Sob a aparência de sucesso, as «quatro grandes dilemas» da OpenAI

Escrito por: Zhao Ying

Fonte: Wall Street Journal

Benedict Evans, ex-sócio da a16z e renomado analista de tecnologia, publicou recentemente um artigo de análise aprofundada, apontando quatro dilemas estratégicos fundamentais que a OpenAI enfrenta por trás de sua aparente prosperidade. Ele acredita que, apesar de a OpenAI possuir uma base de usuários vasta e capital suficiente, a falta de uma barreira tecnológica, baixo engajamento dos usuários, rápida aproximação dos concorrentes e uma estratégia de produto limitada à direção de pesquisa do laboratório ameaçam sua competitividade a longo prazo.

Evans destaca que o modelo de negócio atual da OpenAI não apresenta uma vantagem competitiva clara. A empresa não possui tecnologia exclusiva nem efeitos de rede, e apenas 5% dos 900 milhões de usuários ativos semanais pagam pelo serviço, enquanto 80% enviam menos de 1000 mensagens em 2025 — o que equivale a menos de três prompts por dia. Esse padrão de uso “de uma polegada de profundidade e uma milha de largura” indica que o ChatGPT ainda não se tornou um hábito diário dos usuários.

Ao mesmo tempo, gigantes tecnológicos como Google e Meta já alcançaram a OpenAI em termos tecnológicos e estão aproveitando suas vantagens de distribuição para conquistar mercado. Evans acredita que o verdadeiro valor na área de IA virá de experiências e aplicações ainda não inventadas, e a OpenAI não consegue criar todas essas inovações sozinha. Isso força a empresa a atuar em múltiplas frentes, desde infraestrutura até camada de aplicação, de forma abrangente.

A análise de Evans revela uma contradição central: a OpenAI tenta estabelecer barreiras competitivas por meio de grandes investimentos de capital e uma estratégia de plataforma de pilha completa, mas, na ausência de efeitos de rede e mecanismos de fidelização, essa estratégia ainda é questionável. Para investidores, isso significa uma necessidade de reavaliar o valor de longo prazo da OpenAI e sua posição real no cenário competitivo de IA.

Vantagem tecnológica desaparecendo: homogeneização de modelos

Evans aponta que atualmente cerca de seis instituições conseguem lançar modelos de ponta competitivos, com desempenho bastante semelhante. Empresas se superam a cada poucas semanas, mas nenhuma consegue estabelecer uma liderança tecnológica que seja inigualável. Isso contrasta fortemente com plataformas como Windows, Google Search ou Instagram, que por efeitos de rede reforçam sua participação de mercado, dificultando que concorrentes, mesmo com grande investimento, quebrem seus monopólios.

Essa homogeneização tecnológica pode mudar com alguns avanços, especialmente na capacidade de aprendizado contínuo, mas Evans acredita que a OpenAI atualmente não tem planos concretos nesse sentido. Outro possível fator de diferenciação seria o efeito de escala de dados proprietários, incluindo dados de usuários ou de setores verticais, mas plataformas existentes também possuem vantagens nesse aspecto.

Diante da convergência de desempenho dos modelos, a competição passa a se concentrar em marca e canais de distribuição. O crescimento rápido de market share do Gemini e do Meta AI confirma essa tendência — para o usuário comum, esses produtos parecem semelhantes, enquanto Google e Meta possuem capacidades de distribuição poderosas. Em contrapartida, o modelo Claude da Anthropic, embora frequentemente destaque-se em benchmarks, tem reconhecimento quase zero entre consumidores devido à ausência de estratégia de consumidor e de produto.

Evans faz uma analogia entre ChatGPT e Netscape, que dominou o mercado de navegadores no início, mas foi derrotado pela Microsoft por meio de vantagens de distribuição. Ele acredita que chatbots e navegadores enfrentam o mesmo problema de diferenciação: são essencialmente caixas de entrada e saída, com espaço limitado para inovação de produto.

Base de usuários frágil: escala não garante fidelidade

Apesar de a OpenAI liderar com cerca de 800 a 900 milhões de usuários ativos semanais, Evans aponta que esses números escondem um problema sério de engajamento. A maioria dos usuários que conhece e sabe usar o ChatGPT não o transformou em um hábito diário.

