Em 24 horas, duas das maiores empresas de IA do mundo declararam guerra à indústria tradicional de consultoria. Anthropic anunciou uma joint venture de US$ 1,5 bilhão com Blackstone, Goldman Sachs e Hellman & Friedman para "embedar engenheiros dentro das equipes dos clientes". OpenAI respondeu com sua própria JV de US$ 4 bilhões, lastreada por TPG, Brookfield e Bain Capital — em um valuation de US$ 10 bilhões só para a operação enterprise. Wall Street acaba de colocar mais de US$ 5,5 bilhões em cima do mesmo apito: a próxima receita gigante de IA não vem de modelos, vem de implementação aplicada.
Para quem decide tecnologia em uma operação real no Brasil, esse não é mais um anúncio de tendência — é a confirmação de que o jogo de IA empresarial deixou de ser POC e virou produção. E que lock-in de modelo está prestes a virar a dor número 1 de 2026.
1. O que foi anunciado nesta semana (e por que ao mesmo tempo)
O timing não foi coincidência. Em 04 de maio de 2026, em 24 horas, vieram dois anúncios praticamente simétricos. A Anthropic, fabricante do Claude, fechou uma joint venture de US$ 1,5 bilhão com três pesos-pesados de Wall Street: Blackstone (private equity, ~US$ 1 trilhão sob gestão), Goldman Sachs (investment banking) e Hellman & Friedman (PE focado em tech). O comunicado oficial usou uma expressão técnica que importa: "embed engineers within customer teams" — engenheiros da Anthropic operando dentro dos times dos clientes, lado a lado com TI, produto e operação.
Horas depois, OpenAI anunciou sua própria estrutura: uma joint venture de US$ 4 bilhões com TPG, Brookfield e Bain Capital, em um veículo separado avaliado em US$ 10 bilhões, dedicado a "AI-native enterprise services". O modelo é o mesmo: equipes técnicas residentes, não slides.
Por que ao mesmo tempo? Porque os dois maiores fornecedores de modelos perceberam, ao mesmo tempo, que a margem mais gorda de IA não está no token vendido — está em quem opera o sistema que usa o token. É o mesmo movimento que a Oracle e a SAP fizeram nos anos 90, quando entenderam que vender ERP ficava na licença, mas a margem real estava no professional services ao redor da implementação.
2. Por que Wall Street quer entrar no jogo de venda de IA
O run-rate da Anthropic saltou de aproximadamente US$ 9 bilhões no fim de 2025 para mais de US$ 30 bilhões em maio de 2026 — em cinco meses. A OpenAI cresce em ritmo similar. Esses números não vêm de chatbots de consumidor. Vêm de contratos enterprise que misturam licenciamento de modelo, infraestrutura cloud privada, RAG corporativo, agentes verticais e — o ponto crítico — horas de engenheiro.
Wall Street não financia produto. Wall Street financia receita recorrente com baixo risco de execução. Quando a Anthropic chega para o Goldman e diz "temos US$ 30 bilhões de pipeline e o gargalo é capacidade de engenharia residente para implementar nos clientes", o Goldman responde com US$ 1,5 bilhão. É uma aposta clássica de PE: comprar o multiplicador do serviço, não o produto.
3. O ataque direto à indústria de consultoria tradicional
O alvo não foi disfarçado. As Big-4 (Deloitte, PwC, EY, KPMG) e os tier-1 de consultoria de TI (Accenture, IBM Consulting, Capgemini, Cognizant, Infosys, Tata, Wipro) movimentam mais de US$ 600 bilhões por ano em serviços profissionais — boa parte deles, hoje, é implementação de tecnologia. Migração de SAP, transformação digital, integração de salesforce, dataops, governança.
O que Anthropic e OpenAI estão dizendo é simples: para a parte de IA dessa torta — que vai crescer mais rápido que ERP cresceu nos anos 90 — não é mais necessário pagar fee de consultoria. Vamos vender o modelo + os engenheiros que sabem implementá-lo, em um pacote único, sem intermediário.
É uma jogada brutal porque ataca a Big-4 onde dói: na credibilidade técnica. Um engenheiro embedded da Anthropic chega com o crachá de quem treinou o modelo. Um partner de Big-4 chega com um deck.
4. Run-rate Anthropic: de US$ 9 bilhões (2025) para US$ 30 bilhões+ (2026)
O salto de receita é o que justifica matematicamente o anúncio. Quando uma empresa cresce 3x em meses, ela não tem mais o problema de aquisição de clientes — tem o problema oposto: capacidade de entrega. Cada cliente enterprise novo exige meses de implementação técnica. Sem rede de engenheiros embedded, a Anthropic vira gargalo do próprio crescimento.
