A armadilha da IA nos investimentos: o que Benjamin Graham diria sobre o mercado atual?

A inteligência artificial deixou de ser apenas um tema de tecnologia. Ela passou a dominar conversas sobre produtividade, empresas, investimentos, bolsa americana, data centers, semicondutores e o futuro da economia global.

Não é difícil entender o motivo. Empresas estão investindo centenas de bilhões de dólares em infraestrutura de IA, modelos generativos ganharam adoção em velocidade impressionante e algumas companhias diretamente ligadas ao tema apresentaram crescimento de receita e lucro que poucos negócios conseguem entregar em tão pouco tempo.

Mas é justamente nesse ambiente de entusiasmo que uma pergunta clássica volta a fazer sentido:

Benjamin Graham compraria uma ação apenas porque ela está no centro da maior narrativa do mercado?

Provavelmente não.

Isso não significa que Graham ignoraria a inteligência artificial. Também não significa que ele diria que todas as empresas ligadas ao tema estão caras ou que estamos necessariamente diante de uma bolha igual à das empresas ponto-com.

A lição seria mais simples e mais incômoda: uma tecnologia pode ser revolucionária e, ainda assim, um investimento pode ser ruim se o preço pago for alto demais.

A IA é real. A pergunta é quanto dela já está no preço

O primeiro erro seria tratar a inteligência artificial como uma moda sem fundamento. A IA já está mudando a forma como empresas desenvolvem software, automatizam processos, analisam dados, atendem clientes e constroem produtos digitais.

O Stanford AI Index 2026 mostra que o investimento corporativo global em IA chegou a US$ 581,7 bilhões em 2025, alta de 130% em relação ao ano anterior. O mesmo relatório aponta que os investimentos privados em IA atingiram US$ 344,7 bilhões, com os Estados Unidos liderando amplamente esse movimento.

Ou seja, não estamos falando apenas de uma narrativa de mercado. Existe dinheiro real sendo investido, infraestrutura real sendo construída e empresas reais tentando capturar valor com essa tecnologia.

O problema é que o mercado financeiro não precifica apenas o presente. Ele precifica expectativas.

A IA pode ser real. Mas o preço das ações pode estar precificando um futuro perfeito demais.

Essa é a armadilha. O investidor olha para uma tendência verdadeira e conclui automaticamente que qualquer empresa exposta a ela será uma boa compra. A história mostra que essa conclusão costuma ser perigosa.

A diferença entre uma grande tecnologia e um grande investimento

A internet foi uma das maiores revoluções econômicas da história moderna. Ela mudou comunicação, comércio, publicidade, entretenimento, logística, bancos, educação e praticamente todos os setores da economia.

Mesmo assim, quem comprou muitas ações de internet no auge da bolha ponto-com teve resultados desastrosos.

O Nasdaq atingiu seu pico em março de 2000 e, depois, caiu aproximadamente 77% até outubro de 2002. Muitas empresas desapareceram. Outras sobreviveram, mas demoraram anos para justificar os preços pagos no auge da euforia.

A lição não é que a internet era uma mentira. A internet era real.

A lição é que o preço importava.

Uma revolução tecnológica pode estar certa e, ao mesmo tempo, os investidores podem pagar caro demais por ela.

Esse é o paralelo mais importante com a inteligência artificial. A tecnologia pode transformar a economia. Algumas empresas podem se tornar muito maiores. Outras podem ser destruídas. Muitas podem apenas usar a narrativa para atrair capital, sem jamais transformar entusiasmo em lucro duradouro.

O que Benjamin Graham ensinava

Benjamin Graham ficou conhecido como o pai do investimento em valor. Sua filosofia não dependia de prever a próxima grande tendência tecnológica. Ela partia de uma pergunta mais básica: quanto vale o negócio e qual preço estou pagando por ele?

Graham popularizou conceitos como valor intrínseco, margem de segurança e a ideia do “Sr. Mercado”, uma metáfora para mostrar que o mercado oferece preços todos os dias, mas nem sempre esses preços fazem sentido.

