Estratégia de IA da Applied Materials mira dobrar as vendas sem dobrar o quadro de funcionários

A Applied Materials planeja dobrar a receita nos próximos anos sem dobrar sua força de trabalho, estabelecendo uma meta mensurável para o uso de inteligência artificial. A estratégia de IA da Applied Materials abrange desenvolvimento de produtos, operações de fábrica, controle de qualidade, cadeias de suprimentos, funções corporativas e atendimento ao cliente.

O CEO Gary Dickerson apresentou o plano antes da inauguração, em 12 de outubro, do novo centro de pesquisa de semicondutores da empresa em Sunnyvale, Califórnia. A Applied empregava cerca de 38.900 pessoas no fim de julho, mas Dickerson recusou-se a fornecer uma meta futura para o quadro de funcionários.

A afirmação é mais específica do que a promessa comum de que a IA tornará os funcionários produtivos. A Applied precisa transformar o trabalho assistido por software em mais remessas de equipamentos, ciclos de pesquisa mais rápidos, melhores rendimentos para os clientes e margens mais robustas. E precisa fazer isso enquanto fabricantes de chips exigem sistemas de produção cada vez mais complexos.

A empresa também enfrenta uma comparação reveladora com sua própria história recente. A Applied reduziu cerca de 4% de sua força de trabalho em 2025, mas contratou mais de 1.500 profissionais de manufatura e suporte ao cliente durante o terceiro trimestre fiscal de 2026. Sua estratégia, portanto, não é um simples congelamento de contratações. Trata-se de uma aposta de que contratações seletivas e produtividade com IA podem sustentar vendas muito maiores.

Estratégia de IA da Applied Materials transforma produtividade em meta de receita

A Applied Materials vinculou seu programa de IA a um resultado claro: a receita deve crescer muito mais rápido do que o quadro de funcionários.

Dickerson disse à Bloomberg: “À medida que dobramos o tamanho da empresa nos próximos anos, não vamos dobrar o quadro de funcionários.” A empresa não forneceu uma data exata de conclusão, uma base de receita ou um teto de pessoal para esse objetivo.

Essas omissões importam, mas não tornam a declaração vazia. A Applied já descreveu onde espera que os ganhos de produtividade apareçam.

A empresa usa IA em pesquisa e desenvolvimento para analisar dados técnicos, auxiliar o trabalho de engenharia e encurtar cronogramas de desenvolvimento de produtos. Nas operações, aplica a tecnologia ao planejamento de fábricas, às cadeias de suprimentos e a fluxos de trabalho que antes exigiam mais coordenação manual.

A IA também apoia o trabalho dentro das instalações dos clientes. Os equipamentos da Applied realizam deposição, gravação, inspeção, medição e outras etapas necessárias para fabricar chips avançados. Pequenas melhorias podem gerar mais chips utilizáveis por wafer ou fazer com que mais wafers passem por uma fábrica a cada dia.

É por isso que o controle de qualidade tem um peso financeiro incomum nesse setor. O rendimento de semicondutores é a porcentagem de chips utilizáveis produzidos a partir de um wafer. Uma melhoria no rendimento pode gerar chips adicionais comercializáveis sem exigir que um cliente construa outra fábrica de semicondutores.

Dickerson resumiu o valor diretamente: “Mais chips bons valem muito dinheiro para nossos clientes.” A Applied afirma que suas ferramentas podem ajudar os clientes a elevar tanto a produção de chips bons quanto o processamento diário de wafers.

A estratégia possui dois motores de receita conectados. Primeiro, a demanda por IA incentiva fabricantes de chips a comprar mais equipamentos de fabricação. Segundo, a Applied usa IA internamente para projetar, construir, instalar e dar suporte a esses equipamentos de forma mais eficiente.

Essa combinação diferencia o plano de um programa padrão de automação de escritório. A Applied vende equipamentos para o boom de infraestrutura de IA enquanto usa softwares relacionados para alterar sua própria estrutura de custos.

