Avaliação de empresas pelo modelo Foundation sob cenários alternativos de precificação e concorrência.

Introdução

Os modelos de base podem dar suporte a muitas tarefas e produtos subsequentes. Essa abrangência cria valor de opção comercial, ao mesmo tempo que torna o perímetro da empresa difícil de definir. Um desenvolvedor pode treinar modelos proprietários, distribuí-los por meio de seu próprio aplicativo, vender acesso por meio de uma interface, licenciar capacidade por meio de parceiros de nuvem, fornecer modelos personalizados, operar assinaturas para consumidores e participar de acordos estratégicos com provedores de infraestrutura. A mesma organização pode, portanto, assemelhar-se a um laboratório de pesquisa, uma empresa de software em nuvem, uma plataforma para consumidores e um usuário de infraestrutura com uso intensivo de capital.

As evidências de mercado reforçam a necessidade de análise de cenários. A Autoridade de Concorrência e Mercados do Reino Unido identifica computação, dados e talentos como insumos críticos e examinou uma rede interconectada de parcerias em toda a cadeia de valor do modelo fundamental [7-9]. A Comissão Federal de Comércio dos EUA relata que as principais parcerias em nuvem e AI podem incluir participação acionária, compartilhamento de receita, consulta, controle, exclusividade, compromissos de gastos com nuvem e acesso a informações técnicas e financeiras. ^[7]Essas relações podem financiar o crescimento e expandir a distribuição. Elas também podem gerar custos de mudança, concentração e direitos sobre as economias futuras.

A liderança técnica também é dinâmica. O Índice de Stanford de 2026 AI descreve um nível superior no qual vários desenvolvedores estão agrupados de forma semelhante em relação a medidas de preferência humana, enquanto as lacunas de desempenho de modelos abertos e fechados podem mudar ao longo do tempo [10,11]. A documentação do provedor mostra vários mecanismos de precificação, incluindo tokens de pagamento conforme o uso, entrada em cache, descontos por lote, taxa de transferência reservada e capacidade específica do modelo [12-19]. Esses mecanismos podem alterar substancialmente o custo para o cliente sem alterar a família de modelos nominal.

Uma avaliação, portanto, deve responder a uma questão mais específica do que simplesmente saber se a inteligência artificial é estrategicamente importante. Ela deve determinar quais fluxos de caixa, ativos, obrigações e opções pertencem à empresa, qual a sua durabilidade em diferentes cenários competitivos e qual o capital necessário para preservá-los.

1. Defina o perímetro da empresa antes de selecionar um método.

A primeira tarefa é identificar o que o investidor está valorizando. O escopo deve incluir entidades legais, pesos do modelo, código de treinamento, direitos de dados, sistemas de avaliação, pilha de inferência, aplicativos de clientes, contratos, acordos de nuvem, instalações, pessoas, sistemas de segurança, marca, distribuição e obrigações de financiamento. Os ativos detidos por fundadores, afiliados, universidades, parceiros de nuvem ou comunidades de código aberto exigem tratamento separado.

A receita deve ser mapeada para o produto que a gera. Assinaturas de consumidores, licenças corporativas, interfaces baseadas em uso, capacidade reservada, personalização, serviços profissionais e licenciamento são economicamente diferentes. Um número de crescimento consolidado pode ocultar uma interface de modelo em declínio, um produto de consumidor subsidiado ou um grupo corporativo de alta margem. O arquivo de avaliação deve conciliar cada produto relevante com o contrato, o uso, a fatura, o fluxo de caixa e o custo direto.

O perímetro também precisa de um mapa de responsabilidades. Um provedor de nuvem pode fornecer aceleradores, hospedar inferência, revender o modelo, fornecer identidade do cliente e integrar o acesso a uma plataforma mais ampla. A empresa do modelo pode manter a responsabilidade pelo produto, mesmo sem ter acesso direto aos dados do cliente ou controle sobre os preços. O contrato deve ser analisado em conjunto com a telemetria operacional e a liquidação financeira.

A titularidade da propriedade intelectual deve ser testada ao nível do componente. Os dados de treino, o código, os pesos, os dados sintéticos, os conjuntos de avaliação, os ajustes finos, os classificadores de segurança e as adaptações do cliente podem ter diferentes proprietários e restrições. A IAS 38 e as normas de avaliação relevantes fornecem limites úteis para a contabilidade e a avaliação, embora os direitos legais permaneçam específicos de cada caso [3,5].

2. Elabore um livro-razão de receitas de produtos e clientes.

A qualidade da receita do modelo básico começa com um registro de cliente-produto. Cada linha deve identificar cliente, produto, contrato, unidade de faturamento, mínimo contratado, uso, créditos, preço, data de renovação, nível de serviço, região, versão do modelo, canal de distribuição, fatura, cobrança e custo de entrega direta. Entidades relacionadas e usuários finais subjacentes devem ser agregados onde criam exposição comum.

O uso exige uma interpretação cuidadosa. Um alto volume de tokens pode refletir valor para o cliente, solicitações ineficientes, créditos gratuitos, testes internos ou tráfego automatizado. Um baixo volume pode coexistir com um compromisso mínimo, embora o subuso persistente possa enfraquecer a renovação. O livro-razão deve conectar o consumo a um fluxo de trabalho aceito pelo cliente e a um resultado comercial.

A receita contratada deve ser distinguida das reservas, das obrigações remanescentes, do uso anualizado e da taxa de execução gerencial. A IFRS 15 fornece a estrutura aplicável ao reconhecimento de receita para entidades que reportam informações financeiras. ^[4]A análise de avaliação também precisa dos cronogramas operacionais por trás da receita reconhecida: cancelamentos, créditos de serviço, premissas de aumento gradual da demanda, mínimos, níveis de uso, reajustes de preços e aceitação do cliente.

