Neste começo de julho, a Palantir apareceu no noticiário em dois papéis opostos. No primeiro, o de predadora. O presidente-executivo, Alex Karp, passou 20 minutos na rede CNBC desancando os laboratórios de fronteira, ao dizer que OpenAI e Anthropic ficaram tão obcecadas por modelos cada vez mais potentes que passaram a falhar com seus maiores clientes corporativos. Afirmou que o modelo de cobrança por tokens deu completamente errado e resumiu o que o cliente passou a exigir na forma de controle sobre o próprio processamento, os próprios modelos, a própria pilha de dados, a garantia de ser dono dos meios de produção em vez de os ver transferidos para outra empresa. Executivos, contou, confidenciam-lhe em privado que gastam fortunas em processamento sem extrair valor e ainda entregam a própria propriedade intelectual no caminho. No segundo papel, virou presa. Quase ao mesmo tempo, veio a público que o governo espanhol instruíra empresas estatais e privadas de seu perímetro estratégico a vetar contratos com a Palantir, em nome da soberania nacional.
Parece contradição, mas não é. É a mesma tese vista de dois ângulos.
O debate provocado por Alex Karp tem números atrás dele. O preço médio do milhão de tokens entre os principais provedores caiu de cerca de 10 para 2,50 dólares em um ano, e hoje a Anthropic cobra 5 dólares de entrada e 25 de saída por milhão de tokens no Opus 4.8, um de seus modelos de ponta, contra 1 e 5 dólares no Haiku, o mais barato da família. A queda deveria ter aliviado o orçamento das empresas. Não aliviou, porque o volume consumido por fluxos de trabalho agêntico cresceu mais rápido do que o preço caiu.
O caso mais direto é o da própria Uber, uma das empresas que Karp cita como tendo limitado gastos com tokens. Segundo o diretor de tecnologia da companhia, ela esgotou todo o orçamento de IA de 2026 em quatro meses, à medida que a adoção do Claude Code saltou de 32% para 84% dos 5.000 engenheiros da empresa e o custo mensal de API por engenheiro passou a variar entre 500 e 2.000 dólares. Não é hipótese retórica de um executivo rival. É uma cliente batendo no teto que ele descreve.
Karp não estava apenas reclamando de preço. Estava alertando sobre uma fuga. Enquanto o governo Trump forçava Anthropic e OpenAI a suspender ou escalonar o lançamento de seus modelos mais potentes por revisão de segurança, empresas dos Estados Unidos migram para modelos chineses mais baratos. A Microsoft avalia usar o DeepSeek, a Coinbase manteve seus custos de IA estáveis recorrendo a modelos abertos do país asiático. O modelo de fronteira, aquele produto que consome bilhões e vende invencibilidade, começa a virar commodity que corre para quem cobra menos.
O próprio governo, porém, trata os dois laboratórios de forma desigual. O Pentágono chegou a classificar a Anthropic como risco de cadeia de suprimentos pelas restrições que ela impõe ao uso militar de seus modelos, enquanto a OpenAI fechava contrato direto com o Departamento de Defesa. É essa assimetria, mais do que a fuga de clientes para a China, que explica por que Karp mira em Dario Amodei e poupa Sam Altman.
Promessa de soberania
E é exatamente aqui que a Palantir joga outro jogo. Ela não treina modelos de fronteira. Compete, isso sim, para ser a plataforma por meio da qual empresas e governos implementam qualquer modelo. Um dia antes da entrevista, a empresa já havia publicado nas redes um manifesto de nove pontos sobre soberania de IA, a mesma palavra que dá nome ao problema deste texto, agora usada pela própria empresa como estratégia de venda. Seu sistema operacional de “IA soberana”, combinado agora aos modelos abertos Nemotron da Nvidia em ambientes isolados e classificados, promete ao cliente manter os próprios dados fora da rede pública, reter os pesos do modelo treinado e trocar de modelo quando quiser. Traduzindo: quando o modelo vira mercadoria intercambiável, quem controla o andar entre o modelo e o cliente fica com a parte que não se desvaloriza.