A empresa registrou US$ 9,1 bilhões em receita no terceiro trimestre fiscal, no período encerrado em 26 de julho de 2026. Isso sucedeu os US$ 7,9 bilhões do trimestre anterior. Seu registro trimestral também documenta a escala e a complexidade do negócio subjacente.

Dobrar uma empresa a partir desse patamar exigiria mais do que reduzir trabalho administrativo. A Applied precisaria de demanda sustentada por equipamentos, capacidade de fabricação suficiente, novos produtos bem-sucedidos e acesso contínuo a seus mercados mais importantes.

O Centro EPIC muda a forma como a pesquisa em fabricação de chips é realizada

O novo Centro EPIC é a contraparte física do argumento da Applied em favor da produtividade orientada por software.

A Applied inaugurou a instalação em Sunnyvale em 12 de outubro, junto com os comentários de Dickerson sobre receita e pessoal. A empresa descreve o Centro EPIC como um investimento de capital de US$ 5 bilhões.

EPIC significa Equipment and Process Innovation and Commercialization. O edifício de 600.000 pés quadrados contém quase quatro acres de espaço avançado de sala limpa, segundo a Applied. A construção exigiu mais de seis milhões de horas de trabalho.

O tamanho é importante, mas o modelo operacional importa mais. Fabricantes de chips, fornecedores de equipamentos, empresas de sistemas, pesquisadores e engenheiros da Applied podem trabalhar em problemas técnicos interligados dentro de uma única instalação.

TSMC, Intel, Samsung Electronics, Micron Technology e SK Hynix estão entre os parceiros clientes fundadores nomeados pela Applied. A lista de parceiros abrange a fabricação de lógica avançada e memória, duas áreas que recebem investimentos substanciais devido à computação de IA.

Broadcom, Advantest, Besi, Kioxia e SCREEN estão entre os participantes adicionais do setor. Stanford University, a University of California at Berkeley e outras instituições acadêmicas também aderiram ao programa.

Tradicionalmente, um novo processo de semicondutores pode transitar entre laboratórios separados de clientes, fornecedores e universidades. Cada transferência introduz atrasos de agendamento, diferenças de equipamentos, limites de dados e outra rodada de validação técnica.

A Applied quer que o EPIC reduza essas transferências. As equipes podem desenvolver materiais, processos, dispositivos e equipamentos de fabricação em um ambiente compartilhado antes de um cliente implantar o processo em escala comercial.

Ferramentas de IA podem fortalecer esse modelo ao identificar padrões em experimentos e dados de equipamentos. Elas também podem ajudar pesquisadores a escolher condições de teste promissoras entre um número enorme de possíveis combinações de materiais e processos.

No entanto, o edifício em si não garante ciclos de desenvolvimento mais curtos. Os parceiros precisam concordar sobre acesso a dados, proteções de propriedade intelectual, prioridades técnicas e responsabilidades por experimentos malsucedidos.

A instalação também representa um grande compromisso fixo. A Applied afirma que os gastos de capital avançarão em direção ao investimento declarado à medida que os projetos dos clientes começarem. Esse detalhe torna a participação dos parceiros e o volume de projetos medidas importantes de progresso.

O EPIC é, portanto, mais do que um campus de pesquisa cerimonial. É onde a tese de produtividade com IA da Applied encontrará as realidades operacionais do desenvolvimento de semicondutores.

Se os engenheiros concluírem mais experimentos úteis em menos tempo, os clientes poderão adotar novos sistemas de fabricação mais cedo. A Applied poderá então transformar trabalho de pesquisa em receita de equipamentos sem expandir todas as equipes na mesma proporção.

O resultado oposto também seria visível. Integração lenta de parceiros, compartilhamento limitado de dados ou longos cronogramas de qualificação enfraqueceriam a alegação de que software e colaboração podem comprimir o trabalho de desenvolvimento.

A fabricação de semicondutores para IA ainda depende de capacidade física

A IA pode melhorar decisões e fluxos de trabalho, mas não pode eliminar o trabalho físico, as fábricas e as redes de suprimentos por trás dos equipamentos de fabricação de chips.

