IA: ChatGPT perde espaço, Gemini avança e mercados se reconfiguram

O fim de 2025 revela um cenário dinâmico na inteligência artificial, com mudanças de liderança, desafios em agentes autônomos e maturidade no setor financeiro.

O universo da **inteligência artificial** está em constante ebulição, e o final de 2025 não é exceção. As movimentações mais relevantes indicam uma **reconfiguração do mercado de IA**, marcada por quedas em participações de mercado, lições aprendidas com falhas em agentes autônomos e a persistência de desafios na aplicação de IAs em pesquisas científicas. Paralelamente, o **mercado financeiro** demonstra uma crescente maturidade, com grandes acordos e reestruturações estratégicas que abrangem toda a cadeia de suprimentos da IA, incluindo chips, memória e infraestrutura de energia.

Domínio em Declínio e Ascensão de Novos Concorrentes

Um dos destaques mais significativos é a **queda na participação de mercado do ChatGPT**. Segundo dados recentes da Similarweb, o domínio do ChatGPT no mercado de IA generativa continua em declínio, com sua parcela de tráfego web caindo de **87.2% para 68% no último ano**. Em contrapartida, o **Google Gemini** tem apresentado um crescimento impressionante, saltando de 5.4% para **18.2%**. Esse avanço é impulsionado, em grande parte, pelo modelo Gemini 3 e pelo gerador de imagens Nano Banana Pro, que tem se destacado pela **qualidade superior em manipulação precisa de prompts visuais**.

Outros modelos como Grok, DeepSeek, Claude, Perplexity e Microsoft Copilot mantêm participações menores, mas estáveis, no cenário. Observa-se também uma **leve queda nas visitas diárias aos serviços de IA** em geral, um indicativo de que o mercado está se consolidando e os usuários buscam soluções mais específicas e eficientes.

Essa diversificação do mercado de IA é um sinal claro de que a **liderança dominante tende a ceder espaço** à medida que novas soluções robustas e inovadoras entram em cena. Essa dinâmica é semelhante ao que ocorreu com outras tecnologias disruptivas, como navegadores web e sistemas operacionais, onde a pluralidade de opções estimulou a inovação e resultou em melhores experiências para os usuários. O avanço do Gemini, especialmente em suas capacidades visuais, sugere que o futuro da IA será multifacetado, integrando diferentes modalidades e estabelecendo novos padrões rigorosos de precisão e utilidade, elementos cruciais para a adoção em larga escala e para o impacto social positivo.

Agentes Autônomos: Lições de Falhas e Desafios de Implementação

Um caso que ilustra os desafios na implementação de agentes de IA autônomos foi revelado em uma experiência conduzida pelo Wall Street Journal. O agente de IA “Claudius”, desenvolvido pela Anthropic, acumulou **prejuízos acima de US$1.000 em apenas três semanas**. O agente cometeu erros graves, como oferecer quase todo o estoque de graça, comprar itens de marketing desnecessários e realizar pedidos inusitados, como a aquisição de um peixe vivo. Manipulações de prompt levaram o agente a zerar preços, e mesmo com a presença de um supervisor de IA, os erros persistiram, possivelmente devido à sobrecarga de contexto no modelo.

Após a implementação de atualizações, a situação do agente melhorou. No entanto, os desafios persistem, com agentes que ainda se desviam de suas tarefas principais para debater tópicos filosóficos ou, pior, caem em golpes financeiros. Esse episódio evidencia as **dificuldades fundamentais em colocar agentes autônomos em ambientes econômicos reais**, onde a combinação de bom comportamento e autonomia não é uma tarefa trivial. Assim como os robôs industriais exigiram ajustes e gerenciamento humano rigoroso antes de liberar todo o seu potencial, os agentes de IA autônomos demandam um aprendizado contínuo e a criação de frameworks seguros.

À medida que a sociedade integra IAs cada vez mais poderosas em operações financeiras e logística, o aprendizado com essas falhas é essencial para criar sistemas seguros, alinhados com os objetivos humanos e robustos, capazes de maximizar benefícios e minimizar riscos. A **evolução da IA** neste campo é crucial para a sua adoção em larga escala e para a garantia de que seus impactos sejam positivos.

IA na Ciência: Potencial e Limitações em Pesquisas Autênticas

Apesar dos avanços impressionantes, as **IAs ainda enfrentam desafios significativos na condução de pesquisas científicas autênticas**. Um novo benchmark, o SDE, desenvolvido especificamente para testar Large Language Models (LLMs) em cenários científicos reais, revela que os modelos atuais falham em tarefas que exigem pensamento iterativo, formulação de hipóteses e interpretação de evidências incompletas.

Os modelos apresentam desempenho variável entre diferentes áreas científicas, e estratégias tradicionais de aumento de tamanho e esforço de raciocínio parecem ter atingido rendimentos decrescentes para esse tipo de tarefa. É notável que os modelos principais frequentemente erram nos mesmos pontos, indicando a necessidade de **novas abordagens de treino e diversificação de dados**. Isso sugere que, embora os LLMs ainda não sejam cientificamente superinteligentes, seu potencial está em **aumentar a eficiência e a criatividade** quando utilizados com o suporte adequado.

Assim como a eletrônica teve um salto com a integração de ferramentas úteis, a IA pode acelerar pesquisas ao explorar vastos espaços de busca e fornecer insights inesperados. Com a evolução correta, frameworks como o SDE guiarão a transformação da IA em uma assistente imprescindível na ciência, expandindo horizontes do conhecimento e promovendo avanços sociais acelerados. A **colaboração entre humanos e IA** é a chave para desbloquear todo o potencial científico.

Mercado Financeiro e Estratégias de Investimento em IA

No âmbito financeiro, o final de 2025 marca uma transição importante para investimentos focados na **fase de inference da IA**. A Nvidia, por exemplo, fechou um acordo de licenciamento não exclusivo com a startup Groq e contratou executivos-chave da empresa. Enquanto a Nvidia tem dominado o treinamento de modelos de IA, a competição se intensifica no segmento de inference, onde **custos por token e latência** são fatores críticos para o sucesso.

A Broadcom, outra empresa de grande relevância no setor, reporta forte demanda por seus produtos, mas levanta preocupações quanto às margens de lucro em vendas de silício customizado. Esse cenário revela a **maturidade do mercado de IA**, com decisões de negócios cada vez mais centradas não apenas no crescimento, mas também na rentabilidade, na geopolítica e na capacidade industrial. O complexo mosaico de fatores que influenciam o mercado de IA lembra a evolução da indústria de semicondutores e telecomunicações, onde o sucesso dependeu da capacidade de dominar toda a cadeia de valor e navegar por regulações estratégicas.

Investidores e empresas que compreendam esses vetores terão uma **vantagem competitiva significativa**. Fica evidente que a IA deixou de ser apenas uma inovação pontual para se tornar um **ativo industrial estratégico global**, moldando o futuro da economia e da sociedade. A capacidade de adaptação e a visão de longo prazo serão determinantes para navegar neste cenário em constante transformação.