Alex Karp, modelos de fronteira e a verdadeira luta pela IA empresarial

O recente ataque do presidente-executivo da Palantir Technologies Inc., Alex Karp, contra os fornecedores de modelos de fronteira colocou uma faca na garganta do debate central sobre inteligência artificial empresarial. O argumento de Karp é que os fornecedores de modelos de fronteira (ele não mencionou o nome Anthropic e OpenAI) pretendem sugar o conhecimento das empresas e destruir o “alfa” que as empresas desfrutam através dos seus dados proprietários, processos e vantagens comerciais subjacentes. Na nossa última análise de última hora, chamámos esta abordagem de “comunismo de dados”, onde todas as empresas obtêm acesso à mesma inteligência.

A nossa oposição ao comunismo de dados é o capitalismo de dados, onde a vantagem proprietária permanece exclusiva de uma organização e do seu ecossistema mais amplo. O gráfico familiar abaixo descreve como vemos a evolução da pilha de software de IA. As peças mais importantes dessa pilha, em nossa opinião, são o Sistema de Inteligência ou SoI e o Sistema de Engajamento, a nova superfície do usuário/cliente.

Acreditamos que a vantagem competitiva é acumulada para as empresas que conseguem fazer com que essas duas peças do quebra-cabeça interajam e aprendam com os traços de raciocínio dos humanos. O ponto crítico é como eles capturam o conhecimento empresarial tácito para tomar ações governadas e confiáveis, com e sem humanos. A questão principal que exploramos nesta Análise Ruptura é: Quem será o dono da inteligência operacional da empresa?

Superficialmente, o argumento é sobre modelos fechados versus modelos abertos, OpenAI e Anthropic versus Nemotron da Nvidia Corp. (por exemplo), e se as empresas devem confiar em laboratórios de fronteira seus dados e fluxos de trabalho mais confidenciais. Mas, como disse o CEO da Nvidia, Jensen Huang, na conferência GTC 2026, "proprietário versus aberto não é uma coisa.

É proprietário e aberto". A questão mais profunda não é a escolha do modelo. É controle.

Esta questão está no centro do debate dentro da theCUBE Research e em toda a indústria. Aqui estão os dois extremos do espectro com dois cenários da theCUBE Research: Ambas as visões podem ser verdadeiras. E ambos reconhecem que: 1) o sistema de inteligência e a superfície do cliente devem fazer parte da pilha do fornecedor vencedor; e 2) a confiança e o conhecimento proprietário devem ser propriedade exclusiva do cliente.

Mas a conversa com Karp revela a tensão entre eles e acreditamos que definirá a futura estrutura de poder da indústria de IA empresarial. Em qualquer dos casos, é altamente provável que surjam silos de inteligência durante a próxima década e que a indústria permaneça heterogénea e fragmentada. Para esclarecer o assunto, as declarações de Karp implicam que OpenAI e Anthropic estão roubando dados e cobrando caro demais de seus clientes.

Ele posiciona a sua empresa, a Palantir, como uma “camada de aplicação” crítica para proteger as empresas e os governos desses novatos e das suas más intenções. Ele tem a missão de convencer as empresas de que precisam de um parceiro mais confiável do que a Anthropic ou a OpenAI. Em vez de negociar diretamente com as duas empresas de IA, ele argumenta que a Palantir (por procuração) deveria ser esse intermediário.

Não publicamos extensivamente sobre esse ponto de vista e vale a pena reservar um momento para fazê-lo aqui. Muito do que se segue é baseado no trabalho de modelagem de cenários e custos realizado pelo analista emérito de pesquisa da CUBE, David Floyer. A metodologia e a estrutura são detalhadas abaixo e baseiam-se extensivamente na Lei de Wright, aplicada ao software.

A Lei de Wright diz que à medida que a produção cumulativa aumenta, os custos caem de forma previsível. Na IA, o equivalente não é apenas a produção cumulativa, mas o uso cumulativo, tokens cumulativos, feedback cumulativo, experiência de treinamento cumulativa, otimização de inferência cumulativa e implantação cumulativa de computação. Embora algumas das previsões de dados de IA na metodologia precisem de atualização, os princípios da abordagem de previsão ainda se aplicam.

https://thecuberesearch.com/using-volume-value-velocity-to-forecast-ai/ Pense no modelo de fronteira como uma “superfície cognitiva”, o coração da inteligência e a única fonte de tokens. Realiza raciocínio, planejamento, síntese e aprendizagem. Ele é construído e executado no hardware mais avançado disponível e continua a melhorar rapidamente.

