No passado, todos costumavam elaborar planos estratégicos para três anos, porque esse era o ritmo típico de evolução do mercado. Isso já não funciona mais: agora, as empresas precisam se adaptar à velocidade da IA.
O CTO da Uber global ganhou destaque no início deste ano ao revelar que a empresa havia gasto seu orçamento de IA antes do previsto, mas porque a adoção superou todas as metas estabelecidas.
Mais da metade de 2026 já passou, e está claro que a Uber não foi uma exceção, mas sim um sinal antecipado do que está por vir.
As organizações agora estão lidando com a realidade de que o consumo de IA pode crescer muito mais rapidamente do que os orçamentos tradicionais de tecnologia foram projetados para suportar. Empresas que estimularam uma ampla adoção de IA estão agora introduzindo controles de uso e mecanismos de governança à medida que os custos de tokens se acumulam em uma velocidade maior do que a inicialmente prevista.
A questão orçamentária é apenas um exemplo do que está acontecendo em uma escala mais ampla: a infraestrutura corporativa e os modelos operacionais também estão frequentemente correndo atrás. Isso porque a IA não está apenas aumentando o volume; ela está criando oportunidades totalmente novas de receita e crescimento para a base de integração das empresas. APIs tornam-se produtos monetizáveis, transferências de arquivos sustentam transações de maior valor e fluxos B2B abrem novos ecossistemas de parceiros.
Enquanto isso, todo esse crescimento não acontece no vácuo. Ele gera uma pressão contínua sobre infraestruturas em nuvem ou híbridas, que agora precisam absorver uma demanda imprevisível e em tempo real. Os sistemas corporativos nunca foram projetados para operar com esse nível de intensidade.
A nuvem ensinou lições importantes sobre escala e crescimento
Já vimos esse filme antes. Nos primeiros anos da computação em nuvem, tudo girava em torno do potencial. Todos estavam entusiasmados com a capacidade de escalar de forma contínua, com alta disponibilidade e confiabilidade. Os hyperscalers distribuíam créditos de computação em praticamente todas as conferências do setor. E os líderes empresariais rapidamente perceberam que isso também poderia gerar uma escalada descontrolada dos custos.
Foi por isso que vimos um movimento significativo de repatriação de workloads da nuvem ou uma corrida para construir nuvens privadas, em vez de continuar gastando com hyperscalers.
O que aquela época revelou é algo que os líderes empresariais ainda estão assimilando hoje: a nuvem oferece elasticidade, mas a verdadeira escalabilidade vem de decisões arquitetônicas e de negócios tomadas de forma deliberada.
A nuvem ofereceu às empresas um poderoso motor de escala, com a capacidade de lançar novos serviços e alcançar novos mercados mais rapidamente do que nunca. Mas as organizações que melhor aproveitaram esse crescimento não simplesmente fizeram um “lift-and-shift”. Elas repensaram como seus sistemas deveriam operar, em alguns casos redesenhando completamente um processo para adaptá-lo às novas realidades.
Estratégias de nuvem mais realistas evoluíram para um modelo híbrido mais equilibrado, no qual os workloads podem se mover entre diferentes ambientes: escalando na nuvem quando necessário e permanecendo ancorados no ambiente on-premises — ou em algum ponto intermediário — quando controle, custo ou regulamentação exigem isso.
Algo muito semelhante está acontecendo com a IA.
A IA é um motor de aceleração que precisa ser abastecido e sustentado
Os principais laboratórios de IA estão oferecendo às empresas acesso amplo e barato para integrar IA aos seus fluxos de trabalho. Mas a economia desse modelo já está mudando: à medida que os provedores de IA buscam modelos de precificação mais sustentáveis, as organizações estão, em grande parte, migrando do chamado “tokenmaxxing” para a maximização da eficiência da IA e a busca por comprovação de ROI.
As empresas são inteligentes. Elas aprenderam com as lições da era da nuvem. Mas a IA acelerou tudo.
Os líderes deveriam se perguntar agora: sua infraestrutura e a forma como sua empresa opera hoje são capazes de sustentar esse futuro? Porque, atualmente, você pode lidar com 200 milhões de transações de API por mês. Quando agentes entrarem em cena, esse número poderá chegar a 60 bilhões — e isso poderá acontecer em dois meses, em vez de três anos.
O desafio não é simplesmente processar mais requisições. Cada chamada de API ou invocação de um modelo traz consequências operacionais e financeiras. Como mostram os exemplos anteriores de adoção de IA sem controle, as organizações estão descobrindo que o uso pode crescer muito mais rapidamente do que os orçamentos ou modelos de governança foram projetados para suportar.
As organizações precisam ter visibilidade sobre como os serviços de IA estão sendo consumidos, quais workloads estão gerando valor e onde os custos estão se acumulando antes que se tornem insustentáveis.
É nesse contexto que os AI gateways estão se tornando cada vez mais importantes. Assim como os gateways de API ajudaram as empresas a governar, proteger e escalar APIs, os AI gateways oferecem controle centralizado sobre o tráfego e os ativos de IA, permitindo monitorar o uso, aplicar políticas, otimizar a seleção de modelos e gerenciar custos à medida que a adoção cresce.