Dados mostram que apenas 5% dos usuários pagam pelo serviço, e mesmo entre adolescentes nos EUA, a frequência de uso semanal ou menor é muito maior do que o uso múltiplas vezes ao dia. Na “Resumo de 2025”, a OpenAI revelou que 80% dos usuários enviaram menos de 1000 mensagens em 2025, o que, na prática, equivale a menos de três prompts diários, com uso ainda mais esporádico.

Esse uso superficial indica que a maioria dos usuários não percebe diferenças significativas entre modelos ou benefícios de funções como “memória” para criar fidelidade. Evans enfatiza que a memória pode gerar fidelidade, mas não efeitos de rede. Além disso, embora uma base maior de usuários possa ser uma vantagem, quando 80% usam o serviço poucas vezes por semana, essa vantagem é questionável.

A própria OpenAI reconhece o problema, admitindo uma “lacuna de capacidade” entre o potencial do modelo e o uso real pelos usuários. Evans acredita que isso é uma tentativa de evitar a questão da aderência ao produto, pois, se os usuários não conseguem imaginar o que fazer com o ChatGPT no dia a dia, ele ainda não mudou suas vidas.

A empresa lançou projetos de publicidade, parcialmente para cobrir os custos de serviços para mais de 90% dos usuários que não pagam, mas com uma estratégia mais ampla de oferecer os modelos mais avançados e caros, na esperança de aumentar o engajamento. Evans questiona: se hoje ou nesta semana os usuários não conseguem pensar em algo para fazer com o ChatGPT, será que oferecer modelos melhores mudará essa situação?

Dúvidas sobre estratégia de plataforma: ausência de efeito de impulso real

No ano passado, o CEO da OpenAI, Sam Altman, tentou consolidar as iniciativas da empresa em uma estratégia coerente, apresentando um gráfico e citando uma frase de Bill Gates: “A definição de uma plataforma é criar valor para parceiros que excede o valor criado para si mesma”. Ao mesmo tempo, o CFO divulgou outro gráfico mostrando o “efeito de impulso”.

Evans considera que o efeito de impulso é uma estratégia engenhosa e coerente: os investimentos em capital criam um ciclo virtuoso, formando a base para construir uma plataforma de pilha completa. Começando por chips e infraestrutura, cada camada tecnológica é construída de cima para baixo, ajudando outros a usar suas ferramentas para criar seus próprios produtos. Todos usam sua nuvem, chips e modelos, e, na camada superior, as diferentes camadas do stack tecnológico se reforçam mutuamente, formando efeitos de rede e ecossistemas.

No entanto, Evans afirma que essa não é uma analogia adequada. A OpenAI não possui a dinâmica de plataforma e ecossistema que a Microsoft ou a Apple tiveram. O gráfico do efeito de impulso, na verdade, não mostra um verdadeiro efeito de impulso.

Em relação ao investimento de capital, as quatro maiores empresas de computação em nuvem investiram cerca de 400 bilhões de dólares em infraestrutura no ano passado, e anunciaram pelo menos 650 bilhões de dólares de investimento neste ano. A OpenAI, alguns meses atrás, afirmou que teria uma capacidade de 1,4 trilhão de dólares e 30 gigawatts de poder de computação (sem prazo definido), mas, até o final de 2025, seu uso real era de apenas 1,9 gigawatts. Sem fluxo de caixa de negócios existentes, a empresa depende de financiamento e de usar ativos de terceiros (incluindo receitas circulares) para alcançar esses objetivos.

Evans acredita que esses investimentos massivos podem apenas garantir uma posição, e não uma vantagem competitiva. Ele faz uma analogia com custos de infraestrutura de IA e a indústria de semicondutores ou fabricação de aviões: sem efeitos de rede, cada geração de produto fica mais difícil e cara de produzir, e apenas algumas empresas conseguem manter os investimentos necessários na ponta da inovação. TSMC, por exemplo, possui um monopólio de fato na fabricação de chips avançados, mas isso não lhe dá poder de alavancagem ou valor na cadeia de suprimentos.