Os grupos de clientes devem acompanhar o caminho da avaliação à produção. O investidor deve observar o tempo de conversão, o uso retido, a expansão, a contração, a taxa de cancelamento, a retenção de receita bruta, a retenção de receita líquida e a contribuição por geração de clientes. O lançamento de um modelo pode aumentar temporariamente os testes sem melhorar a retenção de clientes pagantes. As evidências dos grupos de clientes mostram se o interesse técnico se transforma em comportamento comercial repetível.

3. Capacidade do modelo separada da utilidade do cliente

Os benchmarks de modelos fornecem evidências sobre tarefas definidas em condições definidas. Eles não estabelecem diretamente o valor da empresa. Um cliente compra um resultado entregue por um sistema que pode incluir recuperação de dados, ferramentas, lógica de fluxo de trabalho, controles de segurança, revisão humana, integração, monitoramento e suporte. A avaliação deve separar a capacidade do modelo base do desempenho do sistema completo.

A avaliação do produto deve incluir qualidade, confiabilidade, latência, taxa de transferência, disponibilidade, segurança, proteção, explicabilidade, controlabilidade e custo para fluxos de trabalho representativos. O MLCommons publica métodos de benchmark de inferência reproduzíveis que podem dar suporte a comparações de infraestrutura [20,21]. A avaliação específica da empresa ainda precisa de dados do cliente, condições de produção e uma linha de base controlada.

A saturação e a contaminação dos benchmarks podem reduzir a vida útil de um produto relatado. A revisão técnica de Stanford registra progresso rápido, agrupamento próximo em algumas métricas e preocupações com a confiabilidade dos benchmarks. ^[10]A equipe de diligência deve inspecionar a governança da avaliação, o histórico de versões, o acesso ao conjunto de testes, a replicação independente e o desempenho fora da tabela de classificação pública.

A utilidade para o cliente deve ser medida em comparação com a alternativa relevante: um modelo concorrente, um modelo menor, um modelo de peso aberto, um software determinístico, um processo gerenciado pelo funcionário ou nenhuma implementação. A medida econômica pode ser o número de tarefas aceitas por dólar, o tempo economizado com a manutenção da qualidade, o aumento da conversão, a redução de perdas ou uma melhoria controlada do serviço. O crédito de valor está relacionado à evidência de que a empresa pode capturar parte desse valor por meio do preço e da retenção.

4. Modelagem de preços como um portfólio de mecanismos

Os preços dos tokens públicos são visíveis e incompletos. Os aspectos econômicos comerciais podem incluir entrada, entrada em cache, saída, áudio, imagens, ferramentas, armazenamento, otimização, processamento prioritário, processamento em lote, capacidade reservada, implantação regional, suporte e compromissos mínimos. Contratos corporativos podem utilizar descontos e créditos confidenciais. O modelo de precificação deve reproduzir a fatura real para cada grupo de materiais.

A documentação do provedor ilustra os mecanismos disponíveis. A OpenAI descreve estruturas de pagamento conforme o uso, em lote e de capacidade reservada ou escalável [12-14]. A Anthropic publica preços de modelos, cache e lotes e mantém um processo documentado do ciclo de vida do modelo [15,16]. O Google publica os preços da interface Gemini. ^[17]. O Amazon Bedrock publica preços específicos do modelo, descontos em lote e mecanismos de cache [18,19]. Esses cronogramas mudam e devem ser registrados com carimbo de data/hora na diligência.

O preço por token, por si só, pode ser enganoso. Um modelo mais eficiente pode exigir menos chamadas, solicitações mais curtas, menos revisões ou uma taxa de aceitação mais alta. Um modelo mais barato pode aumentar a necessidade de correções ou a latência. A ponte preço-volume em nível de cliente deve combinar preço efetivo, unidades consumidas, resultados aceitos e custo do serviço.

O investidor deve testar quatro ações de precificação separadamente: alteração do preço de tabela, desconto negociado, alteração do mix de produtos e eficiência técnica. Um preço de tabela mais baixo pode estimular o uso. Um desconto pode proteger um cliente estratégico, ao mesmo tempo que reduz a necessidade de aquisição. O roteamento pode migrar a carga de trabalho para um modelo de menor custo. O armazenamento em cache e o processamento em lote podem reduzir custos para cargas de trabalho adequadas. Cada mecanismo tem um efeito distinto sobre a receita, o custo e a retenção.

5. Estimar a elasticidade-preço e a transmissão competitiva.

A definição de cenários de precificação exige uma análise explícita do comportamento do cliente. A gestão deve identificar como a demanda se alterou após mudanças anteriores de preço, modelo ou embalagem. A análise deve levar em consideração a qualidade do modelo, o lançamento do produto, a capacidade de produção, a sazonalidade, o perfil do cliente e os créditos promocionais. Nos casos em que a empresa não dispuser de observações, o cenário deve permanecer como uma hipótese.

A elasticidade varia de acordo com o fluxo de trabalho. Cargas de trabalho experimentais podem se expandir rapidamente quando os custos diminuem. Cargas de trabalho de produção regulamentadas podem ser limitadas por validação, integração e governança. O uso pelo consumidor pode ser influenciado pelo design da assinatura e pelos limites de recursos. Um cliente com um aplicativo integrado pode ter custos de troca, enquanto um desenvolvedor que usa uma interface padrão pode rotear o tráfego entre provedores.