Em alguns momentos, o mercado fica pessimista demais. Em outros, otimista demais. O investidor não precisa obedecer ao humor do mercado. Precisa avaliar se o preço oferecido faz sentido diante dos fundamentos do negócio.

Para Graham, o mercado deveria servir ao investidor, não comandar suas emoções.

Aplicando essa lógica ao ciclo atual de IA, a pergunta não é apenas se a inteligência artificial será importante. A pergunta é se o preço das empresas já incorpora um cenário tão otimista que sobra pouca margem de segurança para o acionista.

A margem de segurança ficou ainda mais importante

Margem de segurança é a diferença entre o valor estimado de um ativo e o preço pago por ele. Quanto maior essa diferença, maior a proteção do investidor contra erros de análise, mudanças de cenário e excesso de otimismo.

Em empresas maduras, essa conta já é difícil. Em empresas ligadas a tecnologias emergentes, ela se torna ainda mais incerta.

Quanto uma empresa de IA conseguirá faturar daqui a dez anos? Quais serão suas margens? Quem terá poder de precificação? O custo de computação vai cair ou permanecer elevado? Os modelos ficarão comoditizados? Os clientes continuarão pagando preços altos? A concorrência reduzirá os retornos?

Essas perguntas não têm resposta simples.

Quanto maior a incerteza sobre o futuro, maior deveria ser a margem de segurança exigida pelo investidor.

O problema é que, em momentos de euforia, costuma acontecer o contrário. Quanto mais incerto e promissor parece o futuro, mais o mercado aceita pagar hoje.

O caso Nvidia: lucro real, preço exigente

Nenhuma empresa simboliza melhor o ciclo atual de IA do que a Nvidia. A companhia deixou de ser vista apenas como uma fabricante de GPUs para jogos e passou a ser tratada como infraestrutura essencial da inteligência artificial.

Os números ajudam a explicar o entusiasmo. No ano fiscal de 2026, a Nvidia reportou receita de US$ 215,9 bilhões, alta de 65% em relação ao ano anterior. No primeiro trimestre fiscal de 2027, a receita chegou a US$ 81,6 bilhões, crescimento de 85% na comparação anual.

Esses dados mostram que a narrativa da IA não é apenas conversa. Existe demanda real por chips, servidores, redes e infraestrutura.

Mas o investidor precisa separar duas coisas: a qualidade do negócio e o retorno esperado da ação a partir do preço atual.

Uma empresa excelente pode ser um investimento ruim se o preço pago exigir perfeição demais.

Essa é uma das grandes mensagens de Graham para o mercado atual. Ele provavelmente reconheceria a força operacional de algumas empresas de IA. Mas também perguntaria: qual parte desse crescimento já está refletida no preço?

A corrida dos data centers

O ciclo de IA também criou uma corrida por infraestrutura. Grandes empresas de tecnologia estão expandindo data centers, comprando GPUs, desenvolvendo chips próprios e contratando energia em escala gigantesca.

A Microsoft, por exemplo, afirma em seu relatório anual que continuará investindo em despesas de capital para sustentar o crescimento de suas ofertas de nuvem e seus investimentos em infraestrutura e treinamento de IA.

Esse movimento mostra que a inteligência artificial exige capital pesado. Diferente de muitos negócios digitais mais leves, a IA generativa depende de capacidade computacional, energia, redes, armazenamento e equipamentos caros.

Isso cria oportunidades para fornecedores de hardware, energia, refrigeração, data centers e infraestrutura digital.

Mas também cria uma pergunta desconfortável:

Todo esse investimento gerará retorno suficiente sobre o capital aplicado?

Essa é a pergunta que separa uma revolução produtiva de uma corrida de gastos que pode terminar com excesso de capacidade, margens menores e expectativas frustradas.

O risco de confundir usuários com lucro

Uma das armadilhas clássicas em ciclos tecnológicos é confundir adoção com rentabilidade.

Uma ferramenta pode crescer rapidamente em número de usuários e ainda assim não gerar retorno adequado sobre o capital investido. Uma empresa pode ser muito usada, muito comentada e muito importante, mas capturar pouco valor econômico.

