Dados da Ramp mostram que o gasto em IA por funcionário caiu em agosto nas empresas de ponta

A adoção de IA entre empresas quase estagnou em agosto, enquanto as companhias que mais usavam IA reduziram fortemente o gasto por funcionário, segundo dados de pagamentos da Ramp. Os números levantam uma questão mais consequente do que saber se os funcionários estavam fora no verão: a queda de preços e modelos mais baratos estão começando a suprimir o crescimento de receita dos fornecedores de modelos e das empresas de nuvem que financiam a atual construção da IA?

A análise da Ramp cobre gastos de cerca de 70 mil empresas. Ela constatou que 56% de seus clientes pagaram por produtos de IA em agosto, apenas 0,4 ponto percentual acima de julho. Entre as 1% de empresas que mais usavam IA na amostra, o gasto em IA por funcionário caiu quase 10%, para US$ 7.205.

Os números não estabelecem que a demanda corporativa por IA tenha enfraquecido de forma permanente. Agosto é um mês com muitas férias, e a base de clientes da Ramp é mais orientada à tecnologia do que a população empresarial como um todo. Mas os dados oferecem uma das poucas visões diretas do gasto corporativo e apontam para uma tensão no centro do mercado: o uso de IA pode continuar crescendo enquanto o valor pago por cada unidade de uso diminui.

Os dados da Ramp apontam para uma pausa, não para um veredito

A Ramp já havia registrado um padrão sazonal semelhante. Seu índice de IA mostrou pouco ou nenhum crescimento de adoção entre agosto e outubro do ano passado, antes que a atividade acelerasse no fim do ano. Esse histórico sustenta a possibilidade de que a desaceleração mais recente seja temporária.

A amostra também precisa ser interpretada com cuidado. É provável que os clientes da Ramp tenham mais facilidade em comprar software e produtos de IA do que a empresa média. Uma pesquisa em andamento do U.S. Census Bureau, atualizada em 23 de agosto, descobriu que 22% das empresas relataram usar IA, bem abaixo dos 56% da Ramp. As duas medições não são diretamente comparáveis, mas a diferença ilustra por que os números da Ramp devem ser tratados como um sinal de um segmento intensivo em software, e não como uma medida completa da economia.

Mesmo com essas limitações, o conjunto de dados é importante porque o comportamento de gasto pode revelar mudanças que pesquisas de produto não captam. Se as empresas continuarem experimentando IA, mas migrarem para modelos menos caros, ou reduzirem o uso em períodos de menor atividade dos funcionários, a adoção em destaque pode permanecer positiva enquanto a receita dos fornecedores cresce mais lentamente.

Custos mais baixos de tokens estão mudando a economia

O economista da Ramp, Ara Kharazian, atribuiu parte da queda do gasto por funcionário à redução dos preços dos tokens. A análise da empresa estimou o custo médio em US$ 0,68 por milhão de tokens em agosto, abaixo do pico de US$ 1,15 em março de 2026. OpenAI e Anthropic reduziram preços, segundo a reportagem da TechCrunch, tornando mais barato para os clientes um volume comparável de uso de modelos.

Isso é benéfico para empresas que implantam IA, mas cria uma equação de crescimento difícil para os fornecedores de modelos. Os laboratórios precisam de volumes maiores para compensar preços mais baixos. Os números da Ramp sugerem que, pelo menos até agosto, o aumento do uso não havia compensado totalmente as reduções entre seus clientes que mais gastavam.

A mudança também pode refletir substituição de modelos. Segundo relatos, empresas estão escolhendo sistemas mais antigos e mais baratos, incluindo o ChatGPT 5.6-Terra da OpenAI e o Anthropic Sonnet, em vez de pagar pelas versões frontier mais recentes. Para tarefas rotineiras de resumo, redação, classificação e busca interna, os compradores podem concluir que um modelo mais barato entrega um resultado suficiente. Isso faz da qualidade do modelo apenas um fator nas decisões de compra; preço, latência, confiabilidade e custos de integração podem importar tanto quanto.

O relatório também constatou que apenas 6,4% das empresas que gastam com IA usaram plataformas de serving ou inferência de modelos em agosto. Essa fatia está aumentando, mas não rápido o suficiente, na visão da Ramp, para remodelar a adoção corporativa como um todo. O resultado é um mercado ainda dominado por produtos de IA empacotados, em vez de ampla implantação corporativa de modelos hospedados de forma independente.

