Os dois registros da OpenAI — $1B em publicidade e trabalho aceito

A OpenAI afirma que os anúncios no ChatGPT atingiram um ritmo anualizado de receita de $1 bilhão sem que o produto precise concluir o trabalho de um cliente. Já alguns grandes clientes podem, segundo relatos, pagar apenas quando sua IA conclui uma tarefa. Não se trata de duas formas de cobrar pelo mesmo produto, mas de duas definições daquilo que a empresa conseguiu provar.

O contrato está substituindo a declaração

A OpenAI surgiu em 2015 como uma organização sem fins lucrativos dedicada à pesquisa em inteligência artificial, apoiada por um compromisso de $1 bilhão. A empresa tratava o desenvolvimento de uma inteligência de máquina cada vez mais capaz como um problema de pesquisa e segurança e, depois, passou a sustentar seus avanços com artigos, demonstrações, testes comparativos e, por fim, alegações de progresso rumo à inteligência artificial geral.

Quando mais tarde começou a vender acesso a um modelo fechado por meio de uma API, a OpenAI ainda deixava aos clientes a tarefa de transformar respostas em programas funcionais. A arquitetura comercial do GPT-3 criou dependência em relação ao fornecedor, mas estabeleceu uma divisão clara de responsabilidades: a OpenAI fornecia as chamadas ao modelo; os clientes respondiam pelo fluxo operacional, pelas decisões e pelas consequências.

OpenAI e Microsoft mantiveram a inteligência artificial geral como um marco contratual. Segundo relatos, a Microsoft pressionava pela retirada da cláusula de AGI de seu acordo com a OpenAI, que regula o acesso da Microsoft à propriedade intelectual depois que os sistemas da OpenAI atingirem a inteligência artificial geral.

Mas a OpenAI, segundo relatos, permite que alguns grandes clientes paguem apenas quando sua IA conclui tarefas. As informações disponíveis não comprovam que essa seja uma política para toda a empresa, que haja uma adoção ampla ou que exista um padrão de confiabilidade divulgado. Mesmo em um acordo restrito, porém, a OpenAI cruza uma fronteira: deixa de apenas fornecer capacidade e passa a assumir responsabilidade pela execução.

Isso importa porque agentes de IA não concluem um trabalho com uma única resposta. Eles interpretam um objetivo, acionam modelos, usam ferramentas, operam em sistemas externos, encontram exceções e decidem se devem continuar ou encaminhar o caso. Assim, os clientes avaliam todo o sistema operacional que envolve o modelo. Um modelo pode produzir uma resposta convincente; um agente só obtém aceitação quando seu trabalho resiste a tudo o que existe fora dele.

A publicidade comprova alcance, não execução

A OpenAI afirma que sua operação publicitária atingiu um ritmo anualizado de receita de $1 bilhão e está se expandindo globalmente antes de uma possível abertura de capital. O ChatGPT acumulou atenção suficiente entre os consumidores para que a OpenAI venda acesso ao seu público, e não apenas à inteligência que gera a interface.

A publicidade remunera a OpenAI mesmo quando o usuário recebe uma resposta imperfeita, abandona a conversa ou nunca realiza uma transação. O anunciante compra exposição à atenção do público, não trabalho concluído.

Um contrato por resultado inverte essa lógica. O cliente empresarial não paga por acesso, atenção, unidades de processamento ou pela tentativa de um agente, mas por um resultado que aceite. A OpenAI passa então a absorver a distância entre um modelo que funciona em condições favoráveis e um sistema que opera repetidamente dentro de uma organização real.

Os dois motores de receita podem coexistir, e o alcance entre consumidores pode apresentar os produtos da OpenAI a mais usuários. Mas o ritmo anualizado de $1 bilhão em publicidade mede atenção, não a capacidade de um agente executar trabalho empresarial de forma autônoma e rentável.

O verdadeiro indicador de capacidade está por trás de “concluído”

A cobrança por resultado parece simples porque esconde seu denominador. A receita por tarefa concluída soa mais clara do que a receita por unidade de processamento, mas a margem depende do trabalho que o comprador aceita depois de novas tentativas, correções, verificações de políticas, falhas de ferramentas e revisão humana.

Quando cobra por resultado, a OpenAI leva a confiabilidade para sua demonstração de resultados. Na cobrança por API, outra chamada ao modelo costuma representar outra unidade faturável, mesmo quando a primeira falhou. Na cobrança por resultado, a OpenAI absorve cada chamada adicional, tentativa de recuperação, revisão humana e conclusão descartada sem receber receita correspondente.

Ao faturar pela conclusão, o fornecedor também define o que significa concluir, tanto na arquitetura do sistema quanto no contrato. Ele pode elevar a taxa nominal de conclusão encaminhando casos difíceis para pessoas, restringindo a tarefa ou excluindo exceções do fluxo medido. Os funcionários passam então a absorver as falhas em uma fila, corrigindo trabalhos que o agente tecnicamente concluiu.

