O investimento em IA está impulsionando o crescimento enquanto expõe riscos econômicos

A TD Securities identificou um forte desequilíbrio econômico: projetos relacionados à IA foram responsáveis por quase três quartos do crescimento do investimento empresarial nos EUA durante 2025. A manchete do Google News capta o boom, mas não a dependência que se forma por baixo dele. A IA representou cerca de 8% das despesas de capital, ao mesmo tempo que gerou uma parcela desproporcional de seu crescimento.

Essa diferença altera o debate econômico. Os gastos com data centers, chips, instalações de energia, software e pesquisa agora sustentam o crescimento antes que a IA entregue ganhos amplos de produtividade. A economia está recebendo primeiro o investimento, enquanto o retorno operacional permanece incerto.

O conflito central é, portanto, crescimento impulsionado por investimento versus crescimento impulsionado por produtividade. Alphabet, Amazon, Meta, Microsoft e outras grandes empresas de tecnologia podem manter o primeiro motor em funcionamento por meio de gastos de capital. O segundo motor exige que milhares de empresas comuns reorganizem o trabalho em torno da IA e produzam resultados mensuráveis.

O que a manchete do Google News deixa de fora

A TD Securities está descrevendo uma economia cada vez mais dependente de um ciclo estreito de investimentos, e não simplesmente mais um ano forte para os gastos com tecnologia.

A TD Economics estima que o investimento relacionado à IA contribuiu com cerca de US$ 137 bilhões além de sua tendência pré-boom durante 2025. Sua análise combina gastos com equipamentos, estruturas, software e pesquisa ligados à expansão da IA.

Data centers e instalações de semicondutores responderam juntos por US$ 125 bilhões em investimentos naquele ano. Software e pesquisa acrescentaram uma estimativa de US$ 68 bilhões em gastos relacionados à IA, segundo a metodologia da TD.

A concentração resultante é a conclusão mais importante no panorama de investimentos empresariais. A atividade relacionada à IA gerou quase três quartos do crescimento do investimento empresarial, apesar de representar aproximadamente 8% do total de despesas de capital.

Esse padrão importa porque os gastos fora do complexo de IA permaneceram fracos. Menos de um terço de mais de 50 categorias de investimento cresceu durante 2025, segundo a avaliação da TD.

Fora da pandemia, essa amplitude foi a mais fraca desde 2010. A comparação não significa que a economia tenha retornado às condições pós-crise financeira. Ela mostra quão pouco apoio a expansão dos investimentos recebeu de setores não relacionados.

A incerteza comercial e os elevados custos de financiamento explicam parte disso. Empresas sensíveis aos juros enfrentaram condições de financiamento mais restritivas, enquanto grandes empresas de tecnologia continuaram financiando data centers com fluxos de caixa substanciais.

O desequilíbrio cria duas interpretações muito diferentes dos mesmos dados. Uma diz que empresas privadas estão construindo a infraestrutura para um grande avanço de produtividade. A outra diz que o crescimento das manchetes ficou excepcionalmente exposto à continuidade dos gastos de um pequeno grupo corporativo.

As duas interpretações podem ser verdadeiras por algum tempo. A construção cria demanda, pedidos de equipamentos sustentam a indústria e o desenvolvimento de software conta como investimento. Esses efeitos surgem antes que as empresas comprovem que a IA pode elevar a produção em toda a economia.

A história original também exige uma distinção de nomenclatura. A TD Securities é a unidade de mercados de capitais dentro da TD, enquanto as estimativas detalhadas vêm da pesquisa da TD Economics. Tratar a manchete como uma única previsão corporativa apagaria essa distinção.

O que mudou não foi apenas o entusiasmo dos investidores. A infraestrutura de IA tornou-se grande o suficiente para influenciar estatísticas nacionais de investimento, cadeias de suprimentos industriais, planejamento energético e expectativas de crescimento econômico.

O investimento em IA está sustentando uma parcela maior da economia

O benefício econômico imediato vem da construção de capacidade de IA, enquanto o benefício duradouro depende do que as empresas acabarão fazendo com essa capacidade.

Um data center ativa uma longa cadeia de suprimentos. Desenvolvedores precisam de terrenos, mão de obra para construção, equipamentos elétricos, sistemas de resfriamento, servidores, hardware de rede, armazenamento, chips e conexões à rede elétrica.

Essas compras elevam o investimento durante a expansão. Elas também sustentam receitas para fabricantes de semicondutores, concessionárias de serviços públicos, empresas de engenharia, provedores de nuvem e fornecedores de equipamentos.

