1% das empresas paga 80% da conta de IA — e esse grupo parou de crescer

A Ramp publicou os números do seu AI Index em 6 de novembro, e a frase que circulou foi que o gasto com IA estagnou. O enquadramento é defensável e erra o mecanismo. O índice é construído com dados de cartão, nota fiscal e transação ACH de mais de 85 mil empresas americanas, e o que ele mostra é um mercado em que consumo e receita se separaram, puxados por um grupo muito pequeno de compradores que parou de gastar mais.
Comece pelas duas manchetes. Na semana encerrada em 23 de outubro, o volume total de tokens de IA corporativa subiu 37,1% na comparação com a semana encerrada em 25 de setembro. O gasto total com tokens no mesmo período cresceu 8,9%.
A diferença tem preço
A aritmética não é misteriosa. O preço combinado por milhão de tokens na OpenAI e na Anthropic caiu de US$ 0,76 para US$ 0,56, queda de 26,8%. Os dois fornecedores se moveram de forma diferente: o preço efetivo da OpenAI caiu 42,4%, o da Anthropic, 15,7%.
São cortes de tabela chegando à ponta. A OpenAI reduziu pela metade os preços de API do GPT-6 Sol e do GPT-6 Luna em setembro. A Anthropic cortou preços do Fable 5.1 e do Opus 5.5, e disse em um documento que a decisão reduziu seu crescimento de receita em cerca de US$ 600 milhões.
Seiscentos milhões de dólares é o número mais limpo desta história inteira. É o que um laboratório paga para comprar volume, declarado pelo próprio laboratório, em um documento com peso legal.
Há também um núcleo de fraqueza real de demanda na série. O gasto com tokens cresceu só 1,5% entre agosto e setembro, depois de um salto de 42% em julho. Depois voltou a acelerar para 8,9% do fim de setembro ao fim de outubro. Um platô de dois meses seguido de retomada parece mais comprador ficando melhor no mesmo trabalho do que colapso da demanda.
O economista-chefe da Ramp, Ara Kharazian, aponta três forças: cortes de preço na fronteira, descontos empresariais e habilidade do comprador. A terceira é a que dura. Equipes direcionam trabalho para modelos mais baratos, fixam orçamentos rígidos, escolhem padrões mais baratos. O resumo do cofundador da Notion, Akshay Kothari, foi que tokens go brrr e custos go ahhh, o que é mais engraçado do que preciso, mas descreve uma mudança real no comportamento de compra.
A concentração é a história
Aqui está o número que explica por que uma variação mensal de 1,5% no gasto pode achatar a linha de receita de um fornecedor.
Cerca de 1% das empresas responde por aproximadamente 80% de todo o gasto em OpenAI e Anthropic somadas. Em setembro, essa coorte gastou cerca de US$ 9.568 por funcionário por mês. Foi 11,7% acima do mês anterior e ainda 3,1% abaixo do pico de julho, de US$ 9.873.

A empresa mediana que paga por IA gasta US$ 15,70 por funcionário por mês. O décimo superior gasta cerca de US$ 813. A leitura de Kharazian é que o 1% do topo vinha superando US$ 10 mil por funcionário por mês ao longo do verão, e cair abaixo dessa marca bastou, por si só, para achatar a receita total, mesmo com o gasto da mediana e do décimo superior crescendo.
A composição desse 1% importa tanto quanto o tamanho. Kharazian diz que quase todo o gasto em IA vem de empresas de tecnologia apoiadas por capital de risco e de alto crescimento. Agentes de programação são a carga de trabalho que justifica o número. Uma empresa de software pode colocar um agente em cada engenheiro e ver o resultado. Um consultório odontológico não.
Essa é a parte desconfortável da tese. Se o topo do mercado é uma coorte definida por financiamento de risco e margens de software, a curva de gasto está amarrada a um ambiente de captação, não à adoção geral de IA. A adoção continuou subindo: 55,9% das empresas acompanhadas em setembro, 0,6 ponto acima de agosto e 12,1 pontos acima do ano anterior. A Ramp observa que seu número de adoção provavelmente é subestimado, porque ferramentas gratuitas e contas pessoais usadas no trabalho não aparecem nos dados de transação.
Ou seja: adoção ampla e barata de um lado, adoção estreita e caríssima do outro. A primeira cresce de forma constante. A segunda é da qual a receita depende.
