AI Index 2025: os insights de Stanford para as próximas ondas
novembro 18, 2025
Ao final de 2025, comentamos aqui o AI Index Report 2025, de Stanford. A nona edição do relatório saiu, há algum tempo, e mudou o tom em pontos importantes. Como as empresas brasileiras concentram ciclos de planejamento entre setembro e dezembro, achamos um momento bom para revisitar esses dois documentos.
Por que revisitar agora
O AI Index de Stanford (HAI) é uma das referências mais completas e independentes sobre o estado real da IA. A edição 2026 passou a cobrir nove capítulos — Pesquisa e Desenvolvimento, Desempenho Técnico, IA Responsável, Economia, Ciência, Medicina, Educação, Política e Governança, e Opinião Pública —, incorporando Ciência e Medicina como capítulos próprios.
A diferença de tom entre as duas edições é o ponto central deste texto. O relatório de 2025 trazia uma mensagem essencialmente de urgência de adoção: invista, adote, não fique para trás. O de 2026 é uma mensagem de maturidade operacional: a adoção já aconteceu, e o que separa líderes de seguidores ou vencedores de perdedores agora é custo unitário, confiabilidade e governança.
Para CIOs e CTOs que vão defender o orçamento de 2027 nas próximas semanas, essa mudança de eixo é o que importa.
O paralelo em números do AI Index da Stanford
| Dimensão | AI Index 2025 (dados de 2024) | AI Index 2026 (dados de 2025) |
| Adoção organizacional | 78% das organizações usando IA | 88% usando IA; 70% com IA generativa em ao menos uma função de negócio |
| Investimento privado | US$ 109,1 bi nos EUA; GenAI +18,7% | US$ 285,9 bi nos EUA; investimento privado global +127,5%; GenAI +200% |
| Origem dos modelos notáveis (1) | ~90% da indústria (vs. 60% em 2023) | Mais de 90% da indústria; EUA com 50 modelos notáveis, China com 30 |
| Domínio | Gap entre 1º e 10º modelo caiu de 11,9% para 5,4% (na pontuação ELO) | Gap EUA–China praticamente empatado (2,7% em março/2026); seis laboratórios dentro de 25 pontos de Elo |
| Diferença de desempenho entre Aberto vs. Proprietário | Diferença encolhendo rapidamente | Diferença voltou a abrir: 3,3% em 2025 |
| Transparência | Tema emergente | Índice de Transparência de Modelos de Fundação caiu de 58 para 40 pontos (2) |
| Incidentes de IA | Em alta, sem métrica consolidada | 233 (2024) → 362 (2025) |
| Produtividade | IA aumenta produtividade e reduz lacunas de habilidade | Ganhos confirmados, porém desiguais: ~14–15% em atendimento, 26% em desenvolvimento de software, até 73% em marketing — e menores em tarefas de raciocínio profundo |
- Modelo Notável é uma classificação que o AI INDEX usa para filtrar os modelos que analisa. Não é qualquer modelo. Stanford, para este estudo, criou um critério junto com a Epoch AI que considera notável modelos publicados que tenham grande repercussão. Exemplo: se alguém republica um modelo com apenas um “fine tunning” não entra na análise.
- Essa métrica de Stanford não mede segurança ou qualidade. A queda não significa que os modelos pioraram; significa que passamos a saber menos sobre eles. As lacunas que levaram a uma piora são dados de treinamento, compute e impacto pós-implantação. Muitos dados e parâmetros deixaram de ser divulgados em vários lançamentos recentes de OpenAI, Anthropic e Google
Quatro mudanças de visão
1. De “investir para não ficar para trás” para “provar retorno por unidade”
O investimento mais que dobrou e a adoção chegou a 88%. Mas o relatório de 2026 traz um contraponto que não existia no ano anterior: agentes de IA ainda têm adoção de um dígito na maioria das funções de negócio. Ou seja, o discurso de “empresa agêntica” está muito à frente da prática.
Ao mesmo tempo, o capex de infraestrutura explodiu — um único provedor de nuvem reportou mais de US$ 150 bilhões em capex anual em 2025. Esse custo chega ao cliente final em algum momento do ciclo.
Implicação orçamentária: projetos de 2027 devem ser aprovados com métrica de custo por tarefa concluída, não por licença ou por assento. E vale orçar cenários com aumento de preço de API a partir do segundo semestre, não apenas queda.
