Fichamento: Cloud Capitalism and the AI Transition
Tan, J. S. e Thelen, K. (2025)
Tan, J. S., & Thelen, K. (2025). Cloud capitalism and the AI transition. Politics & Society, 1–31. https://doi.org/10.1177/00323292251396395
Última atualização: 2026-04-23 Modelo: Perplexity, powered by Claude Sonnet 4.6 Gerado em: 2026-04-23T15:24:00-03:00
1 Introdução (pp. 1–5)
1.1 O consenso sobre a economia do conhecimento e a lacuna analítica [§1–§3]
O artigo abre situando o debate em curso na economia política comparada sobre o advento da “economia do conhecimento” e as características das firmas que a dominam no século XXI. Os autores identificam três traços amplamente aceitos pelas análises existentes: primeiro, as grandes empresas contemporâneas são asset-light — muitas sequer produzem bens tangíveis, operando por meio de licenciamento de patentes (como a Apple) ou como intermediárias em mercados de dois lados que conectam trabalhadores, compradores, anunciantes e consumidores (Uber, Amazon, Meta, Google). Segundo, essas firmas se beneficiam de economias de escala e efeitos de rede em mercados essencialmente winner-takes-all, o que torna a conquista antecipada da posição dominante uma estratégia racional, como expressa a máxima de Peter Thiel: “Competition is for losers.” Terceiro, o ativo competitivo central para as firmas de plataforma tradicionais é o dado: quanto mais dados controlam, mais refinam seus algoritmos, atraem anunciantes e incrementam o engajamento dos usuários, num ciclo autorreforçante de dominância de mercado.
O argumento de entrada dos autores é que justamente quando esse consenso consolidava-se academicamente, as estratégias das firmas de vanguarda estavam silenciosamente se transformando. Amazon, Microsoft e Google, ao longo da última década, adotaram um modelo de negócio radicalmente distinto do que a literatura descreve: tornaram-se asset-heavy, investindo mais de 200 bilhões de dólares apenas em 2024 para expandir e modernizar data centers; orientaram-se crescentemente para clientes corporativos (enterprise-facing) em vez de consumidores individuais; e deslocaram o recurso competitivo central dos dados para o compute — a infraestrutura física e o poder de processamento necessário para operar cargas de trabalho especializadas em recursos computacionais dedicados. Esse movimento sinaliza o surgimento do que os autores denominam o modelo de negócio de nuvem (cloud business model).
1.2 O modelo de nuvem como ponto cego analítico e sua relevância [§4–§7]
O núcleo do modelo de nuvem é o fornecimento de infraestrutura de TI como serviço — a chamada cloud computing —, que permite às empresas clientes alugar servidores, armazenamento e redes pela internet em vez de adquirir e manter seus próprios data centers on-premise. Enquanto a imagem de uma “nuvem” sugere leveza e imaterialidade, os autores alertam que ela obscurece o substrato extremamente tangível e capital-intensivo desse modelo: chips de memória, cabos de fibra ótica, CPUs e GPUs são os blocos constitutivos reais da infraestrutura que esse modelo requer. A migração crescente de empresas para a nuvem concentra capacidade computacional e consolida hardware físico nas mãos de pouquíssimas firmas.
Essa transformação também gera uma nova dinâmica política: enquanto as firmas de plataforma da geração anterior utilizavam sua estrutura asset-light para exercer arbitragem regulatória (venue arbitrage) — deslocando operações entre jurisdições para escapar de regimes fiscais ou regulatórios desfavoráveis —, as firmas de nuvem estão fisicamente ancoradas em localizações específicas por conta da dependência de data centers massivos. Isso as torna vulneráveis à pressão estatal e, simultaneamente, as aproxima do Estado por interesses comerciais compartilhados, dando origem a uma nova aliança tecnonacionalista entre as líderes do setor tecnológico e o governo — aliança visivelmente em operação na relação recém-construída entre o Vale do Silício e o segundo governo Trump.
O artigo justifica sua relevância por dois argumentos convergentes. Primeiro, o alcance dos provedores de nuvem no conjunto da economia é de tal magnitude que os torna um nó de estrangulamento (choke point) sistêmico: quando uma fração dos serviços da Amazon foi interrompida em dezembro de 2021, Netflix, Disney+, Delta Airlines, Southwest e até aspiradores iRobot pararam de funcionar. Segundo, a nuvem é a infraestrutura fundacional sobre a qual todo o ecossistema de IA está sendo construído, tornando o modelo de nuvem tanto o principal habilitador quanto o principal veículo de difusão da inteligência artificial.
