A rivalidade Anthropic-OpenAI muda novamente, com a OpenAI conquistando usuários empresariais

A OpenAI está ganhando terreno sobre a Anthropic entre usuários empresariais, revertendo a dinâmica apenas três meses depois de a Anthropic assumir a dianteira pela primeira vez nos dados de gastos da Ramp. A disputa entre Anthropic e OpenAI agora parece menos uma mudança decisiva de participação de mercado e mais um ciclo recorrente de lançamentos de modelos.

O economista da Ramp, Ara Kharazian, afirma que a OpenAI cresceu mais rapidamente que a Anthropic no terceiro trimestre até agora. Ele atribuiu parte desse movimento ao GPT-5.6 Sol, que descreveu como uma escolha cada vez mais comum entre desenvolvedores.

A mudança não significa que a OpenAI tenha retomado a liderança, e a Ramp não divulgou os valores de gastos subjacentes. Ela mostra, porém, a rapidez com que as preferências empresariais podem mudar quando qualquer uma das empresas lança um modelo, altera uma política ou aprimora um produto para desenvolvedores.

Essa volatilidade desafia uma premissa conhecida do software corporativo. Normalmente, fornecedores esperam que seja mais difícil deslocar grandes clientes depois que funcionários, dados e fluxos de trabalho se consolidam em uma plataforma.

Os modelos de IA de fronteira ainda não chegaram a esse estágio. Muitas empresas ainda os tratam como componentes intercambiáveis, mantendo várias assinaturas e direcionando novas cargas de trabalho para a opção que apresenta melhor desempenho naquele momento.

A OpenAI está reduzindo uma diferença aberta pela Anthropic em maio

O movimento mais recente importa porque a liderança da Anthropic era tanto nova quanto potencialmente temporária.

Em abril, a Anthropic se tornou a fornecedora de modelos de IA mais frequentemente adquirida entre as empresas representadas no índice da Ramp. Sua adoção atingiu 34,4%, enquanto a OpenAI estava em 32,3%.

Foi a primeira vez que a Anthropic ocupou a primeira posição no índice. O resultado pareceu validar sua concentração em desenvolvedores, fluxos de trabalho de programação e clientes empresariais.

A Anthropic havia crescido de 9% de penetração entre os clientes da Ramp em maio de 2025. Sua participação aumentou mais de 25 pontos percentuais em aproximadamente um ano.

A OpenAI se moveu na direção oposta durante parte desse período. Sua participação caiu ligeiramente à medida que a Anthropic conquistava mais equipes técnicas e alcançava empresas que já gastavam muito com IA.

Os dados de adoção de abril vieram de despesas registradas entre mais de 50.000 clientes da Ramp. Essa amostra ofereceu uma visão substancial, embora incompleta, das compras de empresas americanas.

Em julho, o mercado mais amplo ainda estava se expandindo. Quase 56% das empresas no conjunto de dados da Ramp pagavam por pelo menos um produto de IA, acima dos mais de 50% registrados em março.

O crescimento mais rápido da OpenAI no terceiro trimestre, portanto, não exige que a Anthropic perca clientes em termos absolutos. Ambas as empresas podem adicionar contas enquanto suas posições relativas mudam.

Essa distinção importa para interpretar a manchete. A participação de mercado em uma categoria em expansão pode mudar mesmo quando a empresa que perde participação continua crescendo.

A Ramp também se recusou a divulgar os valores reais de gastos por trás das porcentagens. Seu índice mede se uma empresa pagou a um fornecedor, e não quanto esse cliente gastou.

Consequentemente, uma pequena assinatura e um grande compromisso com API podem produzir o mesmo sinal de adoção. Os dados descrevem a presença entre clientes com mais clareza do que o valor desses clientes.

A base de clientes da Ramp cria outra limitação. Ela abrange muitas startups e empresas menores, mas deixa de fora companhias que usam outros sistemas de despesas ou negociam contratos fora de cartões corporativos.

Grandes empresas podem comprar IA por meio de provedores de nuvem, acordos de consultoria ou contratos diretos. Essas transações não necessariamente aparecem como despesas identificáveis da OpenAI ou da Anthropic.