A Applied constrói alguns dos sistemas de produção mais complicados da indústria de semicondutores. Essas máquinas contêm câmaras de precisão, robótica, componentes de vácuo, sensores, software e materiais especializados. Elas precisam operar com confiabilidade dentro de fábricas de clientes em todo o mundo.

O crescimento da receita, portanto, cria obrigações físicas. A Applied precisa adquirir componentes, montar sistemas, testá-los, enviá-los, instalá-los e mantê-los. As equipes de suporte ao cliente frequentemente trabalham diretamente dentro de fábricas de semicondutores.

Isso explica por que a empresa continua contratando em áreas selecionadas. Durante seu terceiro trimestre fiscal, a Applied adicionou mais de 1.500 funcionários em manufatura e suporte ao cliente, segundo seus comentários sobre resultados.

As contratações não contradizem a declaração de Dickerson. Ele disse que o quadro de funcionários não dobraria junto com a receita, não que o emprego deixaria de crescer. A diferença é essencial.

A Applied pode adicionar especialistas onde a demanda os exige enquanto usa IA para desacelerar o crescimento de pessoal em outras áreas. Fluxos corporativos, planejamento da cadeia de suprimentos, análise de engenharia e diagnósticos de serviço oferecem mais oportunidades de automação do que instalação em campo ou montagem avançada de hardware.

A empresa afirmou anteriormente que algumas operações habilitadas por IA produziram aumentos de produtividade que chegaram a cerca de 50%. Esse número descreve ganhos em determinados locais ou funções, não uma melhoria verificada em toda a empresa.

Um resultado restrito de produtividade não pode ser automaticamente projetado para quase 39.000 funcionários. Diferentes empregos têm diferentes níveis de qualidade de dados, requisitos de segurança, processos de aprovação e tolerância a erros de software.

O próprio histórico da força de trabalho da Applied adiciona outra complicação. Em outubro de 2025, ela anunciou uma redução que afetaria cerca de 4% dos funcionários, ou aproximadamente 1.400 postos. A redução da força de trabalho foi apresentada como um esforço para simplificar operações e melhorar a produtividade.

Essa reestruturação ocorreu enquanto regras de exportação mais rigorosas pressionavam os negócios relacionados à China. A Applied esperava que essas restrições reduzissem a receita fiscal de 2026, demonstrando que as decisões de pessoal refletem o acesso a mercados, além da automação.

O atual plano de crescimento de receita da Applied Materials não deve ser tratado como evidência de que a IA tornou a expertise humana desnecessária. Ele aponta, em vez disso, para uma composição diferente da força de trabalho.

A coordenação rotineira pode diminuir como parcela do trabalho total. Engenheiros podem passar menos tempo pesquisando registros técnicos ou revisando resultados repetitivos de testes. Equipes da cadeia de suprimentos podem identificar restrições mais cedo, enquanto equipes de serviço podem priorizar problemas de equipamentos com mais precisão.

Enquanto isso, a demanda pode crescer por engenheiros de processo, especialistas em dados, técnicos de campo, trabalhadores de manufatura avançada e funcionários capazes de validar recomendações geradas por IA.

Isso cria um desafiador problema de gestão. A Applied precisa decidir quais tarefas podem migrar com segurança para o software, quais exigem aprovação humana e onde funcionários adicionais ainda geram o melhor retorno.

A meta de vendas da empresa depende de acertar essa alocação. Contratações excessivas enfraqueceriam a alavancagem operacional prometida. Pessoal insuficiente poderia atrasar entregas de equipamentos, programas de pesquisa ou suporte ao cliente.

A verdadeira disputa é entre crescimento da receita e crescimento organizacional

O desafio central da Applied é provar que um negócio maior não exige uma organização igualmente maior.

Empresas de equipamentos para semicondutores historicamente escalaram por meio de uma combinação de investimento técnico, expansão de manufatura e empregos voltados ao cliente. Produtos complexos geram mais trabalho de suporte à medida que a base instalada cresce.

A Applied quer que a IA mude essa relação. Suas declarações sobre resultados afirmaram que mais de 35.000 funcionários já usavam IA em toda sua força de trabalho global em maio de 2026.

