O Spread Monetizável: Por Que a Compressão Open-Source Faz da Governança o Último Fosso

Dave Friedman, do Substack AI Strategy and Policy, fez uma distinção que a maioria dos analistas de IA ignora. Existe o spread de capacidade entre modelos de fronteira e open-source. E existe o spread monetizável, a faixa onde clientes pagam prêmios por desempenho superior. São coisas diferentes. A segunda está comprimindo muito mais rápido que a primeira.

A diferença importa porque muda o que significa ter vantagem competitiva em IA. Quando a zona de receita encolhe, a pergunta não é mais “qual modelo é melhor?” A pergunta é “o que justifica pagar pelo modelo melhor?”

Dois Spreads, Duas Histórias

No final de 2024, modelos open-source estavam aproximadamente 12 meses atrás dos modelos de fronteira em capacidade bruta. Segundo dados da Epoch AI, esse intervalo caiu para cerca de 3 meses no início de 2026. A velocidade de convergência é notável.

Mas capacidade bruta não é receita. O Anthropic Economic Index mostra que 36% do uso de APIs de IA vai para tarefas rotineiras: classificação, extração, sumarização, geração de texto padrão. Para essas tarefas, a diferença entre um modelo de fronteira e um modelo open-source competente é irrelevante. O resultado é bom o suficiente. O cliente não paga prêmio.

Friedman captura isso com precisão: “Revenue growth on a narrowing moat is a different asset than revenue growth on a widening one.” Receita crescente sobre um fosso que encolhe é um ativo diferente de receita crescente sobre um fosso que se alarga. As duas empresas podem ter a mesma curva de receita hoje. O perfil de risco é oposto.

A Eficiência como Acelerador

DeepSeek V3 treinou com 2,6 milhões de horas de GPU. Llama 3 precisou de 30,8 milhões. O resultado do DeepSeek é competitivo. A eficiência é 12 vezes maior.

Esse dado muda o cálculo estrutural do mercado. Não é apenas que modelos open-source ficam melhores. É que ficam melhores gastando uma fração dos recursos. A barreira de entrada para produzir modelos competitivos está caindo em duas dimensões simultâneas: capacidade subindo, custo de treinamento descendo.

Para empresas que vendem acesso a modelos de fronteira, isso significa que cada ciclo de melhoria open-source comprime a faixa de preço justificável. O cliente corporativo olha para uma tarefa rotineira, compara o custo de uma API proprietária com o custo de rodar um modelo open-source internamente, e a matemática muda a cada trimestre.

Os Números das Empresas de Fronteira

Os valuations atuais contam a história por outro ângulo. OpenAI opera a um valuation de US$ 850 bilhões, algo como 30 vezes sua receita estimada. Projeta US$ 14 bilhões em perdas para 2026. Anthropic está avaliada em US$ 380 bilhões, com receita anual de US$ 14 bilhões, e antecipa fluxo de caixa livre positivo em 2027.

São perfis diferentes, mas compartilham uma premissa: que o spread monetizável vai se manter ou expandir o suficiente para justificar esses múltiplos. Friedman questiona essa premissa diretamente. Se o spread de capacidade permanece mas o spread monetizável comprime, a receita pode crescer enquanto o fosso encolhe.

Não é que essas empresas vão falir. É que o tipo de receita muda. Receita sobre fosso largo é previsível, defensável, justifica múltiplos altos. Receita sobre fosso estreito exige execução constante, inovação trimestral, competição por preço. São negócios diferentes com valuations que deveriam ser diferentes.

O Que Sobrevive à Compressão

Como argumentamos em A Pergunta de US$ 500 Bilhões, governança é o fosso que sobrevive quando outros colapsam. A análise de Friedman explica por quê com precisão cirúrgica.

Quando 36% do uso de APIs é rotineiro e modelos open-source competem nessa faixa, a vantagem de “ter o modelo mais capaz” se concentra nos 64% restantes. Mas mesmo nessa faixa, a compressão avança. O Sonnet 4.6 entregando 99% da capacidade do flagship por um quinto do preço é exatamente esse fenômeno dentro de uma única empresa.

O que não se comoditiza é a capacidade organizacional de governar como IA opera dentro da empresa. Quais dados alimentam quais modelos. Quais decisões exigem supervisão humana. Quais processos têm auditoria. Quais agentes operam com quais permissões.

Essa capacidade não depende de qual modelo você usa. Funciona com fronteira ou open-source. Funciona hoje e funciona quando o spread de capacidade comprimir ainda mais. É o único ativo que ganha valor conforme modelos se comoditizam, porque a demanda por controle cresce na proporção inversa do custo de capacidade.

A Inversão Estratégica

A maioria dos executivos ainda avalia IA pela pergunta errada: “Qual modelo é mais capaz?” A pergunta certa, dado o que Friedman demonstra, é: “O que faremos quando o modelo mais capaz custar o mesmo que o segundo mais capaz?”

A resposta não pode ser “encontrar o próximo modelo mais capaz.” Essa corrida é um esteira. A resposta precisa ser algo que se acumula: processos de governança, frameworks de avaliação, políticas de uso, controles de auditoria, práticas de supervisão.

Empresas que investem apenas em capacidade estão comprando um ativo que deprecia a cada ciclo de treinamento open-source. Empresas que investem em governança estão construindo um ativo que aprecia conforme a capacidade se torna commoditizada.

A compressão do spread monetizável não é uma ameaça para quem vende governança. É o argumento de venda.

Fontes

Dave Friedman. “Closed Source vs Open Source AI: A Cage Fight Few People Understand.” Março 2026.

Victorino Group ajuda empresas a lidar com a economia da IA e estratégia de governança. contato@victorino.com.br | www.victorino.com.br