Evans aponta que os desenvolvedores precisam construir aplicações para Windows porque ele possui quase todos os usuários, e os usuários compram Windows PCs porque há quase todos os desenvolvedores. Essa é a dinâmica de efeito de rede. Mas, se você inventar uma aplicação inovadora com IA generativa, basta usar uma API para rodar o modelo na nuvem; os usuários não sabem ou não se importam com qual modelo você usa.

Falta de controle do produto: estratégia limitada pelos laboratórios

No início do artigo, Evans cita uma fala de Fidji Simo, chefe de produto da OpenAI, em 2026: “Jakub e Mark definem a direção de pesquisa de longo prazo. Após meses de trabalho, surgem resultados incríveis, e então os pesquisadores me contatam dizendo: ‘Tenho algo muito legal. Como podemos usá-lo em conversas? Como integrar ao nosso produto empresarial?’”

Essa frase contrasta fortemente com a famosa frase de Steve Jobs, de 1997: “Você deve começar com a experiência do cliente e, depois, fazer o caminho inverso até a tecnologia. Você não pode começar com tecnologia e tentar descobrir onde vendê-la.”

Evans acredita que, ao ser responsável pelo produto de um laboratório de IA, você não consegue controlar seu roteiro, e sua capacidade de definir estratégia de produto é bastante limitada. Você abre o email de manhã e descobre que o laboratório fez uma descoberta, e seu trabalho é transformá-la em um botão. A estratégia acontece em outro lugar — mas onde?

Esse problema evidencia o desafio fundamental que a OpenAI enfrenta: diferente do Google dos anos 2000 ou da Apple dos anos 2010, seus funcionários inteligentes e ambiciosos não possuem uma plataforma ou produto verdadeiramente eficaz e inimitável. Evans acredita que, nos últimos 12 meses, uma leitura possível das ações da OpenAI é que Sam Altman percebeu isso profundamente e tentou, antes que o som da música parasse, transformar a avaliação da empresa em uma posição estratégica mais duradoura.

Na maior parte do ano passado, a resposta da OpenAI parece ter sido “fazer tudo ao mesmo tempo, executar imediatamente”. Plataformas de aplicação, navegadores, vídeos sociais, parcerias com Jony Ive, pesquisa médica, publicidade, etc. Evans acha que alguns desses esforços parecem “ataques completos” ou resultados de uma rápida contratação de pessoas ambiciosas. Às vezes, dá a impressão de que estão copiando modelos de plataformas de sucesso anteriores, sem entender completamente seus propósitos ou mecanismos dinâmicos.

Evans usa repetidamente termos como plataforma, ecossistema, alavancagem e efeito de rede, mas reconhece que esses termos são amplamente utilizados na indústria de tecnologia, com significados muitas vezes vagos. Ele cita o professor de história medieval Roger Lovatt, de sua época universitária: “O poder é a capacidade de fazer as pessoas fazerem o que elas não querem fazer”. Essa é a verdadeira questão: a OpenAI tem a capacidade de fazer consumidores, desenvolvedores e empresas usarem mais seu sistema, independentemente do que ele realmente faz? Microsoft, Apple e Facebook já tiveram essa capacidade, assim como Amazon.

Evans acredita que uma boa interpretação da frase de Bill Gates é que uma plataforma realmente realiza a capacidade de aproveitar toda a criatividade do setor de tecnologia, permitindo construir em larga escala sem precisar inventar tudo sozinho, tudo feito dentro do seu sistema e sob seu controle. Os modelos básicos são multiplicadores, e muitas coisas novas serão construídas com eles. Mas há motivos para fazer com que todos usem seu produto, mesmo que concorrentes tenham criado algo semelhante? Há razões para que seu produto seja sempre superior, independentemente do quanto os concorrentes invistam?

Evans conclui que, sem esses privilégios, o que você tem é apenas a capacidade de execução diária. Executar melhor que os outros é, claro, um desejo, e algumas empresas conseguiram isso por um longo período, até mesmo convencendo-se de que isso virou uma rotina, mas isso não é uma estratégia.