A empresa listou pesquisa científica, desenvolvimento de produtos, operações de cadeia de suprimentos, trabalho fabril, serviços e automação corporativa entre as aplicações. Isso sugere acesso amplo, embora o número de usuários revele pouco sobre a profundidade do uso ou o impacto financeiro.

Um funcionário que ocasionalmente resume um documento conta de forma diferente de uma equipe de engenharia que reduz o ciclo de qualificação de um produto. A Applied precisará de métricas de resultados que diferenciem a adoção básica da mudança operacional.

A velocidade de desenvolvimento de produtos é uma medida possível. Lógica avançada, memória de alta largura de banda e encapsulamento complexo de chips exigem novas combinações de materiais e equipamentos. Lançar um produto qualificado mais cedo pode antecipar receita e melhorar a posição competitiva da Applied.

A produtividade de serviços oferece outra medida. A Applied dá suporte a uma grande base instalada de equipamentos dentro das fábricas de seus clientes. Diagnósticos assistidos por IA podem identificar componentes com falhas, prever necessidades de manutenção e reduzir o tempo que os engenheiros dedicam a isolar problemas.

O desempenho das fábricas e da cadeia de suprimentos fornece um terceiro teste. Previsões melhores podem reduzir faltas, enquanto sistemas de programação podem melhorar o fluxo de equipamentos pela montagem e pelos testes. Esses benefícios devem aparecer nos prazos de entrega, no desempenho dos estoques e nas margens.

A Applied concorre com empresas como Lam Research, KLA, Tokyo Electron e ASML em diferentes partes da produção de semicondutores. Nenhuma concorrente individual reproduz todo o seu portfólio de produtos.

Ainda assim, cada grande fornecedor de equipamentos enfrenta a mesma pressão geral. Os clientes querem sistemas capazes de lidar com chips mais complexos, ao mesmo tempo que melhoram o rendimento, o uso de energia, a confiabilidade e a produção das fábricas.

A IA na fabricação de semicondutores só pode se tornar uma vantagem competitiva quando altera esses resultados mensuráveis. O acesso geral a chatbots ou assistentes de programação não criará uma diferenciação duradoura, porque os concorrentes podem adquirir ferramentas semelhantes.

A vantagem da Applied, caso desenvolva uma, virá da combinação de modelos com conhecimento proprietário de processos e dados de equipamentos. Décadas de experimentos e registros de produção podem fornecer um contexto que sistemas de uso geral não possuem.

Essa abordagem também impõe restrições. Os dados dos clientes são sensíveis, a pesquisa de semicondutores é fortemente protegida e recomendações incorretas podem desperdiçar um tempo de produção caro. O acesso aos dados deve, portanto, permanecer controlado.

A empresa também precisa impedir que a automação esconda erros técnicos. Uma recomendação de software plausível não equivale a uma mudança de processo validada. Os engenheiros ainda precisam de experimentos, controles estatísticos e qualificação dos clientes.

Esses limites tornam o lado organizacional da estratégia de IA da Applied tão importante quanto os modelos. A empresa precisa de sistemas de governança de dados, revisão humana, segurança, responsabilização e validação de processos.

A gestão do conhecimento torna-se central quando sistemas de IA recorrem a resultados de laboratório, registros de serviços e decisões de engenharia. As equipes precisam de material-fonte confiável, permissões claras e conclusões rastreáveis.

O mesmo princípio se aplica além dos equipamentos para chips. Uma base de conhecimento de engenharia pesquisável só é útil quando as equipes conseguem verificar de onde veio uma resposta.

A Applied não divulgou informações suficientes para avaliar cada sistema interno. Investidores e clientes devem se concentrar nos resultados empresariais, e não na contagem de ferramentas.

O Que a Promessa de Dobrar as Vendas Ainda Não Comprova

A meta de receita continua sendo uma previsão da administração, não uma prova independente de que a IA separou o crescimento das contratações.

A primeira incerteza é a base de comparação. “Dobrar de tamanho” parece referir-se à receita, mas a Applied não forneceu um valor inicial preciso nem o ano fiscal previsto para a conclusão.

