Durante os primeiros anos da corrida da inteligência artificial generativa, a disputa parecia ser apenas por modelos cada vez maiores, e Murilo Moura Alencar, C-Level e board member, analisa que uma tendência menos barulhenta começa a mudar as decisões das empresas: modelos menores, mais baratos e capazes de rodar em equipamentos comuns. O movimento afeta o custo, a privacidade e a forma como a tecnologia é incorporada a produtos.
O relatório AI Index 2025, da Universidade Stanford, estimou que o custo de obter respostas com desempenho equivalente ao do GPT-3.5 caiu mais de 280 vezes entre novembro de 2022 e outubro de 2024. A seguir, o que está por trás dessa mudança e por que ela importa.
O que está mudando?
Por muito tempo, usar IA de ponta significava enviar cada pergunta para servidores remotos, que rodavam modelos gigantescos e cobravam por isso. A melhoria acelerada de técnicas de treinamento permitiu que modelos muito menores alcançassem resultados que, pouco tempo antes, exigiam os maiores sistemas disponíveis.
O efeito prático é uma queda contínua no preço de tarefas que já se tornaram comuns, como resumir textos, classificar mensagens e extrair informações de documentos. O que era caro e restrito a grandes empresas passa a caber no orçamento de negócios menores. Também se torna viável usar IA em processos de grande volume, nos quais o custo por consulta antes inviabilizava o projeto.
IA dentro do próprio aparelho
Outra frente da tendência é levar os modelos para o dispositivo do usuário. Em 2024, a Apple apresentou um modelo com cerca de 3 bilhões de parâmetros projetado para rodar diretamente em iPhones e computadores da marca, recorrendo a servidores apenas para tarefas mais complexas.
Murilo Alencar aponta duas vantagens desse caminho. A primeira é a privacidade, porque dados sensíveis não precisam sair do aparelho. A segunda é a velocidade, já que a resposta não depende da conexão com a internet. Para aplicativos que lidam com informações pessoais ou funcionam em locais com sinal instável, essa combinação pode ser decisiva.
O que muda para as empresas?
A pergunta deixa de ser qual é o modelo mais poderoso do mercado e passa a ser qual é o modelo adequado para cada tarefa. Usar um sistema enorme para classificar e-mails é como contratar um cirurgião para fazer curativos: funciona, mas custa caro sem necessidade.
Na prática, muitas empresas passam a combinar modelos. Tarefas simples e frequentes ficam com sistemas menores e baratos. Tarefas complexas, que exigem raciocínio elaborado, vão para modelos maiores. Essa divisão reduz custos e permite escalar o uso da IA sem que a conta cresça na mesma proporção.
Onde estão os limites?
Modelos menores ainda erram mais em tarefas que exigem conhecimento amplo, raciocínio em várias etapas ou interpretação de contextos ambíguos. Escolher um sistema apenas pelo preço pode gerar economia aparente e retrabalho real.
Na visão de Murilo Moura Alencar, a decisão precisa se apoiar em testes com os dados e as tarefas da própria empresa. Comparar o desempenho de modelos de tamanhos diferentes nos casos reais do negócio mostra onde o modelo menor basta e onde ele compromete o resultado. Como novos modelos surgem a cada poucos meses, vale repetir essa comparação periodicamente.
Escolher bem vale mais do que escolher grande
A tendência dos modelos menores, de acordo com Murilo Moura Alencar, desloca a vantagem competitiva. Ela passa a estar menos no acesso à tecnologia mais avançada e mais na capacidade de combinar as ferramentas certas para cada problema.
Empresas que entenderem essa lógica tendem a usar inteligência artificial em mais processos, com custos menores e maior controle sobre os próprios dados. Em vez de perseguir o maior modelo disponível, a pergunta estratégica passa a ser qual é o menor modelo capaz de resolver bem o problema em questão.