Isso aconteceu com várias empresas da internet. Milhões de pessoas usavam determinados serviços, mas os modelos de negócio não eram sustentáveis. O mercado descobriu tarde demais que atenção, tráfego e crescimento não eram sinônimos automáticos de lucro.

Com a inteligência artificial, o risco é parecido. Muitos produtos podem ter adoção explosiva. Mas o custo de inferência, o gasto com infraestrutura, a competição entre modelos e a dificuldade de cobrar preços altos podem pressionar a rentabilidade.

Uso não é lucro. Crescimento não é margem. Narrativa não é fluxo de caixa.

Essa frase resume bem a aplicação de Graham ao mercado atual.

A concentração do mercado aumenta o risco escondido

Outro ponto importante é que a IA passou a influenciar fortemente os principais índices de ações. Muitas carteiras globais estão mais expostas ao tema do que o investidor imagina.

Quem compra um ETF amplo de bolsa americana pode acreditar que está extremamente diversificado. Em parte, está. Mas os índices ponderados por valor de mercado dão peso maior justamente às maiores empresas, e muitas delas estão diretamente ligadas ao ciclo de IA.

Isso significa que um investidor pode ter exposição relevante a Nvidia, Microsoft, Apple, Alphabet, Amazon, Meta e outras gigantes mesmo sem ter comprado ações individuais dessas empresas.

Não há nada necessariamente errado nisso. O problema é acreditar que a carteira está neutra ao tema quando, na prática, parte importante do resultado depende das mesmas empresas e da mesma narrativa.

Às vezes, o risco não está na ação que você escolheu. Está na concentração escondida dentro do índice que você comprou.

Por isso, o investidor precisa olhar para dentro dos fundos e ETFs que possui. Diversificação verdadeira não é apenas ter muitos ativos. É ter fontes diferentes de retorno e risco.

IA não é um setor. É uma camada sobre vários setores

Outro erro comum é tratar inteligência artificial como se fosse um único setor da bolsa.

Na prática, a IA atravessa várias camadas. Existe a camada de semicondutores, com empresas que fabricam ou projetam chips. Existe a camada de nuvem e data centers. Existe a camada de modelos fundacionais. Existe a camada de software empresarial. Existe a camada de aplicações setoriais em saúde, finanças, educação, indústria e consumo.

Nem todas essas camadas terão a mesma rentabilidade.

Em alguns momentos, os maiores ganhadores podem ser os fornecedores de infraestrutura. Em outros, as plataformas que conseguem distribuir IA para milhões de usuários. Mais adiante, talvez as empresas tradicionais que usarem IA para reduzir custos e aumentar margens capturem boa parte do valor.

O investidor precisa tomar cuidado para não comprar qualquer empresa com “IA” no discurso como se todas tivessem o mesmo potencial econômico.

A pergunta não é apenas quem usa IA. A pergunta é quem captura o valor criado por ela.

O alerta de Graham contra a imaginação sem números

Em momentos de grande entusiasmo, o mercado costuma aceitar histórias cada vez mais ambiciosas. O tamanho do mercado endereçável cresce nas apresentações. As projeções ficam mais longas. Os múltiplos parecem justificáveis porque o futuro imaginado é gigantesco.

Graham desconfiaria desse tipo de raciocínio quando ele não estivesse apoiado por lucros, balanço, fluxo de caixa e preço razoável.

Isso não significa rejeitar crescimento. Significa exigir que o crescimento tenha alguma relação com a realidade econômica do negócio.

Uma empresa pode prometer transformar um setor inteiro. Mas o investidor precisa perguntar quanto capital será necessário, quais margens serão possíveis, quem terá poder competitivo e quanto tempo levará até que o lucro apareça.

O futuro pode ser brilhante. Mas o preço pago hoje precisa sobreviver a um futuro menos perfeito.

Essa é a essência da margem de segurança.

Como analisar empresas expostas à IA

O investidor não precisa fugir de todas as empresas ligadas à inteligência artificial. Essa também seria uma simplificação ruim.

Algumas companhias podem realmente se tornar vencedoras estruturais. Outras podem usar IA para ampliar margens, defender vantagens competitivas e abrir novos mercados. O ponto é que a análise precisa ir além da narrativa.

