Anthropic e OpenAI Viraram Consultorias. A Anthropic Já é Dona do Seu Runtime.

Em uma única semana de maio de 2026, dois laboratórios de fundação pararam de fingir que eram empresas de API.

A Anthropic anunciou uma joint venture de US$ 1,5 bilhão para colocar engenheiros embarcados dentro de clientes corporativos, com Hellman and Friedman e Goldman Sachs como parceiros principais. Blackstone, Hellman and Friedman e Goldman entraram com US$ 300 milhões cada. Apollo Global Management, General Atlantic, GIC, Leonard Green e Sequoia Capital completaram a rodada. Dois dias depois, a OpenAI capitalizou sua Development Company em US$ 10 bilhões, com US$ 4 bilhões vindos de 19 investidores que incluem TPG, Brookfield, Advent e Bain Capital.

Some os dois números e você tem US$ 11,5 bilhões de novo balanço apontados para um único movimento. Mandar engenheiros do laboratório para dentro de clientes médios e grandes, construir o fluxo de trabalho em volta do modelo e deixar o fluxo instalado.

A declaração da Anthropic é precisa sobre o movimento. Um engajamento “pode começar com o time de engenharia da empresa sentando ao lado de clínicos e equipes de TI para construir ferramentas que se encaixem nos fluxos que o time já usa, em empresas de médio porte de várias indústrias”.

Essa frase descreve uma consultoria. Leia duas vezes. Engenharia embarcada, ao lado dos especialistas de domínio do cliente, construindo as ferramentas que vão viver dentro da operação do cliente. A McKinsey escreveu essa frase primeiro. A Accenture escreveu mil vezes. A Anthropic acabou de escrevê-la com US$ 1,5 bilhão de munição embaixo.

Isso não é anúncio de parceria. É anúncio de categoria.

A absorção em quatro camadas

Se você mapear o que essas empresas vendem hoje, a resposta deixou de ser “o modelo”. É tudo o que existe entre o modelo e o fluxo de trabalho.

A primeira camada é o modelo. Pesos de fronteira, tokenização, raciocínio. A coisa que o laboratório foi fundado para produzir.

A segunda camada é o runtime. Claude Code, Codex, o harness do agente, a tubulação MCP. A Anthropic empacotou isso como linha de produto ao longo de 2025 e hoje o runtime roda em estações de desenvolvedor e em pipelines de CI corporativo. Argumentamos em Claude Managed Agents são um Harness, Não um Wrapper que o harness é a superfície de governança. Esse argumento envelheceu para algo mais direto. O harness também é uma superfície de compras. E quando você o pluga no seu pipeline de entrega, o custo de troca deixa de ser trivial.

A terceira camada é a infraestrutura de desenvolvimento. O Bun, runtime e toolchain de JavaScript que a Anthropic adquiriu em dezembro de 2025, vive aqui. Junto com os registries de pacotes, agentes de build e test runners que os laboratórios estão silenciosamente absorvendo ou fazendo parceria. A aquisição foi sob licença MIT, em tom amigável. Cinco meses depois, um postmortem da própria engenharia da Anthropic citou uma sequência de regressões no Claude Code em abril de 2026: redução do esforço padrão de raciocínio, um bug de sessão velha e “uma mudança de prompt que prejudicou a qualidade de código”. O autor de I Am Worried About Bun lê esse padrão como “enshittification” de manual, aquela deriva lenta em que o produto piora para o usuário em troca de monetização.

Você pode aceitar essa leitura ou não. O fato estrutural é claro. O runtime onde seu código executa, o modelo que seus agentes chamam e o harness que costura os dois agora compartilham o mesmo balanço.

A quarta camada é a consultoria. Os engenheiros embarcados. O desenho do fluxo. A promessa de “vamos sentar com seu time de TI”. É isso que os novos US$ 11,5 bilhões compram. E consultoria, mais do que qualquer das outras camadas, é a camada que decide qual das outras três você acaba usando. Porque o consultor não vai recomendar o runtime de um concorrente. Vai recomendar o que sai com o mesmo logo do crachá dele.

Empilhe e você tem um único fornecedor que vende o modelo, o runtime, a infraestrutura de desenvolvimento e o engajamento que instala as três coisas. Os laboratórios não anunciaram isso como estratégia. Construíram transação por transação ao longo de dezoito meses, e as joint ventures de maio são o momento em que o quadro ficou impossível de ler errado.

O padrão de compras não é novo

Comprador corporativo já viu esse filme. Os Big-3 de nuvem rodaram a mesma jogada nos anos 2010. A AWS vendeu compute, depois storage, depois bancos de dados, depois identidade, depois serviços de ML, depois um braço de consultoria, depois certificações de parceiros. Em 2018, todo CIO com estate na AWS tinha um workshop em PowerPoint chamado “estratégia multi-cloud” e uma realidade dentro da AWS que nenhuma estratégia multi-cloud conseguia encolher de forma significativa.

Escrevemos sobre a aliança de consultoria da OpenAI quando o primeiro sinal apareceu. O enquadramento era sobre terceirização de governança. Os anúncios de maio de 2026 transformam aquele enquadramento em uma tese de compras: laboratórios de fundação agora vendem o mesmo pacote de “expandir para tudo” que os hyperscalers venderam uma década atrás, com cronograma mais rápido e fiscalização regulatória mais frouxa.

O problema de escala da McKinsey mora na mesma vizinhança. As consultorias tradicionais não conseguem expandir entrega de IA rápido o suficiente para preservar suas contas. Os laboratórios conseguem. Eles têm o modelo, têm os engenheiros e agora têm o capital. O que ainda não têm é a memória institucional de quarenta anos de trabalho com cliente médio. Estão comprando essa capacidade contratando direto, com US$ 11,5 bilhões financiando a folha.