Mas a parte mais difícil não é necessariamente construir sistemas, e sim operá-los em escala e de forma sustentável. Além do controle de custos, governar efetivamente o consumo de IA ajuda as organizações a ganhar confiança para expandir o uso da tecnologia em novos produtos, serviços e experiências de clientes, sem receio de gastos descontrolados ou instabilidade operacional.
O crescimento revela o que seus sistemas realmente conseguem suportar
Hoje, desenvolver software é realmente mais fácil. É possível criar um produto digital, um site, uma interface de e-commerce, conectar todos os sistemas de pagamento e fazer tudo isso em questão de segundos conversando com um copiloto.
Mas, se todo mundo fizer isso, os sistemas de processamento de backend ficarão sobrecarregados.
Portanto, a pergunta já não é mais: minha stack de tecnologia consegue escalar para acompanhar essa demanda? A pergunta passa a ser: estamos preparados para transformar essa pressão em crescimento?
As organizações que conseguem fazer as duas coisas transformam APIs em produtos, em vez de tratá-las apenas como interfaces técnicas. Elas integram parceiros mais rapidamente e abrem novos ecossistemas habilitados por IA. Lançam novos serviços digitais sem precisar reconstruir sua base tecnológica a cada iniciativa.
Sua stack de tecnologia deve gerar crescimento, e não apenas sustentá-lo.
Considere o caso do WeLab Bank, um banco nativo digital que opera em grande escala na Ásia. Sua plataforma não foi construída apenas para lidar com volume; ela permite lançar continuamente novos serviços financeiros e expandir seu ecossistema. A capacidade de escalar com segurança e confiabilidade permite que o banco avance mais rapidamente no mercado e aproveite oportunidades de open banking antes de seus concorrentes.
Essa é a mudança de perspectiva: a escala se torna uma vantagem competitiva quando permite monetizar, lançar serviços ou integrar parceiros mais rapidamente do que qualquer outro concorrente.
Como é escalar para crescer nas empresas atuais
É possível observar esse movimento em diferentes organizações e setores.
Considere, por exemplo, a cadeia de suprimentos farmacêutica: integrar um novo parceiro é um processo que pode levar semanas. Imagine conquistar uma nova rede hospitalar porque sua empresa consegue integrá-la e realizar transações em poucos dias. Enquanto isso, seus concorrentes ainda estão soterrados em processos de compliance e documentação.
E, à medida que sinais de demanda, decisões de sourcing e descoberta de parceiros passam a ser cada vez mais orientados por IA, a capacidade de executar transações em conformidade de forma instantânea torna-se uma alavanca direta de crescimento.
Cencora: a espinha dorsal que precisa escalar continuamente
As pessoas adoram falar sobre APIs e IA. Mas é o EDI que sustenta a operação comercial de grande parte do planeta. Você não consegue receber um pedido da Amazon sem um processo de EDI no backend: o armazém nunca receberia a notificação de envio! Para que o mundo continue funcionando, essa estrutura precisa permanecer.
A Cencora é um exemplo perfeito de sistemas essenciais que já operam em uma escala gigantesca.
Classificada em 11º lugar na Fortune 500, essa empresa global de soluções farmacêuticas troca mais de 800 mil mensagens EDI por dia com mais de 23 mil parceiros comerciais, processando mais de US$ 140 bilhões em fluxos de receita anuais.
Como explica Scott Marshall, líder de tecnologia EDI da empresa: “Mesmo alguns minutos de indisponibilidade não planejada do EDI poderiam gerar custos de milhões de dólares.” O volume de EDI da empresa cresce aproximadamente 10% ao ano, e a organização já está explorando uma infraestrutura baseada em contêineres e uma migração para a nuvem.
Essa é a realidade das tecnologias que funcionam como espinha dorsal: a demanda nunca para de crescer. Além disso, a troca B2B confiável e de alto volume não é apenas uma questão operacional. O crescimento de 10% no volume ano a ano representa a expansão das relações comerciais, por exemplo, por meio da integração de novos parceiros, e não apenas “tubulações maiores”.
A IA não substitui esses workloads. Essas transações ainda precisam acontecer, e o negócio ainda precisa funcionar.
Commerzbank: projetando para a próxima ordem de grandeza
O Commerzbank é um excelente exemplo do que acontece quando a escalabilidade é deliberadamente associada a resultados de crescimento, e não apenas ao desempenho dos sistemas.
Um dos principais bancos alemães, com presença internacional, o Commerzbank viu seu uso de APIs crescer de cerca de 2 milhões de requisições por mês no primeiro ano na plataforma para mais de 130 milhões apenas alguns anos depois.
Hoje, o Commerzbank processa 6 bilhões de transações de API por mês. A instituição passou de 150 APIs estratégicas para planejar mais de 300 e migrou de uma troca de dados baseada em lotes para serviços de API quase em tempo real e monetizados.
Esse é exatamente o tipo de curva de crescimento não linear que a IA está prestes a acentuar ainda mais. E o Commerzbank sabe disso. Em vez de esperar chegar a um limite, o banco já iniciou uma iniciativa no Google Cloud para se preparar para capacidades agênticas, projetando sua arquitetura para suportar 10 vezes a escala atual.
