Microsoft cancela licenças do Claude Code e expõe o problema real dos custos de IA nas empresas
A Microsoft está no centro de uma discussão que ninguém no mercado de tecnologia esperava ter tão cedo: usar IA no dia a dia corporativo pode custar mais do que manter funcionários humanos na folha de pagamento.
Parece contraditório, né?
A promessa sempre foi a de que a inteligência artificial reduziria custos, otimizaria processos e tornaria as empresas mais enxutas e competitivas. Mas a realidade que começa a emergir nos bastidores das grandes corporações conta uma história bem diferente — e um pouco mais complicada do que os slides de apresentação deixavam parecer. 🤔
O caso mais recente veio direto de dentro da própria Microsoft, que decidiu cancelar a maioria das licenças do Claude Code depois que a ferramenta se tornou popular rápido demais entre engenheiros, designers e gerentes de produto. De acordo com o site The Verge, a empresa está direcionando seus desenvolvedores para o GitHub Copilot CLI como alternativa interna.
E a gigante de Redmond não está sozinha nessa situação.
Da Uber à Nvidia, passando por Meta e Amazon, o padrão se repete: quanto mais as empresas incentivam o uso intensivo de IA, mais a conta surpreende — negativamente.
O que aconteceu com o Claude Code dentro da Microsoft
O Claude Code é uma ferramenta de IA desenvolvida pela Anthropic, voltada para auxiliar equipes técnicas na escrita, revisão e depuração de código. Quando chegou às mãos dos times internos da Microsoft, cerca de seis meses atrás, a adoção foi quase imediata. Milhares de engenheiros de software, designers de produto e gerentes de projeto começaram a integrar a ferramenta ao fluxo de trabalho diário, e o uso escalou de forma orgânica e bastante acelerada.
O problema é que esse crescimento rápido veio acompanhado de uma fatura igualmente expressiva — e que rapidamente chamou atenção dos executivos responsáveis pelo orçamento de tecnologia.
A decisão de cancelar a maior parte das licenças não foi tomada por questões de qualidade ou desempenho da ferramenta. Pelo contrário, o Claude Code entregava resultados e os próprios engenheiros já dependiam dele no dia a dia. A questão central era financeira: o volume de uso gerado pelos funcionários impulsionou os custos operacionais a um nível que não estava nos planos originais. Quando você multiplica o preço por token ou por chamada de API pelo número de interações que uma equipe inteira faz ao longo do dia, o valor final pode surpreender qualquer CFO — e foi exatamente o que aconteceu.
Vale destacar que, segundo o The Verge, o cancelamento das licenças do Claude Code não afeta o acordo mais amplo entre Microsoft e Anthropic no programa Foundry. Esse acordo inclui um investimento de até 5 bilhões de dólares da Microsoft na Anthropic, acesso dos clientes Foundry aos modelos Claude e o compromisso da Anthropic de adquirir 30 bilhões de dólares em capacidade de computação no Azure. Ou seja, a parceria estratégica entre as duas empresas segue firme — o que mudou foi o uso interno descontrolado da ferramenta. 💸
- E-BOOK GRATUITO
Um guia prático para avaliar, comparar e implementar inteligência artificial com clareza — sem desperdício de tempo ou dinheiro.
Pare de contratar ferramentas sem direção. Criamos um método estruturado para decidir qual IA realmente faz sentido para o seu negócio.
Entrega em PDF no seu e-mail · Sem spam · LGPD
🔒 Seus dados são protegidos conforme a LGPD. Você pode descadastrar a qualquer momento.
O episódio acende um alerta importante sobre como as empresas estão pensando a adoção de IA generativa. Muitas organizações liberam o acesso às ferramentas sem uma estratégia clara de governança de uso, sem limites definidos de consumo e, principalmente, sem um entendimento real de como os custos escalam conforme o engajamento aumenta. A Microsoft, mesmo sendo uma das maiores investidoras no ecossistema de IA do mundo, caiu nessa armadilha dentro de casa.
Uber estourou o orçamento de IA em apenas quatro meses
A Microsoft não é a única grande empresa enfrentando esse problema. O caso da Uber é talvez ainda mais revelador. Segundo reportagem do The Information, o CTO da empresa, Praveen Neppalli Naga, revelou em abril que a companhia já havia queimado todo o orçamento previsto para ferramentas de IA de codificação em 2026 — em apenas quatro meses.
Isso aconteceu depois que a própria Uber incentivou ativamente a adoção dessas ferramentas. A empresa chegou a criar rankings internos que classificavam os times pelo nível de uso de ferramentas de IA. A lógica era simples: quanto mais uso, mais produtividade. Mas a lógica financeira não acompanhou a lógica de engajamento, e o resultado foi um estouro orçamentário que forçou a empresa a repensar completamente sua estratégia de adoção.