Um prazo flexível de “próximos anos” também torna o progresso mais difícil de avaliar. A receita pode crescer rapidamente durante um ciclo de equipamentos, estagnar em outro e ainda assim se aproximar da meta mais adiante.

A segunda incerteza diz respeito à causalidade. A Applied está se beneficiando dos gastos dos clientes em infraestrutura de IA, incluindo lógica avançada, memória, encapsulamento e capacidade de fabricação relacionada.

Essa demanda externa pode elevar as vendas mesmo que as ferramentas internas de IA contribuam apenas com ganhos modestos de produtividade. Por outro lado, uma forte produtividade interna não pode dobrar a receita se os clientes reduzirem os investimentos de capital.

Os leitores devem, portanto, separar dois efeitos distintos da IA. A IA cria demanda pelos equipamentos da Applied, enquanto ferramentas de IA podem ajudar a Applied a atender essa demanda com menos funcionários adicionais.

Os resultados recentes da empresa mostram a força do primeiro efeito. A Applied reportou receita recorde no terceiro trimestre fiscal e elevou suas expectativas para as vendas de Semiconductor Systems durante o ano-calendário de 2026.

Seus resultados oficiais do terceiro trimestre reportaram uma margem bruta não GAAP de 50,4% e lucro operacional não GAAP de US$ 3,10 bilhões. Essas métricas excluem determinados itens e não devem ser tratadas como equivalentes aos resultados GAAP.

O efeito da produtividade interna é mais difícil de isolar. A Applied descreveu usos específicos e citou ganhos em algumas funções, mas não publicou um indicador de retorno de IA para toda a empresa.

A terceira incerteza é a ciclicidade. A demanda por equipamentos de semicondutores acompanha o investimento dos clientes, as transições tecnológicas, a utilização das fábricas, a política governamental e as expectativas sobre a demanda futura por chips.

Uma expansão prolongada da infraestrutura de IA apoiaria o plano da Applied. Uma desaceleração no financiamento, restrição energética, falta de componentes ou correção de capacidade poderia atrasar os projetos dos clientes.

Dickerson reconheceu vários desses riscos de curto prazo. Ele identificou financiamento, suprimentos, energia e capacidade de produção como possíveis restrições ao ritmo de expansão da IA.

A política de exportação acrescenta outra pressão. A Applied e seus concorrentes americanos enfrentam limites para vender determinados sistemas e serviços avançados a clientes na China. Essas restrições podem reduzir a demanda acessível, independentemente da produtividade interna.

A concorrência também pode reduzir qualquer vantagem. Lam Research, KLA, Tokyo Electron e outros fornecedores estão investindo em análise de dados, automação, simulação e serviços apoiados por IA.

Se todos os grandes fornecedores alcançarem ganhos semelhantes, a IA se tornará uma exigência do setor, e não uma fonte de margens excepcionais. A Applied ainda se beneficiaria, mas os concorrentes compartilhariam a mesma alavancagem operacional.

Há também um risco para a força de trabalho. Os funcionários podem interpretar “dobrar as vendas, não o quadro de pessoal” como um sinal de que os ganhos de eficiência substituirão oportunidades de carreira.

A Applied precisa reter conhecimento escasso em processos, materiais e equipamentos enquanto muda a forma como o trabalho é realizado. Uma automação mal gerenciada poderia incentivar saídas ou enfraquecer a mentoria que forma futuros líderes técnicos.

Nenhum desses riscos invalida a estratégia. Eles definem as evidências necessárias antes que ela seja considerada bem-sucedida.

A prova mais forte combinaria crescimento sustentado da receita, crescimento mais lento do quadro de pessoal, qualidade de serviço estável, desenvolvimento de produtos mais rápido e margens saudáveis. Uma única métrica deixaria explicações alternativas em aberto.

Três Sinais Testarão o Crescimento da Receita da Applied Materials

As próximas evidências devem vir dos resultados financeiros, da produção do EPIC Center e da composição da força de trabalho, nessa ordem.

O primeiro sinal é o crescimento da receita em relação ao crescimento de funcionários. A Applied deve, em algum momento, reportar vendas crescendo de forma materialmente mais rápida que sua força de trabalho ao longo de vários trimestres.

