Introdução
O mercado de inteligência artificial está passando por uma mudança fundamental. Segundo Clem Delangue, CEO da Hugging Face, as empresas estão deixando de ‘alugar’ IA através de APIs proprietárias e migrando massivamente para modelos open source. A plataforma, que se tornou o GitHub da IA, agora é utilizada por aproximadamente metade das empresas da Fortune 500. Essa transição representa não apenas uma mudança técnica, mas uma transformação profunda no modelo de negócios e na estratégia de implementação de IA nas organizações.
O padrão de migração: do aluguel à propriedade
Delangue observa um padrão consistente entre as empresas que adotam IA: elas começam utilizando APIs de modelos proprietários como GPT-4 da OpenAI ou Claude da Anthropic, mas conforme escalam suas operações, os custos se tornam proibitivos e elas migram para soluções open source. É como começar alugando um apartamento e depois perceber que comprar uma casa própria é mais vantajoso no longo prazo.
Esse movimento não é apenas sobre economia. As empresas buscam maior controle sobre seus sistemas de IA, capacidade de customização e, principalmente, independência de fornecedores externos. Quando você depende de uma API proprietária, está sujeito a mudanças de preço, alterações no modelo, limitações de uso e até mesmo interrupções de serviço que fogem ao seu controle.
Hugging Face como catalisador da transformação
A Hugging Face evoluiu de uma startup focada em chatbots para se tornar a principal plataforma de compartilhamento e distribuição de modelos de IA open source. Funcionando como um repositório central onde desenvolvedores e empresas podem baixar, compartilhar e colaborar em modelos e datasets, a plataforma democratizou o acesso a tecnologias de ponta em IA.
Para empresas brasileiras, isso significa poder acessar os mesmos modelos de última geração utilizados por gigantes tecnológicas globais, mas com a flexibilidade de adaptá-los às necessidades locais. Um banco brasileiro pode pegar um modelo de linguagem treinado globalmente e refiná-lo com dados específicos do mercado financeiro nacional, criando uma solução mais precisa e relevante que qualquer API genérica poderia oferecer.
A economia dos modelos open source
Os números falam por si. Empresas que processam milhões de requisições diárias através de APIs proprietárias podem gastar centenas de milhares de dólares mensalmente. Com modelos open source rodando em infraestrutura própria ou em nuvem, esses custos podem ser reduzidos em 70% ou mais, dependendo da escala e eficiência da implementação.
Mas a economia vai além do custo direto. Modelos open source permitem otimizações específicas para cada caso de uso. Uma empresa de e-commerce pode criar um modelo especializado em recomendações de produtos que é mais eficiente e preciso que um modelo generalista, reduzindo custos computacionais e melhorando resultados simultaneamente.
China ultrapassa EUA em downloads de modelos abertos
Um dado revelador mencionado por Delangue é que a China ultrapassou os Estados Unidos em downloads de modelos open source na plataforma. Isso reflete não apenas o tamanho do mercado chinês, mas também uma estratégia deliberada de reduzir dependência de tecnologias americanas. Para o Brasil e outros mercados emergentes, isso serve como exemplo de como o open source pode ser uma ferramenta de soberania tecnológica.
Empresas brasileiras podem aprender com essa tendência. Em vez de depender exclusivamente de APIs de empresas americanas, podem construir capacidades internas usando modelos abertos, criando uma indústria local de IA mais robusta e independente.
Segurança e controle: vantagens além do custo
A questão da segurança e privacidade de dados é crítica para muitas organizações. Quando você envia dados para uma API externa, perde controle sobre como esses dados são processados e armazenados. Com modelos open source rodando internamente, as empresas mantêm total controle sobre seus dados sensíveis.
Isso é especialmente relevante para setores regulados como saúde, finanças e governo. Um hospital brasileiro processando dados de pacientes ou um banco analisando transações financeiras pode preferir manter toda a operação dentro de sua própria infraestrutura, garantindo conformidade com LGPD e outras regulamentações.
O risco da concentração de poder em IA
Delangue expressa preocupação com a possibilidade de algumas grandes empresas controlarem todo o ecossistema de IA. Esse cenário seria análogo ao que aconteceu com sistemas operacionais móveis, onde apenas iOS e Android dominam o mercado. No contexto de IA, tal concentração poderia ter implicações ainda mais profundas, dado o poder transformador dessa tecnologia.
O movimento open source serve como contrapeso a essa tendência. Ao permitir que qualquer empresa ou desenvolvedor acesse e modifique modelos de ponta, cria-se um ecossistema mais diverso e resiliente. Para mercados como o brasileiro, isso significa oportunidade de participar ativamente do desenvolvimento de IA, não apenas como consumidores de tecnologia estrangeira.
Oportunidades subestimadas: IA local, biotecnologia e robótica
Durante a entrevista, Delangue destacou três áreas que considera subestimadas no atual boom de IA: processamento local (edge AI), aplicações em biotecnologia e robótica. Essas áreas representam oportunidades significativas para empresas brasileiras que querem se diferenciar no mercado global.
IA local, por exemplo, permite que dispositivos processem informações sem depender de conexão com a nuvem, crucial para aplicações em áreas remotas ou que exigem baixa latência. Na biotecnologia, modelos de IA podem acelerar descoberta de medicamentos e análises genômicas. Na robótica, a combinação de modelos de linguagem com sistemas de controle pode criar uma nova geração de robôs mais inteligentes e adaptáveis.
O que isso significa para o mercado brasileiro
A tendência identificada por Delangue tem implicações profundas para empresas brasileiras. Primeiro, sugere que a estratégia de começar com APIs proprietárias para testar conceitos e depois migrar para soluções open source é válida e amplamente adotada. Segundo, indica que investir em capacitação técnica para trabalhar com modelos open source é essencial para competitividade futura.
Empresas que ainda dependem exclusivamente de APIs proprietárias devem começar a explorar alternativas open source. Isso não significa abandonar imediatamente as soluções atuais, mas sim desenvolver capacidades paralelas e planejar uma transição gradual. O conhecimento e infraestrutura desenvolvidos nesse processo se tornarão ativos estratégicos fundamentais.
Conclusão
A migração de APIs proprietárias para modelos open source não é apenas uma tendência tecnológica, mas uma mudança fundamental em como as empresas abordam IA. Como Delangue observa, metade das maiores empresas do mundo já adotaram essa estratégia, e a tendência só deve se acelerar. Para o mercado brasileiro, isso representa tanto um desafio quanto uma oportunidade. O desafio está em desenvolver as competências necessárias para trabalhar com modelos open source. A oportunidade está em poder construir soluções de IA verdadeiramente próprias, adaptadas às necessidades locais e independentes de fornecedores externos. As empresas que entenderem e abraçarem essa mudança estarão melhor posicionadas para competir na economia digital das próximas décadas.
Fonte original: Este artigo foi adaptado e traduzido a partir da matéria publicada em TechCrunch, disponível em https://techcrunch.com/2026/07/10/hugging-faces-ceo-on-why-companies-are-done-renting-their-ai/.
