Como a IA pode estar prejudicando seu negócio sem você perceber
Entenda por que a centralização da IA pode impactar negativamente suas operações e como evitar perdas financeiras.

Data de publicação original: 16/11/2026, 18:00. As opiniões expressas pelos colaboradores do Entrepreneur são pessoais. Sou um grande defensor da ideia de uma superinteligência doméstica, e por isso, não consigo deixar de comentar sobre o podcast Cheeky Pint. Nele, o CEO da OpenAI declarou que é uma péssima ideia continuar processando seus dados pessoais em computadores pessoais, pois os centros de dados da sua empresa poderiam fazê-lo de maneira mais eficiente. No entanto, ele recuou na afirmação após a forte reação negativa. É difícil perceber, mas sua empresa provavelmente já vive nesse mundo de centralização. Quando se utiliza inferência através de API, muitas vezes você acaba alugando acesso a uma caixa-preta que altera seu comportamento, preços e esforço de raciocínio sem que você tenha conhecimento ou concorde com isso. Pense um pouco: quantas vezes sua equipe já pediu mais orçamento devido ao comportamento inconsistente do GPT ou do Claude? Um estudo publicado na Harvard Data Science Review, conduzido por pesquisadores da Stanford e da UC Berkeley, incluindo Lingjiao Chen, Matei Zaharia e James Zou, testou prompts idênticos no GPT-4 e no GPT-3.5 em intervalos de três meses. A precisão do GPT-4 em relação a números primos caiu de 84,0% em março de 2023 para 51,1% em junho, enquanto seu desempenho em tarefas de raciocínio em cadeia despencou de 24,4% para -0,1%. Essa queda também afetou os fluxos de trabalho diários. Em uma tarefa envolvendo números felizes, a precisão do GPT-4 caiu de 83,6% para 35,2%, e o código executável que funcionava bem despencou de 52,0% para apenas 10,0%, já que formatações adicionais quebraram os fluxos de trabalho. A capacidade de seguir instruções para extração de respostas caiu de 99,5% para 0,5%, tudo isso sob o mesmo nome de modelo e API. Um estudo de 2024 da Carnegie Mellon e da HKUST, realizado por Wanqin Ma, Chenyang Yang e Christian Kästner, revelou que 58,8% das combinações de prompts e modelos perderam precisão após uma atualização da API, e 70,2% dessas quedas superaram 5 pontos percentuais. Ao longo das atualizações, 10,9% das previsões individuais regrediram, e 63,8% dessas falhas ocorreram com a máxima confiança, resultando em previsões quebradas 87,9% das vezes, mesmo quando a precisão geral aumentava. Pesquisadores como Emanuele La Malfa e seus colegas da Universidade de Oxford e do Alan Turing Institute alertaram em um artigo de 2025 na AAAI — que foi primeiramente publicado no Journal of Artificial Intelligence Research — que os fornecedores de modelos de linguagem descontinuam modelos em cronogramas curtos, coletam prompts sob licenças comerciais e alteram as camadas de serviço, mantendo o ID do modelo fixo. O cliente final acaba arcar com as consequências e é forçado a reinvestir na adaptação a outro modelo que não é mais inteligente, mas sim mais barato para operar. Atualmente, a Anthropic está se defendendo contra uma ação coletiva de consumidores no tribunal federal da Califórnia (In re Claude Service Degradation Litigation, No. 3:26-cv-07699-RFL) que a acusa de ter degradado indevidamente seus níveis pagos Claude Pro (US$ 20/mês), Max 5x (US$ 100/mês) e Max 20x (US$ 200/mês) entre 4 de março e 6 de maio de 2026. Em abril de 2026, o problema se tornou tão evidente que a Anthropic foi obrigada a publicar uma investigação de crise sobre as reclamações do Claude Code, onde destacou três mudanças que degradou intencionalmente sem alterar o modelo. A empresa reduziu o esforço de raciocínio padrão de alto para médio e introduziu um bug que descartou raciocínios anteriores.
