuvem).
Muitas empresas menores já não conseguem competir, e até as big techs precisam pensar em monetização real para sustentar os investimentos.
3. Falta de casos de uso lucrativos em massa
O hype trouxe usuários curiosos, mas transformar essa curiosidade em modelos de negócio sólidos ainda é um desafio.
Fora de nichos como marketing, programação e atendimento ao cliente, o uso ainda é limitado.
4. Regulação e preocupações éticas
Governos começaram a criar leis e regulações sobre IA (como a União Europeia com a AI Act).
Isso traz segurança, mas também desacelera lançamentos, já que as empresas precisam ser mais cautelosas.
5. Concorrência concentrada
O mercado está dominado por poucas empresas (OpenAI, Google, Anthropic, Meta).
Menos competição aberta pode reduzir a velocidade da inovação.
Fonte: olhar digital