A transmissão competitiva determina se a redução do custo computacional gera margem de lucro ou preço mais baixo. Uma empresa com qualidade, distribuição ou governança diferenciadas pode reter parte da economia. Um mercado com substitutos próximos e preços transparentes pode repassar a maior parte da economia aos clientes. O modelo deve separar a melhoria técnica de custos da captura comercial.

A elaboração de cenários deve evitar uma previsão de preço única. Uma matriz útil cruza o preço efetivo com o volume retido e a contribuição do cliente. Dessa forma, é possível aplicar diferentes probabilidades por produto e período. A gestão deve explicar as evidências para cada célula e identificar quais decisões operacionais podem alterar o resultado.

6. Reconstruir a unidade econômica de inferência

O custo da inferência deve ser medido a partir da telemetria da carga de trabalho e das faturas dos fornecedores. A ponte inclui tokens ou outras unidades de computação, combinação de modelos, tempo de aceleração, utilização, memória, armazenamento, rede, gravações em cache, leituras em cache, processamento em lote, solicitações com falha, chamadas de segurança, recuperação, observabilidade e revisão humana. Os compromissos compartilhados devem ser alocados usando uma regra documentada.

A capacidade pode ser adquirida sob demanda, reservada, provisionada, contratada ou indiretamente por meio de um parceiro estratégico. O custo econômico inclui a capacidade consumida e a capacidade não utilizada. Uma empresa pode apresentar um custo atrativo por solicitação ativa, mesmo com um gasto mínimo elevado que permanece fora da contribuição do cliente. O modelo deve mostrar tanto o custo marginal quanto o custo totalmente alocado.

As iniciativas de eficiência devem ser comprovadas por meio de resultados de produção. Quantização, destilação, roteamento, armazenamento em cache, processamento em lote, redução de solicitações e kernels aprimorados podem reduzir custos. Uma janela de contexto maior, saída mais rica, mais raciocínio ou verificações de segurança redundantes podem aumentá-los. A documentação do provedor confirma que os preços de cache e processamento em lote podem diferir materialmente das chamadas padrão [12-19]. A economia obtida depende da elegibilidade e do comportamento da carga de trabalho.

A unidade deve estar conectada ao valor para o cliente. Tokens por dólar são uma métrica operacional. Tarefas aceitas por dólar, casos resolvidos por dólar ou receita retida por dólar investido em computação conectam o sistema técnico ao modelo comercial.

7. Trate o treinamento como um ciclo de capital.

O treinamento de vanguarda consiste em uma sequência de pesquisa, coleta de dados, experimentação, pré-treinamento, pós-treinamento, avaliação, segurança, implementação e melhoria contínua. A avaliação deve separar a pesquisa exploratória, o desenvolvimento da plataforma, os principais treinamentos e a manutenção do produto. Cada categoria possui uma probabilidade de sucesso e um tempo de vida útil diferentes.

A pesquisa sobre leis de escala mostra relações sistemáticas entre computação, tamanho do modelo, dados e desempenho, enquanto o trabalho de treinamento com computação otimizada demonstra que a alocação entre modelo e dados pode afetar materialmente os resultados [31,32]. Essas descobertas apoiam o planejamento disciplinado. Elas não transformam um orçamento de treinamento em um ativo previsível.

O cronograma de investimentos deve incluir aceleradores, compromissos com a nuvem, aquisição de dados, preparação, mão de obra especializada, testes malsucedidos, avaliação, segurança, simulações de intrusão, capacidade de lançamento e contingência. Deve mostrar quando o pagamento é efetuado, quando um modelo se torna comercialmente disponível, qual modelo predecessor ele substitui e qual receita ou contribuição incremental ele gera.

A gestão deve preservar as previsões e os registros de experimentos. Uma avaliação poderá então comparar os custos, cronogramas, capacidades e taxas de adoção esperados e realizados. Atrasos persistentes ou baixa conversão comercial devem influenciar a probabilidade, o cronograma e o custo de capital aplicado a treinamentos futuros.

8. Estimar a vida útil econômica do modelo e a necessidade de substituição.

Um modelo não precisa parar de funcionar para que seu valor econômico diminua. Os concorrentes podem melhorar, os preços podem cair, os clientes podem migrar, uma plataforma pode desativar a interface, a regulamentação pode mudar ou o próprio sucessor da empresa pode canibalizar a demanda. O histórico público de depreciação da Anthropic ilustra por que o ciclo de vida do modelo deve ser incluído na análise de produto e de valoração. ^[16].

A empresa deve monitorar a receita, o uso, a contribuição e o número de clientes por versão do modelo. Deve registrar o tempo de migração, os incentivos, as falhas, o custo de suporte e a taxa de cancelamento quando um modelo for substituído. Essas evidências permitem estimar a vida útil econômica do modelo implementado e seus respectivos relacionamentos com os clientes.

A avaliação deve distinguir o ativo do modelo atual da capacidade da organização de produzir sucessores. Os pesos podem ter uma vida útil comercial curta. Sistemas de pesquisa, direitos de dados, infraestrutura de avaliação, distribuição e uma equipe comprovada podem manter seu valor ao longo das gerações. O reinvestimento necessário para preservar essa capacidade deve ser contabilizado no fluxo de caixa.

Um investidor pode usar uma reserva para obsolescência programada ou um cronograma de substituição explícito. O modelo deve evitar a capitalização de cada dólar investido em pesquisa e evitar a suposição de que toda a pesquisa desaparece imediatamente. As evidências determinam quais gastos geram capacidade controlada e transferível.

