A IA já move a bolsa, mas o lucro ainda aparece primeiro em quem vende a infraestrutura

A inteligência artificial já altera o preço das ações fora do setor de tecnologia, mas a direção desse efeito ainda é desigual. Quando a ferramenta ameaça uma atividade conhecida, a Bolsa reage em horas. Quando promete reduzir custo ou aumentar receita dentro de uma empresa tradicional, o investidor costuma esperar o balanço provar a conta. Minha leitura é que a primeira fase da IA na Bolsa remunera quem vende infraestrutura de computação; a segunda só será reconhecida quando o ganho operacional aparecer em números auditáveis.

Essa diferença muda a pergunta que o dono de uma empresa deve fazer. Em vez de perguntar se a IA está presente, é preciso saber qual função ela executa, qual custo substitui, qual receita influencia e em quanto tempo o resultado pode ser conferido. A tecnologia pode estar instalada e ainda não ter produzido valor mensurável. Também pode reduzir horas de trabalho e criar uma despesa maior com revisão, segurança, integração e treinamento.

Os chips já aparecem no resultado, enquanto a produtividade ainda precisa de prova

O dado mais direto vem da J.P. Morgan Asset Management. Em atualização sobre os resultados do segundo trimestre de 2026, a instituição estimou crescimento anual de 38% no lucro por ação do S&P 500 no período. O relatório diz que a indústria de semicondutores caminhava para uma expansão de 134% no lucro por ação e respondia por 61% do crescimento do índice. A fonte é a própria análise da gestora, publicada em J.P. Morgan Asset Management.

Há uma conta simples nessa concentração. Se o lucro por ação do índice cresce 38% e os semicondutores respondem por 61% desse avanço, a contribuição aproximada do segmento equivale a 23,18 pontos percentuais do crescimento indicado pela gestora. É uma conta derivada de dois números publicados, não uma previsão nova. Ela mostra por que o mercado identifica com rapidez quem fornece a infraestrutura: a receita aparece na demonstração financeira antes de qualquer debate sobre produtividade.

A própria J.P. Morgan faz a ressalva que impede uma leitura triunfalista. Consumidores adotam ferramentas de IA em ritmo maior, mas a adoção empresarial ainda está no começo. Os hiperescaladores, empresas que operam grandes plataformas de nuvem, também enfrentam pressão do investimento pesado em capacidade computacional. O crescimento do lucro não está espalhado de maneira uniforme por todas as companhias que usam a palavra IA em sua apresentação a investidores.

O levantamento da Cisco reforça essa diferença entre teste e resultado. O Cisco AI Readiness Index, baseado em mais de 8 mil líderes de IA em 30 mercados e 26 setores, informa que o grupo chamado pela empresa de “Pacesetters” tinha quatro vezes mais probabilidade de levar pilotos para produção e 50% mais probabilidade de relatar valor mensurável. A pesquisa foi divulgada pela Cisco em outubro de 2025.

O número é útil, mas tem limite. A Cisco é uma fornecedora de redes e segurança, portanto participa do mercado que pesquisa. Isso não invalida a amostra, mas exige que o leitor separe o achado da interpretação comercial da empresa. O dado mede uma associação entre preparo e valor declarado. Ele não prova que a IA, sozinha, causou o resultado financeiro de cada organização.

A Hazel mostra por que uma função clara vale mais que uma promessa ampla

Um caso concreto ajuda a tirar a discussão do mercado de ações e colocar a ferramenta diante de uma tarefa específica. A Altruist, plataforma americana para profissionais de gestão patrimonial, lançou a Hazel em setembro de 2025. No comunicado de lançamento, a empresa descreve funções verificáveis: buscar informações em conversas, mensagens e sistemas de gestão de relacionamento; preparar reuniões; registrar notas; transcrever encontros; resumir conteúdo; criar tarefas e redigir mensagens para clientes.

A Hazel também tem uma modalidade de planejamento tributário. Segundo a página do produto, ela analisa declarações 1040, contracheques, extratos, notas de reunião e dados de custódia e CRM. Depois, permite simular conversões para Roth, mudanças de renda e outros eventos. O ponto importante para uma empresa brasileira não é importar a solução, que trabalha com documentos e regras tributárias dos Estados Unidos. É observar o desenho: a ferramenta recebe dados definidos, executa operações delimitadas e apresenta uma saída que ainda precisa de revisão profissional.

A própria Altruist informa que a Hazel custava US$ 60 por usuário ao mês ou US$ 600 por usuário ao ano no lançamento, com teste gratuito. A informação consta no comunicado oficial da Altruist. A página atual do produto descreve recursos adicionais e afirma que a aplicação pode ser usada por consultores mesmo quando a custódia não é feita pela Altruist. Também informa que a empresa utiliza criptografia e login único. Essas declarações são da fornecedora e devem ser verificadas no contrato, na política de retenção de dados e nos controles efetivamente disponíveis antes de qualquer uso com informação de cliente.

