A diretora financeira da OpenAI Sarah Friar está pedindo às empresas que abandonem as métricas que usaram durante décadas para avaliar software e adotem um novo parâmetro para inteligência artificial – construído em torno do trabalho concluído, e não do número de pessoas que usam uma ferramenta.

Em uma postagem de blog publicada na sexta-feira, 17 de julho de 2026, e elaborada em uma postagem no LinkedIn relatada por Axios, Fortune e CFO Dive, Friar apresentou o que ela chama de abordagem de "inteligência útil por dólar". O argumento principal: as métricas que definiram a era SaaS – licenças, usuários ativos, renovações – não conseguem capturar o valor que a IA cria. Para uma análise contínua de como as empresas estão lidando com a economia da IA, siga nossa cobertura da indústria de IA.

As quatro perguntas

Friar propõe que as organizações julguem o valor da IA respondendo a quatro perguntas:

1. A IA está concluindo o trabalho que importa?
2. Quanto custa cada tarefa bem-sucedida?
3. As pessoas podem depender do resultado?
4. Cada dólar de IA produz mais valor à medida que o uso aumenta?

“Durante anos, o software foi medido através da adoção: licenças, usuários ativos, renovações”, escreveu Friar no LinkedIn. “A IA é diferente – precisa ser medida pelo trabalho realizado.”

O enquadramento reformula o consumo de tokens – a quantidade de processamento de IA que uma empresa paga – não como um custo a ser minimizado, mas como matéria-prima que só se torna valiosa quando se converte em resultados utilizáveis. “Os tokens criam valor quando se transformam em trabalho que as pessoas podem usar”, escreveu ela, argumentando que à medida que os modelos se tornam mais capazes, eles podem assumir tarefas mais longas e de várias etapas que mantêm o contexto, raciocinam entre as ferramentas e se adaptam à medida que avançam.

Por que a OpenAI está promovendo isso agora

A proposta chega em um momento desconfortável para a indústria de IA. Prevê-se que os gastos mundiais com IA atinjam 2,59 biliões de dólares em 2026, um aumento de 47% face ao ano anterior, de acordo com números da Gartner citados pelo CFO Dive. No entanto, as evidências de que os gastos estão dando resultado permanecem escassas. Um estudo da PwC divulgado em janeiro descobriu que apenas 12% dos CEOs afirmaram que a IA proporcionou benefícios tanto em termos de custos como de receitas. Outros 33% relataram ganhos em custos ou receitas, enquanto 56% disseram não ter visto nenhum benefício financeiro significativo até agora.

Essa lacuna está a produzir frustração visível no topo da escala empresarial. O CEO da Palantir Alex Karp disse recentemente à CNBC que muitos líderes empresariais estão "cansados" da economia de grandes modelos de linguagem, questionando se o aumento dos custos dos tokens está se traduzindo em retornos - comentários feitos por Karp ao promover a própria tecnologia da Palantir e reconhecidos como motivados comercialmente.

Para a OpenAI, que vende os tokens em questão, reformular a conversa em torno dos resultados, e não do consumo, é estrategicamente vital. Se os clientes medem o sucesso pelo trabalho realizado, então pagar mais por um modelo de fronteira que conclui uma tarefa complexa de forma fiável parece ser eficiência e não desperdício.

Uma mudança na mentalidade de licenças e renovações

A ideia de “inteligência útil por dólar” alinha-se com uma reformulação mais ampla de como a IA deve ser precificada e medida. O software empresarial tradicional era vendido por assento; Os preços de IA baseados no uso quebram esse modelo, porque um único assento agora pode consumir quantidades muito diferentes de computação, dependendo da tarefa. As quatro perguntas de Friar pedem efetivamente aos compradores que criem uma contabilidade interna em torno de tarefas concluídas e custo por tarefa bem-sucedida — um número muito mais difícil de rastrear do que o número de funcionários, mas que reflete o que a tecnologia realmente faz.

Nem todos estão convencidos de que o novo critério favorece os compradores. Os críticos observam que “trabalho realizado” é difícil de definir e auditar, e que os fornecedores têm todos os incentivos para classificar os resultados da IA ​​como bem-sucedidos. A confiabilidade — a terceira pergunta de Friar — é particularmente difícil de medir quando os modelos produzem respostas confiantes, mas incorretas, o fenômeno conhecido como alucinação. Sem verificação independente, a métrica corre o risco de se tornar uma ferramenta de marketing em vez de um mecanismo de responsabilização.

Ainda assim, a proposta reflete uma mudança real na conversa. Após dois anos de adoção de métricas sem fôlego, os executivos exigem evidências de que os gastos com IA estão ganhando seu sustento. As empresas que puderem responder às quatro perguntas de Friar com dados – quer utilizem modelos da OpenAI ou de um concorrente – serão aquelas cujos orçamentos sobreviverão ao escrutínio inevitável.

Fontes

  • CFO Dive, "OpenAI empurra novos parâmetros para medir investimentos em IA", 17 de julho de 2026
  • Axios, "Exclusivo: CFO da OpenAI apresenta uma nova maneira de medir o valor da IA", 17 de julho de 2026
  • Fortune, "CFO da OpenAI: 4 perguntas que revelam se seus gastos com IA estão valendo a pena", 17 de julho de 2026

Fique à frente em IA empresarial

A economia da IA está sendo reescrita em tempo real. Marque nossa página inicial para a cobertura comercial mais recente de IA.

Leia mais notícias sobre IA →