CEO da Amazon: Receita anual do negócio de IA supera 25 bilhões de USD; taxa de crescimento é centenas de vezes maior que a da AWS nos primeiros dias; mesmo com gastos de 220 bilhões de USD, a demanda ainda não é atendida
Tapbit WireRecentemente, o CEO da Amazon, Andy Jassy, participou do podcast do renomado fundo de capital de risco a16z, em conversa aprofundada com Ben Horowitz, cofundador da a16z. Nessa entrevista, Jassy revelou amplamente a estratégia da Amazon na onda de IA generativa.
Em resposta às preocupações de Wall Street com os gastos de capital aparentemente ilimitados das gigantes tecnológicas, Jassy forneceu o feedback de mercado mais direto: a demanda não só não desacelerou, como está rapidamente superando a capacidade futura. Ao mesmo tempo, detalhou a atual estrutura de demanda em forma de 'haltere' no mercado de IA e destacou claramente que, para realmente liberar aplicações empresariais de IA, o custo da inferência computacional deve cair mais uma ordem de grandeza.
'Mesmo com 220 bilhões de dólares gastos, ainda deixamos uma demanda significativa de fora'
A principal questão que atualmente mais preocupa o mercado é se os gastos de capital das gigantes — frequentemente na casa das centenas de bilhões — se transformarão em custos irrecuperáveis excessivos. Jassy respondeu diretamente às dúvidas do mercado com um conjunto surpreendente de dados de pedidos.
'Mesmo gastando 220 bilhões de dólares este ano, ainda deixamos uma demanda significativa e relevante de fora.' Jassy destacou francamente o atual desequilíbrio extremo entre oferta e demanda de poder computacional: 'Reservamos sempre uma certa proporção de poder computacional para serviços sob demanda, mas a capacidade para 2026 já está claramente esgotada, a de 2027 está praticamente esgotada e grande parte da de 2028 também já foi vendida.'
Do ponto de vista do crescimento comercial, a curva gerada pela IA é extremamente íngreme. Jassy comparou a velocidade inicial de desenvolvimento da AWS (Amazon Web Services) com o ritmo atual: 'Nos primeiros três anos da AWS, achávamos que crescíamos rápido, com uma receita anualizada de cerca de 60 milhões de dólares. Já nos primeiros três anos desta onda de IA generativa, nossa receita anualizada do negócio de IA da AWS já ultrapassou 25 bilhões de dólares. Sua velocidade é centenas de vezes maior que antes; nunca vimos algo assim.'
Ao abordar as preocupações dos mercados de capitais, Jassy explicou a lógica do ciclo de fluxo de caixa dos investimentos em centros de dados. Ele afirmou que os investimentos na construção desses centros precisam ser feitos com dois anos de antecedência, mas têm vida útil de até 30 anos; já a aquisição de servidores e equipamentos de rede exige apenas alguns meses de antecedência. Isso significa que a empresa tem visibilidade muito clara sobre a demanda dos clientes. 'Se descobrirmos que, na verdade, não precisamos ocupar esses centros de dados, não compraremos servidores nem equipamentos de rede. A maioria dos contratos de servidores dura cinco anos, e normalmente o ponto de equilíbrio é atingido em três anos. Devido a esse ciclo de caixa, ao crescermos a essa velocidade, o fluxo de caixa livre inicial enfrentará, de fato, resistências, mas, uma vez que tudo estiver operacional, os retornos serão muito substanciais.'
Refutando controvérsias sobre centros de dados: 'O consumo de água de um campo de golfe em dois dias equivale ao nosso uso anual'
Nos EUA, o consumo de energia e os impactos ambientais dos centros de dados estão se transformando em uma controvérsia política. Jassy rebateu firmemente essa narrativa e a elevou ao nível macro da competitividade nacional.
'A construção de infraestrutura que estamos vivenciando tem escala comparável à da construção de rodovias e pontes nos EUA na década de 1950. O país — e até o mundo inteiro — não pode arcar com o custo de não construir centros de dados; caso contrário, países como a China assumirão todas as posições de liderança e definirão todas as normas, o que é inaceitável tanto domesticamente quanto globalmente.'
Sobre acusações ambientais, Jassy apresentou dados contundentes: 'Há muitas alegações circulando que ficam entre mito e mentira, pois políticos e especuladores gostam de encontrar um 'vilão' simples. Na realidade, o consumo de água de campos de golfe ou do cultivo de amêndoas supera muito o dos centros de dados. Como exemplo: o consumo de água de um campo de golfe é 200 vezes maior que o nosso; eles usam mais água em dois dias do que nossos centros de dados usam em um ano.'
Ele também acrescentou que a poluição gerada por geradores de backup é severamente exagerada: 'Você precisa registrar níveis de poluição como se eles operassem em plena capacidade o tempo todo, mas, na realidade, usamos geradores de backup apenas 0,1% do tempo anual (cerca de 10 horas), exclusivamente para manutenção.'
O 'efeito haltere' da demanda por IA e a lógica central da redução dos custos de inferência
Ao analisar a demanda específica por IA, Jassy propôs uma teoria vívida do 'haltere', que também explica por que a Amazon insiste em sua estratégia de chips desenvolvidos internamente.
'Uma extremidade do haltere são os laboratórios de IA, que consomem enormes quantidades de poder computacional; a outra extremidade são as empresas, que usam principalmente IA para reduzir custos e aumentar produtividade, como atendimento ao cliente automatizado ou processos empresariais. E no meio do haltere está a carga de trabalho produtiva atual das empresas. A grande maioria delas ainda não adotou (a inferência de IA), mas acredito que, em 5 a 7 anos, quase todos os aplicativos empresariais existentes utilizarão profundamente a tecnologia de inferência.'
No entanto, para ativar o vasto mercado na 'parte central do haltere', o preço é o maior obstáculo.
'Nos últimos anos, os custos de inferência diminuíram significativamente, mas, na minha opinião, ainda são dez vezes superiores ao ideal.' Jassy enfatizou: 'Se pedirmos às empresas que reescrevam suas aplicações existentes em CPU usando aceleradores de IA, e a diferença de custo for muito grande, o limiar para essa reescrita será extremamente alto. Mas, se conseguirmos reduzir os custos de inferência, esse limiar cairá drasticamente. É por isso que estamos focando fortemente em nosso negócio de chips desenvolvidos internamente.'
Jassy elogiou entusiasticamente a aquisição da empresa de projeto de chips Annapurna Labs em 2015, chamando-a de 'a aquisição mais bem-sucedida da história da Amazon — nem sequer há um segundo colocado.' Ele revelou que, graças aos processadores Graviton desenvolvidos internamente (40% mais econômicos que outros processadores x86) e aos aceleradores de IA Trainium (30–40% mais econômicos), a Amazon está reduzindo agressivamente o custo da potência computacional.
Reestruturação organizacional: 6 engenheiros fizeram o trabalho de 40 pessoas em um ano; todos os produtos precisam ser reconstruídos do zero.
Além de fornecer potência computacional externamente, a IA está reestruturando internamente o funcionamento da gigantesca máquina da Amazon, com as estruturas de pessoal e a lógica de desenvolvimento de produtos sendo as primeiras a mudar.
Jassy compartilhou um caso interno surpreendente: a equipe do Bedrock (plataforma de inferência de IA da Amazon) reestruturou o mecanismo de inferência com apenas 6 engenheiros em 76 dias — anteriormente, isso exigia 40 pessoas durante um ano inteiro.
'Isso abriu os olhos de todos.' Jassy afirmou francamente: 'No futuro, haverá menos pessoas executando o mesmo tipo de trabalho que hoje. Não quero dizer que não precisaremos de pessoas, mas, à medida que a escala do negócio cresce, não investiremos tanta mão de obra quanto no passado. As equipes ficarão menores e as pessoas precisarão trabalhar de forma transversal, pois os modelos podem realizar 80% do trabalho.'