Os dados empresariais mais recentes devem, portanto, ser lidos como um sinal direcional. Eles não são nem um censo completo do mercado nem um veredito sobre a receita empresarial total.

Ainda assim, a mudança de direção é significativa. A Anthropic não havia estabelecido uma liderança duradoura antes de a OpenAI começar a reduzir a distância.

O mercado já produziu duas reviravoltas em poucos meses. Esse padrão está se tornando mais importante do que a posição de qualquer uma das empresas em uma única fotografia mensal.

A disputa entre Anthropic e OpenAI ainda não é de soma zero

As empresas frequentemente estão adicionando fornecedores em vez de substituir um laboratório por outro.

Uma pesquisa anterior da Ramp constatou que a OpenAI e a Anthropic tinham taxas mensais de cancelamento próximas de 4%. O rápido crescimento da Anthropic não produziu um aumento correspondente nos cancelamentos da OpenAI.

Cerca de 79% dos clientes da Anthropic também pagavam à OpenAI naquele momento. A sobreposição indicava que o Claude frequentemente se tornava uma segunda ferramenta, e não um substituto direto.

Dezesseis por cento das empresas pagavam às duas companhias, em comparação com 8% um ano antes. Essa duplicação é a evidência mais clara contra uma narrativa simples de que o vencedor leva tudo.

Os dados sobre clientes sobrepostos apontam para um mercado multimodelo. Diferentes departamentos podem selecionar modelos de forma independente, enquanto as compras mantêm vários fornecedores disponíveis.

Um grupo de engenharia de software pode preferir um agente de programação. Funcionários de marketing podem permanecer em um chatbot já conhecido, enquanto outra equipe acessa modelos por meio de uma interface de programação de aplicações.

Essa estrutura reduz a importância de uma liderança isolada em adoção. Ela também torna mais difícil avaliar a qualidade da receita apenas a partir das contagens de clientes.

Uma empresa que paga aos dois laboratórios não está igualmente comprometida com ambos. Um produto pode lidar com cargas de trabalho de produção, enquanto o outro permanece um experimento limitado.

O equilíbrio pode mudar sem uma migração formal. Basta que uma equipe direcione seu próximo projeto, novos funcionários ou demanda adicional de computação para outro fornecedor.

Isso é muito mais fácil do que substituir uma plataforma corporativa convencional. Empresas que trocam bancos de dados de clientes ou sistemas contábeis precisam mover registros, treinar novamente os funcionários e reconstruir fluxos de trabalho conectados.

Os fornecedores de modelos ainda podem criar dependências técnicas. O comportamento das aplicações pode depender dos prompts de um modelo específico, de suas convenções de uso de ferramentas, filtros de segurança ou estrutura de saída.

No entanto, os desenvolvedores estão cada vez mais colocando camadas de orquestração entre aplicações e modelos. Essas camadas encaminham solicitações, gerenciam prompts, avaliam saídas e reduzem o trabalho necessário para trocar de fornecedor.

As plataformas de nuvem também disponibilizam várias famílias de modelos por meio de uma única relação de compra. Esse arranjo pode deslocar a lealdade do cliente de um laboratório de modelos para o distribuidor de nuvem.

Implementações corporativas de chatbots são um pouco mais difíceis de substituir porque os funcionários criam hábitos e salvam trabalhos dentro de um produto. Mesmo assim, as empresas podem licenciar dois assistentes para grupos diferentes.

A OpenAI afirma ter mais de um milhão de clientes empresariais e mais de sete milhões de licenças de uso no local de trabalho. Seu relatório sobre uso empresarial também diz que as licenças Enterprise aumentaram aproximadamente nove vezes em um ano.

Esses números descrevem uma escala considerável, mas vêm da própria base de clientes da OpenAI. Eles não estabelecem exclusividade nem mostram quantas organizações também compram Claude.

A Anthropic enfrenta o mesmo problema de medição. O forte uso de Claude pode coexistir com gastos contínuos com a OpenAI dentro da mesma empresa.

A verdadeira unidade competitiva, portanto, nem sempre é a conta corporativa. Pode ser a carga de trabalho, o departamento, a equipe de desenvolvedores ou a próxima aplicação a entrar em produção.

