Startups brasileiras investem mais em IA do que em funcionários humanos

Startups trocam salários por IA e comemoram faturas milionárias

Um novo fenômeno no mundo das startups brasileiras e internacionais mostra que empresas estão priorizando investimentos em inteligência artificial em detrimento de contratações humanas. A prática, apelidada de "tokenmaxxing", consiste em gastar mais com ferramentas de IA do que o custo de contratar funcionários tradicionais.

Amos Bar-Joseph, CEO da Swan AI, uma startup de agentes de codificação, publicou recentemente em sua conta no LinkedIn: "Nossa fatura de IA atingiu US$ 113 mil em um único mês (somos uma equipe de quatro pessoas). Nunca me orgulhei tanto de uma fatura na vida". Ele explicou que a empresa optou por investir em ferramentas como Claude em vez de contratar colaboradores humanos, adotando o modelo de "escalar com inteligência, não com número de funcionários".

A Swan AI tem como meta atingir US$ 10 milhões em receita recorrente anual (ARR) com uma equipe de menos de dez pessoas. Segundo Bar-Joseph, a empresa não possui representantes de desenvolvimento de vendas (SDRs) nem investe em marketing pago, mas gasta "uma fortuna em tokens".

O que é "tokenmaxxing"?

O termo "tokenmaxxing" refere-se a uma métrica de vaidade adotada por startups e gigantes de tecnologia, na qual o volume de gastos com ferramentas de IA, como Claude e ChatGPT, é visto como indicador de produtividade. Recentemente, o The Information revelou que a Meta utiliza um painel interno chamado "Claudenomics", que rastreia o número de tokens de IA consumidos por cada funcionário. A lógica por trás disso é que quanto mais tokens um colaborador utiliza, mais produtivo e inovador ele é.

Há relatos de funcionários gastando centenas de milhares de dólares em tokens de IA individualmente, sendo esse um comportamento incentivado dentro de algumas empresas. No entanto, a Salesforce desenvolveu uma métrica chamada "Agentic Work Units" para avaliar se esses gastos estão realmente gerando resultados tangíveis.

IA como substituta de mão de obra humana

Grandes empresas já justificam demissões em massa com a promessa de que a IA aumentará a eficiência e reduzirá a necessidade de funcionários. O CEO da Verizon, Dan Schulman, chegou a afirmar que a IA pode levar ao desemprego em massa. Agora, startups estão usando a mesma lógica para justificar a não contratação de funcionários desde o início.

Chen Avnery, cofundador da Fundable AI, comentou na publicação de Bar-Joseph:

"O que as pessoas não entendem sobre empresas nativas de IA é que os US$ 113 mil não são um custo, mas sim o orçamento de pessoal alocado de forma diferente. Nossa empresa processa documentos de empréstimo que normalmente exigiriam uma equipe de 15 pessoas. A matemática funciona quando o gasto com IA gera 10 vezes mais resultado do que o custo de mão de obra humana. O verdadeiro diferencial é o crescimento exponencial — o gasto com tokens cresce linearmente, enquanto a produtividade cresce exponencialmente."

Exemplos e críticas ao modelo

Outras startups brasileiras e internacionais já adotam essa estratégia. A Medvi, uma plataforma de telemedicina especializada em GLP-1, também utiliza IA para otimizar processos que antes demandavam equipes maiores. A justificativa é que, embora o investimento inicial em IA seja alto, a longo prazo a redução de custos com pessoal e a escalabilidade compensam.

No entanto, especialistas alertam para os riscos desse modelo. A dependência excessiva de IA pode levar a problemas como falta de personalização, erros não detectados e dependência de fornecedores externos. Além disso, a cultura de "gastar mais para parecer mais produtivo" pode criar uma bolha de métricas vazias, sem impacto real nos resultados da empresa.

O futuro do trabalho nas startups

O debate sobre o papel da IA no mercado de trabalho está apenas começando. Enquanto algumas empresas veem a tecnologia como uma forma de reduzir custos e aumentar a eficiência, outras alertam para os perigos de substituir completamente a mão de obra humana. O que é certo é que o modelo de "tokenmaxxing" veio para ficar, pelo menos até que os limites e riscos dessa abordagem sejam mais bem compreendidos.