No nível de produto, Jassy acredita que melhorias incrementais já não são viáveis; é preciso ter coragem para 'reconstruir do zero'.
'Para produtos como a Alexa, seu “cérebro” foi muito inovador no momento do desenvolvimento, mas, com o surgimento da IA generativa, os limites de capacidade mudaram completamente. Se você deseja oferecer uma experiência vencedora ao cliente, precisa reconfigurar totalmente o cérebro da Alexa.'
Não só a Alexa: Jassy destacou que todas as principais experiências de consumo da Amazon — incluindo varejo, Prime Video e música — precisam ser completamente repensadas em conjunto com a IA nos próximos anos. 'As equipes frequentemente resistem por orgulho e bagagem histórica, dizendo “já tentamos isso e não deu certo”. Mas esse processo de reconstrução é doloroso e inevitável; quem se contentar apenas com melhorias incrementais será eliminado em três a cinco anos.'
A seguir, a transcrição completa do podcast: Andy Jassy 00:00
Mesmo investindo US$ 220 bilhões este ano, ainda deixamos uma parcela considerável da demanda sem atender. Sempre reservamos alguma capacidade para uso sob demanda, mas 2026 já está claramente esgotado, 2027 está praticamente esgotado e grande parte de 2028 já está vendida.
Andy Jassy 00:14
Os mercados financeiros dizem: 'Ah, não há tanto dinheiro assim no mundo para financiar essas coisas.' Mas tudo o que fazemos neste mundo — bolsas de valores, bancos, saúde — depende de centros de dados. Nossa tarefa é encontrar formas de disponibilizar a maior capacidade possível; temos a oportunidade de ampliar muitas experiências de cliente, tornando suas vidas melhores e mais fáceis todos os dias. Esses grandes laboratórios estão dispostos a pagar quase qualquer preço por energia, refrigeração e chips. Bem, talvez devêssemos comprar clientes antigos e vender para novos, pois eles estão licitando pelos nossos preços.
a16z 00:48
Andy, bem-vindo ao programa. É um prazer tê-lo aqui. Obrigado pelo convite. Você está à frente da Amazon há cinco anos, realizando muitas coisas. Não é fácil estar aqui, e, como CEO, há inúmeros desafios sucessivos — atualmente, você tem US$ 220 bilhões em despesas de capital, a AWS cresceu 20% e 28%. Realmente, você conseguiu muito.
Andy Jassy 01:09
Você alcançou tanto! Como você avalia as ambições da Amazon para 2026, comparadas ao momento em que assumiu oficialmente a presidência em 2021? Ah, 2021 parece há muito tempo — parece até dez anos atrás. Mas o mundo muda tão rápido… Simplesmente…
Andy Jassy 01:30
Comparado a 2021, nossa receita total é cerca de 80% maior, o negócio da AWS é quase triplo e a receita com publicidade é cerca de duas vezes e meia maior. Ou seja, esse negócio cresceu bastante.
Andy Jassy 01:47
Acho que, de fato, várias coisas aconteceram. Logo após assumir o cargo — justamente quando a pandemia estava chegando ao fim — nosso negócio de varejo enfrentou um verdadeiro desafio de custos de fulfillment: essencialmente dobramos a escala de nossa rede de fulfillment. A rede construída ao longo de 25 anos foi duplicada em cerca de 18 meses; depois, em aproximadamente 20 meses, criamos uma rede de entrega de última milha comparável à da UPS. Ao construir tão rapidamente, inevitavelmente surgem diversos aspectos não otimizados. Os custos de fulfillment em nossa rede não estavam nos níveis desejados. Bem, isso gerou muitos desafios e grande ansiedade na época.
Lembro-me de ter estado no cargo por cerca de um ano — nem sequer um ano — e todos diziam: 'Ah, assumir agora é o pior momento possível, que azar!' Mas, olhando para trás, acho que foi, na verdade, um ótimo início — uma verdadeira bênção — pois nos forçou a repensar questões que talvez não tivéssemos considerado por muitos anos, e essas ideias beneficiaram muito nossos clientes e nosso negócio. Uma das maiores foi nossa rede de fulfillment: regionalizamos o que antes era uma rede nacional plana nos EUA. Ao regionalizar, posicionamos os produtos muito mais próximos dos clientes, reduzindo custos de fulfillment por distâncias menores de transporte e acelerando as entregas.
Bem, durante essa fase de dificuldades com os custos de fulfillment, reexaminar nossas crenças mais arraigadas realmente impulsionou fortemente a demanda por velocidade de entrega e pelo negócio de varejo — razão fundamental para nosso rápido crescimento. Claro, logo em seguida, a IA reacendeu todo o cenário. A IA não é algo novo — há muito tempo aplicamos aprendizado de máquina, e já houve várias ondas de IA consideradas 'pontos de virada decisivos'. Mas, em 2023, percebemos claramente a enorme diferença trazida pela IA generativa. Quero dizer que, nessa altura, nosso negócio da AWS já crescia muito rapidamente.
Temos, obviamente, a cobertura funcional mais ampla, melhor desempenho operacional e segurança, além de um ecossistema de parceiros distinto. Somos líderes inequívocos e, naquele momento, acreditávamos que esse negócio poderia gerar centenas de bilhões de dólares em receita ao longo de um período prolongado — digamos, dez anos. Hoje, diante de tudo o que está acontecendo com a IA e do fato de que toda experiência do cliente conhecida será reinventada graças ao raciocínio e à IA, acreditamos, de fato, que o negócio da AWS não só cresce muito rápido — no último trimestre, cresceu 36,7% em relação ao mesmo período do ano anterior, sobre uma base anualizada de receita de US$ 169 bilhões — mas também que as oportunidades à nossa frente são verdadeiramente extraordinárias.
E você sabe, sinto que, além disso, temos sementes de novos negócios: seja como a equipe desenvolveu o Prime Video — hoje um negócio grande e lucrativo; ou os satélites de órbita terrestre baixa que construímos com a Amazon Leo; ou o serviço autônomo de transporte sob demanda que desenvolvemos com a Zoox; além do nosso negócio de saúde e das iniciativas em robótica. Temos, de fato, a oportunidade de ajudar muito mais clientes, abrangendo diversas experiências, tornando suas vidas melhores e mais fáceis todos os dias.
E essa missão de 'tornar a vida dos clientes melhor e mais fácil todos os dias' realmente une tudo o que fazemos na empresa. Agora, tenho algumas perguntas complementares sobre isso. Primeiro, você mencionou que, ao expandir rapidamente a rede de fulfillment, ela inevitavelmente se torna um pouco ineficiente. Quando se avança tão rápido, certamente surgem imperfeições. Então, como você — e você também citou certa ansiedade interna nesse contexto — comunica, do ponto de vista de CEO, o que está sendo feito sem comprometer os padrões culturais? Quero dizer, a Amazon é conhecida pela excelência, eficiência operacional e parcimônia, entre outros valores. Mas agora você afirma que queremos construir algo semelhante à UPS, por exemplo. Como conciliar esses dois aspectos?
Bem, o interessante é que temos um conjunto de princípios de liderança, conhecidos por muitos, totalizando 16. Muitos desses princípios devem e de fato orientam como pensamos sobre operações e cultura em equipe.
No entanto, alguns deles apresentam tensões entre si, o que, às vezes, gera confusão. Na realidade, isso reflete como o mundo funciona — nada é totalmente claro; sempre há trade-offs a serem feitos. Voltando àquele momento em que decidimos expandir a rede de fulfillment e a rede de entrega de última milha de forma tão agressiva e rápida, o desafio enfrentado pela equipe foi: sabíamos que avançar tão rápido seria muito difícil; os custos provavelmente seriam maiores do que se o fizéssemos mais devagar; e talvez não conseguíssemos otimizar tudo tão bem quanto faríamos com mais tempo. Mas clientes e vendedores realmente precisavam disso. Então, deveríamos priorizar 'fazer primeiro'?