Por isso, os compradores devem examinar o custo total por tarefa aceita: cada chamada ao modelo, operação com ferramentas, tentativa de recuperação, correção, encaminhamento e revisão necessários antes que possam usar o resultado. A OpenAI precisa cobrar acima desse total, não apenas acima do custo da inferência final bem-sucedida.

A OpenAI já incorre na carga de inferência relatada antes que um contrato por resultado acrescente novas tentativas ou intervenção humana. Um agente pode operar sem uma pessoa esperando cada resposta, mas os equipamentos continuam consumindo energia quando ninguém observa o cursor piscar.

A cobrança por resultado pode tornar o mesmo modelo menos rentável porque a OpenAI absorve uma variabilidade que antes ficava com o cliente. Uma longa cauda de casos difíceis pode preservar uma economia atraente na API enquanto corrói as margens dos contratos por resultado.

A cobrança por uso mede consumo; a cobrança por resultado transfere risco

Os fornecedores de programas já estão indo além das licenças por usuário. Até o fim de 2025, 79 das 500 empresas de programas acompanhadas haviam adotado tarifas de IA baseadas em uso, mais que o dobro do número registrado em 2024. Essas tarifas permitem cobrar por chamadas, créditos, capacidade ou atividade à medida que a produção da IA cresce, sem um aumento equivalente no número de licenças.

A cobrança por uso muda o medidor, mas não altera quem assume o risco da entrega: o cliente continua pagando mesmo quando a atividade não produz resultado útil.

Quem vende resultados só recebe depois da entrega de um resultado definido e, portanto, precisa compreender a tarefa bem o bastante para calcular o preço de suas exceções. Isso torna os experimentos atribuídos à OpenAI e à Salesforce mais relevantes do que a transição mais ampla para a cobrança por uso — e explica por que continuam sendo experimentos. As informações disponíveis não esclarecem o que conta como conclusão, como trabalhos rejeitados são tratados ou quem paga pela revisão.

As consultorias encontraram a mesma estrutura em sua lenta transição para além da cobrança por hora. Horas são fáceis de contar porque vendedor e comprador não precisam concordar sobre causalidade; resultados exigem esse acordo. Antes de aceitar um preço por tarefa, os compradores precisam definir critérios de aceitação, regras de rejeição, pontos de controle humano e quem arca com o custo das falhas.

Para vender o resultado, a OpenAI precisa entrar no fluxo operacional

Quando vende acesso a modelos, a OpenAI pode permanecer relativamente neutra. Quando vende um resultado, precisa de permissão para usar ferramentas, contexto sobre os sistemas do cliente, definições do que constitui trabalho aceitável e autoridade para lidar com exceções. Quanto mais profundamente entra no fluxo operacional, maior é o controle de que necessita sobre as condições em que seus modelos funcionam.

OpenAI e clientes passam então a seguir em direções opostas. Os clientes querem fornecedores de modelos intercambiáveis porque a possibilidade de escolha reduz a dependência. A OpenAI quer controle estável sobre ferramentas, políticas e sistemas posteriores que não conhece, pois não pode prometer um resultado e, ao mesmo tempo, permanecer neutra em relação ao sistema que o produz.

A disputa com a Cursor tornou essa tensão concreta. A OpenAI afirmou que pretendia deixar de fornecer modelos à Cursor em 12 de novembro porque não podia ter certeza de que a SpaceX usaria a tecnologia dentro dos termos de serviço da OpenAI. Michael Truell, cofundador da Cursor, respondeu que a OpenAI representava cerca de 5% do tráfego de usuários da Cursor e que a Cursor havia confiado que a empresa permaneceria neutra.

Os 5% informados pela Cursor também representam a resposta de um comprador ao poder de um fornecedor. Ao direcionar a maior parte do tráfego para outros provedores, a Cursor preserva seu controle. A interrupção promovida pela OpenAI mostra por que um fornecedor que impõe restrições de uso não pode se comportar como um serviço indiferente à finalidade.

Os contratos por resultado intensificam o conflito. Para distinguir uma tarefa concluída de uma falha com aparência convincente, a OpenAI precisa de contexto suficiente sobre o fluxo operacional para avaliar o resultado. Mas não pode assumir tamanha exposição operacional que toda integração quebrada e toda instrução ambígua se tornem uma exceção não faturável. A empresa que começou vendendo inteligência na forma de um modelo precisa decidir, contrato a contrato, até que ponto está disposta a se tornar parte do sistema operacional do cliente.

O registro de $1 bilhão em publicidade contabiliza a atenção antes que o trabalho do cliente esteja concluído. A OpenAI só fecha o registro mais difícil quando a fatura pode contabilizar uma tarefa aceita — depois de a empresa pagar pelas chamadas ao modelo, pelas operações malsucedidas com ferramentas e pelas correções humanas.