9. Testar o acesso a recursos computacionais e os compromissos com a infraestrutura.

O desenvolvimento e a implementação do modelo Foundation exigem acesso a aceleradores, redes, armazenamento, energia e software especializado. Documentos públicos da Microsoft, Alphabet, Meta e Oracle descrevem investimentos substanciais AI e em data centers, bem como o efeito da infraestrutura sobre os custos e as despesas de capital [26-29]. Essas divulgações demonstram a intensidade de capital do setor. Elas não revelam a situação econômica de uma empresa privada.

O registro de computação do alvo deve listar provedor, região, acelerador, capacidade, prazo, preço, gasto mínimo, renovação, portabilidade, segurança, localização dos dados, rescisão, cessão, mudança de controle e direitos de nível de serviço. Investimentos estratégicos e créditos devem ser conciliados com os contratos legais e a capacidade utilizável.

A concentração pode criar tanto vantagens quanto riscos. O acesso preferencial pode apoiar a entrega do modelo. Um compromisso de nuvem vinculado pode reduzir a flexibilidade de mudança e expor a empresa ao roteiro de um único fornecedor. Os relatórios da FTC e da CMA fornecem uma estrutura para examinar essas relações [7-9].

O cenário desfavorável deve testar a capacidade ociosa, a menor utilização, os compromissos não cumpridos, a perda de créditos, as alterações de preços, o custo de migração e a impossibilidade de ceder um contrato após uma transação. Deve também testar o capital necessário para passar da procura experimental para a produção fiável.

10. Direitos e proveniência dos dados de diligência prévia

O treinamento e a avaliação dependem de dados cujos direitos podem variar de acordo com a fonte e o uso. O registro deve abranger conteúdo licenciado, dados públicos, dados de clientes, dados sintéticos, contribuições de funcionários, conjuntos de dados adquiridos, material extraído e resultados gerados. Para cada fonte, a empresa deve registrar o proprietário, a licença, o uso permitido, o território, o prazo, a atribuição, a confidencialidade, a privacidade, a exclusão e as implicações para os resultados do modelo.

A análise jurídica é específica para cada jurisdição e para cada caso concreto. A consequência da valoração decorre da dependência operacional. Se um conjunto de dados relevante não puder ser renovado ou utilizado para um modelo sucessor, a gestão deve estimar o tempo, o custo e o impacto no desempenho da substituição. Se os dados do cliente melhorarem um produto, o contrato deve contemplar essa utilização.

A qualidade dos dados também é importante. Proveniência, desduplicação, contaminação, cobertura de idiomas, filtragem de segurança e atualização afetam o desempenho do modelo e as alegações. A equipe de diligência deve rastrear os principais conjuntos de dados de avaliação e treinamento até o pipeline reproduzível.

O valor da opção de dados deve permanecer separado do fluxo de caixa atual. Uma coleção pode sustentar produtos futuros quando houver direitos, usabilidade, exclusividade e demanda comprovada. O volume por si só não estabelece valor.

11. Valorizar o talento e o sistema operacional de pesquisa

A capacidade do modelo fundamental pode depender de um pequeno número de pesquisadores, engenheiros de sistemas, líderes de produto e especialistas em segurança. Um investidor deve identificar as equipes críticas por meio de código, experimentos, incidentes, versões do modelo, escalonamentos de clientes e decisões técnicas. Cargos e número de publicações fornecem contexto, enquanto evidências operacionais demonstram a dependência.

O sistema operacional de pesquisa inclui o planejamento de experimentos, fluxos de dados, orquestração de treinamento, avaliação, revisão, documentação, segurança, lançamento e aprendizado pós-lançamento. Um sistema repetível pode manter seu valor mesmo quando um modelo específico envelhece. Um processo dependente do fundador pode perder valor rapidamente após uma transação.

A análise de retenção deve incluir aquisição de direitos, liquidez, remuneração, imigração, localização, aplicabilidade de cláusulas de não concorrência, funções acadêmicas e alinhamento com a missão. A estrutura da transação pode proteger a continuidade por meio de transferência de participação acionária, acordos de retenção, governança e um roteiro de pesquisa financiado. É necessário obter assessoria jurídica e tributária atualizada.

A transferência de conhecimento deve ser testada antes de atribuir valor à plataforma. Outra equipe autorizada deve reproduzir uma compilação, executar uma avaliação, diagnosticar uma falha e realizar uma liberação controlada usando sistemas documentados.

12. Avaliar o poder de distribuição e a propriedade do cliente.

A distribuição pode determinar qual modelo tecnicamente viável chegará aos clientes. Os canais incluem interfaces diretas, aplicativos para o consumidor final, marketplaces na nuvem, suítes de produtividade, plataformas de dispositivos, ecossistemas de desenvolvedores e integradores de sistemas. Cada canal afeta preço, dados, marca, suporte, capital de giro e o direito de contatar o cliente.

O cadastro de distribuição deve mostrar o parceiro, o produto, o território, os aspectos econômicos, a exclusividade, a localização, o status de inadimplência, a oferta conjunta, a identidade do cliente, o acesso aos dados, a renovação, o cancelamento e a transição. O número de clientes informado pela empresa deve distinguir os clientes diretos dos usuários finais alcançados por meio de um parceiro.

A oferta conjunta pode acelerar a adoção, mas obscurece a disposição a pagar. Um modelo incluído em uma assinatura mais ampla pode gerar economias de transferência interna em vez de um preço de mercado. Um marketplace pode criar ampla disponibilidade sem uso comprometido. A avaliação deve seguir a liquidação vinculativa e o comportamento do cliente.