Isso torna a corrida entre Anthropic e OpenAI excepcionalmente fluida. Um fornecedor pode perder a manchete no nível da conta e ainda assim conquistar a carga de trabalho de maior valor.

Os investidores precisam tanto da adoção quanto da intensidade dos gastos para entender o resultado. A Ramp atualmente fornece o primeiro sinal, mas não o segundo.

Lançamentos de modelos continuam redefinindo as preferências empresariais

Fornecedores de IA de fronteira competem em ciclos de lançamento que se movem mais rápido do que os ciclos normais de compras corporativas.

Kharazian vinculou parte do impulso mais recente da OpenAI ao GPT-5.6 Sol. Ele afirmou que o modelo havia se tornado uma escolha cada vez mais comum entre desenvolvedores.

Essa explicação se encaixa no padrão recente do mercado. Usuários técnicos testam novos modelos rapidamente porque pequenas diferenças de desempenho podem afetar a velocidade de programação, as taxas de erro e a confiabilidade de agentes.

Um agente é um software capaz de planejar e executar diversas ações conectadas com supervisão limitada. Sua utilidade depende de mais do que produzir uma única resposta bem elaborada.

Para desenvolvedores, um modelo precisa seguir instruções do repositório, inspecionar o código existente, chamar ferramentas, editar arquivos e se recuperar de erros. Uma melhoria modesta nessas etapas pode produzir uma diferença significativa no fluxo de trabalho.

As empresas podem observar essa diferença antes que uma revisão centralizada de compras seja concluída. Funcionários adotam um novo assistente de programação, equipes iniciam projetos-piloto e os dados de despesas capturam a mudança.

A Anthropic se beneficiou anteriormente da mesma dinâmica. Claude passou a ser fortemente associado a tarefas de programação e atraiu desenvolvedores que valorizavam seu comportamento em sessões de trabalho longas e complexas.

A Menlo Ventures estimou no fim de 2025 que a Anthropic detinha 54% do mercado de modelos para programação, em comparação com 21% da OpenAI. Essa estimativa utilizou um método diferente e antecede a geração atual de modelos.

Ainda assim, ela explica por que os ganhos da OpenAI entre desenvolvedores merecem atenção. A OpenAI está atacando a área que ajudou a Anthropic a estabelecer sua posição empresarial.

A OpenAI também direcionou mais atenção corporativa ao Codex e a produtos empresariais. Os próprios dados da empresa dizem que a atividade do Codex se expandiu além da engenharia, para trabalhos jurídicos, de recrutamento, vendas e marketing.

Esses casos de uso transformam a competição entre modelos em competição entre fluxos de trabalho. O fornecedor que conclui uma tarefa completa com confiabilidade ganha mais influência do que aquele que produz a melhor resposta isolada.

O avanço corporativo da OpenAI vem após a pressão da Anthropic. Uma mudança de estratégia empresarial colocou produtos voltados a empresas mais perto do centro do caminho da OpenAI rumo a operações sustentáveis.

O alcance entre consumidores ainda dá à OpenAI uma vantagem. Funcionários que já conhecem o ChatGPT podem introduzi-lo no trabalho sem aprender uma nova interface.

A Anthropic responde com uma reputação construída em torno do trabalho técnico e da implementação empresarial. Sua identidade focada pode atrair equipes que veem a popularidade entre consumidores como algo separado da confiabilidade em produção.

Nenhuma das vantagens é permanente, porque uma atualização de modelo pode mudar a qualidade percebida em poucas semanas. Os compradores estão reagindo ao desempenho atual, e não apenas a relacionamentos de longo prazo com fornecedores.

Isso cria um ambiente de planejamento difícil para diretores de tecnologia. As compras convencionais pressupõem que requisitos e avaliações de fornecedores continuem úteis durante todo o período de um contrato.

As avaliações de modelos de fronteira podem envelhecer antes do fim de um ciclo de compras. Um vencedor de benchmark pode ficar para trás quando o concorrente lança seu próximo modelo.