O caso não demonstra que toda empresa financeira ganhou produtividade. Demonstra algo mais restrito e mais útil: uma aplicação de IA pode ser descrita pela entrada, pela operação e pela saída. O fornecedor consegue dizer que documentos serão lidos, quais cenários serão comparados e que tipo de relatório será gerado. Ainda falta saber quanto tempo a equipe economiza depois da revisão, quantos erros são evitados e se o novo fluxo reduz custo sem elevar o risco regulatório.

O preço anunciado permite uma referência inicial. Para uma equipe de cinco usuários, a assinatura anual seria de US$ 3.000, antes de impostos, integrações e eventuais serviços adicionais. Esse cálculo usa o preço público de US$ 600 por usuário ao ano e não representa o custo total de adoção. Faltam, por exemplo, horas de configuração, treinamento e conferência das respostas. A conta serve para lembrar que uma licença barata pode gerar uma operação cara se ninguém definir quem valida o resultado.

O medo derruba a ação antes de a produtividade chegar ao balanço

A reação negativa descrita pela Exame torna visível o lado mais rápido da precificação. Em fevereiro de 2026, o lançamento da ferramenta tributária da Altruist foi associado a uma queda superior a 6% nas ações da Charles Schwab, junto com recuos de LPL Financial, Raymond James e Ameriprise Financial. A leitura dos investidores foi que parte do trabalho de assessores poderia ser automatizada.

O mesmo texto registra quedas próximas de 12% para CBRE e Jones Lang LaSalle em outro episódio ligado ao receio de disrupção por IA. O mercado não esperou que os balanços dessas empresas apresentassem uma perda efetiva causada pela ferramenta. Bastou uma evidência de que o modelo de negócio poderia ficar mais vulnerável. Esse mecanismo explica por que a ameaça tem mais visibilidade que o ganho: a ameaça pode ser narrada como substituição; a produtividade precisa atravessar processos, pessoas e controles antes de virar margem.

Há uma assimetria para o pequeno e médio negócio. Uma companhia listada sofre o ajuste de preço em público. Uma empresa fechada pode passar meses usando IA sem saber se reduziu o custo por pedido, o tempo de resposta ou o retrabalho. A ausência de medição protege a narrativa e esconde o resultado. Também pode levar a uma decisão errada, como ampliar a licença porque a equipe gostou da demonstração, sem verificar se o tempo economizado foi consumido pela checagem das respostas.

A pesquisa da Cisco traz outro alerta: apenas 13% das organizações formavam, de modo consistente, o grupo que a empresa chamou de Pacesetters nos três anos analisados. Esse recorte não deve ser lido como uma classificação universal de maturidade. Ele mostra que a distância entre experimentar e colocar em produção continua grande. Um piloto pode funcionar em uma tarefa simples e falhar quando encontra dados incompletos, permissões diferentes, regras internas ou necessidade de auditoria.

Na segunda-feira, a decisão cabe em cinco perguntas verificáveis

O dono de uma empresa que quer testar uma ferramenta deve começar pelo processo, não pelo nome do modelo. Escolha uma tarefa repetitiva com entrada e saída observáveis. Pode ser a classificação de solicitações, a transcrição de reuniões, a extração de campos de documentos ou a primeira versão de uma resposta. Deixe a decisão final com uma pessoa identificada.

Na planilha da primeira semana, registre cinco itens: quantos casos entraram; quanto tempo uma pessoa gastava antes; quanto tempo gastou com a ferramenta; quantos resultados exigiram correção; e qual custo mensal foi contratado. Acrescente uma sexta linha para incidentes de privacidade ou dados incorretos. Sem essa linha de base, a equipe pode confundir velocidade de geração com qualidade do trabalho.

Depois, compare o custo do teste com o ganho realmente medido. Se uma assinatura custa US$ 600 por usuário ao ano, converta o valor para a moeda e o período usados na sua gestão, incluindo impostos e integração. Não use o preço de uma ferramenta estrangeira como orçamento brasileiro. Use-o como exemplo de que a decisão precisa incluir licença, preparação, revisão e risco.

Também confira a documentação antes de enviar dados reais. Procure política de retenção, uso das informações para treinamento, permissões por usuário, exportação, logs, integração com o sistema atual e procedimento para apagar dados. No caso da Hazel, a Altruist declara criptografia, segurança empresarial e compromisso de não usar dados de clientes para treinar modelos. A declaração está na comunicação da companhia; a validação do contrato e da configuração continua sendo responsabilidade de quem adota.

O mercado está premiando primeiro a infraestrutura porque esse resultado é fácil de localizar. Para quem usa IA, o critério precisa ser menos vistoso: uma tarefa definida, um custo conhecido, uma pessoa responsável e um número comparável antes e depois. Se o teste não consegue responder essas perguntas em uma semana, a empresa ainda tem uma demonstração de tecnologia, não uma evidência de produtividade.

Fontes consultadas

• Exame, impacto da IA na precificação de empresas fora da tecnologia
• J.P. Morgan Asset Management, atualização dos resultados do segundo trimestre de 2026
• Cisco, AI Readiness Index 2025
• Altruist, lançamento da plataforma Hazel
• Hazel, funções e informações atuais do produto