2 Da Economia de Plataformas ao Capitalismo de Nuvem (pp. 5–7)
2.1 Fordismo, financeirização e a emergência da firma plataforma [§8–§12]
Os autores traçam uma genealogia estilizada que parte do fordismo do século XX — firmas capital- e trabalho-intensivas, produção verticalmente integrada, grandes contingentes de trabalhadores sindicalizados — até chegar à crise do paradigma fordista nos anos 1970, com inflação, estagnação e competição de produtores de baixo custo no exterior. Nesse contexto, emergiu um novo paradigma de governança corporativa centrado na criação de valor para o acionista (shareholder value), que forçou as firmas a se reorganizarem em torno de “competências centrais”, terceirizando ou externalizando tudo o mais. O resultado foi a fissurização das firmas, descrição de David Weil, pela qual as empresas-líderes retiveram internamente apenas as atividades de maior valor agregado — produção de conhecimento e controle estratégico.
A revolução das tecnologias de informação e a emergência do capitalismo de plataforma (na formulação de Nick Srnicek) amplificaram e intensificaram as estratégias pioneiradas pela firma fissurada. Tecnologias em rede passaram a permitir que firmas gerenciassem fornecedores e trabalhadores remotos a baixo custo, fragmentando o trabalho e “gigificando” relações laborais com controle algorítmico próximo, sem contratos formais de emprego. O objetivo das plataformas orientadas ao consumidor (Uber, Amazon) era extrair rendas pressionando os vendedores, contratantes e anunciantes dependentes da plataforma para acessar sua base massiva de usuários. Como o valor de uma plataforma depende do tamanho da sua rede, essas firmas sacrificaram lucros de curto prazo para otimizar crescimento, financiadas por investidores com vastos recursos acumulados via financeirização. Uma vez solidificada a dominância de mercado, a plataforma lucra não por atividade produtiva contínua, mas pela monetização de interações — as chamadas rendas de plataforma.
2.2 O limite analítico do paradigma da plataforma [§13–§14]
Os autores argumentam que, por mais elucidativas que sejam as análises sobre o capitalismo de plataforma, elas falham em capturar os desenvolvimentos mais recentes e mais importantes da economia do conhecimento. Esses desenvolvimentos só se tornam inteligíveis a partir do modelo de nuvem — que, até o momento desta publicação, havia recebido alguma atenção acadêmica, mas nunca havia sido analisado como um modelo de negócio distinto. O artigo se propõe a preencher essa lacuna, reconstruindo a origem, a evolução e os impactos do modelo.
3 A Ascensão da Nuvem (pp. 7–11)
3.1 Amazon como pioneira e a lógica da infraestrutura como serviço [§15–§18]
Diferentemente de transições paradigmáticas anteriores em que incumbentes foram deslocados por novos entrantes, o capitalismo de nuvem foi criado pelos próprios incumbentes da era das plataformas. Esse fato é evidenciado pela trajetória de liderança interna: Andy Jassy e Satya Nadella, atuais CEOs da Amazon e da Microsoft, respectivamente, previamente lideraram as divisões de nuvem de suas empresas — sinal claro da centralidade estratégica que a nuvem adquiriu. Foi a Amazon quem inaugurou a infraestrutura de TI como recurso alugável. No início dos anos 2000, a empresa migrou sua base de código de uma arquitetura monolítica para uma arquitetura modular orientada a serviços, separando componentes distintos (carrinho de compras, sistema de pagamento etc.) em serviços independentes comunicantes por interfaces padronizadas. A extensão dessa lógica à infraestrutura de TI — desacoplando-a das operações de e-commerce e tornando-a acessível via software a clientes externos — criou o modelo que se tornaria o Amazon Web Services (AWS), lançado em 2006.
