A próxima onda da inteligência artificial deve ampliar drasticamente a demanda global por capacidade computacional nos próximos anos. Segundo projeção do Goldman Sachs Research, o consumo ligado à IA pode crescer 24 vezes entre 2026 e 2030, alcançando a marca de 120 quatrilhões de tokens processados por mês.
De acordo com a Exame, o movimento será impulsionado principalmente pela chamada IA agêntica, modelo baseado em sistemas capazes de executar tarefas de forma autônoma, sem depender de comandos pontuais dos usuários. Na prática, esses agentes conseguem organizar fluxos complexos de atividades, interagir com aplicativos, acessar sistemas e tomar decisões dentro de parâmetros previamente definidos.
A projeção do banco surge em um momento em que o mercado financeiro ainda debate a sustentabilidade dos investimentos bilionários feitos pelas gigantes de tecnologia em infraestrutura de IA. Nos últimos anos, empresas vêm acelerando aportes em chips, servidores e data centers para atender à expansão dos modelos de linguagem.
Para o Goldman Sachs, porém, a lógica econômica da inteligência artificial pode mudar conforme os custos de processamento caem e a escala de uso cresce.
“A preocupação entre investidores generalistas é a sustentabilidade do capex, porque os fluxos de caixa livres dos hiperescaladores foram comprimidos”, disse Jim Schneider, analista sênior do Goldman Sachs Research para semicondutores e serviços de tecnologia nos Estados Unidos.
“O que corrige isso? A resposta está na economia subjacente do problema. Se você eleva as margens brutas, eleva o fluxo de caixa operacional, e isso dá mais espaço para gastar”, afirmou.
Segundo o banco, a redução do custo por token deve ser um dos principais motores dessa transformação. Tokens são as unidades básicas processadas pelos modelos de linguagem e podem representar pedaços de palavras, códigos, imagens ou outros tipos de informação.
Na visão do Goldman Sachs, a IA agêntica tende a multiplicar o consumo dessas unidades porque os sistemas deixam de apenas responder perguntas para executar cadeias inteiras de tarefas de maneira contínua e automatizada.
Entre os exemplos citados pelo banco estão agentes capazes de reservar viagens, organizar e-mails, separar mensagens por prioridade, filtrar spam e executar diferentes ações em aplicativos e dispositivos móveis sem intervenção constante do usuário.
A expectativa é que parte das buscas tradicionais na internet seja gradualmente substituída primeiro por consultas em modelos de linguagem e, posteriormente, por agentes autônomos operando em segundo plano.
O Goldman Sachs projeta que as consultas diárias em grandes modelos de linguagem avancem a uma taxa composta de 40% ao ano e atinjam 11 bilhões por dia até 2030.
No ambiente corporativo, a adoção deve ocorrer em ritmo mais lento, mas com potencial relevante de impacto no longo prazo. Segundo o banco, agentes empresariais precisam operar dentro de regras mais complexas envolvendo conformidade, documentação, integração de sistemas, controle de orçamento e segurança de dados.
Atividades como desenvolvimento de software, atendimento ao cliente e automação de processos internos exigem ciclos mais longos de validação antes de serem implementadas em escala nas empresas.
Ainda assim, o Goldman Sachs estima que 12% dos trabalhadores do conhecimento utilizarão IA agêntica até 2030. Em 2040, esse percentual pode chegar a 37%.
A expansão do consumo de IA também vem acompanhada de uma rápida redução nos custos de computação. Segundo Schneider, fornecedores de semicondutores vêm reduzindo o custo por token entre 60% e 70% ao ano nos processos de inferência — etapa em que modelos já treinados são utilizados para gerar respostas ou executar tarefas.
A redução dos custos está ligada tanto à evolução dos chips quanto às novas arquiteturas de data centers voltadas especificamente para inteligência artificial. Para o banco, essa combinação pode melhorar as margens brutas das empresas do setor nos próximos meses.
Apesar disso, o Goldman Sachs avalia que a indústria ainda enfrentará gargalos relevantes de capacidade no curto prazo. A produção de semicondutores continua pressionada pela velocidade de crescimento das aplicações de IA.
Segundo Schneider, a construção de uma nova fábrica de chips pode levar cerca de três anos, enquanto a evolução dos usos de inteligência artificial acontece em ritmo muito mais acelerado.
O analista afirma que, se a demanda estivesse concentrada apenas em chatbots, a capacidade atual seria suficiente. A expansão da IA agêntica, no entanto, alterou significativamente o nível de processamento necessário.
A expectativa do banco é que a escassez de chips permaneça pelos próximos 12 meses, com possibilidade de equilíbrio entre oferta e demanda em aproximadamente dois anos.
O relatório também destaca que a rentabilidade da IA deve variar conforme o tipo de aplicação. Ferramentas voltadas para programação tendem a apresentar uma estrutura financeira mais favorável, já que agentes conseguem operar de forma autônoma e entregar tarefas rapidamente.
Já aplicações de voz em tempo real podem enfrentar desafios maiores de custo. Schneider citou situações em que o atendimento humano ainda se mostrou financeiramente mais barato do que o uso de modelos de linguagem, especialmente devido à latência e ao consumo computacional contínuo.
Para o Goldman Sachs, a próxima fase da inteligência artificial deve alterar a percepção do mercado sobre os investimentos em infraestrutura. Em vez de representar apenas uma fonte crescente de despesas, a IA pode passar a gerar ganhos de margem sustentados pela combinação entre maior escala de processamento e redução acelerada dos custos computacionais.