Esse tipo de incentivo não ficou restrito à Uber. A Meta também entrou nessa onda. Um funcionário da empresa criou um painel interno batizado de Claudeonomics — em referência ao modelo Claude da Anthropic — para rastrear quais profissionais estavam usando mais IA no trabalho. Já a Amazon passou a incentivar seus times a praticar o que chamaram internamente de tokenmaxxing, ou seja, usar o máximo possível de tokens de IA — os blocos básicos de computação que alimentam os modelos de linguagem.
A corrida pelo uso máximo de IA se transformou quase em uma competição cultural dentro das big techs. Mas o problema é que, em um modelo de precificação baseado em tokens, mais uso significa automaticamente mais gasto. 📈
Quando a IA custa mais do que o salário de um funcionário
Esse fenômeno levanta uma questão que poucos estavam dispostos a fazer em voz alta até pouco tempo atrás: e se a IA for, pelo menos por enquanto, mais cara do que as pessoas que ela deveria substituir ou complementar?
Bryan Catanzaro, vice-presidente de aprendizado profundo aplicado da Nvidia, foi bastante direto sobre isso em uma entrevista recente ao site Axios. Segundo ele, para o time dele, o custo de computação já ultrapassa em muito o custo dos funcionários. Quando alguém da própria Nvidia — a empresa que mais lucra com a revolução da IA — faz essa afirmação, é impossível ignorar o recado.
O modelo de precificação das grandes plataformas de IA — geralmente baseado em consumo por tokens, por requisição ou por assinatura premium por usuário — foi desenhado para ser acessível na entrada, mas pode escalar de maneira agressiva conforme o uso se intensifica. Quando uma empresa tem centenas ou milhares de funcionários utilizando essas ferramentas de forma contínua durante a jornada de trabalho, o custo agregado pode rapidamente superar o que estava no orçamento de tecnologia. E o pior: muitas vezes esse estouro só é percebido quando a fatura já chegou.
Há ainda outro fator que complica essa equação: a dificuldade de medir o retorno real sobre o investimento. Diferente de um funcionário cujo desempenho pode ser avaliado por métricas de entrega, velocidade ou qualidade, o valor gerado por uma ferramenta de IA é muito mais difuso e subjetivo. Um engenheiro pode usar o Claude Code para resolver um problema em 20 minutos que levaria duas horas sem a ferramenta, mas quantificar isso de forma consistente e transformar em número financeiro concreto é um desafio real para qualquer gestor.
Quando o benefício é nebuloso e o custo é explícito na fatura, a decisão de cortar licenças se torna muito mais fácil de justificar. 📊
O paradoxo dos tokens: preço unitário cai, mas a conta total sobe
Existe um paradoxo interessante nessa história toda que merece atenção. O custo individual de cada token de IA está caindo — e deve continuar caindo. Um relatório recente da Gartner estima que, até 2030, a inferência em um modelo de linguagem com um trilhão de parâmetros custará às empresas de IA quase 90% menos do que custava em 2025. Ou seja, a matéria-prima da IA está ficando mais barata.
Mas aqui entra o detalhe que muda tudo: os modelos mais avançados, especialmente os agentes de IA, consomem muito mais tokens por tarefa do que os modelos padrão. Segundo projeções do Goldman Sachs, a IA agêntica pode impulsionar um aumento de 24 vezes no consumo de tokens até 2030, chegando a impressionantes 120 quatrilhões de tokens por mês conforme consumidores e empresas adotarem agentes de IA em larga escala.
Isso significa que, mesmo com tokens mais baratos, o gasto total das empresas pode subir significativamente. A Gartner foi bastante clara nesse ponto: tokens mais baratos não vão se traduzir em IA empresarial mais barata. Os motivos são três:
- Modelos agênticos exigem muito mais tokens por tarefa
- O aumento no consumo pode superar a queda no custo unitário
- Os provedores de IA não vão repassar integralmente a redução de custos aos clientes
Will Sommer, analista sênior da Gartner, foi enfático ao alertar que diretores de produto não devem confundir a deflação de tokens básicos com a democratização do raciocínio de fronteira. Em outras palavras, só porque o token ficou mais barato não quer dizer que usar IA de ponta ficou acessível.
O sonho dos 100 agentes de IA por funcionário pode sair caro
Esse cenário de custos crescentes complica bastante os planos mais ambiciosos do mercado. O CEO da Nvidia, Jensen Huang, já declarou publicamente que acredita em um futuro onde 100 agentes de IA trabalharão ao lado de cada funcionário da empresa. Ele faz parte de uma onda maior de CEOs que promovem a visão de um ambiente corporativo dominado por trabalhadores digitais operando em todas as áreas do negócio.