O que o Bun mostra sobre a camada três

A aquisição do Bun é a prova de que a consolidação deixou de ser hipótese. É a camada onde a dor do cliente já está aparecendo.

As regressões do Claude Code em abril de 2026 importam não porque foram especialmente severas. Todo produto em produção tem semanas ruins. Importam porque o postmortem da engenharia mostrou que o laboratório agora opera suas ferramentas de desenvolvimento do jeito que redes de anúncio operam. O esforço padrão de raciocínio é reduzido para economizar custo de inferência. Mudanças de prompt entram sem testes de regressão de qualidade de código. Bugs de sessão velha passam pelo CI porque o harness do cliente está a jusante do modelo, e o time do modelo é dono do cronograma.

O autor de I Am Worried About Bun descreve a trajetória: um runtime open-source, adquirido por uma empresa de modelo, mantém o mesmo time de mantenedores por enquanto, mas passa a viver dentro de uma organização cujo modelo de negócio depende de tokens consumidos, não de tempo de compilação JavaScript. Quando esses incentivos divergem, o runtime deriva para o que serve o negócio do modelo. Os mantenedores do Bun não anunciaram nenhuma deriva desse tipo. As regressões do Claude Code mostram que a deriva já está acontecendo uma camada acima.

Problemas na camada três compõem. Se seu pipeline de build roda em Bun, seu test runner usa Claude Code e sua infraestrutura de agente chama modelos da Anthropic, uma única mudança de modelo de negócio no laboratório vira um único ponto de falha que atravessa três camadas da sua operação de engenharia.

A pergunta de compras

Argumentamos em O Runtime Governado é o Novo Cloud-Native que governança de runtime é o novo infrastructure-as-code. Todo argumento de governança que sustentamos depende de uma premissa do lado do comprador: que ele consegue trocar de fornecedor se os controles degradarem.

Os anúncios de maio espremem essa premissa. Se o mesmo fornecedor vende o modelo, o runtime, as ferramentas de desenvolvimento e os consultores que instalaram tudo, o custo de troca não é exercício técnico. É reset organizacional.

Três perguntas pertencem à pauta de todo CTO e CPO neste trimestre.

Primeira, quantos dos seus fluxos que tocam IA hoje rodam sobre infraestrutura do mesmo laboratório? Faça o inventário. Conte os contratos de modelo, os harnesses de agente, as dependências de ferramentas de desenvolvimento e os engajamentos de consultoria ativos. Se a resposta for “as quatro coisas são Anthropic” ou “as quatro coisas são OpenAI”, você tem um problema de concentração contra o qual a era da nuvem deveria ter te imunizado.

Segunda, como é a sua saída? Não na teoria. No SOW. Se seus engenheiros embarcados saírem no próximo trimestre, qual conhecimento transfere, qual código transfere e o que fica no GitHub do laboratório? A cláusula contratual aqui pesa mais do que a arquitetura técnica.

Terceira, quem é dono das regressões da camada três? Quando o Claude Code degrada e seu CI começa a falhar, qual pager toca e qual orçamento paga a correção? O default atual é “o seu”. Os laboratórios ainda não oferecem SLAs sobre qualidade de ferramenta de desenvolvedor do mesmo jeito que a AWS oferece SLA de uptime de EC2. Esse buraco contratual vai ser fechado, mas não a favor do comprador, a menos que o comprador empurre.

O que muda para os compradores neste trimestre

Times de compras que aprenderam a lição multi-cloud já deveriam estar modelando isso. A lição não foi “use três nuvens ao mesmo tempo”. A lição foi “garanta que seus dados, sua identidade e os artefatos do seu build não fiquem reféns do roadmap de nenhum fornecedor”. A mesma lição vale agora, com o laboratório de fundação no papel que a AWS ocupava em 2014.

Concretamente:

Separe o contrato de modelo da dependência de ferramenta de desenvolvimento. Rode Claude no Bedrock ou no Vertex se conseguir, para que sua despesa com modelo não fique amarrada à sua despesa com runtime.
Trate o harness como camada substituível. Se seu código de agente só roda dentro do harness de um fornecedor, você construiu sobre uma armação, não sobre uma fundação.
Resista a engajamentos de consultoria que recomendam stack de fornecedor único. O engenheiro embarcado é um recurso brilhante. Também é pago pelo fornecedor cujos produtos vão acabar dentro da recomendação.
Audite a cadeia de suprimentos das suas ferramentas de desenvolvimento. O Bun não é o último runtime open-source que um laboratório de fundação vai adquirir. Saiba quais dos seus estão a uma aquisição de distância de uma estrutura de incentivo diferente.

Os laboratórios de fundação não viraram consultorias por acidente. Viraram porque consultoria é a camada que decide o que o cliente compra nas outras três. O laboratório dono das quatro camadas vence a década. O comprador que percebe isso em maio de 2026 preserva a opcionalidade. O comprador que percebe em maio de 2027 vai estar escrevendo o mesmo memorando de estratégia multi-fornecedor, dois ciclos atrasado.

A lição dos Big-3 de nuvem custou à indústria uma década de compressão de margem e remediação de lock-in. A mesma lição está em oferta agora, em ritmo de composição mais rápido. O preço de aprender pela segunda vez deveria ser menor. Não vai ser, a menos que os times de compras decidam neste trimestre que “um único fornecedor em quatro camadas” não é mais uma arquitetura que eles assinam.

Fontes

TechCrunch. “Anthropic and OpenAI Launch Enterprise AI Joint Ventures.” Maio de 2026.
wwj.dev. “I Am Worried About Bun.” Maio de 2026.

A Victorino ajuda times de compras e plataforma a estressar dependências de labs de fundação antes que o lock-in componha: contato@victorino.com.br | www.victorino.com.br