O valor da opção de distribuição estratégica deve ser tratado separadamente. Deve depender de direitos, implementação, conversão observada e contribuição. Um simples anúncio de parceria é insuficiente.

13. Conciliar a segurança e a responsabilidade da governança com a economia.

A estrutura de gerenciamento de riscos AI do NIST e o perfil generativo AI organizam o trabalho de risco por meio de governança, mapeamento, medição e gerenciamento [22,23]. As diretrizes de desenvolvimento seguro ampliam as evidências necessárias ao longo dos ciclos de vida de software e modelo ^[24]O quadro regulamentar da UE AI pode criar obrigações com base na função, no sistema e na utilização. ^[25]Essas fontes fornecem questões para a devida diligência; as obrigações da empresa exigem uma análise jurídica atualizada.

Os custos de governança devem estar refletidos no modelo operacional. Avaliação, testes de intrusão (red teaming), resposta a incidentes, prevenção de abusos, garantia da satisfação do cliente, documentação de modelos, segurança e atividades regulatórias exigem pessoas e sistemas. Controles deficientes podem causar atrasos em lançamentos, perda de clientes, remediação e responsabilidade civil. Controles eficazes podem garantir o acesso a clientes regulamentados ou de alta confiança.

A empresa-alvo deve manter um registro de reclamações que vincule declarações de marketing, benchmarking, segurança, privacidade, direitos autorais, proteção e desempenho a evidências e a um responsável. Os contratos com os clientes devem estar alinhados com a capacidade do produto e os termos estabelecidos anteriormente.

A avaliação de risco deve incluir eventos definidos: retirada do modelo, incidente relevante, restrição regulatória, reclamação de dados, violação de segurança, reparação ao cliente e créditos de serviço. Seguros, limites contratuais e reservas devem ser avaliados em relação à exposição.

14. Elabore quatro cenários operacionais.

O cenário premium de acesso controlado pressupõe desempenho diferenciado, forte demanda corporativa, descontos limitados, capacidade confiável e fidelização do cliente. O volume cresce mais lentamente porque o preço permanece alto. A contribuição financia a pesquisa e a empresa pode financiar parte de seu programa de vanguarda com recursos operacionais.

O cenário competitivo central pressupõe diversos fornecedores competentes, diferenciação mensurável em fluxos de trabalho selecionados, descontos corporativos normais e ganhos contínuos de eficiência. O volume se expande, enquanto os preços e a rentabilidade dos parceiros restringem a conquista de mercado. A empresa necessita de capital externo para financiar grandes ciclos de treinamento.

O cenário de compressão de preços pressupõe uma rápida redução no preço efetivo, roteamento de clientes entre fornecedores, contextos mais amplos, alto uso e repasse significativo das economias técnicas. A receita cresce fracamente em relação ao volume. A margem de contribuição cai enquanto a empresa mantém um programa de pesquisa dispendioso.

O cenário de substituição aberta pressupõe que os clientes adotem modelos de peso aberto ou de menor custo para uma grande parcela das cargas de trabalho. A empresa retém trabalhos regulamentados, de segurança crítica ou especializados de alto valor, mas perde um volume amplo de interfaces. A gestão reduz os gastos com projetos inovadores e concentra-se em grupos de projetos defensáveis. Esses cenários são estados analíticos, não previsões.

15. Construir um modelo financeiro integrado

O modelo deve começar com grupos de clientes e cargas de trabalho. A receita é igual às unidades faturáveis ​​aceitas multiplicadas pelo preço efetivo, ajustado por mínimos, créditos, níveis de serviço e economia do canal. O custo direto acompanha as mesmas cargas de trabalho por meio de roteamento do modelo, computação, dados, ferramentas, suporte e revisão humana.

As despesas operacionais devem separar a entrega de produtos, pesquisa, vendas, operações gerais, governança e principais programas de treinamento. O fluxo de caixa deve incluir pagamentos antecipados de capacidade, compromissos mínimos, recebimentos de clientes, despesas de capital, custos de financiamento e impostos. As projeções devem estar em consonância com o balanço patrimonial inicial e a liquidez.

Cada cenário deve apresentar preço, volume, receita, contribuição bruta, necessidade de pesquisa, caixa antes do financiamento e financiamento mínimo. O modelo deve preservar as premissas e as datas de origem. As análises de sensibilidade devem variar um fator determinante e grupos correlacionados.

O conselho deve observar quais ações alteram os resultados. Roteamento e armazenamento em cache podem afetar o custo unitário. Embalagens corporativas podem afetar o preço e a retenção. A renegociação da distribuição pode afetar a captura de clientes. Um programa de treinamento em etapas pode afetar o valor em caixa e as opções de compra. O modelo se torna um sistema de decisão quando cada alavanca tem um responsável, um teste e um prazo.

16. Aplicar múltiplos métodos de avaliação com disciplina

O fluxo de caixa descontado pode avaliar grupos geradores de caixa e requisitos de capital explícitos. O período de previsão deve ser longo o suficiente para abranger os ciclos de treinamento e a substituição de modelos, enquanto as premissas finais devem refletir o reinvestimento contínuo e a concorrência. Uma alta margem final sem investimento contínuo em modelos e infraestrutura é internamente inconsistente.

A análise de empresas comparáveis ​​pode fornecer contexto de mercado. O conjunto de empresas comparáveis ​​deve estar alinhado em termos de produto, clientes, modelo de receita, crescimento, contribuição, intensidade de capital, obrigações de infraestrutura e risco. Plataformas em nuvem, softwares de aplicação, operadores de data centers e desenvolvedores de modelos têm dinâmicas econômicas diferentes. Um múltiplo amplo para software pode distorcer o valor.

