"Tokens são o novo carvão. Nosso sistema é o trem."

Foi assim que o CTO da Palantir, Shyam Sankar, resumiu a nova corrida da inteligência artificial (IA) durante a divulgação de resultados da empresa — e a frase condensou, em duas linhas, o que pode ser a dinâmica econômica mais contraintuitiva da tecnologia neste momento.

A analogia remete à Revolução Industrial. Para explicar a sua frase, Sankar invocou o chamado Paradoxo de Jevons, teoria formulada em 1865 pelo economista britânico William Stanley Jevons, que observou um efeito inesperado durante a industrialização britânica: máquinas a vapor mais eficientes não reduziram o consumo de carvão na Inglaterra.

O dilema das redes: promover IA para fotos e vídeos e conter deepfakes nas eleições

A eficiência acelerou a industrialização e a demanda disparou. "Quando os vitorianos construíram máquinas a vapor mais eficientes, todos assumiram que o consumo de carvão cairia. Em vez disso, ele explodiu", afirmou Sankar.

A lógica que contraria a intuição

Existe nisso um paralelo. Segundo a Palantir, um nível de desempenho equivalente ao do GPT-4, que custava cerca de US$ 20 por milhão de tokens no início de 2023, ficou aproximadamente mil vezes mais barato três anos depois.

Pela lógica tradicional, isso deveria reduzir os gastos corporativos com IA. O mercado seguiu na direção oposta.

Os investimentos empresariais em IA generativa saltaram de US$ 11,5 bilhões em 2024 para US$ 37 bilhões em 2025, avanço de 320%, segundo o relatório State of AI Costs, da CloudZero.

Enquanto o custo por token caiu mil vezes, a demanda cresceu em escala ainda maior.

Um artigo acadêmico publicado em janeiro de 2026 pelos pesquisadores Zhang e Zhang descreve esse movimento como um “Paradoxo de Jevons Estrutural”.

A tese é que empresas não utilizam apenas a mesma capacidade computacional de forma mais barata. Com a queda nos custos, elas reformulam suas arquiteturas tecnológicas para consumir volumes muito maiores de processamento.

Na prática, cada ganho de eficiência na infraestrutura amplia o consumo na camada de aplicação.

O efeito já aparece nos orçamentos corporativos. Os gastos com inferência — etapa em que modelos de IA processam pedidos e geram respostas — passaram de cerca de 20% dos custos de IA em 2023 para até 85% em algumas empresas.

Anthropic, do Claude, cria joint venture de US$ 1,5 bilhão

Em 2026, os investimentos globais em inferência superaram US$ 50 bilhões, ultrapassando os gastos destinados ao treinamento de novos modelos.

Os números da Palantir

No primeiro trimestre de 2026, a Palantir registrou US$ 1,63 bilhão em receita, crescimento anual de 85% — o maior já reportado pela empresa.

Nos Estados Unidos, a receita mais que dobrou, alcançando US$ 1,28 bilhão. O segmento comercial americano avançou 133%, para US$ 595 milhões, enquanto a divisão governamental cresceu 84%, chegando a US$ 687 milhões.

Outro indicador chamou atenção: a retenção líquida de receita, métrica que mede o quanto clientes existentes ampliam seus contratos, saltou de cerca de 118% para 150% em doze meses.

O movimento indica que os clientes não estão apenas renovando contratos. Estão expandindo rapidamente o consumo de IA dentro da plataforma.

Segundo a empresa, o crescimento reflete o avanço de sistemas autônomos e agentes de IA operando em escala cada vez maior.

Davi quer engolir Golias: GameStop tenta comprar o eBay por US$ 56 bi — e mercado duvida

Para o ano fiscal completo, a Palantir elevou sua projeção de crescimento de receita para 71%, dez pontos percentuais acima da estimativa anterior.

A governança como diferencial

O argumento de Sankar vai além do aumento no consumo de tokens. Para a Palantir, o valor mais importante não está apenas na IA em si, mas na camada responsável por organizar, controlar e operacionalizar esse consumo dentro das empresas.

A companhia chama essa estrutura de “ontologia” — um sistema intermediário que conecta dados corporativos, modelos de linguagem e fluxos de trabalho autônomos.

Segundo Sankar, a Palantir está construindo um “sistema operacional de agentes”, capaz de coordenar agentes de IA em larga escala dentro de organizações.

A arquitetura inclui mecanismos de atribuição de custos, rastreamento de origem de dados e controles de segurança desenhados para atender simultaneamente áreas financeiras, equipes de segurança cibernética e operações militares.

A 'zona sem lixo'

O crescimento explosivo do consumo de IA também trouxe um problema que a empresa tenta transformar em diferencial competitivo.

No setor, o termo “slop” passou a definir conteúdo automatizado de baixa qualidade produzido em massa por modelos generativos — respostas genéricas, textos plausíveis, mas sem utilidade operacional concreta.

Sankar afirmou que a Palantir opera em uma “zona sem lixo” e criticou a prática conhecida como “tokenmaxxing”, estratégia focada em maximizar o volume de tokens processados independentemente do valor entregue.

“Mais tokens significam mais lixo”, afirmou.

A posição da empresa indica uma disputa crescente dentro do mercado de IA: não apenas quem consegue gerar mais processamento, mas quem consegue transformar esse processamento em sistemas utilizáveis, auditáveis e integrados às operações reais das empresas.