“Colocar IA em tudo” virou quase um reflexo. Mas nem todo reflexo é racional.

Estamos entrando em uma fase que lembra muito algo que a engenharia já conhece bem: o overengineering. Só que agora, aplicado à inteligência artificial.

Eu chamo isso de OverAI.

O que é OverAI

OverAI não é sobre usar IA.

É sobre o uso excessivo, performático e indiscriminado de LLMs e GenAI — muitas vezes sem necessidade técnica, sem retorno claro e, principalmente, sem sustentabilidade.

Não é uma crítica à IA. É uma crítica à forma como estamos adotando IA.

O paralelo com overengineering

A analogia não é estética. Ela é estrutural.

Overengineering:

  • usar arquitetura complexa sem necessidade
  • adicionar abstrações sem retorno
  • criar sistemas maiores que o problema

OverAI:

  • adicionar LLMs onde software determinístico resolve
  • usar agentes onde automação simples basta
  • transformar IA em requisito estético
  • medir adoção em vez de resultado

Aqui acontece uma inversão clássica:

a tecnologia deixa de ser meio e passa a ser fim.

Tokenmaxxing: a caricatura do problema

O fenômeno de tokenmaxxing expõe isso de forma quase didática.

Empresas começaram a:

  • criar rankings internos baseados em uso de tokens
  • tratar consumo como proxy de produtividade
  • usar IA como marcador de status organizacional

Isso é um caso direto da Lei de Goodhart:

“Quando uma métrica vira meta, ela deixa de ser uma boa métrica.”

Tokens medem consumo computacional. Tokens não medem:

  • qualidade
  • impacto
  • clareza
  • valor gerado
  • resultado de negócio

É uma confusão clássica entre input e output.

O incentivo econômico por trás

Esse comportamento não surge por acaso.

A indústria de IA tem incentivos claros para aumentar consumo, aumentar dependência e aumentar throughput computacional.

Quanto mais prompts, agentes, contexto, inferência e automação, maior:

  • consumo de GPU
  • receita de cloud
  • consumo de tokens

Existe uma força de mercado empurrando a narrativa de que:

mais IA = melhor.

Mesmo quando isso ainda não se sustenta economicamente.

IA como identidade cultural

O problema não é só técnico. É cultural.

IA deixou de ser apenas ferramenta e passou a ser:

  • símbolo de status
  • marcador de pertencimento
  • estética tecnológica
  • performance social

Isso não é novo. Já vimos isso com hustle culture, biohacking e startup grind.

Agora temos:

AI grind culture.

OverAI como fase do hype cycle

Toda tecnologia passa por um ciclo previsível:

  • descoberta
  • hype
  • adoção irracional
  • frustração
  • maturidade

Já vimos isso com internet, microservices, blockchain e Kubernetes. IA está seguindo o mesmo padrão.

Não é sobre “estourar a bolha”

É mais sutil que isso.

A questão não é que a IA vai “falhar”. É que o mercado está superestimando onde ela realmente gera valor.

O mais provável é:

  • consolidação
  • redução de exageros
  • abandono de casos ruins
  • permanência dos casos que se pagam

Exatamente como aconteceu com outras ondas tecnológicas.

O problema organizacional

O ponto mais crítico talvez seja este:

estamos começando a medir proximidade com IA, e não valor entregue.

Isso gera teatro operacional, métricas vazias, consumo performático e complexidade artificial. E engenharia sofre — muito — quando isso acontece.

Nem tudo é OverAI

É importante não cair no extremo oposto.

Existem áreas onde LLMs já provaram valor estrutural:

  • copilots
  • busca semântica
  • automação documental
  • suporte operacional
  • análise de dados
  • coding assistance

O problema não é a IA. É o uso desproporcional e indiscriminado dela.

Conclusão

OverAI não é sobre rejeitar IA. É sobre recusar adoção irracional — e talvez o sinal mais claro disso seja simples:

quando começamos a medir consumo em vez de resultado.

IA vai continuar. Mas o excesso, não.