Por que o sinal importa para os construtores de IA

Para os laboratórios frontier, os números de agosto desafiam a suposição de que a rápida adoção de ferramentas de IA produzirá automaticamente uso pago suficiente para justificar investimentos enormes em treinamento e infraestrutura. Engenheiros de software impulsionaram forte demanda por ferramentas de codificação agêntica, mas uma desaceleração nessa categoria afetaria tanto o consumo de modelos quanto os fornecedores de software construídos em torno deles.

Para os construtores, a lição imediata é modelar a receita em torno de fluxos de trabalho concluídos, e não apenas do volume de tokens. Um produto que se torna mais barato de operar pode ser mais atraente para os clientes, mas seu fornecedor não pode presumir que preços unitários mais baixos serão compensados por chamadas adicionais suficientes. As equipes devem acompanhar usuários ativos, conclusão de tarefas, retenção e resultados do cliente junto com o consumo de tokens.

Compradores corporativos têm um incentivo diferente. A queda dos custos de tokens pode melhorar o caso de negócio da IA, especialmente em cargas de trabalho de alto volume. Ela também pode facilitar testar vários modelos e direcionar cada tarefa ao sistema menos caro que atenda aos requisitos de qualidade e segurança. Mas as economias podem desaparecer se as organizações adicionarem orquestração cara, monitoramento, revisões de segurança ou supervisão humana sem medir os ganhos de produtividade resultantes.

Os números também ajudam a explicar por que as empresas de IA estão mirando usuários não técnicos com produtos mais amplos de coworking e assistentes de IA. Os clientes técnicos mais avançados podem estar otimizando agressivamente o preço, enquanto equipes menos técnicas podem representar novas categorias de demanda. Conquistar esses usuários exigiria implantação mais simples e valor de negócio mais claro, não apenas melhor desempenho em benchmarks.

Evidências e alegações continuam limitadas

Os números mais fortes desta história são medições fornecidas pelo fornecedor Ramp, relatadas pela TechCrunch. Não se trata de um censo setorial auditado, e a fonte não fornece um detalhamento completo por tamanho de empresa, setor, geografia, carga de trabalho ou o efeito das férias dos funcionários. A comparação com o Census Bureau é um contexto útil, mas não prova que a adoção nacional de IA desacelerou em agosto.

A interpretação de Kharazian de que a concorrência entre OpenAI e Anthropic está derrubando preços e gastos é uma análise executiva dos dados da Ramp, não uma explicação verificada de forma independente. Da mesma forma, a sugestão de que os laboratórios frontier ainda não compensaram as reduções de preço com volume suficiente deve ser lida como uma inferência de mercado a partir da tendência de gastos reportada.

Essas ressalvas não tornam o resultado irrelevante. Elas definem o que ele pode sustentar: um alerta sobre monetização e pressão sobre preços entre clientes orientados à tecnologia, e não uma prova de que a demanda corporativa por IA entrou em um declínio duradouro.

O que observar a seguir

As próximas leituras da Ramp mostrarão se agosto foi uma queda sazonal recorrente ou o início de uma mudança mais ampla. Um novo aumento na parcela de empresas que pagam por IA, combinado com maior gasto por funcionário, apoiaria a explicação da calmaria do verão.

Os preços dos modelos e os volumes de uso serão igualmente importantes. Se OpenAI e Anthropic continuarem reduzindo preços enquanto o consumo total de tokens sobe fortemente, os laboratórios ainda poderão expandir receita por escala. Se os clientes continuarem migrando para modelos mais baratos e o crescimento do uso permanecer modesto, a pressão sobre a economia dos modelos frontier ficará mais difícil de ignorar.

Os construtores também devem acompanhar a adoção de plataformas de inferência, a durabilidade das ferramentas de codificação agêntica e se produtos de IA para não técnicos geram nova demanda paga. Para compradores corporativos, os sinais úteis estarão menos no uso agregado de modelos e mais nas taxas de renovação, nas melhorias mensuráveis de fluxo de trabalho e no custo total de operar sistemas de IA em produção.

Perspectiva da Creati.ai

Os dados de agosto da Ramp são melhor entendidos como um teste de estresse para as premissas de receita do mercado de IA. Modelos mais baratos são uma boa notícia para os clientes, mas obrigam os fornecedores a provar que preços menores criam uso adicional suficiente — ou usuários novos suficientes — para sustentar os gastos com infraestrutura.

A conclusão de curto prazo não é que a IA corporativa parou. É que adoção e monetização estão divergindo. Os construtores de IA que conseguirem mostrar valor duradouro em fluxos de trabalho, controlar custos de inferência e atender clientes sensíveis a preço estarão melhor posicionados do que aqueles que dependem apenas do aumento no consumo de tokens.