Build vs buy em IA: o custo de posse que ninguém calcula

A tentação do protótipo de fim de semana

Nunca foi tão fácil construir. Um engenheiro competente, armado de ferramentas de codificação agêntica, entrega um protótipo funcional num ritmo que pouco tempo atrás parecia impossível. O mercado percebeu. Segundo o McKinsey State of AI 2026, 32% das organizações decidiram não comprar software pronto e construir com essas ferramentas. Entre os chamados high performers em IA, o índice chega a quase 50%.

A leitura apressada é que o pêndulo voltou para o build. Essa leitura está errada, ou no mínimo incompleta. O custo de escrever o código despencou. O custo de ser dono dele, não. Quem decide entre comprar e construir olhando só para a primeira conta toma a decisão certa pelo motivo errado, ou a errada com muita convicção.

A tese aqui é direta. A escolha entre ferramenta pronta, automação low-code, integração via API e software sob medida não deveria começar pela pergunta "quanto custa fazer?". Deveria começar por outra: "o que eu aceito carregar por cinco anos?".

O que os números dizem sobre posse, não sobre construção

Os dados disponíveis contam uma história consistente, mesmo vindo de fontes diferentes. A Menlo Ventures, que ouviu 495 decisores de IA em empresas americanas em novembro de 2025, mostra que 76% dos casos de uso de IA são comprados. Em 2024, a divisão era quase meio a meio: 47% construídos, 53% comprados. O gasto empresarial com IA chegou a US$ 37 bilhões em 2025, com mais de US$ 19 bilhões em aplicações.

O estudo do MIT NANDA, noticiado pela Fortune, foi mais agressivo: compras de ferramentas tiveram 67% de sucesso, e a construção interna, cerca de um terço disso. Esse número merece cautela. A amostra é pequena, o NANDA pode ter incentivo para sustentar que os métodos atuais não funcionam, e Kevin Werbach, de Wharton, apontou que o famoso "5%" se referia a ferramentas sob medida em produção, não a todos os pilotos.

Mesmo descontando o exagero, o padrão aparece em outras fontes. A S&P Global Market Intelligence registrou que 42% das empresas abandonaram a maioria das iniciativas de IA em 2025, contra 17% no ano anterior. O Gartner, em pesquisa com 782 líderes de infraestrutura e operações divulgada em abril de 2026, encontrou 20% de casos de uso que falharam e apenas 28% que cumpriram plenamente as metas de ROI.

Nada disso mede a dificuldade de construir. Mede a dificuldade de manter, evoluir, monitorar e justificar um sistema depois que a demo acabou. É aí que os projetos morrem.

E comprar não é salvo-conduto. O mesmo relatório da McKinsey mostra que só 37% das organizações reportam algum impacto no EBIT, índice estável mesmo com mais construção acontecendo. Comprar terceiriza o código, não o resultado.

A conta da posse

Estimativas de consultoria colocam plataformas próprias entre US$ 300 mil e mais de US$ 1,5 milhão de investimento inicial, com 20% a 30% ao ano de manutenção. É estimativa, não dado primário, mas a proporção ensina mais que o valor absoluto. Em cinco anos de operação, a manutenção pode igualar ou superar o investimento original. A codificação agêntica reduz o primeiro número. Quase não toca o segundo.

Manutenção de IA não é corrigir bug. É trocar de modelo quando o fornecedor descontinua uma versão, reavaliar a qualidade quando os dados mudam, documentar decisões para um auditor, responder a um incidente às três da manhã. Ninguém automatiza a responsabilidade.

Do outro lado, comprar também gera passivo de posse, só que de outro tipo: dependência do fornecedor, preço recorrente que sobe quando você já não consegue sair, roadmap que não é seu. Consultorias classificam o risco de lock-in como alto na via de compra. A pergunta não some. Muda de forma.

Três perguntas de posse antes de escolher o caminho

Em vez de comparar preço de licença com horas de desenvolvimento, o gestor deveria responder três perguntas, nesta ordem.

Primeira: onde está a vantagem, nos dados ou no encanamento? Uma análise de mercado cita a General Mills como caso de compra de plataforma, com o argumento de que o diferencial estava nos dados da cadeia de suprimentos, não na infraestrutura de IA. A mesma análise cita o JPMorgan Chase como caso de construção, justificado porque orçamento grande, dados únicos e casos de uso diferenciadores estavam presentes ao mesmo tempo. A fonte é secundária, mas a lógica se sustenta. Se o encanamento é igual ao do concorrente, não faz sentido ser dono dele.

Segunda: quem responde ao regulador? Em setores regulados, a decisão muda de natureza. A Fortune registrou que grandes organizações, sobretudo nesses setores, sentem que precisam construir por razões jurídicas e de privacidade. Quando é preciso explicar a um auditor como uma decisão foi tomada, o controle sobre o sistema vale mais que a conveniência.

Terceira: quem mantém isso no ano três? Se a resposta é "o estagiário que montou o protótipo" ou "a gente vê depois", a resposta real é: ninguém.

Com essas respostas, o caminho fica mais claro:

Ferramenta pronta quando a vantagem não está no processo, o risco regulatório é baixo e ninguém quer carregar manutenção.
Automação low-code quando o fluxo é interno, reversível e alguém da área de negócio assume a posse com clareza.
Integração via API quando os dados são seus, mas a inteligência pode ser alugada, e há equipe para versionar e monitorar a integração.
Software sob medida AI-native quando as três perguntas apontam para o mesmo lado: vantagem nos dados, exigência de auditabilidade e um dono com orçamento para os 20% a 30% anuais.

O erro mais comum não é escolher a opção errada. É escolher a certa sem nomear quem fica com a conta.

O que isso significa para empresas brasileiras

Para quem opera no Brasil, a segunda pergunta pesa mais do que sugerem os números americanos. O PL 2338/2023, aprovado no Senado em dezembro de 2024, segue na Câmara, onde o relator Aguinaldo Ribeiro já sinalizou que a votação fica para depois das eleições de outubro. Aprovado lá, o texto volta ao Senado. Ele classifica sistemas por risco e trata como alto risco usos como contratação e acesso à educação, com sanções de até R$ 50 milhões por infração ou 2% do faturamento. Enquanto o projeto não vira lei, a LGPD já é exigível, e o Judiciário e os cartórios já têm normas próprias do CNJ sobre uso de IA.

A consequência prática é que, em crédito, RH ou qualquer decisão sobre pessoas, a pergunta "consigo auditar isso?" deve vir antes de "quanto custa?". Uma ferramenta pronta que não entrega documentação, trilha de decisão e controle sobre os dados pode sair barata na assinatura e caríssima na autuação.

O contrário também vale. Construir porque ficou fácil, sem dono e sem orçamento de manutenção, é contratar um passivo regulatório com cara de inovação. A codificação agêntica democratizou o protótipo. Não democratizou a responsabilidade.

Antes da próxima reunião de build versus buy, troque a planilha de custo de desenvolvimento por uma de custo de posse em cinco anos, com uma linha obrigatória: o nome de quem responde quando o sistema errar.

Construir IA ficou barato. Ser dono dela, não: o custo que ninguém coloca na planilha