As empresas clientes recorrem a provedores de nuvem por dois motivos principais: redução de custos e flexibilidade. Ao alugar servidores via internet, dispensam a necessidade de adquirir e manter equipamentos, sistemas de resfriamento e pessoal de TI próprios; adicionalmente, podem “aumentar” ou “reduzir” a capacidade computacional conforme a demanda, eliminando investimentos fixos pesados. Os provedores, por sua vez, agregam a demanda de múltiplos clientes com perfis de uso distintos, mantendo a infraestrutura compartilhada operando próximo à plena capacidade — o que gera maior eficiência e custos mais baixos, repassados aos clientes. A Figura 1 do artigo ilustra a progressiva substituição dos gastos com infraestrutura on-premise por gastos com serviços de nuvem entre 2009 e 2021.
3.2 A guerra de preços e a concentração oligopólica [§19–§20]
Após o lançamento do AWS, concorrentes como Google, Microsoft, IBM, AT&T, Oracle e startups como Dimension Data, Joyent e GoGrid apressaram-se para entrar no mercado. O fornecimento básico de infraestrutura — essencialmente servidores alugados para computação, discos para armazenamento e redes para conexão — é capital-intensivo mas oferece margens relativamente baixas. Como a competição se dava principalmente por preço, as empresas líderes reduziram tarifas, acumulando perdas maciças para eliminar rivais. Entre 2014 e 2016, uma guerra de preços sistemática levou a um shake-out que eliminou AT&T, Dimension Data, Joyent e GoGrid. As “três grandes” ricas em caixa — Amazon, Microsoft e Google — saíram na frente, com a Oracle emergindo posteriormente como entrante estratégico por meio de conexões políticas e sua penetração no segmento corporativo.
4 Serviços de Maior Valor Agregado (pp. 9–11)
4.1 Do IaaS ao PaaS e a integração da IA ao modelo de nuvem [§21–§25]
O controle oligopólico reduziu a competição por preço, mas as margens estreitas sobre infraestrutura básica estimularam as firmas líderes a migrar em direção a serviços de maior valor agregado voltados às maiores empresas clientes. As primeiras ofertas de plataforma como serviço (PaaS) situavam-se logo acima do nível infraestrutural e não eram nem específicas a tarefas nem a indústrias: incluíam, por exemplo, escalabilidade automática de computação e armazenamento em função do tráfego, bancos de dados que se replicam em múltiplas geografias para minimizar perda de dados e tempo de inatividade, e distribuição de tarefas computacionalmente intensivas por um pool de servidores em paralelo (como a renderização de animações). Sobre essas fundações, camadas adicionais de serviços mais especializados foram construídas, como plataformas de análise de dados e chatbots primitivos.
A orientação para ofertas especializadas induziu as firmas de nuvem a desenvolver redes de parceiros de software capazes de construir novos serviços sobre a infraestrutura básica. Com esses parceiros, as empresas co-desenvolveram soluções específicas para indústrias em gestão de dados, CRM (customer relationship management) e IoT (Internet of Things), além de aplicações de alta demanda computacional como simulações de dobramento de proteínas, renderização 3D e exploração de petróleo e gás. Algumas dessas aplicações demandaram novo hardware, empurrando os provedores de nuvem a buscar fabricantes de hardware mais sofisticados e em alguns casos co-desenvolver hardware com eles.
A IA — então mais conhecida como machine learning — tornou-se parte crescentemente central desses serviços de maior valor agregado. À medida que a tecnologia amadureceu para comercialização (por volta de 2012), os provedores de nuvem começaram a oferecer portfólios de modelos de IA específicos para tarefas e voltados principalmente a empresas: visão computacional para detecção de rostos e manutenção industrial, speech-to-text, sistemas de recomendação para redes sociais e streaming, e detecção de anomalias para prevenção de fraudes e monitoramento médico. Por meados da década de 2010, a IA havia se tornado integral ao modelo de negócio de nuvem — em 2018, a Microsoft renomeou sua divisão de nuvem de “Cloud and Enterprise Group” para simplesmente “Cloud and AI”. Exemplos concretos desta integração incluem: o instrumento de IA da Microsoft Azure desenvolvido para a Scandinavian Airlines detectar fraudes no programa de fidelidade; o sistema de manutenção preditiva co-desenvolvido pela AWS e Toyota para prever falhas em equipamentos industriais; e o modelo de recomendações personalizado fornecido pelo Google à IKEA para aumentar vendas online.