Antes de investir em uma empresa exposta à IA, vale responder algumas perguntas:

• A empresa já gera lucro ou depende apenas de expectativa futura?
• A receita ligada à IA é relevante ou apenas marginal?
• A companhia possui vantagem competitiva sustentável?
• O crescimento exige muito capital adicional?
• As margens podem permanecer altas com mais concorrência?
• O valuation exige um cenário razoável ou perfeito?
• A empresa captura valor ou apenas viabiliza que outros capturem?
• A carteira já está excessivamente exposta ao mesmo tema por meio de ETFs e índices?

Essas perguntas não eliminam o risco, mas reduzem a chance de o investidor comprar apenas uma história bonita.

O que a bolha ponto-com ensina sobre a IA

A comparação com a bolha da internet precisa ser feita com cuidado. O mercado atual tem diferenças importantes. Algumas empresas líderes da IA possuem lucros enormes, balanços fortes e produtos reais. Isso é muito diferente de várias empresas ponto-com que abriram capital sem modelo de negócio sustentável.

Mas a semelhança está no comportamento humano.

Em ciclos de inovação, investidores tendem a subestimar a velocidade com que uma tecnologia pode se espalhar e, ao mesmo tempo, superestimar a quantidade de empresas que capturarão valor econômico duradouro.

Foi assim com ferrovias, rádio, automóveis, internet e várias outras ondas tecnológicas.

A tecnologia muda. A psicologia do mercado muda muito menos.

Por isso, a pergunta de Graham continua útil mesmo em um mercado dominado por IA: estou comprando uma empresa com margem de segurança ou apenas pagando caro por uma narrativa popular?

A visão da Case de Valor

A inteligência artificial provavelmente será uma das forças econômicas mais importantes das próximas décadas. Ignorar essa transformação seria um erro.

Mas transformar qualquer ação ligada à IA em investimento obrigatório também seria um erro.

O investidor precisa separar tecnologia, empresa e preço. A tecnologia pode ser revolucionária. A empresa pode ser excelente. Mesmo assim, o preço pode estar alto demais para oferecer um bom retorno futuro.

O erro não está em acreditar na IA. O erro está em esquecer que preço ainda importa.

Benjamin Graham não tinha como prever GPUs, modelos generativos ou data centers de IA. Mas ele entendia algo que continua atual: o investidor precisa se proteger do próprio entusiasmo.

O mercado sempre terá uma grande história para contar. Em alguns ciclos, foi a internet. Em outros, commodities, imóveis, criptoativos ou empresas disruptivas. Agora, é a inteligência artificial.

Algumas dessas histórias serão verdadeiras. Algumas empresas criarão valor real. Outras apenas pegarão carona no tema.

O papel do investidor não é rejeitar o futuro. É pagar um preço que ainda permita ganhar dinheiro caso o futuro seja bom, mas não perfeito.

Grande tecnologia não basta. Grande empresa não basta. O investimento só começa a fazer sentido quando existe preço, valor e margem de segurança.

Talvez essa seja a melhor forma de aplicar Benjamin Graham ao mercado atual.

Não perguntar apenas:

“A IA vai mudar o mundo?”

Mas sim:

“Quanto desse mundo novo eu já estou pagando hoje?”

Este conteúdo possui caráter exclusivamente educacional e informativo. Não constitui recomendação de compra ou venda de ações, ETFs, fundos ou qualquer outro ativo financeiro. Empresas ligadas à inteligência artificial podem apresentar alta volatilidade, valuations exigentes e riscos operacionais relevantes. Antes de investir, avalie seus objetivos, perfil de risco, diversificação da carteira e margem de segurança.

Fontes consultadas

• Vídeo-base: “A Armadilha da IA nos Investimentos: O Alerta de Benjamin Graham Para o Mercado Atual”.
• Stanford HAI — AI Index Report 2026.
• Nvidia — resultados financeiros do ano fiscal de 2026 e primeiro trimestre fiscal de 2027.
• Microsoft — Annual Report 2025.
• Goldman Sachs — histórico da bolha ponto-com e queda do Nasdaq entre 2000 e 2002.
• S&P Dow Jones Indices — composição e metodologia do S&P 500.