O rollback silencioso da IA que as empresas não assumem

O 'rollback silencioso' não é uma rejeição da IA, mas o primeiro sinal de maturidade orçamentária e operacional: empresas estão substituindo modelos de consumo genérico, como copilots por usuário ou licenças ilimitadas, por arquiteturas de IA com governança explícita, restrição de escopo e alocação orçamentária por workflow. Isso exige repensar a infraestrutura: agentes que consomem 5–30× mais tokens que chatbots simples exigem políticas de rate limiting, cache estratégico de embeddings e monitoramento em tempo real de custo por transação, não por milhão de tokens. A Microsoft, por exemplo, trocou o Claude Code por GitHub Copilot CLI não por desempenho técnico, mas porque o segundo permite controle granular sobre contexto, token budget por comando e integração nativa com pipelines CI/CD já existentes, reduzindo risco de vazamento de código proprietário e custos imprevisíveis.

Esse movimento revela um erro estrutural na adoção corporativa: tratar IA como ferramenta de produtividade, em vez de componente de sistema de trabalho. Empresas que escalaram iniciativas, como a J&J com seu agente de compliance regulatório ou a Santander com o assistente de due diligence de crédito, fizeram isso integrando IA diretamente ao ERP, ao CRM e aos sistemas de gestão de risco, com SLAs definidos para latência, precisão e fallback humano. Não há ROI em 'usar mais IA', mas em reduzir ciclos de aprovação, diminuir erros manuais em processos críticos ou acelerar tempo de lançamento de produtos regulados.

O que mudou desde maio é a convergência entre evidência de falha e decisão executiva: em 26 de maio, a Microsoft ainda testava o Claude Code internamente; em 28 de maio, dados da EntelligenceAI mostravam que apenas 18% dos gastos com IA chegavam à produção; em 3 de junho, o 'acerto de contas dos tokens' já era irreversível, com CFOs exigindo dashboards de custo por processo, não por ferramenta. Agora, em 8 de junho, o rollback deixou de ser tático (cancelar um piloto) para se tornar estratégico (redefinir orçamento de TI com linhas específicas para 'IA em workflows regulatórios', 'IA em suporte técnico' e 'IA em engenharia de software', cada uma com KPIs distintos de custo, segurança e impacto no P&L).

Porque o custo médio de IA empresarial subiu de 1,2 milhão para 7 milhões de dólares por ano entre 2024 e 2026, e 73% das empresas já ultrapassaram suas projeções iniciais. Um único agente mal projetado pode consumir mais tokens do que um time inteiro de analistas humanos em um mês. Sem governança técnica, como políticas de truncamento de contexto, validação de output contra fontes autorizadas e auditoria de logs de inferência , , o risco não é só financeiro: 88% das organizações relataram incidentes de segurança com agentes em 2026. A diferença entre sobrevivência e cancelamento não está na tecnologia, mas na capacidade de vincular cada chamada de IA a um processo de negócios mensurável, com dono claro, SLA definido e mecanismo de fallback operacional.