5 O Último Capítulo: A Corrida para a AGI (pp. 10–11)
5.1 ChatGPT e a virada para os LLMs [§26–§30]
O lançamento do ChatGPT em 2022 deflagrou uma corrida por inteligência artificial geral (AGI) que reforçou e acelerou a dinâmica subjacente ao modelo de nuvem, sobretudo intensificando a demanda por escala e maior intensidade de ativos. O desenvolvimento de IA de fronteira deslocou-se da proliferação de modelos específicos para tarefas e passou a ser dominado por um único tipo: os grandes modelos de linguagem (Large Language Models — LLMs). Enquanto os modelos tradicionais eram excelentes em tarefas restritas mas exigiam treinamento específico em conjuntos de dados laboriosamente rotulados por humanos, o traço definitório dos LLMs é sua generalidade — a capacidade de executar uma ampla gama de tarefas entre domínios sem customização prévia —, que os pesquisadores de IA consideram o caminho para a AGI.
A narrativa da indústria projeta a AGI como capaz de realizar qualquer tarefa intelectual humana e suplantar capacidades humanas em praticamente todos os domínios. Na versão mais fervorosa, a tecnologia seria tão poderosa que, uma vez atingida, poderia aprimorar-se a si mesma, desencadeando um ciclo de automelhoria acelerada além do controle humano, conduzindo à abundância econômica e a transformações sociais radicais — e o primeiro país a alcançar a AGI cimentaria sua posição como hegemon tecnológico global.
O que distingue os LLMs dos modelos da geração anterior é que escala é o principal fator de melhoria de desempenho: enquanto modelos tradicionais podiam ser treinados em um único servidor ou pequeno cluster, os novos modelos exigem data centers inteiros para treinamento. O estudo seminal que fundamentou o ChatGPT e outros LLMs foi publicado em 2017 — a célebre pesquisa dos cientistas do Google intitulada “Attention Is All You Need” —, mas somente muito mais tarde a computação tornou-se barata e abundante o suficiente para treinar LLMs da qualidade que se vê hoje. A competição em IA, portanto, é menos sobre desenvolver nova propriedade intelectual (pesquisadores frequentemente publicam inovações de arquitetura em aberto) e mais sobre ter acesso ao capital — a infraestrutura física — para treinar e executar os maiores modelos com mais parâmetros. Os planos da Amazon de construir trinta data centers em 1.200 acres de terra agrícola em Indiana e o compromisso de 80 bilhões de dólares da Microsoft apenas em 2025 para a construção de data centers são exemplos emblemáticos dessa dinâmica.
6 O Modelo de Negócio de Nuvem (pp. 11–20)
6.1 Asset-heavy, não asset-light [§31–§36]
Para prover capacidade de infraestrutura a uma base crescente de clientes, os provedores de nuvem comprometeram somas de capital enormes na construção de data centers pelo mundo. O custo de um data center moderno é extraordinariamente alto — muito além do que startups podem levantar via capital de risco. A Amazon, por exemplo, gastou 11,8 bilhões de dólares em apenas cinco data centers no Oregon em 2022 (cerca de 2,4 bilhões cada). Data centers equipados para treinar os modelos de IA mais recentes custam ainda mais, pois requerem alta densidade de chips GPU da NVIDIA — a GPU Blackwell B200, mais recente da empresa, custa entre 30.000 e 40.000 dólares por unidade. As três líderes (Amazon, Microsoft e Google) planejavam gastar mais de 300 bilhões de dólares apenas em 2025, superando os investimentos de pesados industriais tradicionais como petróleo e gás.
O deslocamento estratégico do dado para o compute reflete uma mudança fundamental: as firmas de plataforma da era anterior eram asset-light porque armazenar grandes quantidades de dados é barato, permitindo-lhes escalar para milhões de usuários com relativamente baixos gastos de capital. O hardware físico mais eficiente para armazenamento de dados não conferia vantagem competitiva; a competitividade dependia mais da escala e sofisticação dos dados. Facebook, por exemplo, tornou-se imensamente lucrativo porque dispunha de um vasto acervo de dados de usuários para servir anúncios a quatro bilhões de pessoas — sem necessidade de gastos massivos em infraestrutura de TI. Em contraste, os provedores de nuvem não se beneficiam da coleta de grandes volumes de dados da mesma forma; competem pela capacidade de ajudar clientes a inovar, o que exige hardware de ponta e especializado (GPUs), podendo envolver o redesenho integral de data centers.
