A IBM apostou bilhões em modelos de fundação de IA um ano antes do ChatGPT — e a ação dobrou

Quando Arvind Krishna assumiu como CEO em abril de 2020, a IBM já havia abandonado o mercado de PCs, vira sua IA Watson decepcionar e carregava pouco mais da metade da receita de seu auge em 2011 — a Fortune observa que era a única entre 17 empresas de tecnologia dos EUA avaliadas em US$ 100 bilhões ou mais a ter perdido valor de mercado nos oito anos anteriores. Krishna, o primeiro CEO da IBM com formação em pesquisa e engenharia depois de 35 anos dentro da empresa, não queria preservar o que via como um legado empoeirado.

A aposta veio em novembro de 2021, no briefing Global Technology Outlook da IBM, um ano inteiro antes do ChatGPT: o chefe de pesquisa em IA, Sriram Raghavan, apresentou grandes modelos de linguagem pré-treinados em conjuntos massivos de dados. Krishna, engenheiro com doutorado, percebeu a importância imediatamente ('Não tenho certeza de que todo o pessoal de negócios tenha entendido naquele momento', recorda) e de imediato deu sinal verde à sua equipe de gestão para direcionar bilhões em P&D para modelos de fundação de IA e a infraestrutura por trás deles, além de atualizações na plataforma de nuvem híbrida que ele havia defendido ao liderar a divisão de nuvem da IBM.

A estratégia se apoiava em três pilares — IA, computação em nuvem e uma aposta de várias décadas em computação quântica — e mirava onde os rivais não miravam: o carro-chefe Watsonx é otimizado para funções empresariais de nicho, como serviços financeiros, otimização da cadeia de suprimentos e operações de TI, incorporado à infraestrutura do cliente, em vez de perseguir modelos gerais voltados ao consumidor, do tipo que OpenAI, Meta e Google buscavam.

A empresa que financiou a aposta vinha encolhendo havia uma década — cerca de 100 mil funcionários a menos no fim de 2024 do que em 2015, com linhas de negócio não essenciais abandonadas ou separadas. Em junho de 2025, Wall Street havia se rendido: o preço das ações havia dobrado desde que Krishna assumiu, com uma sequência de máximas recordes desde agosto de 2024, as reservas de IA generativa haviam atingido US$ 6 bilhões desde junho de 2023, e o negócio de software enxuto crescia rapidamente.

O preço das ações dobrou desde que Krishna assumiu, com máximas recordes a partir de agosto de 2024; as reservas de IA generativa atingiram US$ 6 bilhões desde junho de 2023, sobre uma receita de US$ 63 bilhões em 2024.

A formação em engenharia de Krishna permitiu à IBM ler o sinal técnico cedo — ele compreendeu a importância da apresentação sobre LLMs um ano antes de o ChatGPT tornar a IA generativa famosa.

A aposta foi direcionada para onde a IBM já tinha distribuição empresarial — serviços financeiros, cadeia de suprimentos, operações de TI — em vez de uma corrida ao consumidor contra OpenAI, Meta e Google.

Uma década de poda financiou a virada: cerca de 100 mil funcionários a menos do que em 2015 e linhas não essenciais desinvestidas liberaram recursos para P&D.

A computação quântica recebeu um horizonte explícito de várias décadas, sinalizando a paciência necessária para apostas em pesquisa em vez de retorno trimestre a trimestre.

A profundidade em pesquisa só se torna estratégia quando um CEO consegue lê-la e age cedo: a IBM viu a onda dos LLMs um ano antes do ChatGPT e a apontou para a infraestrutura empresarial, não para o hype do consumidor.

Na data do artigo de junho de 2025, a estratégia tinha validação de mercado — um preço de ação dobrado e US$ 6 bilhões em reservas de IA generativa —, mas a Fortune observa que a IBM ainda não havia abraçado plenamente o ethos do Vale do Silício de avançar rápido e quebrar coisas, e sua receita permanecia muito abaixo do pico de 2011. O próprio título do artigo mantém a questão em aberto: se Krishna conseguirá levar a IBM de volta à sua antiga glória ainda não está decidido.