Lembre-se de que foi no início da pandemia, quando todas as lojas físicas estavam fechadas.
Quero dizer, ao observar o papel que a Amazon desempenhou na vida de todos durante a pandemia, foi algo verdadeiramente revolucionário. Por isso, tivemos de nos perguntar: devemos construir rapidamente, talvez de forma menos otimizada, para atender esses clientes e vendedores — vendedores que também lutavam para manter seus negócios vivos? Essa foi a primeira decisão a ser tomada. E decidimos, como quase sempre fazemos, priorizar o lado do cliente. Bem, então, durante o processo de construção, ficou rapidamente evidente que nem tudo planejado progredia perfeitamente.
Nossa equipe de fulfillment está no escritório com mais frequência do que a maioria dos outros departamentos da empresa. Mesmo assim, muitas pessoas precisam participar de projetos, planejamento e avaliações. As pessoas estão espalhadas por toda parte, trabalhando remotamente, e então é preciso equilibrar a combinação ou tensão entre 'preferência pela ação' ou velocidade e 'manter padrões extremamente altos' — este último significa entregar conforme a estrutura de custos, métodos de entrega e projetos previstos. Portanto, é necessário fazer novos trade-offs.
Nosso trade-off foi priorizar o cliente, avançar com rapidez para atender bem vendedores e consumidores, sabendo que haveria trabalho de ajuste posterior. Sabíamos, naquele momento, que evoluiria para o que se tornou depois? Não. Também houve coisas que não otimizamos corretamente, e não tenho certeza de termos previsto que não seriam otimizadas. Mas, se você tiver boas métricas e uma cultura que valoriza a verdade — parte essencial de nossa cultura —, você coloca os dados na mesa, expõe os problemas abertamente, comunica-se diretamente e não permite que ninguém ignore os problemas. Com essa cultura, os indicadores e as discussões tornam-se muito claros.
Então basta identificar como melhorar, distinguindo entre pequenos problemas de eficiência e questões estruturais. Assim que tivemos essa capacidade, voltamos e reestruturamos partes-chave da rede — provavelmente era a oitava ou nona prioridade na lista da equipe naquele momento, mas tornou-se muito mais importante posteriormente, pois permitiu combinar velocidade e custo. Sim, é interessante. Você sabe, é um pouco como no início da AWS — você lançou a AWS, e a abordagem na época era algo como 'construa e eles virão', certo? Você construiu toda essa infraestrutura e depois passou a operá-la. Então, eles tinham mesmo de vir, ou estaríamos em grandes apuros.
Mas agora isso está ocorrendo em escala muito maior: você e algumas outras empresas — embora eu deva dizer que, principalmente você, ao menos certamente é um dos maiores jogadores — estão construindo centros de dados e capacidade de chips a um ritmo tão acelerado que os mercados financeiros começam a afirmar: uau, não há tanto dinheiro no mundo para financiar essas coisas. E recentemente vimos esse tipo de tensão nos mercados de dívida e de capitais da CoreWeave, entre outras. Então, como você avalia — considerando a demanda tão alta e seu crescimento tão rápido — quanto é demais para esta rodada de construção? Há também competição na cadeia de suprimentos; você precisa competir por refrigeração, energia, chips e todos esses itens. Sim, essa é uma excelente pergunta. Gostaria muito que houvesse uma fórmula para simplificá-la; isso economizaria muito tempo para nossa equipe.
Bem, diria o seguinte: na primeira onda da nuvem, quando iniciamos a AWS, havia de fato certa ideia de 'não sabemos se as pessoas vão usá-la, então vamos construí-la e elas virão'. Mas tínhamos bons sinais internamente. Naquela época, por volta dos anos 2000, tínhamos várias equipes cujo progresso ficava muito abaixo das nossas expectativas — mesmo achando que éramos relativamente rápidos. Mas simplesmente não conseguíamos entender por que estava levando tanto tempo. A razão era que nossas equipes de produtos gastavam 70% a 80% do tempo na infraestrutura, o que não permitia diferenciação; apenas cerca de 20% do tempo era dedicado às partes que realmente tornavam o produto diferente.
Então percebemos que todas as equipes repetiam esse padrão e reinventavam a roda. Assim, concebemos inicialmente a AWS para acelerar nosso próprio trabalho interno. Nossa avaliação na época foi: se construíssemos um conjunto de serviços modulares fundamentais em larga escala, altamente disponíveis, de baixo custo e extremamente flexíveis — como computação, armazenamento, bancos de dados, entrega de conteúdo, mensageria etc. — poderíamos desenvolver muito mais rápido nos negócios voltados ao consumidor. Em seguida, dissemos, de forma relativa, que nossa tecnologia era boa e que outras empresas provavelmente enfrentavam os mesmos problemas. Mas mesmo antes do lançamento externo, muitas equipes internas já demonstravam grande interesse, o que indicava que estávamos no caminho certo. Acho que ninguém entre nós antecipou que cresceria tão rapidamente externamente.
No lado da IA, como você sabe, houve várias ondas de pessoas dizendo: agora é a hora, a IA finalmente chegou. Mesmo cerca de seis ou sete anos antes desta onda de IA generativa, as pessoas sentiam que era a era da IA. Construímos muitos serviços de IA, e isso era, na verdade, um negócio bastante sólido na AWS. Mas não se compara ao que vemos hoje. Nos primeiros dias da AWS, sentíamos que crescíamos muito rápido e ficávamos satisfeitos com isso — três anos depois, alcançamos receita anualizada de cerca de US$ 60 milhões. Já nos primeiros três anos desta onda de IA generativa, apenas nosso negócio de IA na AWS atingiu receita anualizada superior a US$ 25 bilhões. Ou seja, cresceu centenas de vezes mais rápido. Nunca vimos algo assim. A pergunta passa a ser: quanto investimento em capital você deseja fazer para aproveitar essa oportunidade? Posso adiantar que projetamos gastar cerca de US$ 220 bilhões em investimentos de capital até 2026.
Aliás, lembro que, há cerca de 15 anos, num café da manhã com a equipe de liderança, mal podíamos acreditar que uma operadora de telecomunicações gastasse US$ 50 bilhões em investimentos de capital; comentamos: como podem gastar tanto dinheiro nisso? Esses números, de fato, são impressionantes. E mesmo com previsão de gastos de US$ 220 bilhões em investimentos de capital este ano, ainda deixamos uma parcela considerável da demanda sem atender. O que realmente nos ajuda aqui é a boa visibilidade que temos sobre a demanda dos clientes. Assim, ao analisar os investimentos em capital da AWS e o ciclo de caixa, há dois componentes principais: um é o investimento em centros de dados e o outro é o investimento em servidores e redes. Na parte dos centros de dados, é necessário investir cerca de dois anos antes de instalar servidores e começar a monetizar. A boa notícia é que esse investimento é feito apenas uma vez e trata-se de um ativo duradouro, com vida útil de cerca de 30 anos.
Contudo, esse investimento deve ser feito com antecedência de alguns anos. Já os servidores e equipamentos de rede exigem investimento apenas com alguns meses de antecedência, dependendo dos componentes específicos. Assim, antes de efetivamente avançar, temos boa visibilidade sobre a demanda dos clientes. Se descobrirmos que não precisamos dessa capacidade para preencher os centros de dados, não compraremos servidores nem equipamentos de rede. Em média, eles têm retorno em cerca de três anos e sua vida útil atual é de cinco a seis anos.
A maioria dos contratos que firmamos tem duração de cerca de cinco anos. Portanto, ao construir tantos centros de dados tão rapidamente como fazemos, teremos despesas elevadas de capital e nosso fluxo de caixa livre enfrentará pressões nesses anos — até que, alguns anos depois, alcancemos a fase posterior: todos esses centros de dados estarão operacionais, gerando receita, e recuperaremos o investimento feito em servidores e redes. Contudo, devido à dinâmica do ciclo de caixa, nos primeiros anos de crescimento acelerado, surgem mesmo essas pressões. Assim, voltando ao início da AWS, centros de dados provavelmente eram a última coisa no mundo que você imaginaria virar questão política. Mas agora vivemos exatamente essa situação, especialmente nos Estados Unidos.