Data centers são edifícios maciços — frequentemente do tamanho de campos de futebol — preenchidos com fileiras de servidores. Anteriormente, os provedores de nuvem arrendavam data centers de real estate investment trusts como Digital Realty e Equinix; mas como a eficiência e as capacidades dos data centers se tornaram parte da vantagem competitiva, eles migraram progressivamente para a construção e propriedade dos próprios. Além disso, ao contrário da firma fordista que era tanto capital- quanto trabalho-intensiva, uma vez construído, um data center requer muito poucos técnicos para sua manutenção — mas demanda quantidades imensas de água e energia. Em resposta, Amazon, Google e Microsoft investiram em centenas de projetos de energia solar e eólica; a Microsoft investiu em uma unidade reativada da usina nuclear de Three Mile Island; a Amazon investiu na X-energy, empresa de energia nuclear, e fez parceria com a Energy Northwest para construir um campus de data center adjacente à usina nuclear Susquehanna na Pensilvânia.
6.2 Semiverticalmente integrado, não horizontalmente integrado [§37–§42]
Uma segunda diferença fundamental em relação ao modelo de plataforma refere-se à estrutura corporativa. Na era das plataformas, o desacoplamento de software e hardware permitia que aplicativos (como o Airbnb, o WhatsApp ou o Netflix) operassem em uma ampla variedade de dispositivos, priorizando alcance de usuários e interoperabilidade em detrimento da integração profunda e desempenho otimizado que sistemas fortemente acoplados proporcionam. Essa abordagem refletia os objetivos das firmas de plataforma — saturar mercados rapidamente e alcançar efeitos de rede.
Em contraste, no modelo de nuvem, a vantagem competitiva é crescentemente definida pelo reacoplamento de software e hardware, com novos hardwares otimizados para executar cargas de trabalho de software altamente sofisticadas. Inicialmente, os provedores de nuvem operavam segundo a lógica da era das plataformas, preenchendo seus data centers com hardware genérico e barato — e isso era suficiente porque qualquer software era projetado para rodar em qualquer hardware. Mas quando migraram para além da infraestrutura de baixa margem e passaram a oferecer capacidades de software diferenciadas e especializadas (como IA), muitos desses serviços de maior valor agregado exigiram integração mais estreita de hardware e software ao longo de toda a pilha de nuvem (cloud stack) — as camadas de tecnologia que vão desde aplicações de software de alto nível até componentes de hardware como semicondutores.
Os provedores de nuvem assim aumentaram seu papel em toda a cadeia de valor do data center, usando designs e hardware próprios em vez de comprar componentes no mercado. A Microsoft, por exemplo, desenvolveu chips próprios especializados em IA que “se encaixam em placas de servidor customizadas, colocadas em racks sob medida que cabem facilmente nos data centers existentes da Microsoft”. Ao mesmo tempo, a integração não é plena no sentido fordista: não é possível deter todos os níveis do cloud stack simultaneamente, pois a inovação em cada camada avança rapidamente e a melhor tecnologia de hardware em um período pode perder sua dominância no seguinte. O desafio, portanto, é integrar-se com a melhor tecnologia de cada camada mantendo a capacidade de coordenar a integração ao longo de toda a pilha.
A solução encontrada pelos provedores de nuvem é integrar verticalmente de forma modular: cultivar múltiplos parceiros em cada camada da pilha — fornecedores de software sofisticados “acima” na pilha e fabricantes de chips “abaixo”. A natureza dessas relações varia significativamente: em alguns casos, integração técnica simples; em outros, coordenação profunda com pessoal do provedor de nuvem alocado nos escritórios do parceiro ou pesquisa e desenvolvimento conjuntos; em casos extremos, investimento financeiro ou aquisição direta do parceiro. A Figura 3 do artigo ilustra o modelo de integração “modular” da Microsoft, mostrando como a infraestrutura de nuvem da Microsoft se relaciona com parceiros como a OpenAI (no nível de software) e a NVIDIA (no nível de hardware).
6.3 Colaboração, não dominação [§43–§49]
Na versão fissurada e franqueada da economia do conhecimento, as relações interfirmas são caracterizadas pela dominação das firmas mais abaixo na cadeia de fornecimento. A Apple dita os termos de sua parceria com a Foxconn; as firmas de plataforma dominam trabalhadores dependentes (como Uber e seus motoristas). O modelo de nuvem rompe com esse padrão: a relação com os parceiros se estende ao longo de um continuum que vai da dominação à colaboração. Os provedores de nuvem dominam em algumas relações (com fornecedores de racks de servidores ou empresas de utilidade elétrica), mas têm relações muito mais igualitárias com outros parceiros, caracterizadas por benefício mútuo e às vezes dependência recíproca.