2. De “democratização = barato” para “custo unitário cai, conta total sobe”
O artigo de 2025 destacava a queda de mais de 280x no custo de inferência. Isso continuou, mas o efeito prático é contraintuitivo: com fluxos agênticos, cada interação consome muito mais tokens, e o gasto total sobe mesmo com o preço unitário caindo.
O relatório de 2026 acrescenta duas restrições físicas que não estavam no radar em 2025:
- Energia: a capacidade de energia dos data centers de IA chegou a 29,6 GW, ordem de grandeza comparável ao pico de demanda do estado de Nova York.
- Concentração de suprimento: praticamente todos os chips de ponta saem de uma única fundição (TSMC), o que o próprio relatório aponta como ponto único de dependência da cadeia global.
Implicação orçamentária: avaliar bem a arquitetura. Mandar tudo para o modelo mais caro, ou distribuir o trabalho entre modelos de custos diferentes? Essa decisão, que parecia detalhe de engenharia, é hoje o maior determinante da fatura.
3. De “a indústria lidera” para “a fronteira está comprimida — e opaca”
A liderança da indústria se consolidou, mas a vantagem competitiva de qualquer fornecedor específico encurtou drasticamente. Com seis laboratórios praticamente emparelhados e o gap EUA–China em empate técnico, a competição migrou de capacidade bruta para custo e confiabilidade.
O lado incômodo: os modelos mais capazes de hoje estão entre os menos transparentes. Código de treino, contagem de parâmetros e tamanho de dataset deixaram de ser divulgados em vários lançamentos de peso. Auditar o que você usa ficou mais difícil, não mais fácil.
Implicação orçamentária: portabilidade entre modelos é agora poder de barganha mensurável. Contratos plurianuais de fornecedor único, assinados em 2026 para valer até 2029, correm sério risco de travar a empresa em preço e capacidade defasados.
4. De “governança como compliance” para “confiabilidade como risco operacional”
Este é o ponto mais duro do relatório de 2026. Os incidentes documentados saltaram de 233 para 362 em um ano. E um novo benchmark testando se modelos distinguem conhecimento de mera crença mostrou taxas de alucinação entre 22% e 94% em 26 modelos de topo, com quedas dramáticas de acurácia quando a afirmação falsa é apresentada como algo que o próprio usuário acredita.
Traduzindo para o negócio: o modelo tende a concordar com o usuário. Em atendimento, crédito, saúde ou jurídico, isso é risco de passivo, não detalhe técnico. O relatório também registra que as notas de segurança se deterioram bastante sob tentativas deliberadas de jailbreak.
No Brasil, some-se o fator regulatório: o PL 2338/2023 foi aprovado no Senado em dezembro de 2024, tramita na Câmara com relatoria do dep. Aguinaldo Ribeiro e teve a votação final adiada para 2026, em meio a impasses sobre direitos autorais, exceções para sistemas de alto risco e questionamento de vício de iniciativa na criação das autoridades. O modelo é baseado em risco, inspirado no AI Act europeu, com sanções previstas de até R$ 50 milhões.
Implicação orçamentária: conformidade com um marco legal que ainda não foi votado não pode ser orçada como projeto único no ano da promulgação.
Três insights novos que merecem atenção
O pipeline júnior está encolhendo. O emprego para desenvolvedores de software de 22 a 25 anos caiu cerca de 20% desde 2024, e um terço dos empregadores pesquisados espera redução de quadro no próximo ano, concentrada em operações de serviço, cadeia de suprimentos e engenharia de software. Quem cortar a base da pirâmide em 2027 não terá o pleno em 2030.
A “dívida de aprendizado” entrou no relatório. Há evidência emergente de que a dependência intensa de ferramentas de IA pode desacelerar o desenvolvimento de habilidades ao longo do tempo. É um argumento a favor de orçar formação e não apenas ferramenta.
O ceticismo do público é um risco de marca. A pesquisa mostra 73% dos especialistas esperando que a IA melhore o trabalho das pessoas, contra apenas 23% do público geral. Se o cliente e o colaborador não confiam, a adoção interna trava, mesmo com a tecnologia funcionando.
Conclusão
O AI Index 2025 respondia à pergunta “por que investir em IA”. O AI Index 2026 responde a uma pergunta diferente e mais desconfortável: “o que exatamente estamos comprando, quanto custa por unidade e quão confiável é?”
Nas suas sessões de budget (ou bem antes delas), vale se fazer essa pergunta. ano seguinte.