Sabe, é bastante interessante, e acredito que você também já tenha experimentado isso — não há lugar no mundo onde as pessoas se oponham mais aos centros de dados do que na esfera política norte-americana, independentemente dos motivos. Então, como essa situação afetará, no final, essa questão? Quero perguntar: o argumento contra os centros de dados tem algum fundamento? E como isso afetará sua estratégia — o que você constrói aqui, o que constrói em outras regiões? Bem, posso compartilhar um contexto que tenho, pelo menos o que acredito. Pense nisso: tudo o que fazemos hoje no mundo — bolsas de valores, bancos, saúde, entretenimento, compras, educação, negócios, aplicativos de transporte — tudo é orientado por dados e depende, simplesmente, de centros de dados. Não, todos usam; me oponho a mim mesmo, não quero mais usar meu telefone.
Mas todos usam centros de dados. E isso é ainda antes da IA. A IA é a maior transformação tecnológica de nossa época — considerando que já passamos pela internet, pela nuvem e pela internet móvel, essa é uma declaração significativa. A realidade é que, para sustentar o tipo de crescimento acelerado que acabamos de discutir no campo da IA, a infraestrutura necessária nunca foi vista neste mundo, neste país, desde que construímos rodovias e pontes nos anos 1950. Quero dizer que o que vivemos agora é um nível de construção equivalente. E este país — creio que o mundo inteiro é, em geral, igual, mas quero destacar especificamente os Estados Unidos — não pode arcar com o custo de não construir centros de dados; caso contrário, veremos outro país, como a China, assumir toda a liderança e estabelecer todas as regras. Acho que nenhum de nós gostaria disso, seja domesticamente ou globalmente.
Portanto, agora precisamos construir centros de dados. Agora, acho que, como indústria inteira, temos maneiras de melhorar em relação ao que fazemos atualmente? Certamente. Sinto que as coisas evoluem rapidamente e todos estão aprendendo juntos. Mas, no momento, há um lote de — chamaria de algo entre mito e desinformação — sendo disseminado, pois é exatamente o tipo de tema em que todos encontram um 'vilão' pronto. Políticamente, às vezes oportunistas gostam de apontar esse vilão. Posso dar alguns exemplos. O consumo de água pela indústria do golfe ou pelo cultivo de amêndoas é muito maior que o dos centros de dados.
Só para ilustrar com um dado: campos de golfe consomem 200 vezes mais água do que todos os nossos centros de dados; seu consumo em dois dias supera o consumo anual desses centros. Há muitos exemplos assim, e este é um bom. Ou pode-se falar sobre poluição. Na realidade, ao registrar um novo local e instalar geradores de backup, é obrigatório registrá-los e declarar: quais seriam as emissões se esses geradores operassem em plena carga, 24 horas por dia, 7 dias por semana? É claro que isso nunca ocorre. Os geradores de backup funcionam apenas uma fração do tempo — cerca de 10 horas por ano, para manutenção.
Então, sabe, ou pode-se falar sobre preços da eletricidade: ao observar as diferentes regiões onde temos grandes implantações de centros de dados, em algumas houve alta nos preços, enquanto em outras houve queda. Mas o verdadeiro problema é que, como país, não investimos na infraestrutura da rede elétrica como deveríamos. Haverá crescimento inevitável, levando-a a um ponto crítico que exigirá investimentos. O resultado é que a IA — por seu crescimento tão rápido e em escala tão grande — tornou-se o fator que acelera essa pressão. Contudo, ao construir efetivamente essa capacidade, perceberemos que, na maioria das regiões, os preços da eletricidade tenderão a se estabilizar ou até cair, como já ocorreu em Indiana, Geórgia ou Mississippi.
Há, portanto, áreas em que podemos melhorar. Outro ponto facilmente esquecido é que, nessas regiões, grandes provedores de centros de dados pagam impostos significativos. Por exemplo, no Condado de St. Joseph, em Indiana, já pagamos cerca de US$ 3 bilhões em impostos. A comunidade recebeu esse valor e pode aplicá-lo em questões realmente importantes para ela. Assim, também há benefícios locais. Criamos iniciativas como o programa 'Built Together' e acabamos de comprometer mais US$ 1 bilhão em investimentos nas comunidades onde temos centros de dados, nos próximos cinco anos. Acredito que devemos continuar trabalhando em parceria com as comunidades para avançar nessa agenda — trata-se necessariamente de uma parceria público-privada. Contudo, esta rodada de construção é crucial para o futuro do país: imagine o que teria acontecido se não tivéssemos construído as rodovias.
a16z 20:44
E pontes — isso definiria a prosperidade econômica e os limites de capacidade do país. Portanto, devemos encarar isso com perspectiva equilibrada e tornar-nos parceiros das comunidades onde construímos. Voltemos à questão de despesas de capital. Esses US$ 220 bilhões equivalem a US$ 600 milhões por dia. Quero apenas colocá-los em um contexto comparativo. Fico curioso sobre sua visão atual da demanda por IA — você a descreveu como uma…
Andy Jassy 21:10
Estrutura em haltere. Talvez possa delinear ou situar o estado atual dessa demanda. Primeiro, o contexto: como mencionei antes, é difícil acreditar no tamanho e na velocidade do crescimento da IA. É centenas de vezes mais rápido do que os primeiros dias da AWS; nos primeiros três anos, atingimos uma escala anualizada de US$ 25 bilhões em receita de IA na AWS. É, de fato, enorme. Ao mesmo tempo, analisando a estrutura da demanda, ela realmente segue um modelo em haltere. Uma extremidade é composta pelos laboratórios de IA, consumindo quantidades massivas de poder computacional — em escala sem precedentes. Há também algumas aplicações de grande sucesso, como ChatGPT, Claude Code, entre outras.
Andy Jassy 21:59
A outra extremidade do haltere são as empresas, que usam principalmente IA para redução de custos e ganho de eficiência — por exemplo, automatizando atendimento ao cliente, detecção de fraudes ou automação de processos empresariais. O meio do haltere corresponde às cargas de trabalho produtivas atuais das empresas, muitas das quais já rodam na AWS e utilizam inferência hoje. No entanto, quero destacar que a grande maioria delas ainda não é explorada de forma profunda — e acredito que essa será, de longe, a maior fatia do uso de IA. Isso certamente ocorrerá.
Andy Jassy 22:38
É difícil prever a velocidade com que isso acontecerá. Ocorre, de fato, em maior grau a cada ano. Mas, ao adotar uma perspectiva mais ampla — cinco, cinco a sete anos — e imaginar o cenário futuro, creio que não precisaremos esperar tanto tempo; isso nunca ocorre de uma só vez. Contudo, ao olhar para cinco a sete anos, penso que uma parcela considerável — talvez até a maioria — das aplicações empresariais que usamos hoje será profundamente impregnada pela inferência. Há, portanto, muito espaço para crescimento à nossa frente.
Então, qual é sua visão sobre isso? Pois enfrentamos uma escassez iminente de centros de dados, chips e memória — tudo isso já em 2027, pois todos estão construindo agora, mas talvez não estejam prontos até o fim deste ano, e a demanda não mostra sinais de desaceleração. Como avalia essa situação — quando grandes laboratórios estão dispostos a pagar praticamente qualquer preço por eletricidade, refrigeração e chips, enquanto clientes antigos continuam pagando tarifas regulares para operar seus negócios? Existe alguma pressão comercial que leve vocês a pensar: 'talvez devêssemos substituir os clientes antigos por novos, já que estes competem conosco nas licitações'? E aos clientes antigos, não posso dobrar os preços — seria injusto. Qual é sua visão? É realmente estranho: há um grupo de pessoas que está com você há 20 anos, fazendo algo que, como você disse, provavelmente caminha rumo à inferência; e há esses novos clientes ávidos, dispostos a comprar qualquer coisa.