A relação entre Microsoft e OpenAI ilustra essa interdependência: a OpenAI precisa do Azure para treinar e executar seus modelos; a Microsoft, por sua vez, ainda não tem modelos próprios tão poderosos quanto os da OpenAI. O mesmo se aplica à relação Microsoft-NVIDIA — na qual, se algo, a Microsoft precisa mais da NVIDIA (cujos chips são superiores) do que o inverso. Para os parceiros de hardware down the stack, como Intel, AMD e NVIDIA, as colaborações habilitaram inovações de hardware de ponta: a Microsoft, por exemplo, respondia por 19% da receita da NVIDIA em 2023, segundo estimativas do Business Insider. As parcerias horizontais entre concorrentes também existem, motivadas por interesse mútuo na expansão do mercado total de serviços de nuvem. Por exemplo, quando o Capital One Bank migrou sua infraestrutura para AWS, esse ato funcionou como validação do modelo de nuvem pública, beneficiando indiretamente Azure e GCP ao sinalizar viabilidade para outras instituições financeiras.
Um caso emblemático de colaboração defensiva entre concorrentes é o consórcio formado por Google, Microsoft, Meta, AMD, Intel, Broadcom e outros para estabelecer um novo padrão industrial para os componentes que interconectam chips aceleradores de IA (GPUs) dentro de data centers, permitindo a escalabilidade de sistemas de IA. A NVIDIA — que atualmente domina esse padrão — foi deliberadamente excluída do consórcio, como parte de uma estratégia mais ampla de reduzir a dependência em relação à empresa, cuja dominância confere a ela influência considerável sobre o ecossistema de hardware de IA.
6.4 Orientado a empresas, não a consumidores [§50–§56]
A última diferença fundamental em relação ao modelo de plataforma diz respeito à base de clientes. Enquanto as firmas de plataforma tradicionais são predominantemente orientadas ao consumidor, os provedores de nuvem são quase exclusivamente orientados a empresas (enterprise-facing). Em vez de depender de milhões de usuários individuais, dependem do desenvolvimento de fluxos de receita estáveis provenientes de um conjunto muito menor de grandes clientes corporativos: com um único cliente do porte de uma empresa Fortune 500 ou agência governamental, um único contrato pode valer centenas de milhões de dólares.
Essa orientação implica estratégias corporativas radicalmente distintas das do modelo de plataforma: para os provedores de nuvem, desenvolver relações profundas e duradouras com os clientes é uma prioridade estratégica. A capacidade de inovar e manter competitividade depende do fluxo de conhecimento dos clientes corporativos de volta às equipes de P&D — o que Cohen e Levinthal denominam capacidade absortiva da firma. A familiaridade íntima com as operações dos clientes permite que os provedores desenvolvam serviços específicos para indústrias e inovações de produto, garantindo que suas ofertas se adequem às necessidades únicas de cada cliente.
Para construir e manter relacionamentos com clientes, os provedores de nuvem mobilizam subgrupos internos inteiros — equipes de vendas e departamentos de “engenharia da experiência do cliente” — para gestão dessas relações. Em 2023, o AWS empregava mais de 60.000 profissionais focados em relações com clientes, representando aproximadamente metade do total de funcionários da divisão. Além disso, os provedores de nuvem dependem de parcerias profundas com firmas de serviços profissionais, como a Accenture — empresa de consultoria que orientou sua base de clientes, em grande parte composta por empresas legadas, pelo complexo processo de migração para a nuvem, e que em 2019 lançou em conjunto com a Microsoft o “Accenture Microsoft Business Group”, iniciativa de 45.000 pessoas focada na entrega conjunta de soluções de software impulsionadas pela nuvem para a base de clientes global.
O modelo de nuvem rompe também com a dinâmica de fissurização e desqualificação laboral associada ao capitalismo de plataformas: ao demandar que as empresas clientes em saúde, finanças e manufatura empreguem profissionais com habilidades técnicas avançadas para aproveitar as capacidades da nuvem, o modelo cria pressão ascendente sobre a demanda por trabalhadores altamente qualificados. A proliferação de certificações (AWS Certified Solutions Architect, Microsoft Certified Azure Administrator, Google Professional Cloud Architect) é reflexo desse processo.