O Bureau of Economic Analysis explica essa relação por meio de capital, trabalho, energia, materiais e serviços. Seu modelo de contabilidade do crescimento mostra como esses insumos contribuem para a produção setorial e o crescimento nacional.

O capital do setor de informação esteve entre os principais contribuintes para o crescimento real do PIB dos EUA entre 2021 e 2024. Esse resultado é consistente com gastos substanciais em IA e serviços relacionados.

No entanto, as estatísticas oficiais não contêm uma categoria clara chamada investimento em IA. O software de IA atravessa vários setores, e as compras de computadores incluem equipamentos não relacionados ao aprendizado de máquina.

O Federal Reserve enfrenta o mesmo problema de mensuração. Sua análise da expansão da IA, de julho de 2026, combina software, equipamentos de computação, data centers e infraestrutura elétrica para aproximar a contribuição da IA.

Essa análise identificou contribuições significativas para o crescimento trimestral do PIB de 2025 até o primeiro trimestre de 2026. Software e equipamentos de informática forneceram os maiores componentes positivos.

Ainda assim, as importações complicam o cálculo. Uma empresa pode fazer um grande investimento doméstico enquanto compra grande parte de seu hardware de computação de fornecedores estrangeiros.

A compra eleva o investimento em equipamentos, mas a importação compensa parte de sua contribuição direta para o PIB. Isso explica por que os gastos de capital e o crescimento econômico doméstico podem se mover em magnitudes diferentes.

A lacuna de mensuração também ocorre na outra direção. A contabilidade de investimentos captura construção e equipamentos mais facilmente do que melhorias posteriores na tomada de decisões, na qualidade dos produtos ou na produção dos trabalhadores.

Uma equipe de atendimento ao cliente que usa IA para resolver casos mais rapidamente pode produzir mais valor sem comprar um novo servidor. Uma equipe de software pode lançar mais recursos com o mesmo número de funcionários.

Esses ganhos importam economicamente, mas separar a contribuição da IA de outras mudanças continua difícil. As empresas também diferem na forma como medem tempo economizado, taxas de erro, qualidade da produção e trabalho substituído.

O ciclo atual tem, portanto, um lado visível e um lado incerto. O lado visível inclui guindastes, chips, subestações e orçamentos de capital. O lado incerto inclui adoção organizacional e produtividade sustentada.

É por isso que o enquadramento do Google News merece escrutínio. Um boom de gastos que já molda o PIB não prova que a IA transformou a produção em toda a economia.

Os gastos das Big Tech pressionam o restante das empresas

A economia do investimento em IA recompensa empresas capazes de financiar infraestrutura agora, enquanto pressiona empresas menores a justificar a adoção sem recursos comparáveis.

Os maiores grupos de tecnologia entraram no ciclo com caixa, negócios de nuvem, clientes estabelecidos e acesso aos mercados globais de capitais. Essas vantagens permitiram que o investimento continuasse apesar das taxas de juros mais altas.

A pesquisa da TD estima que os gastos trimestrais de capital entre os principais hyperscalers aumentaram de aproximadamente US$ 40 bilhões em 2023 para cerca de US$ 130 bilhões em 2025. Hyperscalers operam plataformas de computação grandes o suficiente para atender a uma ampla demanda de clientes.

Esses gastos sustentam a demanda por chips avançados e capacidade de data centers. Também elevam a barreira competitiva para empresas que desenvolvem modelos, serviços de nuvem e aplicações de IA.

Um desenvolvedor menor não precisa construir um data center. No entanto, geralmente depende de infraestrutura controlada por provedores maiores e paga pela computação conforme o uso cresce.

Compradores corporativos enfrentam outra pressão. Executivos ouviram que a IA elevará a produtividade, mas muitos ainda não têm processos confiáveis para avaliar a qualidade da produção e os retornos econômicos.

Comprar acesso a um modelo é apenas um passo inicial. As empresas precisam conectar dados, redesenhar fluxos de trabalho, estabelecer regras de revisão, treinar funcionários e decidir onde a aprovação humana continua necessária.

Esses investimentos complementares raramente aparecem em uma demonstração de produto. Eles determinam se a IA se torna infraestrutura operacional ou permanece uma assinatura subutilizada.

A pesquisa da TD sobre produtividade no Canadá deixa essa distinção clara. Sua avaliação de produtividade afirma que os ganhos iniciais nos EUA refletem principalmente a intensificação de capital, e não uma ampla transformação organizacional.

A intensificação de capital ocorre quando trabalhadores recebem mais ou melhores equipamentos. Ela pode elevar a produção medida, mas difere de reorganizar a produção em torno de uma nova tecnologia de propósito geral.