O custo de reposição pode indicar o valor de dados, sistemas e capacidades reproduzíveis. Gastos históricos não representam automaticamente valor. A análise deve levar em consideração trabalhos malsucedidos, obsolescência, direitos indisponíveis, eficiência atual e o tempo necessário para reconstruir a equipe e a plataforma.

A análise de opções reais pode avaliar oportunidades em etapas, como um novo modelo, um mercado regulamentado ou um canal de distribuição. A opção exige uma decisão futura definida, investimento necessário, comprovação de evidências e direito de desistir. Importância estratégica sem controle ou um caminho de decisão definido não constitui uma opção financiável.

A IFRS 13 e a IVS fornecem princípios para análise de valor justo e avaliação [1-3]. A avaliação de uma transação permanece específica ao propósito, à data e aos fatos e requer julgamento profissional qualificado.

A seleção do método também deve seguir o estágio de evidência. Uma empresa com coortes de produção e contribuição recorrente pode sustentar uma abordagem de receita detalhada. Um laboratório pré-comercial pode exigir uma estrutura de custos, marcos e opções. Um negócio com ambos pode ser avaliado em partes, desde que os custos compartilhados de pesquisa, capacidade e distribuição sejam alocados de forma consistente e as interdependências sejam mantidas.

A taxa de desconto não deve substituir a modelagem explícita. A compressão de preços, a rotatividade de clientes, falhas no treinamento, atrasos no investimento de capital e a descontinuação do modelo afetam os fluxos de caixa por meio de diferentes mecanismos e em diferentes datas. Esses fatores devem ser considerados nos cenários antes que a incerteza residual se reflita na taxa. O mesmo risco não deve ser cobrado duas vezes sem justificativa.

O valor terminal exige atenção especial. Uma empresa modelo que precisa realizar treinamentos, migrações e trabalhos de segurança repetidamente não consegue atingir um estado estável interrompendo os reinvestimentos. A análise do valor terminal deve descrever a pesquisa contínua, a infraestrutura e a governança necessárias para sustentar a receita. Deve também mostrar quanto do valor para o cliente é capturado após as variações esperadas de preço e custo.

Uma análise da soma das partes pode separar grupos empresariais existentes, produtos de consumo, interfaces de modelos, negócios de dados ou ferramentas e opções de desenvolvimento. Os ativos compartilhados devem ser alocados uma única vez. Os benefícios entre produtos devem ser comprovados por evidências observadas de conversão ou custo e não devem ser adicionados como um prêmio de sinergia irrestrito.

17 Cenários ilustrativos de economia

Considere uma empresa hipotética, baseada em um modelo de fundação, que atenda clientes corporativos e desenvolvedores. Os números nesta seção são premissas gerenciais para demonstrar a estrutura. Eles não descrevem uma empresa real, um fornecedor atual ou uma oportunidade de investimento.

No cenário competitivo central, a receita anual é estimada em USD 250 million. Os custos diretos de infraestrutura e inferência são de USD 70 million, os custos de suporte ao cliente e operações de segurança são de USD 20 million e os custos de canal e entrega são de USD 25 million. A contribuição antes da pesquisa, vendas e administração central é de USD 135 million. A empresa realiza USD 140 million em treinamento e pesquisa de ponta e gera um fluxo de caixa negativo de USD 35 million antes do financiamento, após outros itens de caixa operacionais.

O cenário de acesso controlado premium pressupõe receita de USD 300 million, contribuição de USD 165 million, treinamento de fronteira de USD 120 million e caixa de USD 20 million antes do financiamento. O cenário de compressão de preços pressupõe receita de USD 210 million, contribuição de USD 72 million, treinamento de fronteira de USD 160 million e caixa negativo de USD 118 million antes do financiamento. O cenário de substitutos abertos pressupõe receita de USD 155 million, contribuição de USD 45 million, treinamento de fronteira de USD 90 million e caixa negativo de USD 80 million antes do financiamento.

Esses resultados mostram por que o crescimento da receita, o custo unitário e o capital de pesquisa devem ser analisados ​​em conjunto. Um volume elevado pode coexistir com uma geração de caixa fraca. Uma plataforma menor e mais focada pode continuar sendo valiosa quando retém clientes fiéis e reduz o ciclo de capital.

18. Evidências de valor declaram separadamente

A avaliação ilustrativa separa quatro cenários de evidência. Uma opção técnica apresenta uma equipe confiável, ativos controlados e avaliações promissoras, porém sem viabilidade econômica comercial sustentável. Uma plataforma paga possui clientes recorrentes e uso em produção, mas ainda exige alto investimento de capital. Uma opção economicamente escalável combina grupos de clientes fiéis, contribuição controlada e pesquisa financiável. Uma plataforma de categoria adiciona distribuição sustentável, capacidade diferenciada e opções estratégicas.

Para fins de demonstração, a opção técnica recebe um valor empresarial de USD 250 million e uma probabilidade de 15%. À plataforma paga é atribuído o valor USD 800 million, com 35%. À economia escalável é atribuído o valor USD 1,800 million, também com 35%. À plataforma de categoria é atribuído o valor USD 4,000 million, com 15%. O total ponderado pela probabilidade é USD 1,547.50 million.

Este cálculo não substitui uma avaliação. Ele obriga o comitê a identificar as evidências necessárias para cada cenário e a evitar incluir todas as possibilidades estratégicas no cenário base. Probabilidades, valores e transições devem ser desenvolvidos considerando a empresa, a transação e a data da avaliação específicas.

