CEO da Palantir diz que OpenAI e Anthropic não entregam valor

Alex Karp não é conhecido pela diplomacia. O CEO da Palantir, empresa que fornece sistemas de inteligência de dados para governos e grandes corporações, foi direto ao criticar o modelo de negócios das duas maiores empresas de inteligência artificial do mundo: OpenAI e Anthropic. Para ele, a promessa de valor dessas plataformas está muito além do que realmente entregam.

Em entrevista à CNBC, Karp afirmou que Sam Altman (OpenAI) e Dario Amodei (Anthropic) estão exagerando nas promessas sobre o que suas ferramentas conseguem fazer. A crítica central é simples: conforme os modelos ficam mais poderosos, eles consomem mais tokens e mais capacidade computacional. O custo dispara, mas o retorno para o cliente não acompanha.

“Neste país, em todas as empresas com as quais trabalho, as pessoas estão furiosas”, disse Karp. “Elas pensam: estou pagando por tokens que não geram valor algum.”

O problema da cobrança por tokens na IA corporativa

O modelo de precificação por tokens é o padrão da indústria de IA generativa. Cada interação com um modelo de linguagem consome uma quantidade de tokens, que são unidades de processamento de informação. Quanto mais complexa a tarefa, mais tokens são consumidos. E quanto mais avançado o modelo, maior o custo por token.

A conta é direta: uma empresa que integra modelos da OpenAI ou da Anthropic em seus fluxos de trabalho vê os custos escalarem rapidamente, sem necessariamente obter resultados proporcionais. Karp argumenta que esse modelo cria um desalinhamento de incentivos. Os fornecedores de IA lucram com o consumo de tokens, independentemente de o cliente extrair valor real da ferramenta.

O executivo foi ainda mais provocativo ao sugerir que, se os modelos fossem realmente tão transformadores quanto prometido, OpenAI e Anthropic deveriam estar pedindo participação acionária nos negócios dos clientes, em vez de cobrar por uso. É uma lógica simples: se a ferramenta de fato multiplica o valor do negócio, o fornecedor deveria querer participar do resultado, não apenas cobrar pelo insumo.

A questão levantada por Karp se conecta a um debate mais amplo sobre a sustentabilidade dos modelos de IA generativa. Diversas empresas têm relatado dificuldade em converter pilotos de IA em implementações que geram retorno mensurável.

Controle de dados: o risco que ninguém quer discutir

A crítica de Karp não se limita à precificação. O CEO da Palantir também questionou a forma como as grandes empresas de IA armazenam e processam os dados dos clientes. Segundo ele, ao utilizar modelos fechados, as empresas correm o risco de ter seu “alfa”, ou seja, suas informações proprietárias e vantagens competitivas, capturados e replicados pelas próprias plataformas de IA.

“Essas pessoas estão roubando os parâmetros e o alfa do meu negócio”, afirmou, ecoando uma preocupação que circula entre executivos de setores regulamentados, defesa e saúde.

A alternativa proposta por Karp é o uso de modelos de IA de código aberto. Segundo ele, já é possível obter desempenho comparável aos melhores modelos fechados utilizando soluções open source, com uma vantagem decisiva: o cliente mantém controle total sobre seus dados e sobre os parâmetros de calibragem. Nenhuma informação sai da infraestrutura do cliente.

Esse argumento ganha força especialmente em contextos sensíveis. Forças armadas, hospitais e órgãos reguladores não podem arriscar que dados sigilosos sejam armazenados em cache ou utilizados para treinar modelos que depois servirão a concorrentes. É uma discussão que já movimenta o setor financeiro, onde bancos e gestoras estudam cuidadosamente qual modelo de IA adotar.

O modelo da Palantir: camada de aplicação sobre LLMs

Karp aproveitou a crítica para posicionar a abordagem da Palantir como alternativa. A empresa desenvolveu o que chama de “ontologia”, uma camada de aplicação que opera sobre modelos de linguagem de grande porte (LLMs), tornando-os, segundo Karp, “seguros, úteis e precisos” em ambientes corporativos.

Na prática, a ontologia funciona como uma camada intermediária entre o LLM e os dados do cliente. O modelo processa as informações sem armazená-las, sem replicar a lógica de negócio e sem transferir propriedade intelectual para fora do ambiente controlado. É uma abordagem que prioriza governança sobre capacidade bruta.

“Para tornar esses modelos valiosos em ambientes corporativos, seja em cenários de campo de batalha, setores regulamentados ou na indústria, é necessário contar com uma camada de aplicação”, explicou o executivo.

A Palantir não é a única a seguir esse caminho. Empresas como a Databricks e a Snowflake também apostam em soluções que combinam modelos open source com camadas proprietárias de segurança e governança. A tendência reflete uma maturação do mercado de IA corporativa, como temos acompanhado na cobertura sobre IA e mercado financeiro.

A questão da confiança e o risco político

Karp também trouxe um alerta que extrapola o universo corporativo. Para ele, o exagero nas promessas da IA está gerando uma reação política perigosa, incluindo propostas de impostos sobre grandes fortunas que, segundo o executivo, nasceram justamente da percepção de que a tecnologia está sendo promovida de forma irresponsável.

“Não precisamos fazer um exagero a ponto de levar à criação de um imposto sobre fortuna que vai acabar punindo todos nós”, disse Karp. A frase conecta dois debates que normalmente correm em paralelo: a hype da IA e a pressão regulatória sobre o setor de tecnologia.

Para Karp, reconstruir a confiança exige transparência sobre questões básicas. “De quem são os dados? Onde eles ficam armazenados? Os prompts são seguros?” São perguntas que, segundo ele, deveriam ser respondidas antes de qualquer promessa de revolução.

O recado do CEO da Palantir é claro: a era da IA corporativa será definida não pela empresa que construir o modelo mais poderoso, mas pela que oferecer mais controle, transparência e retorno mensurável. É uma aposta de que o mercado está pronto para sair da fase de entusiasmo e entrar na fase de cobrança por resultados concretos.