Há um tema de conversa que circula nas comunidades de produto e AI com alguma frequência - que empresas de LLMs não nos estão a vender uma ferramenta de IA. Estão a vender-nos uma dependência.

​

É uma observação cínica. Mas também é eficaz. E há mais verdade nela do que parece à primeira vista.

​

O que está realmente a acontecer com os preços

​

Os preços atuais dos grandes modelos de linguagem não refletem o custo real de os fazer funcionar. Estimativas independentes apontam para subsídios que podem chegar aos 90% do custo efetivo de utilização. A OpenAI perdeu cerca de 12 mil milhões de dólares num único trimestre em 2025, apesar de ter arrecadado à volta de 13 mil milhões em receitas durante todo o ano. A Anthropic prevê atingir o breakeven apenas em 2028, com receitas projetadas de 70 mil milhões nesse ano.

​

A lógica é conhecida. Baixa o preço. Ganha utilizadores. Quando estiverem dependentes, sobe os preços. A Uber fez exatamente isto: subsidiou as viagens a preços 59% abaixo do custo para ganhar quota de mercado, e entre 2018 e 2021 aumentou os preços 92%.

‍

‍

O preço que pagas hoje pela Inteligência Artificial não é o preço real. É o preço que eles querem que pagues enquanto te habituas a não conseguir trabalhar sem ela.

​

O que estamos a assistir é menos um mercado com preços refletidos em custos e mais uma corrida à quota de mercado, onde os preços são uma arma estratégica, não um reflexo da realidade económica. As ferramentas ficam mais rápidas, mais integradas no fluxo de trabalho. Cada nova funcionalidade consome mais créditos. O negócio começa a correr em cima de uma infraestrutura que não controlas, com um preço que pode mudar a qualquer momento.

​

O risco não é só técnico. É financeiro e estratégico.

​​

Empresas que tratam os preços atuais dos LLMs como inputs estáveis estão a construir os seus modelos de negócio em cima de terreno que se pode mover. Um produto SaaS que integra IA no core e precifica os seus planos com base nos custos de hoje pode ter as margens destruídas de um dia para o outro com uma atualização de preçário de um fornecedor.

‍

​

Isto já aconteceu. A Microsoft absorveu as perdas iniciais do GitHub Copilot para ganhar adoção em escala. Quando chegou a hora de corrigir as margens, os preços subiram significativamente, e os utilizadores, já dependentes da ferramenta no seu fluxo de trabalho diário, pagaram.

​

O padrão repete-se. E vai repetir-se com os fornecedores que hoje estão a subsidiar o acesso às suas APIs.

​

Para as empresas, há três cenários possíveis a médio prazo. O primeiro é a normalização gradual, em que os preços sobem de forma incremental à medida que os fornecedores ganham poder de mercado. O segundo é a consolidação, em que dois ou três players dominam e a competição de preços desaparece. O terceiro é a disrupção por modelos open-source, em que ferramentas como o DeepSeek ou o Llama tornam os modelos proprietários menos relevantes, forçando uma nova guerra de preços.

​

Em qualquer destes cenários, as empresas que construíram dependências profundas e sem arquitetura de saída são as mais expostas.

​

A resposta inteligente não é evitar a IA. É construir com ela de forma que um aumento de preço não seja uma crise existencial. Isso significa diversificar fornecedores, criar camadas de abstração no código, e nunca deixar que um único modelo se torne insubstituível no produto.

​

Se estás a desenhar produtos com Inteligência Artificial integrada, o risco de dependência não é só teu. É do produto.

​​

Quando uma equipa escolhe integrar um modelo específico no núcleo de um produto ou serviço digital sem camadas de abstração e sem estratégia de migração, está a tomar uma decisão de arquitetura com consequências de negócio sérias. O dia em que o fornecedor decide subir os preços pode coincidir com o dia em que a margem do produto colapsa.

​

Não é paranoia. É o padrão histórico do mercado tecnológico.

​

O que podes fazer agora é o seguinte:

​

• Trata os preços atuais dos modelos como temporários, não como inputs estáveis
• Desenha sistemas com camadas de abstração que permitam trocar de fornecedor
• Avalia o custo total de um fluxo alimentado por IA antes de o pôr em produção
• Questiona se a dependência que estás a criar tem ou não saída

​

O nosso artigo sobre ferramentas de IA e o que realmente mudou no Design aborda este tema do ponto de vista das ferramentas do dia a dia.

​

Se estás a construir produtos com Inteligência Artificial e queres perceber as implicações técnicas e de produto, o nosso curso Vibe Coding para Product Designers e PMs é um bom ponto de partida para perceber o que controlas e o que não controlas nesta equação.

​

A pergunta que deves fazer não é "que modelo de IA vou usar?" É outra: "o que acontece ao meu produto se este modelo duplicar o preço amanhã?"