A Uber, empresa conhecida por revolucionar o transporte urbano, se viu em uma situação inesperada: gastou todo o seu orçamento de inteligência artificial previsto para 2026 em apenas quatro meses. O motivo? Engenheiros da empresa se entusiasmaram com ferramentas de codificação baseadas em IA, como o Claude Code da Anthropic e o Cursor, utilizando-as intensamente e elevando os custos a níveis elevados.
Essa intensa utilização da IA gerou um déficit orçamentário considerável, forçando a empresa a diminuir o ritmo e procurar alternativas. A história, revelada pelo CTO da Uber, Suhail Ghosh, durante a conferência Codemod, destaca um desafio que muitas empresas enfrentarão: o equilíbrio entre a produtividade impulsionada pela IA e o controle de gastos.
Produtividade e custos: um desafio crescente
O cenário é familiar para quem acompanha a velocidade da inovação em IA. Ferramentas como o Claude Code prometem agilizar o desenvolvimento de software, automatizando tarefas repetitivas e até mesmo sugerindo soluções complexas. Para os engenheiros da Uber, a promessa se concretizou. Eles relataram um aumento significativo na produtividade, conseguindo entregar mais código e resolver problemas de forma mais eficiente.
O entusiasmo foi tamanho que o gasto por engenheiro com essas ferramentas de IA API variou entre US$ 500 e US$ 2.000 por mês. Multiplique isso por centenas ou até milhares de desenvolvedores, e o orçamento se esgota rapidamente. A verba, que deveria durar um ano e meio, acabou antes mesmo do ano corrente terminar.
Suhail Ghosh, durante sua apresentação na Codemod, deixou clara a dualidade: “Gastamos todo o nosso orçamento de IA de 2026 com ferramentas como Anthropic Code e Cursor em apenas quatro meses. Nossos engenheiros acharam essas ferramentas tão incrivelmente valiosas que não conseguiram parar de usá-las, apesar dos custos altíssimos. Isso se tornou um problema sério de custo, e tivemos que intervir para controlá-lo.”
Essa declaração evidencia, de um lado, o valor comprovado da IA para a produtividade e, de outro, o imenso desafio de gerenciar esses novos gastos.
A busca por alternativas mais econômicas
Com o orçamento esgotado, a Uber agiu rapidamente para conter os gastos. A empresa instituiu um período de “congelamento de gastos” com essas APIs e formou uma equipe focada em encontrar soluções mais sustentáveis. O objetivo é manter os ganhos de produtividade sem comprometer as finanças.
Uma das estratégias é explorar a criação de modelos de IA internos, desenvolvidos sob medida para as necessidades da Uber. Isso permitiria um controle maior sobre os custos e uma otimização mais precisa para as tarefas específicas da companhia. Além disso, a Uber começou a avaliar outras opções de mercado, procurando provedores com modelos de precificação mais favoráveis ou até mesmo soluções de código aberto que possam ser adaptadas.
“Estudamos diversas estratégias, inclusive a construção de nossos próprios modelos de IA. A fase atual é de otimização, buscando extrair o máximo valor com custos mais baixos”, afirmou Suhail Ghosh no evento. Essa abordagem reflete uma maturidade crescente no uso da IA corporativa, onde a euforia inicial cede lugar a uma análise mais fria do Retorno sobre Investimento (ROI).
O impacto para o setor de tecnologia
O caso da Uber não é um incidente isolado. Ele é um indicativo de uma tendência. Para o universo do desenvolvimento de software e da programação em geral, a tendência é clara: a IA continuará a impulsionar a produtividade, mas será necessária uma gestão de custos mais inteligente.
Empresas brasileiras, por exemplo, que começam a explorar ferramentas de IA para seus times de desenvolvimento, precisam estar atentas. O entusiasmo inicial com a produtividade pode rapidamente se traduzir em despesas não planejadas se não houver um controle rigoroso e uma estratégia de otimização.
O mercado de ferramentas de IA para codificação também está em intensa atividade. A competição entre Anthropic (Claude Code), OpenAI (ChatGPT e Codex) e gigantes como Google (Gemini) e Microsoft (GitHub Copilot) tende a gerar soluções mais eficientes e, esperançosamente, mais competitivas em preço. A pressão da Uber e de outras empresas sobre os fornecedores para oferecer modelos de preços mais sustentáveis certamente terá um impacto no futuro.
O desafio não é apenas técnico, mas também estratégico. Como equilibrar a inovação e agilidade que a IA oferece com a necessidade de sustentabilidade financeira? A resposta provavelmente virá de uma combinação de modelos híbridos (modelos próprios e de terceiros), uso mais criterioso das APIs e uma cultura de otimização de custos, semelhante ao que já acontece na gestão de recursos de nuvem.
Os desenvolvedores, por sua vez, precisarão cada vez mais entender não só como usar essas ferramentas, mas como usá-las de forma eficiente, otimizando prompts e evitando ciclos desnecessários que aumentam a conta da API. Educação e governança interna serão cruciais.
O futuro da automação na programação
A história da Uber é um lembrete vívido de que a adoção da inteligência artificial nas empresas ainda está em seus primeiros estágios. Há um enorme potencial a ser explorado, mas também desafios significativos, especialmente relacionados à gestão de custos e à escalabilidade.
O setor de tecnologia está observando atentamente. A automação na programação através da IA é uma realidade, mas seu caminho para a adoção ampla exige mais do que apenas a capacidade técnica. Exige planejamento financeiro, estratégias de adoção inteligentes e um olhar constante para as alternativas disponíveis.
Essa experiência da Uber deve servir como um guia para outras empresas. A produtividade instantânea da IA é tentadora, mas o custo de um uso descontrolado pode ser alto. A corrida para integrar a IA é real, mas a linha de chegada não é apenas a inovação; é também a sustentabilidade.
Até que ponto essa lição da Uber moldará a forma como as empresas investem e gerenciam suas ferramentas de IA no futuro próximo é uma questão que permanece em aberto.