A pressão sobre a Anthropic não vem só de Karp. Horas depois da entrevista, David Sacks, copresidente do conselho presidencial de ciência e tecnologia, foi às redes sociais cutucar a empresa de Amodei com o mesmo argumento. Para ele, os produtos verticais que a Anthropic lança, como as versões do Claude para ciência, segurança, jurídico e código, serviriam a quem constrói em cima do modelo ou existiriam para a própria Anthropic capturar as verticais mais lucrativas? A Anthropic não respondeu ao pedido de comentário. A pergunta importa menos pela resposta do que pelo destinatário. Quando alguém ligado ao governo repete o argumento do concorrente comercial, o que era queda de braço de mercado vira disputa por quem tem licença para ocupar o espaço entre a inteligência genérica e a aplicação que paga a conta, exatamente o andar que este texto descreve.
Chamo isso de monopólio total, o poder de controlar ao mesmo tempo a infraestrutura material e os fluxos cognitivos que algumas empresas atuais possuem. A novidade que a semana passada revelou é uma terceira camada, menos visível que os cabos e os data centers e mais durável que qualquer modelo específico. É a camada de implementação, o encanamento que conecta a inteligência genérica ao dado sensível de uma empresa ou de um Estado. Enquanto OpenAI e Anthropic pagam o preço da corrida, com cliente exausto do custo, escrutínio regulatório crescente e receita que vaza para a China, a Palantir se posiciona no ponto do sistema em que a substituição é mais cara e a dependência, mais profunda. Essa camada já tem nome: Ontology, o software que a Palantir instala entre o dado da organização e o modelo de IA, controlando o que ele acessa e o que pode executar. Karp afirma que todo sistema de IA usado em contexto de combate roda sobre ela. Ele compete e coopera com quem critica porque o negócio dele não é o modelo. É o que fica sob ele.
O dilema espanhol
O caso espanhol prova o argumento por dentro, e de forma quase didática. Madri cortou a Palantir de Telefónica, Indra, Navantia e Correios, vetou um acordo já negociado com a Guardia Civil e barrou um projeto avançado com a construtora naval militar. Um golpe duro que já analisei aqui. Mas o contrato que segue vivo é justamente o do Centro de Inteligência das Forças Armadas, assinado em 2023, com vencimento em novembro, sobre o qual as chefias do Exército e da Marinha pressionam a ministra da Defesa a renová-lo. Ou seja, a empresa é expulsa da periferia civil e sobrevive intacta no núcleo mais duro do Estado, onde a dependência operacional já está tão entranhada que arrancá-la custa mais do que mantê-la. A soberania avançou até a porta da camada mais embutida e ali estacionou.
A lição para o Brasil e para o Sul Global é desconfortável porque desloca o alvo. Boa parte do debate sobre autonomia em IA gira em torno de quem treina o modelo, quem tem o modelo fundacional próprio, quem depende de qual laboratório. É uma pergunta necessária, mas insuficiente. Um país pode diversificar modelos, adotar até uma solução chinesa mais barata, e ainda assim continuar capturado na camada de baixo, a da implementação, onde os dados são integrados, cruzados e postos para funcionar dentro do aparelho de Estado. Trocar de modelo sem controlar a camada de implementação é soberania de fachada. É trocar o inquilino sem nunca discutir de quem é o prédio.
O que a Palantir entendeu e o que Karp diz com todas as letras quando promete reconstruir a confiança do mercado vendendo um produto que deixa o cliente trocar de modelo, é que a guerra da IA não se decide apenas na fronteira dos modelos. Decide-se no ponto em que a inteligência encontra o dado soberano. Quem controla esse ponto controla o resto. E, até agora, do lado de cá, ninguém sequer nomeou essa camada como o território que ela representa.
Orquestração de LLMs
Guardadas as devidas proporções, a estratégia da Palantir de ser uma camada orquestradora de LLMs, entre a empresa-cliente que fornece os dados e os modelos de IA, é a mesma que várias companhias de de desenvolvimento de agentes estão fazendo no Brasil e no resto do mundo. Listo aqui algumas sobre as quais já escrevemos no Mobile Time: Blip, ColmeIA e Jabuti. Todas têm a mesma estratégia: criaram uma plataforma de desenvolvimento de agentes que está conectada a inúmeros modelos de LLM. Chamam isso de orquestração de LLMs. Assim nem elas e nem seus clientes ficam reféns de nenhum modelo. Podem escolher livremente e inclusive construir uma combinação de modelos. Dependendo da solicitação do cliente, em uma mesma conversa, diferentes modelos são acionado, seguindo critérios como preço do token, acurácia da respostas e latência. A preferência por uma arquitetura com múltiplos LLMs é também um dos motivos para empresas estarem resistindo em aderir à plataforma Meta Business Agent no WhatsApp.