Andy Jassy 24:35
Sim, é uma boa pergunta. Nossa abordagem é um pouco diferente da que você mencionou, mas entendo perfeitamente. Se pensarmos bem, hoje há apenas uma quantidade limitada de centros de dados, energia e memória — e não acredito que essa escassez termine em 2027.
Acredito — voltando ao tema dos investimentos de capital — que um dos motivos pelos quais podemos investir muito mais, sem desperdício, é que 2026 já está totalmente vendido neste momento, e 2027 está basicamente esgotado. Sempre reservamos alguma capacidade para uso sob demanda, seja em nosso serviço de inferência Bedrock ou no EC2 — mas, basicamente, tudo já está vendido; todos os grandes blocos estão comprometidos. Uma parte significativa de 2028 também já está reservada. A demanda é tão grande que… Se observarmos os negócios de IA e o que chamamos de negócio central — este último podendo ser entendido como a parte não relacionada à IA — ambos crescem muito rapidamente agora.
E, sabe, se você tem apenas uma certa quantidade de memória disponível, precisa decidir quanto alocar à memória HBM — destinada a aceleradores de IA — e quanto à DRAM — destinada ao seu negócio central. São, portanto, trade-offs reais. Mas quero enfatizar que nosso ponto de partida nessa questão é centrado no cliente.
Para nós, temos relações profundas e colaborações duradouras com clientes da AWS. Assim como durante a pandemia — naquela época, nossos concorrentes, creio eu, buscavam otimizar resultados trimestrais para maximizar receitas num mundo em que todos tentavam reduzir custos; já nós adotamos uma abordagem distinta. Enviamos proativamente nossas equipes para ajudar os clientes a encontrar formas de reduzir custos, mesmo sabendo que isso enfraqueceria nossa receita de curto e médio prazo. Mas queremos ajudar os clientes a ter sucesso, pois acreditamos firmemente: se os ajudarmos a longo prazo, nosso negócio seguirá naturalmente. O mesmo vale para o negócio central. É possível, de fato, fazer cálculos e concluir que, devido à escassez e à disposição dos clientes em pagar, poderíamos extrair um pouco mais de receita dos clientes centrais. Mas eles operam seus negócios na AWS, e todas as suas aplicações principais rodam nela.
Não pressionaremos nossos clientes; garantiremos que possam escalar. Nosso trabalho é, então, encontrar maneiras de oferecer a maior capacidade possível, para que não apenas nossos clientes principais, mas também todos os clientes que desejam usar IA conosco — e aqueles que querem desenvolver IA conosco — possam fazê-lo de forma economicamente sustentável para nós. Portanto, gostaria muito de dizer que a escassez de oferta será um problema apenas em 2027; acredito que a veremos em diversos componentes por vários anos. Sempre fomos agressivos e, na verdade, estamos disponibilizando mais capacidade do que qualquer outra empresa, pois estamos verdadeiramente comprometidos e altamente focados em continuar sendo um líder significativo em infraestrutura e IA, como sempre fomos.
Mas, como disse, gastaremos US$ 220 bilhões este ano — e poderíamos ter gasto muito mais. Isso não seria um uso ruim de capital. Além disso, numa perspectiva de médio a longo prazo, provavelmente ainda não atenderemos toda a demanda. A demanda atual é simplesmente impressionante. Continuando nesse tema: em 2015, vocês adquiriram a Annapurna Labs. Naquela época, certamente não previam a enorme demanda por IA que surgiria — afinal, a demanda por IA naquele momento era bastante limitada. O que motivou, então, essa aquisição? E como ela gerou retornos nesse novo cenário? Sim, sinto que a equipe da Annapurna é uma das mais talentosas com as quais tive o privilégio de trabalhar; trata-se de uma das melhores aquisições da história da Amazon — se não a melhor.
Sim, antecipávamos parte disso, mas não adquirimos a Annapurna especificamente para chips de IA. Veja bem: ao atingir determinada escala, você tem acesso e pode observar padrões de comportamento dos clientes em larga escala, percebendo que, com integração vertical e desenvolvendo certas capacidades internamente, é possível oferecer mais valor aos clientes e também obter melhores resultados econômicos para o negócio. Assim, o ponto de partida da Annapurna para nós foi justamente os servidores EC2 centrais: sentíamos que estávamos consumindo muitos recursos de servidor em virtualização, rede, segurança e armazenamento, e queríamos utilizar quase 100% desses recursos para fornecer poder computacional aos clientes.
Antes mesmo da aquisição, já colaborávamos com a Annapurna nessa placa de interface de rede (NIC), descentralizando esses componentes para a NIC, assim liberando o máximo possível de servidores para computação. Adorávamos essa equipe e o produto criado juntos. Percebemos que o que iríamos comprar seria instalado, no final, em praticamente todos os servidores EC2 — e, de fato, foi instalado em todos os nossos servidores.
Adquirimo-la inicialmente porque se tornaria uma capacidade central de nosso poder computacional; também porque essa equipe era extremamente talentosa na fabricação de chips, o que nos levou a acreditar que poderia desenvolver outros chips também. Naquela época, tínhamos uma parceria muito profunda com a Intel — ainda mantemos uma colaboração intensa com essa empresa hoje. Mas o problema era que a Intel detinha quase toda a participação de mercado em CPUs naquele momento; e, quando se tem um parceiro com quase toda a participação de mercado, ele frequentemente não prioriza a melhoria da relação custo-benefício, mas sim outros recursos que aumentem sua participação e receita.
Aliás, isso é totalmente compreensível; faz parte da dinâmica operacional dos mercados e também da razão pela qual ocorre o chamado ‘dilema do inovador’. Queríamos impulsionar a relação custo-benefício, mas era difícil chamar sua atenção. Contudo, nossos clientes queriam migrar cada vez mais cargas de trabalho locais para a nuvem e buscavam melhor relação custo-benefício. Assim, a próxima tarefa que demos à equipe da Annapurna foi criar um chip de CPU. Eles desenvolveram o Graviton — hoje, 99% de nossos 1.000 maiores clientes EC2 o utilizam amplamente. Sua relação custo-benefício é cerca de 40% superior à de outros processadores x86, o que teve grande impacto tanto em nossos clientes quanto em nosso negócio. Alguns anos atrás, vimos o mesmo ‘filme’ repetir-se no campo da IA: havia, de fato, um fornecedor dominante muito forte. Tínhamos uma parceria profunda com ele — ainda mantemos uma colaboração intensa, e esperamos que isso continue por um futuro previsível.
Mas ele tinha um mercado imenso e muitos produtos e prioridades diferentes em desenvolvimento. Sabíamos que nossos clientes precisavam de melhor relação custo-benefício, motivo pelo qual criamos outra equipe dentro da Annapurna para trabalhar em aceleradores de IA, chamados Trainium, cuja relação custo-benefício também é 30% a 40% superior à de processadores comparáveis. E, ao falarmos sobre a parte central do ‘haltere’ — o que acabamos de discutir —, se perguntarmos: quais fatores mudarão essa parte central para permitir que mais aplicações empresariais atuais em produção usem inferência? Há alguns fatores. Parte disso é talento: algumas pessoas já estão acostumadas com pós-treinamento e ajuste fino, e há necessidade de capacidade organizacional que saiba priorizar, definir o que abordar e como fazê-lo.
