O presidente-executivo da Palantir, Alex Karp, ampliou as críticas aos laboratórios que desenvolvem os modelos mais avançados de inteligência artificial. Segundo ele, empresas correm o risco de entregar conhecimento estratégico a fornecedores externos e se tornar dependentes de uma única plataforma.
A preocupação envolve dados como projetos, registros de clientes, códigos de software, documentos jurídicos, políticas de preços e rotinas acumuladas ao longo de anos. Quanto mais contexto recebe, mais útil o modelo se torna, mas também cresce a influência do fornecedor sobre aplicações e decisões internas.
Risco de dependência tecnológica
OpenAI e Anthropic oferecem proteções contratuais e políticas específicas para clientes empresariais. Portanto, usar esses serviços não significa automaticamente que informações confidenciais serão empregadas no treinamento dos modelos. Mesmo assim, permanecem preocupações sobre aumento de preços, dificuldade de migração e dependência de ferramentas integradas ao mesmo ecossistema.
A Palantir defende uma arquitetura em que dados, permissões e processos fiquem em uma camada separada. Assim, a organização poderia conectar modelos diferentes e substituí-los sem reconstruir toda a operação. Um agente poderia acessar estoque e produção, por exemplo, mas permanecer impedido de consultar a folha de pagamento.
Karp também critica a cobrança por tokens, porque o custo cresce conforme o modelo lê documentos, produz respostas e aciona ferramentas, sem garantia de resultado prático. A empresa dele, porém, tem interesse direto nesse debate: quanto mais clientes mantiverem o controle fora dos grandes laboratórios, maior será o valor da plataforma oferecida pela Palantir.
A tendência mais provável é um modelo híbrido. Informações sensíveis podem permanecer em infraestrutura privada, enquanto tarefas menos críticas usam serviços de fronteira. Nesse cenário, controles de acesso, registros de auditoria e possibilidade de trocar o modelo se tornam tão importantes quanto a qualidade da própria IA.