O investimento real dos EUA em equipamentos de processamento de informações cresceu cerca de 28% em relação ao ano anterior durante o quarto trimestre de 2025. O investimento em computadores e periféricos aumentou aproximadamente 72%.

Os inícios de construção de data centers nos EUA também cresceram cerca de 190% durante 2025, segundo números citados pela TD. Esses números mostram uma expansão extraordinária de capacidade.

Eles não mostram que um hospital reduziu atrasos administrativos ou que um fabricante melhorou sua taxa de defeitos. Esses resultados dependem da implementação dentro de cada organização.

Uma pesquisa citada pela TD abrangeu aproximadamente 6.000 executivos nos Estados Unidos, Reino Unido, Alemanha e Austrália. Ela constatou ampla adoção, mas melhorias limitadas de produtividade realizadas e atribuíveis à IA.

Essa lacuna também pressiona fornecedores de tecnologia. Eles precisam levar clientes da experimentação à implementação repetível, ao mesmo tempo que controlam erros, exposição à segurança e custos de supervisão.

Para trabalhadores do conhecimento, a lição é prática. Modelos melhores ajudam, mas o valor confiável muitas vezes depende de organizar as informações fornecidas a esses modelos.

Uma base de conhecimento de IA mantida pode reduzir o tempo gasto para localizar o contexto de projetos. Seu valor empresarial ainda depende de precisão, controles de acesso e uso consistente.

A resposta forçada é diferente para cada participante. Grandes empresas de tecnologia precisam manter alta a utilização da infraestrutura. Compradores corporativos precisam comprovar retornos, enquanto fornecedores menores precisam criar produtos diferenciados sobre capacidade de computação alugada.

Essa pressão persistirá além do ciclo atual de gastos. A infraestrutura pode ser financiada e construída relativamente rápido, mas a mudança organizacional avança por meio de orçamentos, políticas e comportamento dos funcionários.

O mecanismo vai dos data centers à produtividade

Os gastos com IA só se tornam crescimento econômico duradouro quando a infraestrutura sustenta computação mais barata, adoção mais ampla e maior produção em muitos setores.

O ciclo começa com a demanda esperada. Empresas de tecnologia antecipam um uso maior de treinamento e inferência, que significa operar um modelo de IA depois que ele foi treinado.

Elas respondem encomendando chips, construindo instalações e garantindo eletricidade. Fornecedores expandem a capacidade quando esses pedidos parecem duradouros o suficiente para justificar seus próprios investimentos.

Mais capacidade pode reduzir o custo da computação ao longo do tempo. Custos menores permitem que desenvolvedores adicionem recursos de IA e que empresas executem mais tarefas de forma econômica.

Uma adoção mais ampla cria então oportunidades para ganhos de produtividade. Os trabalhadores podem acelerar pesquisas, resumir registros, gerar rascunhos, analisar dados ou automatizar partes definidas de um processo.

No entanto, cada conexão nesse mecanismo pode enfraquecer. Atrasos na rede elétrica podem deixar edifícios inacabados ou impedir que instalações concluídas atinjam plena operação.

A escassez de chips pode elevar custos e alongar os prazos de entrega. A TD observou que os preços dos semicondutores aceleraram durante a segunda metade de 2025, à medida que a demanda colidia com uma oferta restrita.

A economia do software cria outra incerteza. Custos computacionais menores não garantem aplicações lucrativas se os clientes resistirem a gastos maiores ou exigirem ampla verificação humana.

A etapa final, a transformação organizacional, é a mais difícil. Tecnologias de propósito geral anteriores exigiram investimentos complementares em competências, gestão, infraestrutura e processos redesenhados.

A eletricidade não transformou imediatamente a produtividade das fábricas quando as empresas conectaram motores pela primeira vez. Muitos ganhos só chegaram depois que gestores redesenharam a produção em torno da energia elétrica distribuída.

Os computadores seguiram um caminho semelhante. As empresas compraram hardware antes de aprenderem a reestruturar os fluxos de informação, as cadeias de suprimentos e o trabalho administrativo.

A IA enfrenta o mesmo problema de tempo, com preocupações adicionais de confiabilidade. Um modelo pode gerar resultados fluentes que contêm fatos incorretos, contexto ausente ou recomendações inseguras.

Isso cria o que os economistas frequentemente chamam de curva J da produtividade. A produtividade medida pode inicialmente decepcionar enquanto as organizações investem em ativos intangíveis e redesenham o trabalho.

O retorno posterior aparece apenas se essas mudanças produzirem mais resultado do que seus custos contínuos. Treinamento, governança, preparação de dados e revisão humana fazem parte desse cálculo.