As avaliações internas também produzem resultados diferentes dos benchmarks públicos. Um modelo que pontua bem em testes genéricos pode ter dificuldades com o código privado de uma empresa, seus formatos de documentos ou regras de aprovação.

Consequentemente, as empresas continuam testando vários modelos em suas próprias cargas de trabalho. Esse comportamento é racional para os clientes, mas enfraquece a alegação dos fornecedores de preferência duradoura.

Os fornecedores estão conquistando uso por meio de picos de desempenho. Eles ainda não converteram esses picos na profunda dependência institucional associada ao software corporativo maduro.

A Política de Privacidade Virou um Recurso de Produto

Os ganhos da OpenAI também mostram que a seleção de modelos empresariais agora inclui governança de dados, não apenas capacidade.

A Anthropic anunciou recentemente uma exigência de retenção de 30 dias para modelos avançados abrangidos. A empresa afirma que uma retenção mais longa ajuda a detectar ataques sofisticados distribuídos em várias solicitações.

Essa política se aplica a modelos avançados específicos, e não a todos os produtos Claude. A Anthropic reconhece que a exigência pode criar riscos comerciais, especialmente se concorrentes oferecerem termos diferentes.

A política preocupou empresas que lidam com código proprietário, informações financeiras, material jurídico e outros registros sensíveis. A retenção amplia o período durante o qual o conteúdo do cliente permanece disponível para revisão controlada.

A OpenAI respondeu ao apresentar uma prévia do Private Safety Processing para clientes empresariais e de API elegíveis. A empresa afirma que seu sistema automatizado pode identificar padrões de uso indevido entre sessões sem reter o conteúdo do cliente.

As salvaguardas de privacidade não foram validadas de forma independente em uso amplo de produção. No momento, elas são uma prévia para clientes selecionados.

A abordagem da OpenAI tenta resolver um conflito técnico difícil. Um sistema de segurança precisa de continuidade suficiente para detectar um ataque distribuído por muitas conversas.

Ao mesmo tempo, os clientes querem retenção zero de dados, o que significa que o provedor não armazena seus prompts e respostas após o processamento. Esses objetivos se tornam mais difíceis de combinar à medida que os modelos lidam com tarefas cibernéticas mais avançadas.

A OpenAI afirma que seu sistema cria sinais de segurança definidos de forma restrita, em vez de preservar o conteúdo das conversas. Um sinal pode acionar uma revisão de aplicação de regras ou uma solicitação de cooperação do cliente.

A Anthropic permite revisão humana limitada por meio de um processo controlado. A empresa afirma que as revisões aprovadas são registradas em logs resistentes à adulteração.

Nenhum dos dois designs elimina o risco. O monitoramento automatizado pode deixar passar atividades prejudiciais, gerar alertas falsos ou revelar mais informações do que os clientes esperam por meio de sinais derivados.

A retenção pode apoiar investigações retrospectivas mais robustas, mas amplia a carga de governança. Os compradores precisam considerar controles de acesso, exposição jurídica, consequências de violações e requisitos regionais de dados.

Essa disputa deu à OpenAI uma mensagem competitiva clara no mesmo momento em que seus produtos para desenvolvedores melhoravam. Ela pôde apresentar a arquitetura de privacidade como parte do desempenho do modelo.

Isso importa porque compradores empresariais não avaliam inteligência de forma isolada. Um modelo mais capaz pode se tornar inutilizável se seus termos de dados entrarem em conflito com a política corporativa.

A decisão de retenção da Anthropic pode ser justificada pelo nível de ameaça que ela identifica em modelos avançados. Ainda assim, os clientes podem rejeitar essa contrapartida.

A política também mostra por que o movimento mais recente de adoção não pode ser atribuído inteiramente ao GPT-5.6 Sol. A qualidade dos modelos, a privacidade, a segurança e as regras de compra mudaram ao mesmo tempo.

Empresas que escolhem a OpenAI para um ambiente de desenvolvimento sensível ainda podem usar a Anthropic em outros contextos. Outras podem aceitar a retenção quando o Claude oferece uma vantagem clara para uma tarefa rigidamente controlada.

