CEOs da Baidu e da Xiaomi alertam para o aumento da distância entre o hype da IA e os retornos

Executivos da Baidu e da Xiaomi alertando sobre uma lacuna crescente entre o hype da IA e os retornos financeiros provocam amplo ceticismo sobre os modelos de negócio atuais da IA em grande escala. Os comentaristas, em geral, concordam que os modelos de linguagem são ferramentas poderosas — especialmente para programação e “microsoftware” pessoal —, mas argumentam que a integração em organizações reais é lenta, o ROI muitas vezes é अस्पष्ट, e grande parte do investimento parece uma bolha. Muitos preveem que a IA sobreviverá como uma tecnologia comoditizada valiosa, enquanto a economia dos modelos de ponta de hoje, as arquiteturas pesadas em nuvem e os apps “vibecoded” cheios de slop enfrentarão correção, tudo isso em meio a tensões geopolíticas e preocupações com trabalho, criatividade e software enshittificado.

Hype Percebido vs. Retornos no Mundo Real

  • Muitos veem uma lacuna crescente entre as promessas dos laboratórios de ponta (10x de produtividade, “techno-god”) e o impacto mensurável nos negócios.
  • Alguns relatam que os usuários sentem mais produtividade, mas as métricas não melhoram.
  • Outros argumentam que isso é apenas um timing normal do ciclo de hype; a tecnologia é real, mas a difusão e a mudança organizacional levam anos.

Atritos de Adoção Dentro das Organizações

  • Os maiores bloqueios citados: revisões de segurança, conectores, infraestrutura, governança e simplesmente “trabalho demais”.
  • Integrar IA aos fluxos de trabalho e processos existentes é lento e politicamente delicado.
  • Alguns pilotos mostram resultados fortes (análise de logs, revisão de código, avaliação de risco), mas transformar PoCs em sistemas em escala é difícil.

Onde a IA Parece Útil

  • O consenso mais forte: assistência à programação e pequenas ferramentas internas. Devs solo relatam criar apps de nicho em uma velocidade inédita.
  • Outros ganhos: melhoria na qualidade de OCR, melhor busca corporativa em algumas organizações, redução de chamadas de suporte L1, autoatendimento de RH, redação jurídica, processamento de formulários de back-office.

Preocupações com Qualidade, “Slop” e Confiabilidade

  • Muitos reclamam de software “vibecoded”: frágil, difícil de manter, propenso a alucinações.
  • Falhas visíveis e sistemas ruins às vezes são atribuídos (justa ou injustamente) à IA e à cultura pós-demissões.
  • Domínios criativos veem uma enxurrada de conteúdo de baixo esforço (livros, música, arte, cardápios de restaurantes), levantando preocupações sobre gosto, originalidade e sinal-ruído.

Economia, Modelos de Negócio e Moats

  • Há ceticismo de que gastos massivos com modelos de ponta paguem antes de serem comoditizados por pesos abertos e distilação.
  • Alguns argumentam que modelos locais baratos ou abertos dominarão quando o hardware se normalizar; grandes laboratórios dos EUA poderiam enfrentar uma eliminação “estilo Iridium”.
  • Outros observam que os provedores de nuvem estão atualmente ganhando dinheiro com IA, mas se preocupam com a sustentabilidade do crescimento e do ROI dos clientes downstream.

Trabalho, Capitalismo e Mudança Organizacional

  • Gestores no thread falam abertamente sobre substituir ou não contratar humanos quando um agente basta.
  • Contra-argumento: a IA frequentemente automatiza frações de muitos cargos, tornando cortes diretos de headcount politicamente e socialmente difíceis.
  • Uma crítica mais ampla mira o “capitalismo financeirizado”: a IA é enquadrada como uma máquina de eliminação de trabalho e busca de renda sobre os “meios de produção”.

Aberto vs. Fechado e Geopolítica

  • Debate sobre modelos chineses vs. americanos: alguns veem lançamentos de pesos abertos (incluindo os da China e de grandes clouds dos EUA) como guerra econômica; outros, como uma estratégia normal de comoditização.
  • Regras de segurança nacional, controles de exportação e confiança em modelos estrangeiros são vistos como fatores que moldam quais provedores as empresas realmente podem usar.