A pressão dos custos de inteligência artificial generativa finalmente bateu à porta da Uber. Após consumir todo o orçamento previsto até 2026 em apenas quatro meses, a empresa decidiu pôr o pé no freio e estabeleceu um limite mensal de US$ 1.500 (cerca de R$ 7.630) para cada funcionário que utilize ferramentas como Claude Code e Cursor em seus fluxos de trabalho.
Na prática, o novo teto equivale a cerca de 15 mil tokens processados por dia em modelos de grande porte—mais do que suficiente para tarefas pontuais, mas um gargalo visível para quem compila bilhões de linhas de código. O controle será feito por um painel interno que mostra em tempo real o consumo de créditos de IA, permitindo que líderes identifiquem rapidamente equipes que extrapolam o orçamento e tomem medidas corretivas.
Por que a Uber precisou agir tão cedo?
Em abril, o CTO Praveen Neppalli Naga revelou que todo o CAPEX previsto para IA até 2026 foi queimado em quatro meses—um sinal de alerta sobre a escalabilidade (e o preço) dos modelos generativos. Cada consulta ao Claude, por exemplo, demanda powerhouses de GPU, armazenamento de alta velocidade e banda larga premium. No fim do dia, essa conta invariavelmente chega.
Ao colocar um limite individual por ferramenta, a Uber evita que o gasto desenfreado em uma plataforma contamine o orçamento de outra. Ainda assim, há margem para exceções: desenvolvedores podem solicitar aumento pontual de crédito se provarem retorno de investimento claro—algo muito mais difícil de mensurar do que parece.
O que muda para quem desenvolve software dentro (ou fora) da Uber?
Para os engenheiros da companhia, o aviso é direto: use IA com propósito. Tarefas repetitivas como geração de boilerplate, documentação e refatoração rápida continuam ganhando tempo; já processos experimentais, sem métrica de ROI, entram na mira da tesourada.
Se você é desenvolvedor independente, esse movimento serve de termômetro. A taxa por uso veio para ficar. O GitHub, por exemplo, passou a cobrar por créditos de execução do Copilot em junho de 2026, e a reação da comunidade foi imediata: muitos viram a fatura multiplicar da noite para o dia.
A conta de GPU ainda assusta — e o mercado reage
Segundo estimativas da SemiAnalysis, rodar um modelo estilo GPT-4 em produção custa entre US$ 0,003 e US$ 0,02 por 1.000 tokens, dependendo do contrato de nuvem e da eficiência de hardware (NVIDIA H100, MI300X, etc.). Multiplique isso por milhares de requisições diárias num ecossistema como o da Uber, que processa milhões de corridas — e a matemática rapidamente estoura qualquer planilha.
Não surpreende, portanto, que empresas estejam revendo arquiteturas, migrando partes do workload para edge computing ou optando por modelos menores open source (Llama 3, Mistral) treinados in-house em GPUs mais baratas. As Big Techs procuram equilibrar ambição e custo, e iniciativas como o Mixture of Experts buscam justamente reduzir consumo mantendo performance.
Imagem: Vitor Pádua
Vale a pena para o usuário final?
Para quem utiliza serviços como Uber, GitHub ou qualquer outra plataforma impulsionada por IA, a mudança é quase invisível—ao menos no curto prazo. No médio, porém, pode refletir em funcionalidades premium ou anúncios mais agressivos para subsidiar a infraestrutura. É o clássico “não existe almoço grátis” aplicado aos LLMs.
Já para o profissional de tecnologia que pensa em investir em teclados mecânicos, mouses de alta precisão ou GPUs de última geração (os links da Amazon que você sempre vê por aqui 👀), a lição é clara: eficiência se tornou palavra-chave tanto no código quanto no bolso das corporações. Otimize seus prompts, teste modelos mais enxutos e compare custos antes de colocar a IA para rodar 24/7.
Resumo em 3 pontos:
- Uber limita a US$ 1.500/mês o uso individual de ferramentas de IA, como Claude Code, após estourar o orçamento.
- Painel interno exibe consumo em tempo real e libera exceções apenas mediante justificativa de ROI.
- Tendência de créditos por uso ganha força; GitHub Copilot já cobra pelo volume de execuções e irrita desenvolvedores.
A decisão da Uber confirma um novo capítulo na corrida da IA: velocidade continua essencial, mas agora a conta tem que fechar.
Com informações de Tecnoblog