O resultado variará conforme o setor e a carga de trabalho. Bancos, organizações de saúde, contratadas de defesa e startups voltadas ao consumidor não enfrentam os mesmos riscos de dados.

Essa fragmentação torna a participação dos fornecedores menos estável. Cada novo modelo introduz não apenas novas capacidades, mas também novas restrições, sistemas de monitoramento e questões de conformidade.

O vencedor de um benchmark pode, portanto, perder uma revisão de implantação. A competição entre anthropic openai está se tornando uma disputa entre políticas operacionais completas, e não apenas entre respostas de modelos.

A Adoção Volátil Deve Preocupar as Duas Empresas

Mudanças rápidas são evidência de forte demanda, mas uma evidência fraca de fidelidade do cliente.

Quase 56% dos clientes da Ramp pagavam por IA em julho. Essa base em expansão sustenta o crescimento de receita de vários provedores.

O sinal menos reconfortante é a rapidez com que as preferências mudam. A Anthropic ultrapassou a OpenAI em abril, mas a OpenAI já crescia mais rápido durante o terceiro trimestre.

Investidores frequentemente valorizam a receita empresarial recorrente porque contratos, fluxos de trabalho, treinamento e integrações podem tornar os gastos previsíveis. Essa lógica depende de os clientes considerarem a substituição custosa.

A IA de fronteira enfraquece várias partes dessa fórmula. Empresas podem comprar por diversos canais, funcionários podem usar várias interfaces e desenvolvedores podem direcionar cargas de trabalho entre provedores.

A taxa de churn mensal de 4% relatada anteriormente pela Ramp sugere que as empresas raramente cancelam completamente qualquer um dos provedores. Isoladamente, isso parece indicar aderência.

No entanto, compras sobrepostas complicam a interpretação. Uma assinatura mantida pode ocultar uma grande redução na carga de trabalho, na importância estratégica ou na expansão futura.

A questão crítica não é simplesmente se uma conta permanece ativa. É se o provedor captura as tarefas recorrentes mais valiosas da empresa.

A concentração de receita cria outra incerteza. A Ramp não divulga o valor gasto com cada laboratório, e as porcentagens de contas tratam todos os clientes igualmente.

Um provedor pode liderar em número de clientes enquanto fica atrás em consumo. Outro pode dominar cargas de trabalho de aplicações caras com menos contas reconhecíveis.

Os dados de adoção de IA empresarial também misturam produtos diferentes. Uma assinatura direta de chatbot, um assistente de programação e uma API de modelo podem representar compromissos muito distintos.

Portanto, os investidores devem evitar transformar um índice mensal em uma narrativa duradoura de participação de mercado. Os dados disponíveis sustentam uma tendência competitiva, não uma conclusão econômica completa.

A mesma cautela se aplica ao uso divulgado pelas empresas. O crescimento de licenças corporativas e de mensagens da OpenAI mostra profundidade dentro de sua base instalada, mas não sua posição em todo o mercado.

O impulso comercial da Anthropic tampouco garante adoção exclusiva. Os números de sobreposição da Ramp mostram que muitos clientes do Claude mantêm uma relação com a OpenAI.

Também há diferença entre experimentação e produção. Uma empresa pode pagar por um produto enquanto o testa, sem colocar processos voltados ao cliente ou regulados nesse modelo.

A implantação em produção geralmente exige avaliações, controles de acesso, monitoramento, treinamento de funcionários e procedimentos para incidentes. Esses investimentos podem, com o tempo, criar vínculos mais duradouros.

O mercado pode se tornar mais aderente à medida que esses sistemas amadurecem. As empresas poderiam se padronizar em torno de uma família de modelos após transferirem fluxos de trabalho suficientes para a produção.

O resultado oposto é igualmente plausível com base nas evidências atuais. As empresas podem tratar a diversidade de modelos como uma estratégia permanente de controle de riscos.

Usar vários provedores pode limitar a dependência em relação às interrupções, mudanças de política, restrições de capacidade ou regressões de desempenho de um laboratório. Isso também melhora a posição de negociação do comprador.

Uma arquitetura multimodelo pode se tornar aderente na camada de orquestração, enquanto os provedores individuais de modelos permanecem substituíveis. Nesse arranjo, nem a OpenAI nem a Anthropic detêm completamente a relação com o cliente.