É exatamente o vazio que a CCX, e empresas como a CCX, vinham preenchendo nos últimos 18 meses no Brasil: squads sêniores de engenharia de IA aplicada — agnósticas, multimodelo, com onboarding em 48h, focadas em entrega real de produção (RAG corporativo, agentes, integrações, observabilidade, governança). A diferença é que agora a Anthropic e a OpenAI estão fazendo isso direto, com seus próprios engenheiros, em escala.
5. O risco do lock-in: por que adotar IA agnóstica importa mais agora
Aqui é onde a história fica perigosa para o cliente final. Quando você fecha com a JV da Anthropic, a recomendação técnica não vai ser neutra — vai ser Claude. Quando você fecha com a JV da OpenAI, a recomendação vai ser GPT. E o RAG, o agente, o pipeline de avaliação, a observabilidade — tudo que é construído ao redor — fica acoplado ao modelo escolhido.
Em 2025, trocar de modelo era uma decisão de produto. Em 2026, vai ser uma reescrita de arquitetura. Os tool-use schemas mudam, os system prompts mudam, a janela de contexto muda, o custo por milhão de tokens muda, o comportamento do agente muda. Quem amarra a stack a um único fornecedor está apostando que aquele fornecedor não vai virar caro, lento ou regulatoriamente bloqueado em algum mercado.
A pergunta certa para 2026 não é mais "qual modelo você vai usar?". É: "se eu trocar de modelo daqui a 6 meses, quanto eu pago?".
6. Como uma squad de engenharia se compara a um time embedded de big AI
Visto de longe, parecem iguais: engenheiros sêniores residentes na operação do cliente. Mas há três diferenças estruturais que importam para quem está decidindo agora:
Agnosticismo de modelo. Uma squad independente trabalha com Claude, GPT, Gemini, DeepSeek e modelos abertos no mesmo projeto, escolhendo cada um pelo melhor encaixe técnico — não pelo P&L do fornecedor. Quem joga só com um fornecedor escolhe modelo pelo crachá, não pelo problema.
Independência de roadmap. Quando o fornecedor de IA muda preço, política de uso ou disponibilidade regional (algo que aconteceu várias vezes em 2024–2026), uma squad neutra reage; uma squad embedded do fornecedor… é o próprio fornecedor.
Camadas de engenharia além do modelo. A maior parte do trabalho de IA aplicada não é o LLM — é o RAG, o pipeline de avaliação, o orquestrador de agentes, a observabilidade, a governança LGPD/SOC 2, a integração com ERP/CRM/e-commerce. Squads que vêm do mundo de engenharia de software resolvem esse pacote inteiro. JVs de fornecedor de modelo otimizam ao redor do modelo deles.
7. Checklist: 5 perguntas antes de fechar com qualquer fornecedor de IA empresarial
Antes de assinar o contrato — seja com Anthropic JV, OpenAI JV, Big-4, integrador local ou squad independente — peça respostas concretas para estas cinco perguntas:
1. Modelo: qual modelo de IA será usado? Por quê esse e não os outros três? Se o modelo for substituído daqui a 12 meses, qual a estimativa de retrabalho?
2. Portabilidade: os prompts, schemas de tool-use, embeddings e dados ficam em formato proprietário ou aberto? Posso exportar tudo se rescindir o contrato?
3. Quem opera: quem vai operar a solução em produção? Vocês entregam runbook, observabilidade e SLA, ou só implementam e saem?
4. Compliance: a solução foi desenhada para LGPD, SOC 2 e — se aplicável — GDPR e setoriais (BACEN, ANS, CVM)? Quem responde se houver vazamento?
5. Escala: a arquitetura aguenta 10x do volume atual sem reescrita? Como a observabilidade detecta falha silenciosa de agente?
Como a CCX ajuda
A CCX entrega exatamente o pacote que está em alta demanda — só que agnóstica por design. As squads CCX combinam engenharia sênior (média de 10+ anos), capacidade real em Claude, GPT, Gemini e DeepSeek, RAG corporativo, agentes verticais, integrações com VTEX, Salesforce, SAP, Shopify e stack composable, e governança LGPD + SOC 2 desde o desenho.
Onboarding em 48 horas. Modelo de squad dedicada ou on-demand. Capacidade real de entrega em produção, não em sandbox. E — diferença crítica em 2026 — sem fee de consultoria de Big-4 e sem amarração a um único fornecedor de IA.
CTA: Implementar IA na operação não é problema de slide — é problema de engenharia. Conheça as Squads CCX com onboarding em 48h e capacidade real em Claude, GPT, Gemini e RAG corporativo. Ou fale direto com um especialista em IA para Negócios.