O mecanismo também distribui os benefícios de forma desigual. Mercados de construção próximos a grandes clusters de data centers recebem investimento direto, enquanto outras regiões vivenciam poucos ganhos imediatos.

Trabalhadores em setores adjacentes à IA podem se beneficiar de uma demanda maior. Outros funcionários enfrentam mudanças nos fluxos de trabalho ou incerteza sobre se os empregadores automatizarão partes de suas funções.

O resultado é uma economia moldada por dois relógios. O relógio da infraestrutura avança por meio de orçamentos de capital anunciados e cronogramas de construção.

O relógio da produtividade avança por meio de experimentação, confiança, redesenho de processos e resultados mensurados. Ele não acelera automaticamente porque outro data center é inaugurado.

Essa distinção torna os dados sobre investimentos na economia da IA mais úteis. Ela separa o dinheiro gasto para criar capacidade do valor produzido por meio do uso sustentado.

Se a utilização aumentar e os resultados empresariais melhorarem, a construção de hoje se tornará a base do crescimento de longo prazo. Se a adoção estagnar, a mesma infraestrutura se tornará capacidade excedente com exigências operacionais caras.

O Que os Números de Investimento Ainda Não Conseguem Comprovar

As evidências mais fortes sustentam um grande ciclo de construção em IA, mas ainda não estabelecem uma ampla transformação da produtividade nem retornos adequados sobre os investimentos.

A primeira incerteza é definicional. As contas governamentais não isolam a IA, então os analistas constroem estimativas a partir de categorias que contêm atividades tanto de IA quanto não relacionadas à IA.

Computadores e equipamentos periféricos incluem dispositivos comuns de trabalho. A infraestrutura de energia atende residências, fábricas, transportes e serviços convencionais de dados, além de instalações de IA.

O Fed alerta que extrapolar uma linha de base anterior a 2023 se torna menos confiável à medida que tendências não relacionadas afetam as mesmas categorias. Portanto, cada estimativa depende de premissas sobre inclusão e atribuição.

A segunda incerteza diz respeito à concentração. Uma expansão de investimentos impulsionada por um pequeno número de empresas com muito caixa pode permanecer forte, mas tem alcance limitado.

A TD constatou que menos de um terço das categorias de investimento empresarial cresceu durante 2025. Isso torna o investimento agregado mais sensível às decisões orçamentárias dos hyperscalers.

A terceira incerteza é a monetização. Operadores de infraestrutura precisam de demanda pagante suficiente para cobrir chips, energia, refrigeração, manutenção, redes e financiamento.

O entusiasmo dos consumidores não produz necessariamente receita empresarial. Clientes corporativos avaliam segurança, precisão, custos de integração e retornos mensuráveis antes de ampliar implantações.

A quarta incerteza diz respeito aos mercados financeiros. Avaliações mais altas de empresas de tecnologia podem apoiar o consumo por meio da riqueza das famílias, mas preços em queda podem reverter esse canal.

A TD modelou esse risco em sua análise de estresse de mercado. Uma correção hipotética de 30% no S&P 500 reduziria o crescimento anual em mais de um ponto percentual sob suas premissas.

O mesmo cenário elevaria o desemprego acima de 5% até o fim do ano. A TD descreveu um ajuste dessa magnitude como um risco de cauda, não como sua previsão central.

Uma correção de 10% produziu efeitos muito menores no modelo. Esse contraste mostra por que a escala de qualquer reprecificação importa mais do que a simples ocorrência de volatilidade no mercado.

A TD também identificou o financiamento circular e uma maior dependência de dívida como vulnerabilidades potenciais. Arranjos circulares ocorrem quando participantes financiam clientes ou parceiros que compram seus produtos.

Tais acordos podem acelerar a implantação de infraestrutura. Eles também podem obscurecer a demanda independente quando capital, contratos de computação e receita de fornecedores circulam dentro da mesma rede comercial.

A energia apresenta outra restrição. A capacidade global de data centers exige geração, transmissão, subestações e longos processos de conexão.

A TD estima que a demanda global instalada de energia para data centers aumentou de cerca de 60 gigawatts em 2020 para aproximadamente 100 gigawatts em 2024. Os Estados Unidos e a China lideraram essa expansão.

Seu relatório sobre restrições da rede elétrica argumenta que as regiões precisam conectar projetos sem transferir custos desproporcionais aos consumidores comuns de eletricidade.

Esse problema pode transformar investimento em conflito político. Comunidades ponderam a receita tributária e o trabalho de construção contra uso do solo, consumo de água, melhorias na transmissão e contas de eletricidade.

