A conta da nuvem passou a representar um desafio de gestão para as grandes empresas a partir do momento em que a inteligência artificial deixou a fase de testes e passou a rodar em produção. De acordo com o Private Cloud Outlook 2026, relatório da Broadcom conduzido pela consultoria Radius Tech com 1.800 executivos de TI de empresas com mais de mil funcionários em oito países, 97% dos líderes acreditam que parte dos gastos com nuvem pública é desperdiçada, e metade das empresas já transferiu parte das cargas de volta para ambientes privados.

O movimento, que o mercado passou a chamar de “Cloud Regret” (arrependimento com a nuvem), está associado ao chamado efeito Black Box: boa parte das organizações paga por modelos e integrações que funcionam como uma caixa-preta, com uma composição de custos pouco transparente para quem os consome.

Segundo Fernando Arditti, vice-presidente e gerente-geral para a América Latina da WSO2, o efeito Black Box é consequência direta da forma como a IA chegou às empresas. De acordo com o executivo, os primeiros projetos foram montados em nuvens proprietárias porque ali estavam a capacidade e as ferramentas necessárias para testar casos de uso com rapidez. Quando esses projetos passaram a operar em escala, modelos, integrações e dados já estavam atrelados à lógica de cobrança por consumo de um único provedor.

Arditti afirma que, nesses ambientes, cada chamada de modelo e cada integração são cobradas sem que o cliente consiga identificar claramente o que está pagando. Na avaliação do executivo, essa opacidade faz com que o crescimento do uso se torne uma fatura cada vez mais difícil de prever.

O efeito mais sensível desse arranjo recai sobre o planejamento. A área de tecnologia perde a capacidade de antecipar quanto cada nova aplicação de IA custará ao sair do piloto, enquanto a área financeira passa a lidar com uma despesa que cresce junto com o uso, sem referência clara de valor. No Brasil, o Radar da Nuvem, benchmark de custos conduzido pela Samax com mais de 130 empresas, indica que 75% delas registram custos de nuvem acima ou muito acima do esperado.

Nesse cenário, as arquiteturas híbridas sustentadas por tecnologias de código aberto passaram a ocupar o centro das discussões sobre eficiência, ao permitir que as cargas sejam distribuídas entre nuvem pública, nuvem privada e infraestrutura própria conforme o custo e a criticidade de cada uma.

Para Arditti, quando a camada que conecta aplicações, dados e agentes é construída sobre código aberto, a empresa recupera a decisão sobre onde cada carga deve rodar. Segundo ele, essa decisão pode ser revista sempre que a conta deixar de fazer sentido, sem a necessidade de reconstruir o que já está em funcionamento.

A migração, no entanto, exige preparo. Redistribuir cargas entre ambientes diferentes significa manter integrações, regras de acesso e governança funcionando de forma consistente em cada um deles, tarefa que depende de equipes com um conhecimento que o mercado ainda não oferece em quantidade suficiente. O próprio relatório da Broadcom aponta a operação de infraestrutura de IA como a principal lacuna de habilidades nas equipes de TI, citada por 40% dos entrevistados. Dessa forma, a escolha da arquitetura passa a ter peso semelhante ao da infraestrutura, já que padrões abertos reduzem a dependência de conhecimentos específicos de um único fornecedor e facilitam a formação das equipes internas.

A tendência, segundo Arditti, é que essa reorganização ganhe velocidade à medida que agentes de IA passem a executar tarefas, acionar sistemas e acessar dados sensíveis dentro dos fluxos corporativos de maneira controlada. Para operar nesse modelo, de acordo com o executivo, as empresas precisarão que integração, gestão de APIs, controle de identidade e regras de governança funcionem da mesma forma em qualquer ambiente em que as cargas estejam rodando.

Com isso, avalia Arditti, a decisão sobre onde e como rodar a IA tende a ser tratada cada vez mais como uma escolha financeira e de controle, orientada pela previsibilidade de custos e pela autonomia sobre dados e sistemas.