19. Estrutura de capital e considerações em torno de evidências

O financiamento deve estar alinhado com as evidências e o ciclo de caixa da empresa. O capital próprio pode financiar pesquisas incertas e a criação de opções. Pagamentos antecipados de clientes ou compromissos mínimos podem sustentar a capacidade de produção quando as obrigações e a aceitação forem claras. O financiamento de ativos ou infraestrutura pode ser adequado para equipamentos controlados ou capacidade contratada. A dívida exige um serviço de caixa confiável, cláusulas contratuais e resiliência a riscos.

A contraprestação da transação pode separar o valor atual da garantia de valor futuro. O pagamento em dinheiro no fechamento do negócio pode refletir ativos controlados e grupos de clientes existentes. A contraprestação diferida pode decorrer da retenção de contribuições, da renovação da empresa, do lançamento bem-sucedido de um modelo de negócios ou da capacidade contratada. Os pagamentos contingentes exigem definições precisas, cláusulas operacionais, normas contábeis, direitos de auditoria e mecanismos de resolução de disputas.

Créditos em nuvem e investimentos estratégicos devem ser analisados ​​como acordos interligados. Um investimento principal pode ser compensado por gastos obrigatórios, participação na receita, direitos preferenciais ou restrições. O cronograma de origens e aplicações deve mostrar o fluxo de caixa disponível, a capacidade comprometida e as obrigações separadamente.

A liberação de capital deve seguir etapas de comprovação. Um conselho pode aprovar uma parcela para pesquisa após testes de reprodutibilidade, capacidade e direitos de dados; uma parcela para implantação após a aceitação da produção; e uma parcela para expansão após a retenção da contribuição. Essa estrutura preserva o potencial de crescimento, ao mesmo tempo que limita o capital irreversível antes que as evidências existam.

20. Avaliação do governo após a transação

A avaliação deve se tornar um controle operacional após o investimento ou aquisição. O conselho deve receber mensalmente um relatório que conecte preço, volume e mix de produtos à receita, contribuição, gastos com pesquisa, fluxo de caixa e variação de previsão. Os relatórios de produto devem relacionar os lançamentos de modelos à adoção, confiabilidade, custo e retenção de clientes.

O registro de dependências deve monitorar nuvem, aceleradores, dados, modelos, software, distribuição e pessoas-chave. Alterações de preço, termos, disponibilidade, direitos ou concentração devem ser incluídas na previsão. O registro de riscos deve conectar incidentes e resultados de controles à exposição financeira e do cliente.

A gestão deve preservar o histórico dos cenários. Os resultados reais devem ser comparados com as premissas utilizadas no momento do investimento, incluindo preços, volume, custo unitário, migração, cronograma de treinamento e necessidade de capital. Isso gera responsabilidade e aprimora as decisões futuras.

A questão decisiva é se a empresa consegue transformar consistentemente sua capacidade técnica em valor para o cliente, em contribuição retida e em renovações financiáveis. Uma avaliação baseada nessas evidências pode se adaptar às mudanças de preços e à concorrência.

Conclusão

A avaliação de empresas com base no modelo Foundation exige uma visão integrada de produto, cliente, computação, pesquisa, distribuição, direitos, governança e capital. Índices de referência públicos e preços de tokens fornecem um contexto importante. Eles não substituem as evidências específicas da empresa.

A estrutura desenvolvida neste artigo avalia separadamente as coortes geradoras de caixa, o reinvestimento necessário e as opções estratégicas. Ela utiliza cenários alternativos de precificação e concorrência para expor a interação entre preço efetivo, volume, custo computacional, substituição de modelo, distribuição e financiamento. Além disso, vincula a estrutura da transação e a liberação de capital a evidências operacionais observáveis.

Uma empresa atrativa consegue manter a utilidade para o cliente à medida que os modelos mudam, capturar uma parcela consistente do valor do cliente, controlar suas dependências críticas, financiar seu ciclo de pesquisa e preservar a flexibilidade estratégica. O argumento de investimento será mais forte quando esses atributos forem documentados por meio de contratos, telemetria, sistemas reproduzíveis, grupos de clientes recorrentes e fluxo de caixa positivo.

Apêndice A. Registro de evidências de avaliação do modelo de fundação

O registro de evidências deve incluir entidades legais, propriedade de ativos, versões de modelos, execuções de treinamento, direitos de dados, registros de avaliação, contratos com clientes, uso, faturas, caixa, preços, compromissos de capacidade, créditos em nuvem, custo direto, termos de distribuição, incidentes, controles de governança, financiamento e versões de previsão. Cada alegação do comitê de investimentos deve estar vinculada a uma fonte datada e a um responsável.

Apêndice B. Arquivo de preços e carga de trabalho

O arquivo de preços deve reproduzir as faturas dos clientes a partir da telemetria de carga de trabalho. Deve identificar entradas, entradas em cache, saídas, ferramentas, armazenamento, lotes, capacidade reservada, entrega regional, descontos, créditos e ajustes de serviço. Deve manter a tabela de preços do fornecedor e a versão do contrato utilizada para cada período.

Apêndice C. Dossier de liberação e substituição de modelos

O dossiê deve conter o escopo do treinamento, dados, computação, avaliação, segurança, critérios de lançamento, capacidade, migração de clientes, desativação do sistema predecessor, custo, cronograma e resultados comerciais obtidos. As previsões e os dados reais devem ser mantidos separados.