Nenhum desses riscos invalida a tese de investimento em IA. Eles definem as condições necessárias para que a tese tenha sucesso.

As evidências sustentam forte demanda por infraestrutura e efeitos significativos sobre o investimento empresarial. Afirmações sobre produtividade em toda a economia exigem evidências operacionais mais diretas.

Portanto, os leitores devem distinguir três afirmações. O gasto com IA é grande, o gasto com IA sustenta o crescimento e a adoção de IA transformou a produtividade são alegações distintas.

As duas primeiras têm evidências substanciais. A terceira permanece um teste em aberto que não pode ser resolvido por meio dos totais de despesas de capital.

Três Sinais Que Decidirão o Que Vem a Seguir

A próxima fase será julgada pela amplitude dos investimentos, utilização da infraestrutura e ganhos de produtividade verificados, e não apenas por anúncios de gastos maiores.

O primeiro sinal é a amplitude do investimento empresarial. Analistas devem observar se mais categorias de equipamentos, estruturas e propriedade intelectual não relacionadas à IA começam a se expandir.

Um crescimento mais amplo fortaleceria a visão da TD de que a economia pode ir além de uma expansão concentrada. A fraqueza persistente mostraria que a IA continua sendo um suporte excepcionalmente isolado.

Essa medida também fornece contexto para futuras manchetes do Google News sobre gastos de capital. Um total crescente parece mais saudável quando a participação se espalha para além de várias empresas de tecnologia.

O segundo sinal é a relação entre construção de data centers, pedidos de equipamentos, conexões de energia e utilização efetiva. Essas medidas acompanham diferentes estágios do mesmo ciclo de infraestrutura.

A continuidade da construção acompanhada por produção de semicondutores e demanda ativa por computação sustentaria a tese de investimento. Construção sem utilização aumentaria o risco de capacidade excedente.

O acesso à rede elétrica faz parte desse sinal porque uma instalação planejada não se torna produtiva simplesmente quando a construção começa. Conexões atrasadas podem imobilizar capital e distorcer a capacidade anunciada.

O Fed recomenda especificamente comparar a construção física com equipamentos de computação e produção de semicondutores. A divergência pode revelar restrições de oferta ou uma mudança na composição dos gastos.

O terceiro sinal é a produtividade verificada fora do setor de tecnologia. As empresas devem reportar melhorias em produção, qualidade, tempo de ciclo ou custos que resistam ao escrutínio operacional normal.

Um varejista reduzindo o tempo de planejamento de estoque, um hospital diminuindo o trabalho administrativo ou um fabricante melhorando a manutenção podem fornecer evidências mais fortes do que apenas pesquisas de adoção.

A medição deve incluir custos de implementação. O tempo economizado dos funcionários tem valor limitado quando as organizações não conseguem redirecioná-lo para produção adicional ou melhor serviço.

Esse terceiro sinal decide se a IA se torna uma tecnologia de propósito geral em toda a economia. Ele também determina se os proprietários de infraestrutura receberão demanda sustentada após a expansão inicial.

O desafio para os desenvolvedores é criar sistemas que funcionem de forma confiável dentro de restrições empresariais reais. Precisão, segurança, integração e supervisão humana importarão tanto quanto a capacidade dos modelos.

Compradores corporativos devem exigir linhas de base antes da implantação. Eles precisam saber qual medida mudará, como será verificada e quais novos custos acompanham a melhoria.

Trabalhadores do conhecimento podem aplicar a mesma disciplina em menor escala. Acompanhem se um fluxo de trabalho com IA reduz o tempo de recuperação de informações, melhora a completude ou acelera uma entrega recorrente.

Investidores enfrentam uma versão mais ampla desse teste. Eles precisam separar a receita sustentada por implantação contínua de capital da receita sustentada por demanda lucrativa de usuários finais.

A TD Securities ajudou a deslocar a conversa econômica do desempenho dos modelos para a alocação de capital. Essa mudança é valiosa porque o investimento agora afeta o crescimento, os mercados de energia, as cadeias de suprimentos e o risco financeiro.

A questão não é mais se a IA atrai gastos substanciais. É se esses gastos criam capacidade produtiva que as empresas usarão em ritmos sustentáveis.

Acompanhe juntos os próximos relatórios de investimento, divulgações de utilização da infraestrutura e evidências de produtividade empresarial. Se os três melhorarem, a concentração atual se torna uma fase inicial, e não uma fraqueza estrutural.

Se apenas os gastos aumentarem, a narrativa do Google News permanecerá incompleta. Os leitores devem perguntar quais setores estão produzindo mais, quem captura os ganhos e se esses ganhos sobrevivem à construção.