Mas grande parte reside no fato de que os custos de inferência caíram bastante nos últimos anos, porém, na minha opinião, ainda são cerca de dez vezes mais altos do que o necessário para serem usados tão amplamente quanto possível. Pois, se você quiser que empresas reescrevam aplicações atualmente executadas em CPUs para usar aceleradores de IA, e a diferença de custo entre os dois for muito significativa, elas precisarão obter benefícios incrementais muito altos com os aceleradores de IA para aceitarem reescrever essas aplicações — um limiar muito mais elevado. Mas, se os custos de inferência forem reduzidos, esse limiar diminui drasticamente, e todas as aplicações se tornarão melhores, mais inteligentes e mais poderosas graças aos aceleradores de IA e à inferência. Assim, um elo crítico para que os clientes adotem amplamente a IA é reduzir os custos de inferência, e nosso negócio de chips representa uma parte significativa disso. Sim, de fato. Posso afirmar, com base em nossa própria empresa, que isso pode realmente ficar muito caro. Tivemos um funcionário que gastou US$ 2 milhões nos últimos anos — realizando um trabalho valioso.
Mas, sim, a sensação naquela época era: bem, inferência realmente não é barata. Então, uma das coisas que fizeram foi realizar alguns investimentos, especialmente na Anthropic e na OpenAI, com valores muito expressivos; lembro-me de US$ 18 bilhões para a Anthropic e cerca de US$ 50 bilhões para a OpenAI. O que os levou a fazer isso? E esses tipos de investimentos, juntamente com outros semelhantes em empresas como a Nvidia, deixaram Wall Street um pouco nervosa, pois lembram os maus tempos da bolha da internet. Como vocês enxergam isso — especialmente considerando que são também seus clientes? Por que isso é razoável? Ambas as empresas têm equipes excepcionais e são companhias muito impressionantes; a velocidade com que estão expandindo seus negócios — ao menos do ponto de vista de receita — não sei se já vimos algo parecido. Realmente, é simplesmente incrível.
Para nós, trata-se de uma combinação de diversos fatores: o tipo de equipes envolvidas, a tecnologia e os modelos que desenvolvem, bem como algumas das aplicações que produzem; acreditamos profundamente no potencial transformador da IA; acreditamos que serão duas das empresas mais bem-sucedidas nesse campo por muito tempo — claro que nem todos nesse setor serão vencedores, mas muitas empresas muito bem-sucedidas surgirão, e acreditamos que elas estarão entre elas. Além disso, colaboramos muito de perto. Começarei pela Anthropic — colaboramos com ela há mais tempo. Muitos de nossos clientes executam a Anthropic em nosso serviço de inferência Bedrock. E acredito que os clientes que executam a Anthropic no Bedrock são os mais bem-sucedidos. Temos uma colaboração profunda com eles em chips — eles já desenvolvem há algum tempo sobre a plataforma Trainium. Acho isso excelente para a Anthropic e também para nossa equipe Trainium; acredito que ambas as partes aprenderam muito uma com a outra. Assim, temos uma colaboração profunda — seja pela nossa crença no futuro da IA, em empresas como essas, ou pela colaboração em si, faz sentido para nós investir como parte dessa parceria.
Então, do lado da OpenAI, temos muitos clientes querendo usar a OpenAI na AWS, mas não conseguiam fazê-lo devido a acordos comerciais anteriores. Há muito tempo, acredito que ambas as empresas nutrem grande respeito e disposição para colaborar. Assim, após uma série de conversas ao longo de vários meses, conseguimos executar a OpenAI no Bedrock; criamos juntos um produto exclusivo: o ambiente de execução com estado. Acredito que todos os agentes inteligentes serão construídos assim no futuro — exigirão estado. Já a Anthropic fez compromissos plurianuais e de múltiplos gigawatts com o Trainium. Acreditamos que será uma das empresas mais bem-sucedidas nesse campo por muito tempo. Tudo isso nos leva a considerar razoável aprofundar a colaboração e o investimento. Mudando de assunto, vamos falar sobre como usar IA para construir uma empresa. Lembro-me de você ter dito que a equipe do Bedrock reconstruiu seu mecanismo de inferência com apenas 6 engenheiros em 76 dias — algo que, originalmente, exigiria 40 pessoas trabalhando por um ano. É uma diferença considerável.
Você sabe que a Amazon é conhecida por suas 'equipes de duas pizzas'. Então, qual é sua visão sobre o desenho organizacional atual? Essa tecnologia realmente parece mudar tudo. Ao longo dos anos, tornamo-nos extremamente especializados: temos designers, gerentes de produto, engenheiros front-end, back-end etc. Agora, porém, todos parecem estar voltando à condição de generalistas. Do ponto de vista do desenho organizacional, como você vê essa mudança? Sim, concordo com o que você disse. Acho que a experiência com o Bedrock que você mencionou foi reveladora para todos aqui.
Também dedicamos muito tempo a compartilhar essa história internamente para inspirar as pessoas e lembrá-las do que é possível. Com o tempo, essas coisas acontecerão — estou na empresa há 29 anos. Comecei como assistente de gerente de produto e, naquela época, era responsável por, sei lá, cinco produtos sozinho. Hoje, com o sucesso, o crescimento e a expansão dos produtos, chegamos a um estágio em que um gerente de produto trabalha em apenas um produto e é responsável por apenas uma fatia — como precificação, por exemplo. Todos se especializaram cada vez mais, e todos aceitam que, para crescer e ter sucesso, esse é o caminho. Mas não é bem assim, e, ao observar tudo o que a IA está fazendo, fica claro que não é.
Tomemos apenas a semana passada como exemplo: estamos desenvolvendo agentes inteligentes para negócios de consumo. Temos grande investimento nessa área, mas tivemos uma ideia muito empolgante e decidimos, na quinta-feira, testar se conseguiríamos criar um protótipo plenamente funcional. O resultado? Quatro ou cinco de nós trabalhamos durante o fim de semana e, no domingo, já tínhamos o protótipo operacional com 80% de prontidão para lançamento. É verdade — são dois mundos completamente distintos. Assim, penso que isso significa, para o futuro das organizações: primeiro, acredito que, no futuro, haverá menos pessoas realizando as tarefas que fazemos hoje. Basta observar quanto código já é escrito por agentes inteligentes, bem como quantos serviços ao cliente, análises de negócios e pesquisas já são realizados por eles.
Sim, imagine o cenário futuro: como as tabelas serão criadas, quantos advogados serão necessários... Acredito firmemente que não ficaremos sem pessoas, mas precisaremos de menos humanos; no passado, à medida que os negócios cresceram, acumulávamos pessoas constantemente, mas o futuro não será assim. Surgirão novas funções e empregos — alguns já conhecidos, outros ainda desconhecidos. Com o avanço da IA, robótica e exploração espacial, esses novos papéis emergirão. Haverá diversos empregos inovadores, mas menos humanos executando tarefas atuais. Acredito que as equipes serão muito menores do que hoje. Teremos equipes reduzidas, cujos membros atuarão de forma transversal; não deixaremos mais que uma pessoa seja responsável por uma pequena fatia, pois os modelos nos permitem atingir 80% de conclusão. Em muitas dessas funções distintas, acho que todas as equipes começarão de uma base muito mais alta do que no passado, permitindo inovações mais amplas e rápidas.
Acredito mesmo que muita coisa precisa mudar. A maioria das startups fundadas hoje começa desde o início de forma nativa para agentes ou IA. Já as empresas maduras, em operação há algum tempo, precisam descobrir como desenvolver com a mesma velocidade. Acho que algumas delas conseguirão. Sempre ocorre essa situação: quando uma empresa possui um negócio amplo, com muitas capacidades e uma base fiel de clientes, algumas serão muito lentas para adaptar-se — e, na minha opinião, ficarão mais vulneráveis diante das startups.
Prevejo que as empresas precisarão reescrever quase todo seu código para dotá-lo de capacidades de agente; devem permitir que agentes atualizem diferentes trechos de código, além de estabelecer restrições nesse processo. Acho particularmente interessante analisar a segurança. Se observarmos as tensões recentes em torno dos modelos, nas últimas semanas, elas se concentraram principalmente em cenários mais fantásticos.