Participação de mercado e o problema do IPO
Na semana encerrada em 23 de outubro, a Anthropic detinha 60,5% do gasto corporativo em tokens e a OpenAI, 35,1%. Por adoção paga em setembro, a Anthropic estava em 43,8% e a OpenAI em 40,6%.
A Anthropic tem a maior fatia entre os que gastam mais e a menor fatia na cauda longa. É um bom lugar se o 1% do topo continuar crescendo, e um lugar exposto se não crescer. A empresa é também a que acabou de dizer aos investidores que seus próprios cortes de preço custaram US$ 600 milhões de crescimento.
O que traz as avaliações para a conversa. A expectativa de valuation de IPO da Anthropic escorregou de cerca de US$ 2 trilhões no início de outubro para uma faixa de US$ 1,2 trilhão a US$ 1,3 trilhão. A OpenAI teria reduzido a avaliação proposta de US$ 1,4 trilhão para US$ 1,25 trilhão e cortado a captação em cerca de US$ 10 bilhões. Os dois movimentos caíram na mesma janela destes dados de gasto.
Você não precisa acreditar que o índice é perfeito para ver a forma do problema. Uma empresa precificada em hipercrescimento precisa de crescimento de volume que supere a queda de preço, ou de uma nova categoria de comprador que gaste como uma empresa de software. Cortes de preço são racionais para ganhar volume. Também são, aritmeticamente, uma transferência de receita de hoje para receita de depois, e a parte de depois é uma aposta.
O que os dados não dizem
A Ramp vê transações de cartão, nota fiscal e ACH. Não vê uso dentro de crédito pré-pago comprado no trimestre anterior, nem trabalho rodando em contratos de nuvem comprometidos, nem nada faturado por revenda. O índice é uma visão de como empresas pagam, o que é próximo de como fornecedores ganham, mas não idêntico.
O volume de tokens também é um proxy. Modelos diferentes tokenizam de forma diferente, então uma migração para modelos mais baratos com contagens maiores de tokens pode fazer o volume parecer mais saudável do que a capacidade entregue. Um aumento de 37% em volume contra uma queda de 27% em preço é compatível com aumento real de trabalho feito. Também é compatível com mudança de mix.
E o índice cobre os pagamentos corporativos de um país, com peso para empresas que usam a Ramp. O número de 85 mil é grande, e é uma amostra do fluxo de cartão e nota fiscal de um país.
A pergunta por trás do número
O que vale acompanhar não é o gasto do mês que vem. Olhe em vez disso se a IA encontra uma segunda categoria de comprador pesado fora do software financiado por capital de risco.
Kharazian é abertamente cético de que um consultório médico ou uma concessionária um dia gastem como uma startup intensiva em código, e provavelmente tem razão em dizer que não vão. Mas não precisam. Precisam gastar como uma empresa que encontrou um fluxo de trabalho que valia automatizar e o deixou rodando. Quinze dólares por funcionário por mês não é nada se o número de empregadores que aderem for grande.
Até isso acontecer, o modelo de negócio dos laboratórios de fronteira repousa sobre uma base estreita de clientes cujos próprios orçamentos dependem da disposição de outra pessoa em financiá-los. É uma fundação estranha para um valuation de um trilhão de dólares, e é por isso que uma variação mensal de 1,5% em um índice de gasto está sendo lida como alerta, não como ruído.
Artigos relacionados
Claude agora lê seus extratos bancários, e a Anthropic fez questão de não lhe dar mãos
O Claude ganhou um hub de finanças pessoais nos Estados Unidos. Ele lê 24 meses de transações e explica seus gastos, mas não move um centavo — e a Anthropic trata isso como a tese do produto.
A Adobe parou de pedir que profissionais de marketing abrissem a Adobe
Por uma década, a estratégia foi ser dono da interface. A Adobe acabou de apostar no oposto.
A CrowdStrike lançou um kill switch para agentes de IA. A parte difícil é saber o que encerrar.
Um kill switch transforma um palpite em algo aplicável. A aplicação exige uma lista, e a lista é justamente a parte que ninguém tem.
Gemini Omni 1.2 Flash acabou com a máquina caça-níqueis do vídeo
A sete centavos por segundo, o fluxo de trabalho racional deixa de ser um prompt perfeito e passa a ser quinze tentativas.