Ao mesmo tempo, a instituição reconhece que nem tudo vai para a nuvem. Alguns workloads precisam permanecer on-premises, e esses ambientes também precisam evoluir — essa é a realidade híbrida.
É importante destacar que o Commerzbank não apenas escalou o volume de transações de API. A instituição utilizou essa plataforma para lançar serviços de API monetizados e ampliar suas parcerias com fintechs. A escala viabilizou o crescimento.
O Commerzbank é um exemplo de organização que está se antecipando ao movimento: investindo agora na base operacional, antes que a próxima onda de demanda impulsionada por IA torne isso inevitável. E associando essa escala a resultados de negócios, como a redução de até 80% no esforço de desenvolvimento, para criar serviços voltados aos clientes com mais rapidez.
O problema da proliferação que continua se multiplicando
Em todos esses exemplos e nas conversas que temos diariamente com nossos clientes, fica claro que a escalabilidade não permanece isolada. Ela se espalha entre sistemas, equipes e tecnologias. E então a proliferação torna tudo mais difícil.
Costumávamos falar sobre a proliferação de FTP, quando todos realizavam transferências de arquivos dentro da organização — muitas vezes ignorando canais seguros por conveniência, algo que não deveria acontecer! Depois veio a proliferação de APIs. Agora temos a proliferação de capacidades de IA por toda parte. Alguns estão chamando isso de “shadow AI”.
E existe um ponto importante: no momento em que os dados entram no universo da IA, não há como voltar atrás. Agentes podem criar APIs e MCPs instantaneamente. Se você permitir que eles façam isso sem ter uma forma de governá-los, poderá ter um milhão de MCPs em seu ecossistema da noite para o dia.
Veja também: Secure and Scalable Agentic AI: A Guide for Enterprise Leaders
Mais uma vez, se isso parece familiar, deveria mesmo. Com a proliferação de APIs, as equipes passaram a desenvolver e implementar APIs mais rapidamente do que as organizações conseguiam descobri-las, governá-las ou protegê-las. Nossa resposta foi o gerenciamento federado de APIs: criar visibilidade e governança sobre APIs distribuídas sem obrigar tudo a passar por um único sistema centralizado.
Agora, as organizações estão acumulando rapidamente modelos, agentes, servidores MCP e serviços alimentados por IA em diferentes unidades de negócio e ambientes tecnológicos. Podemos estar entrando na era do gerenciamento federado de IA.
Mas aqui está a oportunidade que a escalabilidade governada pode desbloquear: cada API, cada servidor MCP devidamente registrado e gerenciado não apenas reduz riscos. Ele se torna uma capacidade reutilizável e potencialmente monetizável. E a mesma visibilidade que reduz os riscos de governança também pode ajudar as organizações a compreender o verdadeiro custo e valor dos serviços alimentados por IA à medida que eles crescem.
A lacuna entre crescimento e preparação
Há algo a que sempre volto: a maioria das organizações não fez o trabalho fundamental necessário.
Elas não modernizaram seus ambientes na escala que imaginavam. O que era suficientemente bom continuou sendo suficiente. Se seus workloads funcionavam e eram baratos de operar, por que mudá-los?
Bem, ninguém esperava que os requisitos de capacidade aumentassem 10 vezes praticamente da noite para o dia. E ninguém esperava que isso acontecesse em meses, em vez de anos!
O trabalho de base não pode mais ser adiado. Sem ele, as organizações estão apenas construindo uma fachada que será rapidamente sobrecarregada. Enquanto isso, a escalabilidade também depende de flexibilidade: a capacidade de posicionar e mover workloads entre diferentes ambientes, escalando na nuvem quando necessário e permanecendo onde controle, regulamentação ou custos exigirem.
Esse é o desafio da IA: ela escala tão rapidamente que as empresas já não têm o luxo de se preparar gradualmente.
Não acredito que a IA possa substituir os sistemas que mantêm a economia mundial funcionando. Mas ela certamente revela se esses sistemas são capazes de operar em escala.
Então, o que é necessário para sustentar a escala agora?
Essa é a pergunta que ouço de todos os CIOs com quem converso. Eles conhecem o problema. Todos nós estamos operando sob um tipo semelhante de pressão contínua. Suas equipes executivas estão dizendo: vocês precisam estar preparados para a IA.
Mas não é possível resolver tudo de uma só vez. É preciso escolher um caminho, testá-lo e aprender rapidamente, entendendo onde seus sistemas conseguem suportar a demanda e onde não conseguem.
Escalar sem quebrar será fundamental. Mas, tão importante quanto isso, será transformar essa escala em crescimento. E essas mesmas forças que estão levando seus sistemas ao limite também podem criar as maiores oportunidades — se você estiver preparado para aproveitá-las.
Exploramos exatamente como fazer isso em nosso guia Scalability and Growth, que apresenta desde padrões arquitetônicos até mecanismos de proteção operacional desenvolvidos para lidar com a demanda impulsionada pela IA.