Aliás, esses cenários são possíveis: é viável que uma botnet maliciosa assuma o controle total? Acho que sim; é possível injetar intenções maliciosas em robôs? Também é. Pessoalmente, acredito que, como setor, juntamente com os setores público e privado, trabalharemos em conjunto para resolver esse problema. Mas é preciso começar focando em aspectos específicos. Sim, mas o interessante é que a discussão sobre esses riscos mais recentes ainda é insuficiente — eles estão principalmente ligados à cibersegurança. Esses modelos são tão poderosos que conseguem identificar muitas mais vulnerabilidades do que os humanos jamais encontraram antes. Pode-se discutir se os humanos seriam capazes de encontrá-las, mas o fato é que não o fizeram. Assim, no futuro, a resposta das aplicações a ameaças urgentes de segurança deverá ser medida em minutos.
A situação atual é esta: identifica-se uma vulnerabilidade, alguém a classifica, alguém desenvolve um patch; e mesmo que essa etapa seja concluída rapidamente, a maioria das empresas leva muito tempo para implantá-lo devido a diversas dependências. No futuro, as implantações deverão ser feitas em minutos. Portanto, se você não reescrever verdadeiramente suas aplicações para que possam ser atualizadas por agentes, não terá nenhuma chance nesse novo mundo. Acredito, então, que todas as organizações serão reinventadas, e as empresas que priorizarem essa transformação estarão numa posição muito melhor do que as que não o fizerem.
Sim, e parece que, como setor, não fizemos um bom trabalho ao projetar sistemas — desde grandes plataformas até dispositivos embutidos — com arquitetura de segurança em mente. O dia de prestação de contas chegou. Mas a boa notícia é que isso representa uma enorme oportunidade para novas empresas, novas tentativas e novas iniciativas. Contudo, como dissemos, essa ameaça — esses riscos teóricos, experimentais — pode ou não ocorrer. Mas este aqui é claro e real.
Sim, quase todos os parceiros e clientes com quem conversamos no lado da AWS, independentemente do porte, têm preocupações significativas com segurança. Sabemos que temos um negócio de serviços profissionais para ajudar os clientes nisso, e criamos um serviço chamado Continuum, capaz de identificar muitas dessas vulnerabilidades e gerar patches. Mas, na prática, é mais fácil falar do que fazer. De fato, muitas empresas e engenheiros às vezes acham que focar em segurança não é tão empolgante, e acabam esperando algo dar errado. Mas, se você protege dados importantes, essa é uma má ideia. Além disso, acho que, na maioria das empresas — voltando à nossa conversa anterior — a especialização em segurança é provavelmente o pior cenário: temos engenheiros de segurança muito especializados, relutantes em colaborar com outros engenheiros e cuja escassez os torna recursos limitados.
O resultado é que, na maioria das empresas — especialmente nas empresas de software —, as práticas de segurança adotadas durante o desenvolvimento de software não são muito boas. Creio que isso precisa mudar urgentemente. A boa notícia é que dispomos de ferramentas capazes de ajudar a resolver esse problema. Conforme você mencionou, a boa notícia é: é preciso contratar testadores de invasão, mas o número de profissionais de segurança que se pode contratar é limitado, e eles conseguem cobrir apenas um número restrito de aplicações. Modelos combinados à automação permitirão realizar testes de invasão de forma mais eficaz em toda a superfície de ataque, revelando vulnerabilidades que talvez jamais seriam descobertas sem uma grande dose de sorte. Ao observarmos esse mercado, algo interessante é que, com IA, é possível fazer muito. Uma abordagem consiste em usá-la para reduzir custos, diminuindo o número de contadores ou advogados necessários.
Atualmente, há, de fato, diversas firmas de capital de risco afirmando: 'Bem, vamos adquirir essas empresas tradicionais e reduzir seus custos.' Isso nunca nos interessou verdadeiramente, pois pensamos: 'Se essa é sua ideia, então ela é simplesmente muito limitada.' Outra abordagem é: 'Queremos criar algo que o mundo nunca viu antes.' Isso é extremamente empolgante. Mas há uma terceira via: fazer algo como a Alexa — você possui um produto bem-sucedido e, então, diz: 'Vamos repensar completamente esse produto do zero, pois agora dispomos dessa nova plataforma.' Como se chega a esse ponto? Em quais circunstâncias faz sentido fazê-lo? Sim, creio que você traçou uma distinção interessante em três partes. E, conforme discutimos, as organizações realmente mudarão e se tornarão mais ágeis.
Se feito corretamente, isso permitirá que seus melhores desenvolvedores e equipes pequenas criem exatamente o tipo de inovação que você mencionou — coisas que as pessoas nunca viram antes. E quando se tem a experiência citada anteriormente — transformar uma nova ideia em 80% de conclusão em apenas quatro dias — isso é incrivelmente motivador para as pessoas, que passarão a dedicar mais tempo livre e mais ciclos de reflexão ociosa à geração de novas ideias. Para mim, essa é uma das partes mais empolgantes do que está acontecendo com a IA.
Contudo, também acredito que, para empresas já consolidadas com experiências de cliente bem-sucedidas em larga escala, se compreenderem a IA apenas como uma forma de melhorar incrementalmente tais experiências, é provável que, daqui a três a cinco anos, já não possuam mais essas experiências vencedoras. Pois creio que todas as experiências conhecidas — mesmo aquelas que parecem menos suscetíveis a mudanças — serão significativamente diferentes em poucos anos, graças à IA.
Isso significa que, se o seu objetivo vai além de melhorias incrementais, você precisa encontrar uma maneira de levar sua equipe a repensar totalmente como deveriam ser esses aplicativos — imaginando-os construídos hoje, aproveitando todas as novas tecnologias disponíveis. Em alguns casos, como com a Alexa, a necessidade disso é bastante evidente. O 'cérebro' da Alexa foi, de fato, muito inovador no momento de sua criação. No entanto, devido à IA generativa, as capacidades desse 'cérebro' são agora totalmente distintas; logo, para oferecer uma excelente experiência ao cliente e manter relevância a longo prazo, é necessário reconfigurar completamente o cérebro da Alexa. Isso é bastante óbvio. Aliás, embora seja óbvio, é na prática extremamente difícil — pois as equipes desenvolvem vínculos emocionais com o que criam, sentem orgulho de suas construções e carregam cicatrizes duramente conquistadas sobre o que funciona ou não.
Levá-las a recomeçar do zero e repensar exige tempo, pois elas dirão: 'Não fazemos assim; já tentamos e não deu certo', ou algo semelhante. Mas acho ainda mais difícil é repensar nossas outras experiências para consumidores — como nosso negócio de varejo, o Prime Video, o Fire TV ou o Prime Music —, em que as soluções tecnológicas atuais são muito superiores, embora isso não seja tão evidente. Na verdade, acredito que, em cada um desses negócios, precisamos reinventá-los; já temos equipes trabalhando em versões profundamente repensadas desses negócios.
Então, acredito que acertaremos logo de início? Provavelmente não. Encontraremos formas de iterar progressivamente, mas já estamos gerando inúmeras novas ideias e experiências ao cliente que consideramos muito atraentes. A corrida interessante será: você prefere uma experiência completamente diferente — quase como um novo aplicativo — ou deseja que essas novidades avancem rapidamente o suficiente para serem integradas à experiência atual, transformando gradualmente, mas de forma substancial, a experiência geral do cliente nos próximos dois ou três anos, à medida que identificarmos os elementos que funcionam? Mas acredito firmemente que, para ser um líder bem-sucedido, cada uma dessas experiências deverá se tornar diferente nos próximos anos.