É intensivo em capital, denso em energia e escasso por natureza. Apenas um pequeno número de organizações pode desenvolver e operar modelos de fronteira em escala, e as empresas não devem tentar replicar esta função. Diretamente acoplada ao modelo de fronteira está uma nova camada que não existe nas arquiteturas empresariais tradicionais: o Sistema de Inteligência.

Esta camada gerencia todas as entradas e saídas dos grandes modelos de linguagem. Ela molda a intenção, o contexto, as restrições e a base semântica antes que a inteligência seja invocada. Ele expressa inteligência em ações, interações do sistema e resultados multimodais após a produção dos tokens.

Ele hospeda segurança, aplicação de políticas, conformidade, auditabilidade, controle de latência e integração com sistemas corporativos. Evolui em sincronia com o modelo de fronteira, permanecendo externo a ele, preservando tanto o controle quanto a adaptabilidade. Embora os desenvolvedores de modelos de fronteira devam possuir sua superfície cognitiva arquitetônica e evolutivamente, eles quase certamente desejarão possuir o SoI e também permitir a distribuição controlada de ambos.

Uma suposição fundamental neste cenário deve ser explicitada: os termos da licença LLM permitirão que as grandes empresas operem instâncias da superfície cognitiva localmente ou em ambientes soberanos para atender aos requisitos regulatórios, de latência e de segurança. Contudo, esta distribuição ocorrerá sob estrito controle contratual e técnico. As empresas não poderão modificar o próprio LLM; eles só poderão configurá-lo, utilizá-lo e integrá-lo dentro de limites definidos.

Mas essas configurações e os dados associados, a lógica do processo e o conhecimento empresarial subjacente permanecem propriedade exclusiva do cliente. A fundamentação semântica, as restrições de segurança, as definições de interface e o alinhamento evolutivo permanecerão sob a governação do modelo de fronteira. Esse arranjo preserva o controle empresarial sobre os dados, a latência e as políticas, ao mesmo tempo que evita a fragmentação da inteligência ou o desvio semântico.

O LLM também é o local onde um pequeno número de fornecedores de software como serviço estrategicamente posicionados negociarão com fornecedores de modelos de fronteira para licenciar o acesso a definições semânticas, interfaces e processos selecionados e lógica de execução. Os prováveis ​​candidatos são SAP SE, Oracle Corp., Salesforce Inc., ServiceNow Inc. e outros fornecedores líderes de SaaS.

Os fornecedores de serviços de plataforma e middleware também podem buscar pontos de integração certificados na superfície cognitiva. Por exemplo, um provedor de plataforma como a Oracle está bem posicionado para operar uma capacidade de geração aumentada de recuperação mínima e autorizada dentro da superfície cognitiva, em conjunto com um provedor de modelo de fronteira como o OpenAI. As aplicações de código aberto também podem ser integradas, sujeitas às mesmas restrições semânticas, de segurança e de governação.

Este cenário reconhece que os jogadores de fronteira contam com os melhores pesquisadores de IA do mundo. Eles têm acesso aos maiores pools de computação. Eles têm um grande volume de usuários.

Eles têm produtos de consumo e/ou volumes semelhantes aos do consumidor que atuam como ciclos de aprendizagem de alta frequência. Eles têm afinidade com a marca, adoção de desenvolvedores e atração empresarial. E têm o capital para ficar muito à frente das empresas que tentam competir a partir de posições mais restritas, ao mesmo tempo que são recompensadas e ainda perdem dinheiro.

Como tal, este ponto de vista pressupõe que os jogadores modelo terão o menor custo, o maior volume e o produto mais funcional. As perspectivas projetam que as empresas crescerão com menos mão de obra e alcançarão uma produtividade 10X maior em relação às atuais métricas de melhores práticas. Esta vantagem económica, diz o argumento, irá sobrepujar as preocupações de Karp sobre a confiança, porque uma economia marginal mais dinâmica e semelhante à do software, do tipo "o vencedor leva", irá beneficiar as empresas que lideram a adopção da IA.

Se os modelos de fronteira continuarem a melhorar a um ritmo mais rápido do que os alternativos, e se os custos de inferência continuarem a cair, as empresas continuarão a encaminhar mais trabalho para os modelos de fronteira.