7 O Modelo de Negócio de Nuvem: Impacto e Efeitos (pp. 20–25)
7.1 Dinâmica tecnológica: A corrida para a AGI [§57–§62]
Os autores avaliam de forma crítica a narrativa da AGI. A promessa, na visão de seus defensores mais fervorosos (como Sam Altman), é que a AGI resolverá os maiores desafios da humanidade, do combate às mudanças climáticas ao desbloqueio de novas descobertas científicas. Contudo, os autores argumentam que, no estágio atual, o conceito de AGI é menos um marco técnico do que um futuro socioeconômico imaginado — ou, mais pragmaticamente, um conceito de marketing. A narrativa de que atingir a AGI está sempre iminente mas nunca presente é o que sustenta o momentum de mercado e justifica os centenas de bilhões de dólares que as grandes firmas de nuvem despejam em infraestrutura computacional.
Alerta crítico dos autores: Mesmo com a dinâmica quase piramidal de investimento gerada pelo “momento ChatGPT”, uma aplicação killer, oportunidades significativas de comercialização ou ganhos de produtividade mensuráveis ainda não se materializaram. O exemplo paradigmático é a OpenAI: em um determinado ano, coletou 3 bilhões de dólares em receita, mas gastou 7 bilhões — grande parte disso com treinamento e implantação de modelos. Isso levanta a possibilidade de que os centenas de bilhões investidos em compute para alimentar o paradigma atual de IA se assemelhem mais a uma bolha especulativa do que à fundação da próxima revolução tecnológica.
O episódio do DeepSeek no início de 2025 é tratado pelos autores como um teste para essa interpretação: as otimizações de custo do modelo da empresa chinesa undermaram as scaling laws subjacentes à corrida pela AGI, fazendo os mercados mergulharem brevemente. Contudo, o susto foi temporário: como o CEO da Microsoft Satya Nadella argumentou, as eficiências alcançadas pelo DeepSeek iriam, ao contrário, estimular ainda mais demanda por infraestrutura de nuvem — um argumento estruturalmente paralelo ao Paradoxo de Jevons do século XIX, segundo o qual melhorias na eficiência do uso do carvão levaram ao aumento, e não à diminuição, do consumo total de carvão. Os autores concluem que, independentemente da trajetória precisa da “revolução” de IA, os provedores de nuvem dominantes continuarão investindo agressivamente em suporte à hipótese de escala, impulsionados pelo medo de perder caso os ganhos prometidos se materializem — e que, neste estágio, não têm escolha senão perpetuar a narrativa da AGI, pois frear os investimentos comprometeria a legitimidade das somas já despendidas.
7.2 Dinâmica política: A ascensão do tecnonacionalismo [§63–§68]
A ascensão do modelo de nuvem desencadeou novas dinâmicas políticas. A natureza asset-light das firmas de plataforma da geração anterior permitia-lhes praticar arbitragem regulatória, deslocando operações entre jurisdições com regimes fiscais, legais ou regulatórios mais favoráveis. Em contraste, essa flexibilidade regulatória é muito mais difícil de alcançar para as firmas de nuvem, porque sua infraestrutura física as vincula a localizações específicas. Os autores argumentam que os líderes tecnológicos americanos estão plenamente conscientes de como essa vulnerabilidade pode conferir ao Estado novo poder de alavancagem sobre a próxima era da economia digital.
Esse é um dos fatores — pouco explorado nos comentários dominantes — que explicam a abrupta virada das grandes empresas tecnológicas em direção a Donald Trump: firmas antes footloose agora estão mais imersas em ativos imóveis, criando incentivos materiais enormes para obter favores de formuladores de políticas nacionais. A dependência, contudo, é recíproca: o governo americano também depende crescentemente da nuvem, com múltiplos contratos bilionários com provedores de nuvem para modernizar agências governamentais, incluindo as forças armadas. O escopo da dependência governamental do Palantir — que fornece análise avançada de dados e integração para várias agências federais, especialmente defesa, aplicação da lei e inteligência, e que por sua vez depende dos provedores de nuvem dominantes — expandiu-se massivamente desde que Trump assumiu o cargo.