Como resultado, fornecedores de nuvem e plataformas de software empresarial poderiam capturar mais controle. Eles podem oferecer governança, identidade, faturamento e acesso a vários modelos dentro de um único sistema.

Isso deixaria os laboratórios de fronteira competindo continuamente pela alocação de cargas de trabalho. Sua receita poderia continuar elevada enquanto seus relacionamentos com clientes permanecem excepcionalmente expostos.

A reversão atual deve, portanto, preocupar ambas as empresas. Os ganhos da OpenAI provam que a liderança da Anthropic era vulnerável, mas a ascensão anterior da Anthropic já havia provado o mesmo sobre a OpenAI.

Três Sinais Mostrarão se os Ganhos da OpenAI Vão Durar

O próximo trimestre deve ser avaliado pelo comportamento dos clientes, pela profundidade da produção e pela resposta às políticas, não por mais um ranking isolado.

O primeiro sinal é a taxa de sobreposição entre clientes da OpenAI e da Anthropic. A Ramp relatou 16% de adoção dupla no início de 2026, o dobro do nível do ano anterior.

Se a sobreposição continuar crescendo, as empresas estarão mantendo uma estratégia multimodelo. Nesse caso, os ganhos da OpenAI refletiriam portfólios em expansão mais do que substituição direta.

Se a sobreposição cair enquanto a OpenAI cresce, a reversão se torna mais forte. Esse padrão sugeriria que as empresas estão consolidando gastos ou escolhendo a OpenAI para novas implantações.

O segundo sinal é a profundidade das cargas de trabalho. As contagens de clientes precisam ser acompanhadas por consumo de API, uso ativo no ambiente de trabalho, implantações em produção ou outra medida de atividade sustentada.

A OpenAI afirma que o consumo médio de tokens de raciocínio por organização aumentou aproximadamente 320 vezes em um ano. Ela também relata rápido crescimento em projetos configuráveis e assistentes internos.

Esses números indicam uso mais profundo entre os clientes existentes da OpenAI, embora a empresa tenha selecionado e publicado as métricas. Dados independentes comparáveis tornariam a interpretação competitiva mais confiável.

Para a Anthropic, a questão importante é se o Claude mantém sua posição em programação e outros trabalhos agênticos. Perder assinaturas casuais importaria menos do que perder fluxos de trabalho de software em produção.

O terceiro sinal é a resposta à política de retenção da Anthropic. Grandes clientes podem aceitar a exigência, negociar alternativas, limitar os modelos abrangidos ou redirecionar cargas de trabalho sensíveis.

Uma revisão substancial da política indicaria que a pressão dos clientes superou o design de segurança preferido pela Anthropic. Uma adoção estável sob as regras atuais apoiaria a contrapartida adotada pela empresa.

A prévia de privacidade da OpenAI também precisa de validação prática. Clientes elegíveis precisam determinar se ela atende às revisões de segurança, conformidade e jurídicas em implantações reais.

Esses três sinais revelarão se o movimento atual representa uma preferência empresarial duradoura. Eles também mostrarão onde a fidelidade de fato se forma dentro da pilha de IA.

Para compradores empresariais, a lição imediata não é prever um vencedor permanente. É preservar conhecimento operacional suficiente para avaliar e trocar modelos sem perder o raciocínio por trás das decisões anteriores.

As equipes devem registrar requisitos de carga de trabalho, resultados de avaliação, restrições de política e casos de falha em uma base de conhecimento de IA pesquisável. Esse registro se torna valioso sempre que outro modelo altera o equilíbrio competitivo.

A rivalidade entre anthropic openai continuará produzindo narrativas mensais atraentes. Os compradores devem se concentrar na questão mais discreta por trás delas: qual provedor conquista trabalhos mais críticos depois que o entusiasmo do lançamento diminui?

Acompanhe a sobreposição de clientes, o uso em produção e as decisões de privacidade durante o próximo trimestre. Se essas métricas se moverem juntas, o avanço da OpenAI significará mais do que outra oscilação temporária.