Apêndice D. Folha de controle de cenários

Cada caso deve apresentar o preço efetivo, o volume, a retenção de clientes, a combinação de modelos, o custo computacional, a utilização, a participação na distribuição, o programa de pesquisa, o capital de giro, o financiamento e a probabilidade. A gestão deve documentar as correlações e as respostas operacionais.

Apêndice E. Sala de provas de transações

A sala de provas deve incluir registros corporativos, cessões de propriedade intelectual, documentação de modelos e dados, contratos com clientes e parceiros, contratos de nuvem, conciliações financeiras, evidências de segurança, análises regulatórias, seguros, contratos de pessoal, financiamento e o modelo de avaliação assinado.

Estrutura de diligência proposta; os requisitos de comprovação dependem da empresa e da transação.

Análises; não são previsões.

Proposta de campos mínimos de evidência para análise econômica em nível de cliente.

Suposições da administração em USD milhões; os valores não são observações de mercado, previsões ou conclusões de avaliação.

Suposições de gestão em USD milhões; exclui financiamento e impostos da administração central de vendas de pesquisa.

Suposições da administração em USD milhões; esta não é uma conclusão de avaliação.

Estrutura proposta; os instrumentos reais exigem assessoria jurídica, tributária, contábil e financeira atualizada.

Fontes

1. Fundação IFRS. IFRS 13 Mensuração do Valor Justo. Leia a fonte primária.
2. Fundação IFRS. Material educativo sobre a mensuração de instrumentos de patrimônio líquido não cotados em bolsa segundo a IFRS 13. Leia a fonte primária.
3. Conselho Internacional de Normas de Avaliação. Normas Internacionais de Avaliação. Leia a fonte primária.
4. Fundação IFRS. IFRS 15 Receita de Contratos com Clientes. Leia a fonte primária.
5. Fundamentos do IFRS. IAS 38 Ativos Intangíveis. Leia a fonte primária.
6. Fundamentos do IFRS. IAS 36 Redução ao Valor Recuperável de Ativos. Leia a fonte primária.
7. Comissão Federal de Comércio dos EUA. Parcerias entre provedores de serviços em nuvem e desenvolvedores AI. Janeiro de 2025. Leia a fonte primária.
8. Autoridade de Concorrência e Mercados do Reino Unido. AI Documento de Atualização dos Modelos Fundamentais. Abril de 2024. Leia a fonte primária.
9. Autoridade de Concorrência e Mercados do Reino Unido. AI Relatório de Atualização Técnica dos Modelos Fundamentais. Abril de 2024. Leia a fonte primária.
10. Instituto Stanford para Inteligência Artificial Centrada no Ser Humano. AI Relatório de Índice 2026 Desempenho Técnico. Leia a fonte primária.
11. Instituto Stanford para Inteligência Artificial Centrada no Ser Humano. Relatório do Índice de 2026 AI. Leia a fonte primária.
12. OpenAI. API Documentação do modelo e de preços. Leia a fonte primária.
13. OpenAI. Referência do lote API. Leia a fonte primária.
14. OpenAI. Nível de escala para clientes API. Leia a fonte primária.
15. Antrópico. Documentação de preços da plataforma Claude. Leia a fonte primária.
16. Antrópico. Descontinuação de modelos e documentação do ciclo de vida. Leia a fonte primária.
17. Google. Gemini Developer API preço. Leia a fonte primária.
18. Amazon Web Services. Preços do Amazon Bedrock. Leia a fonte primária.
19. Amazon Web Services. Cache imediato para inferência de modelos mais rápida. Leia a fonte primária.
20. MLCommons. Benchmarks de inferência MLPerf. Leia a fonte primária.
21. MLCommons. Benchmark de inferência MLPerf para datacenter. Leia a fonte primária.
22. Instituto Nacional de Padrões e Tecnologia. Estrutura de Gestão de Riscos em Inteligência Artificial. Leia a fonte primária.
23. Instituto Nacional de Padrões e Tecnologia. Perfil de Inteligência Artificial Generativa NIST AI 600-1. Leia a fonte primária.
24. Instituto Nacional de Padrões e Tecnologia. Práticas de desenvolvimento de software seguro para modelos de fundação generativos AI e de uso duplo. Leia a fonte primária.
25. Comissão Europeia. Quadro regulamentar para a inteligência artificial. Leia a fonte primária.
26. Microsoft Corporation. Relatório Anual no Formulário 10-K para o ano fiscal de 2026. Leia a fonte primária.
27. Relatório Anual da Alphabet Inc. no Formulário 10-K para 2025. Leia a fonte primária.
28. Relatório Anual da Meta Platforms Inc. no Formulário 10-K para 2025. Leia a fonte primária.
29. Oracle Corporation. Relatório Anual no Formulário 10-K para o ano fiscal de 2026. Leia a fonte primária.
30. Conselho de Normas de Contabilidade Financeira. Codificação de Normas Contábeis, Tópico 606. Leia a fonte primária.
31. Hoffmann J e outros. Treinamento de modelos de linguagem de grande porte com otimização computacional. 2022. Leia a fonte primária.
32. Kaplan J e outros. Leis de escala para modelos neurais de linguagem. 2020. Leia a fonte primária.
33. FinOps Foundation. Estrutura FinOps 2025. Leia a fonte primária.
34. Especificação de custos e uso do FinOps Open. Calcular a economia unitária. Leia a fonte primária.
35. Organização Mundial da Propriedade Intelectual. Inteligência Artificial e Propriedade Intelectual. Leia a fonte primária.
36. Comissão de Valores Mobiliários dos EUA. AI Observações da mesa redonda. 27 de março de 2025. Leia a fonte primária.