A inteligência artificial entra numa fase de disciplina orçamental, à medida que as empresas começam a questionar o retorno dos investimentos maciços feitos nos últimos anos. A OpenAI, a Meta e a xAI (de Elon Musk) lançaram recentemente modelos que prometem maior eficiência de custos: o GPT-5.6 utiliza menos tokens, o Grok 4.5 duplica a eficiência na gestão dos mesmos e o Muse Spark 1.1 da Meta é oferecido a preços agressivos, segundo executivos do setor. Esta mudança responde à pressão de clientes empresariais que acumularam faturas de milhões de dólares em utilizações de IA, forçando os programadores a equilibrar a recuperação dos investimentos com a competitividade de preços. Em paralelo, plataformas integradas como as da SAP ajudam as organizações a estruturar decisões sobre dados unificados, aproximando a ideia de uma “empresa autónoma”.

No setor da saúde, os modelos de IA demonstram capacidade de análise de grandes volumes de dados clínicos e de apoio ao diagnóstico, reduzindo potenciais erros humanos. Estudos indicam que sistemas avançados podem atingir desempenhos próximos aos de especialistas, mas a componente humana, como a interpretação de fatores emocionais e contextuais, permanece insubstituível. Em psicoterapia, os chatbots de apoio emocional ganham popularidade, sobretudo entre os mais jovens, mas os profissionais sublinham que a relação terapêutica exige uma empatia que a tecnologia ainda não alcança. A integração da IA na medicina levanta ainda preocupações sobre a privacidade dos dados dos pacientes e a responsabilidade em caso de decisões erradas.

As controvérsias sobre a utilização de dados alastram. A Google implementou uma nova definição, “Histórico de Serviços de Pesquisa”, que permite guardar imagens, pesquisas por voz e outros ficheiros para treinar os seus modelos de IA, com a opção de os utilizadores desativarem a funcionalidade – mas conteúdos já guardados podem continuar a ser usados durante anos. Do lado da indústria, empresas como a Anthropic queixam-se de ataques de “destilação”, nos quais concorrentes extraem o saber dos seus modelos mais avançados para criar versões mais baratas. A ironia, notam observadores no Vale do Silício, é que as mesmas empresas recorrem há anos à recolha massiva de dados da internet para treinar os seus sistemas, um debate que no Brasil encontra paralelo nas exigências da Lei Geral de Proteção de Dados.

A conjugação destes fatores – pressão de custos, exigências regulatórias e riscos emergentes – está a reconfigurar o mercado. As seguradoras, por exemplo, começam a condicionar a cobertura de riscos cibernéticos à existência de estruturas de governação de IA nas empresas, uma prática já observada em países como o Quénia. O próximo passo será a consolidação de normas claras sobre a propriedade intelectual dos resultados gerados por IA e a responsabilização em contextos críticos, enquanto as organizações procuram um equilíbrio entre a inovação e a salvaguarda dos direitos dos cidadãos.