A visão é empolgante, sem dúvida. Mas se o consumo de tokens escalar mais rápido do que a queda nos custos unitários — e tudo indica que esse será o caso no curto e médio prazo — essa realidade pode vir acompanhada de uma conta muito mais pesada do que os executivos estão projetando nos seus modelos financeiros.
Não se trata de dizer que a IA agêntica não vai acontecer. Ela vai. Mas o caminho entre a visão de 100 agentes por pessoa e a realidade operacional envolve resolver um problema econômico que ainda não tem resposta definitiva. E os casos da Microsoft e da Uber mostram que mesmo as empresas mais ricas e tecnologicamente avançadas do planeta estão tropeçando nessa conta. 🤖
O que isso diz sobre o futuro da IA nas empresas
A situação que a Microsoft e outras gigantes estão enfrentando não significa que a IA corporativa é uma fraude ou que a promessa de eficiência foi uma mentira. O que ela revela é que a transição para um ambiente de trabalho com IA integrada é mais complexa do que parecia nas apresentações de produto, e que as empresas ainda estão aprendendo como gerenciar essa nova variável dentro dos seus modelos de negócio. A curva de aprendizado existe, e ela tem custo.
Um dos principais desafios que emerge desse cenário é a necessidade de criar políticas internas de uso de IA que equilibrem acesso e controle. Liberar as ferramentas para todo mundo sem nenhum critério pode resultar em adoção caótica e gastos fora do controle, como aconteceu com o Claude Code na Microsoft. Por outro lado, restringir demais o acesso pode gerar o efeito oposto: times que poderiam ganhar produtividade real acabam sendo privados de recursos que poderiam transformar o trabalho deles. Encontrar esse equilíbrio é uma das tarefas mais importantes — e menos glamourosas — dos departamentos de tecnologia neste momento. 🎯
Receba o melhor conteúdo de inovação em seu e-mail
Todas as notícias, dicas, tendências e recursos que você procura entregues na sua caixa de entrada.
Ao assinar a newsletter, você concorda em receber comunicações da Método Viral. A gente se compromete a sempre proteger e respeitar sua privacidade.
O mercado de IA corporativa ainda está em fase de maturação, e os modelos de precificação das plataformas devem evoluir conforme a pressão dos grandes clientes aumenta. Já existem movimentos nessa direção: algumas empresas de IA começam a oferecer planos corporativos com tetos de consumo, modelos de assinatura com preço fixo por usuário ou até contratos negociados por volume. Mas enquanto esses formatos não se tornam padrão, as organizações precisam tratar o gasto com IA com o mesmo rigor financeiro que aplicam a qualquer outra linha de custo operacional — e não apenas como um investimento em inovação que justifica qualquer número na planilha.
O papel da governança de IA no controle de custos
O que fica cada vez mais evidente é que a adoção de IA generativa nas empresas precisa ser acompanhada de uma camada robusta de governança. Não basta comprar licenças, liberar acesso e esperar o melhor. É necessário definir quem usa, para quê usa, quanto pode usar e como medir se o uso está gerando valor real para o negócio.
Empresas que estão conseguindo navegar melhor essa fase de transição geralmente compartilham algumas práticas em comum. Elas definem limites de consumo por equipe ou por projeto. Estabelecem métricas claras para avaliar o retorno do investimento em IA. Criam comitês internos que revisam periodicamente o uso e o custo das ferramentas. E, talvez o mais importante, tratam a IA como qualquer outro recurso corporativo que precisa de gestão ativa — e não como uma varinha mágica que resolve tudo sozinha.
A ausência dessas práticas é justamente o que levou a Microsoft e a Uber às situações que agora estampam as manchetes do setor. E o aprendizado que fica é valioso para qualquer organização que esteja no processo de adotar IA em escala: a tecnologia sozinha não entrega resultado se não houver estratégia por trás dela.
O episódio da Microsoft com o Claude Code é, acima de tudo, um lembrete de que adotar tecnologia nova com inteligência vai muito além de simplesmente ligar o acesso para todo mundo e torcer para que a produtividade apareça nos resultados do trimestre.
A IA tem potencial real de transformar a forma como as empresas operam — mas esse potencial precisa ser gerenciado com estratégia, dados e, principalmente, com os olhos bem abertos para o que aparece na fatura no final do mês. Nem a Anthropic nem a Microsoft comentaram oficialmente sobre a situação até o momento da publicação original da reportagem pela Fortune. 👀