Sim, trata-se de um desafio de liderança extremamente delicado. Lembra-me dos meus primeiros dias como engenheiro, quando discutia algo com outra pessoa. Meu chefe disse: 'Ouça, Ben: você precisa entender uma coisa — antes de escrever a primeira linha de código, tudo está em aberto para discussão; depois disso, passa a ser uma crença.' Suponho que você tenha vivido algo semelhante com a Alexa. O interessante é que todo esse conhecimento, toda essa experiência e todos os elementos utilizados para construir a versão original — agora você está dizendo: 'Estamos dispostos a abrir mão de grande parte disso para ingressar nesse novo mundo.'
Aliás, o mesmo ocorre com os clientes: haverá um grande grupo deles que adora a experiência atual, certo? Sim, toda transformação importante — pelo menos na minha experiência (talvez você cite exemplos diferentes) — exige uma mudança radical: tecnologia, produto, experiência do cliente e elementos de negócios precisam ser convincentes o suficiente para levar as pessoas a mudarem. Mesmo assim, isso não ocorrerá automaticamente. Trata-se de uma imensa gestão de mudanças — exatamente como a migração de implantações locais para a nuvem: é o mesmo tipo de transformação. Muitos líderes de infraestrutura têm grande orgulho do que construíram, conhecem-no profundamente, estão no centro das operações e não querem aprender coisas novas.
Será exatamente o mesmo cenário, como mencionei anteriormente. O mesmo valerá para a reinvenção de todas as suas experiências ao cliente. Todos temos orgulho do que construímos ao longo da última década nessas experiências, todos temos cem ideias de como aprimorá-las, todos estamos entusiasmados com elas e dedicamos a elas todas as nossas horas de vigília. Pensar 'como recomeçar do zero' é, sem dúvida, difícil tanto racional quanto emocionalmente.
a16z 53:06
Além disso, Andy, acabamos de lançar recentemente a Harwood's e a Jason Academy para ajudar jovens a se prepararem para essa transformação sobre a qual falamos. Você mencionou que a IA facilita o desenvolvimento, mas os jovens ainda precisam aprender, sabe, expertise real. Fico curioso: se você tivesse 18 anos em 2026, que conselho daria a si mesmo para se preparar para essa transformação que estamos iniciando?
Andy Jassy 53:29
Bem, tenho um filho de 25 anos e outro de 22. Creio que o de 22 começou realmente a decolar aos 19 anos. Percebi rapidamente: não dá para proibi-los de usar IA na educação. Esse navio já zarpou, ou esse trem já partiu. E acho que a atitude mais sábia das universidades é não resistir a isso. É simplesmente uma ferramenta que as pessoas utilizarão.
Andy Jassy 53:54
Mas, ao mesmo tempo, acho que todos os jovens — e digo o mesmo para nós, pois temos muitas pessoas e uma forte cultura de escrita, com todos usando IA para redigir textos — conseguem perceber o que foi escrito por IA: simplesmente não encaixa direito, as partes não se conectam adequadamente. Assim, meu conselho aos jovens — que também dou aos meus filhos — é:
Andy Jassy 54:18
Você não pode escapar disso, sabe, nem esperar que desapareça. Terá um impacto enorme em sua vida, em todas as experiências que tentar usar, no seu trabalho; e permitirá que você invente de maneiras que antes não eram possíveis. Portanto, é essencial compreendê-lo, aprender sozinho, usá-lo muito e experimentar — fazer coisas fora de sua zona de conforto.
Andy Jassy 54:48
Nenhum dos meus dois filhos é desenvolvedor, mas ambos já usaram IA para criar aplicações. Trate-a como o foco central para organizar seu dia e usar ferramentas no trabalho. Contudo, acredito que ela não substituirá o raciocínio crítico e a reflexão. O mesmo vale para universidades. Penso nisso de várias formas — por exemplo, nas escolas de negócios: você analisa três casos, faz muita leitura, toma notas, identifica os principais problemas; depois recebe diversos materiais complementares, sobre os quais também deve anotar. Por fim, precisa integrar tudo isso para propor o que a empresa deveria fazer. Muitas pessoas sequer fazem essa lição de casa — não leem, não pesquisam, não anotam. A IA pode ajudar com tudo isso, elevando mais rapidamente o nível inicial de todos.
Andy Jassy 55:52
Mas quero destacar que conectar realmente esses pontos e fragmentos — seja para formar uma estratégia, um pensamento, um plano, um novo produto ou uma nova experiência ao cliente — acredito que a IA não fará isso pela maioria das pessoas, na maior parte do tempo. Não digo que isso nunca acontecerá.
Andy Jassy 56:10
Continuo acreditando que precisamos de julgamento humano, criatividade, espírito inventivo, experimentalismo e capacidade de pensar em como todas as peças se encaixam para criar, afinal, experiências e negócios extraordinários. Portanto, use essas ferramentas — serão de grande ajuda —, mas o raciocínio crítico e a reflexão continuarão fundamentais em tudo o que fizermos. Estamos quase no fim. O negócio que vocês desenvolvem é...
a16z 56:43
Desde conexões via satélite até robôs e saúde — tão diverso! Essa ambição é incrível. Pense em como começou esse negócio: vendendo livros pela internet — e agora se tornou isso. Como você vê o que une essas diferentes...
Andy Jassy 57:00
linhas de negócios? Ou como avalia quais merecem anos de investimento? Como evita se dispersar demais? E como entende esse cenário extremamente amplo?
Andy Jassy 57:11
Bem, diria algumas coisas. Primeiro, estamos no meio das três maiores transformações de nossas vidas — talvez da história: IA, robótica e exploração espacial. São todas enormes e mudarão fundamentalmente muitas experiências ao cliente que todos vivenciamos. E estamos exatamente no centro dessas três grandes transformações.
Andy Jassy 57:40
Se observarmos nosso varejo e como usamos robôs, ou o que fazemos na área de IA — facilitando a criação de aplicações e agentes de IA bem-sucedidos tanto interna quanto externamente, além de reinventar todas as nossas experiências para consumidores.
Andy Jassy 57:58
Se considerarmos a Amazon Leo — a constelação de satélites em órbita terrestre baixa que estamos construindo para os 500 milhões de lares no mundo sem conectividade de banda larga — há uma série de transformações incríveis em curso, e temos a oportunidade de ajudar clientes a aproveitá-las para melhorar suas vidas. Nossa forma de atuação beneficia clientes e gera negócios sustentáveis a longo prazo. Acho que podemos nos tornar mais relevantes para clientes em mais áreas. Isso nem sequer inclui o que fazemos no setor de alimentos, no transporte autônomo e na saúde, entre outros.
Andy Jassy 58:47
Quanto à nossa organização, há anos debatemos internamente — e muitos externos fizeram a mesma pergunta: será que estamos nos dispersando demais? Acho que depende, em parte, de como nos organizamos e de quanto estamos dispostos a investir. Não deixamos o mesmo grupo gerenciar múltiplos negócios; organizamo-nos de forma descentralizada, com equipes 'single-threaded'. Desde que tenhamos líderes e construtores adequados nessas equipes, desde que a experiência seja grande o suficiente para impulsionar métricas de crescimento e desde que tenhamos ideias diferenciadas em áreas mal atendidas, podemos perseguir muitas dessas iniciativas simultaneamente — e já fazemos isso há muito tempo. Depois, cabe decidir quanto investir.
Algumas empresas — totalmente compreensivelmente — dizem: queremos focar apenas no nosso negócio, expandir nosso núcleo. Aliás, essa também pode ser uma estratégia muito bem-sucedida. Também estamos muito focados em crescer e fortalecer nossos negócios atuais — e creio que o fazemos bem, a um bom ritmo. Mas há tantas outras experiências ao cliente que sabemos que nossos clientes querem que resolvamos — e podemos resolvê-las —, beneficiando-os e transformando nosso negócio a longo prazo. Continuaremos a seguir essas direções. É uma conclusão inspiradora — ambição sem fim. Andy, muito obrigado por vir ao programa. Sim, agradeço pelo convite. Muito obrigado a todos.