A geopolítica aprofundou ainda mais a interdependência mútua entre governo e grandes firmas de nuvem. A corrida de IA contra a China tornou-se prioridade para os dois principais partidos norte-americanos mesmo antes da corrida pela AGI. Em 2018, o Comitê de Serviços Armados da Câmara convidou o ex-CEO do Google Eric Schmidt para presidir uma Comissão de Segurança Nacional sobre Inteligência Artificial, que incluía altos executivos da Microsoft e da Amazon. Sob Biden, o CHIPS and Science Act proveu financiamento generoso para promover a fabricação de semicondutores avançados dos quais os provedores de nuvem dependem; o IRA expandiu a capacidade de energia renovável, beneficiando as operações intensivas em energia das grandes firmas de nuvem. O governo Trump demonstrou entusiasmo ainda mais desbridado, revertendo as condicionalidades de suporte estatal impostas por Biden — que exigiam conformidade com medidas de segurança e uso de fontes de energia renovável —, e endossando o massivo plano “Stargate” de construção de data centers, com mais de 500 bilhões de dólares alocados para infraestrutura de data centers.
Essa aliança tecnonacionalista tem implicações para outros países. Na Europa, os altos níveis de dependência de um punhado de firmas americanas de nuvem são crescentemente percebidos como vulnerabilidade geopolítica; após o recente conflito de Trump com a União Europeia, autoridades foram lembradas de como uma administração americana hostil poderia facilmente cortar o acesso e interromper partes da economia europeia. Enquanto isso, os controles de exportação de chips de IA e outras medidas comerciais voltadas a obstruir o avanço tecnológico chinês apenas intensificaram o compromisso do governo chinês com a independência tecnológica — incluindo apoio intensificado a provedores de nuvem domésticos.
7.3 Dinâmica distributiva: Novos centros de poder [§69–§73]
O modelo de nuvem também deu origem a novas dinâmicas distributivas distintas da era das plataformas. As firmas de plataforma “disruptaram” incumbentes de setores tradicionais: o Airbnb virou a hotelaria de cabeça para baixo, transformando qualquer proprietário em potencial hospedeiro; o e-commerce da Amazon suplantou boa parte do varejo físico; a Robinhood redefiniu o investimento de varejo. Em cada caso, os incumbentes legados foram disruptados por novas firmas de plataforma emergentes de fora do núcleo estabelecido de cada setor.
Em contraste, e por sua natureza enterprise-facing, os provedores de nuvem têm o potencial de ajudar incumbentes a resistir à concorrência — especialmente de disruptores tecnologicamente sofisticados. Em vez de representar uma ameaça, os serviços de nuvem oferecem às firmas legadas dominantes os meios para realizar sua própria transformação digital e aumentar sua competitividade. Por exemplo, o Walmart tornou-se um usuário experiente do Microsoft Azure, permitindo-lhe competir com a Amazon no varejo online; bancos como o JPMorganChase são adotantes ágeis da nuvem, ajudando-os a resistir à concorrência de fintechs. Assim, enquanto o modelo de plataforma deslocou poder dos incumbentes legados para o Vale do Silício, alargando o fosso digital entre o setor tecnológico e os demais, o modelo de nuvem pode reverter essa tendência.
Ao mesmo tempo, dentro das indústrias, espera-se que o modelo de nuvem aprofunde a desigualdade: apenas os grandes players (como JPMorganChase ou Walmart) terão as capacidades para aproveitar plenamente a nuvem. Jogadores menos sofisticados — bancos locais sem know-how técnico, varejistas de pequeno porte — ficarão ainda mais para trás. E o centro de poder mais notável de todos reside nos próprios provedores de nuvem em relação ao restante do setor tecnológico: na era pós-ChatGPT, a inovação e seus lucros permanecem concentrados em um punhado de gigantes de nuvem, que trazem porções crescentes da cadeia de fornecimento de IA sob seu controle — de hardware de semicondutores e data centers especializados a serviços de IA de alto nível. Mesmo firmas altamente tecnológicas como Apple e Netflix, antes capazes de desenvolver seus próprios modelos de IA para tarefas específicas, agora dependem da nuvem para acessar modelos de ponta como o ChatGPT.
8 Argumento Sintético
Ficha Analítica Crítica
Esta seção segue o formato IA Planilhando Textos v13.0.