Um único trimestre não resolverá a questão, porque as entregas de equipamentos podem variar entre os períodos de divulgação. Os investidores devem comparar uma sequência mais longa de receita, despesas operacionais, margens e quadro de pessoal.

Se as vendas continuarem subindo enquanto as contratações crescem lentamente e o atendimento ao cliente permanecer estável, a estratégia de IA da Applied ganhará credibilidade. A queda no emprego durante uma demanda fraca provaria muito menos.

O segundo sinal é a produção comercial do EPIC Center. A Applied e seus parceiros devem identificar avanços de processo, equipamentos qualificados, cronogramas de desenvolvimento mais curtos ou programas de clientes que avançaram em direção à produção.

O número de participantes importa menos do que o trabalho concluído. Uma instalação movimentada ainda pode não acelerar a comercialização se os projetos permanecerem isolados ou os ciclos de aprovação continuarem longos.

Introduções específicas de produtos ligadas ao EPIC fortaleceriam o argumento da Applied. Evidências de que a pesquisa compartilhada reduziu experimentos duplicados ou acelerou a qualificação de clientes seriam mais valiosas do que alegações genéricas de colaboração.

Atividade limitada dos parceiros enfraqueceria o argumento. A economia da instalação depende de clientes e pesquisadores usarem suas salas limpas para programas de desenvolvimento relevantes.

O terceiro sinal é a mudança na composição da força de trabalho. A Applied já mostrou que um crescimento geral mais lento do quadro de pessoal pode coexistir com contratações direcionadas.

Divulgações futuras devem revelar se funções de manufatura, serviço de campo e áreas técnicas continuam se expandindo, enquanto tarefas administrativas ou repetitivas exigem menos novas contratações. Isso sustentaria a explicação de crescimento seletivo da empresa.

Outra demissão em larga escala exigiria interpretação cuidadosa. Ela poderia refletir substituição por IA, uma desaceleração dos semicondutores, restrições de exportação, reestruturação ou diversos fatores ao mesmo tempo.

A Applied também deve mostrar que a qualidade não se deteriorou. Um trabalho de engenharia mais rápido só importa se os produtos continuarem confiáveis e os clientes receberem suporte eficaz.

Esses três sinais criam um teste prático. O desempenho financeiro mostra se o modelo operacional escala. A produção do EPIC mostra se a pesquisa avança mais rápido. A composição da força de trabalho mostra onde a IA de fato altera a demanda por mão de obra.

O plano tem implicações muito além da Applied Materials. Ele oferece um teste incomumente concreto de se a IA empresarial pode remodelar uma grande empresa industrial, em vez de apenas acrescentar mais uma despesa de software.

Profissionais do conhecimento devem observar quais tarefas mudam, e não apenas quais empregos desaparecem. Engenheiros podem revisar mais opções geradas por máquinas, equipes de serviço podem receber alertas antecipados e gestores podem coordenar a capacidade com previsões melhores.

Compradores empresariais devem observar a integração e a governança. A vantagem potencial da Applied não vem apenas de um modelo genérico. Ela vem de conectar a IA a registros técnicos confiáveis, equipamentos físicos e decisões responsabilizáveis.

A pergunta mais útil, portanto, não é se a Applied usa IA. Mais de 35.000 usuários internos já tornam essa pergunta estreita demais.

A questão é se a Applied consegue converter essas ferramentas em duas vezes a produção comercial sem duas vezes a complexidade organizacional. Receita, inovações qualificadas, rendimentos dos clientes e dados da força de trabalho fornecerão a resposta.

Se esses indicadores se moverem juntos, a Applied terá produzido um dos exemplos industriais mais claros de alavancagem operacional apoiada por IA. Se divergirem, o crescimento da demanda poderá merecer mais crédito do que a automação.

Acompanhe as próximas divulgações financeiras e os primeiros projetos comerciais surgidos do EPIC. Eles mostrarão se a Applied Materials consegue tornar sua promessa de dobrar as vendas mensurável, repetível e duradoura.