*Por Carlos Eduardo Medeiros – Durante anos, a lógica de investimento em infraestrutura digital foi orientada por uma única pergunta: onde está a demanda? Crescimento de workloads, expansão da nuvem, volume de dados — esses indicadores dominaram a análise setorial e pautaram as decisões de alocação de capital.

Essa lente continua sendo necessária. Mas ela está incompleta.

O que se torna cada vez mais evidente para quem opera no nível de decisão de capital é uma mudança de natureza: o fator limitante deixou de ser demanda e passou a ser capacidade de execução. E execução, nesse contexto, depende de três vetores que raramente aparecem integrados na mesma análise — energia, regulação e arquitetura de workloads.

Energia: não como custo, mas como viabilidade

As cargas de inteligência artificial transformam data centers em ativos industriais intensivos, com requisitos de suprimento contínuo, estabilidade e previsibilidade de expansão que se aproximam dos de grandes indústrias de base. Nesse cenário, o gargalo não está na geração de energia — em muitos mercados, a capacidade instalada é suficiente ou está em expansão. O ponto de fricção está na transmissão e na conexão ao grid.

A consequência prática é direta: um data center pode ser construído em 12 a 24 meses, enquanto a infraestrutura energética associada pode demandar vários anos. Esse descompasso transforma o chamado “time-to-power” em uma variável crítica de retorno. Projetos energeticamente mal posicionados têm a TIR corroída antes mesmo de entrar em operação — e pequenas variações de prazo geram impacto desproporcional sobre o resultado.

A pergunta correta, portanto, deixa de ser “qual o custo da energia?” e passa a ser “em quanto tempo essa energia estará efetivamente disponível para o projeto?”

Regulação: quem captura o valor do workload

Se energia define a viabilidade física de um projeto, a regulação define sua viabilidade econômica. E aqui reside uma das distinções mais relevantes — e menos discutidas — do ciclo atual.

A cadeia de valor da IA pode ser segmentada em etapas com perfis econômicos muito distintos. O treinamento de modelos concentra alta intensidade computacional e alto valor, mas também maior exposição regulatória. A inferência, por sua vez, é sensível à latência e apresenta valor econômico moderado, com menor fricção.

A implicação estrutural é direta: jurisdições com ambiente regulatório previsível tendem a capturar as etapas de maior valor da cadeia. Jurisdições com maior incerteza ficam com a inferência. O ativo físico pode estar no país — mas o valor econômico do workload é deslocado. Essa dissociação entre localização do ativo e captura de valor é um dos fenômenos mais relevantes deste ciclo, e ainda é pouco incorporada nos modelos de decisão.

Os incentivos fiscais, embora relevantes para a redução de CapEx e melhoria marginal da TIR, não endereçam esses dois fatores críticos. Eles podem melhorar a viabilidade de um projeto — mas não tornam viável um projeto estruturalmente desalinhado.

Brasil: escala real, análise que precisa ser mais precisa

O Brasil reúne condições estruturais relevantes: matriz predominantemente renovável, escala territorial, disponibilidade potencial de energia e instrumentos de incentivo ao investimento. Mas tratar o mercado brasileiro como um bloco homogêneo é um erro de análise com consequências práticas.

Na realidade, o Brasil abriga duas teses de investimento distintas, com perfis de capital, risco e retorno completamente diferentes.

A primeira é a tese de export-oriented compute: workloads intensivos em energia, com baixa dependência de latência e integração com mercados internacionais. A segunda é a de infraestrutura doméstica: foco em inferência e aplicações locais, com alta sensibilidade à latência e dependência da demanda interna.

Confundir as duas teses no mesmo modelo é a origem de boa parte dos projetos que entregam abaixo do esperado — gerando desalinhamento entre CAPEX e demanda, subutilização de ativos e retorno aquém do projetado.

Um ponto merece atenção especial no caso brasileiro: a questão energética não se resume à existência de recursos. O fator crítico é a capacidade de transformar essa disponibilidade potencial em energia efetivamente conectada ao data center no prazo requerido pelo projeto — o que envolve, sobretudo, a infraestrutura de transmissão e os processos de licenciamento e conexão ao sistema elétrico.

A arquitetura que está se materializando

A convergência desses fatores aponta para uma arquitetura global de workloads cada vez mais distribuída: treinamento em regiões com energia abundante e custo competitivo; inferência próxima ao usuário final; separação geográfica entre as camadas de valor. Essa estrutura não é apenas uma tendência teórica — ela já começa a se refletir nas decisões de alocação dos principais hyperscalers e fundos de infraestrutura.

Para investidores e operadores, a lógica de decisão precisa evoluir. A pergunta central não é mais “onde investir?” — é onde a energia estará efetivamente disponível no horizonte do projeto, onde o ambiente regulatório permite capturar o valor do workload, e como o ativo se posiciona dentro da arquitetura global de IA.

Nesse contexto, o Brasil entra na disputa com ativos reais, mas com uma janela de oportunidade que não é incondicional. Há iniciativas regulatórias em curso — no campo da governança de dados e da inteligência artificial — que, a depender de como forem desenhadas, podem ampliar ou restringir significativamente a atratividade do país para os workloads de maior valor. O ponto não é a existência de regulação — mercados regulados podem ser altamente atrativos. O ponto é a qualidade dessa regulação: se ela for clara, previsível e internacionalmente coerente, tende a atrair capital qualificado. Se resultar em obrigações assimétricas, custo de compliance imprevisível ou fragmentação institucional, o efeito mais provável é o deslocamento dos workloads de maior valor para outras jurisdições — mantendo a infraestrutura no país, mas transferindo o valor econômico para fora.

A indústria de data centers está migrando de um modelo orientado a demanda para um modelo orientado a restrições estruturais. Nesse novo contexto, energia define viabilidade, regulação define captura de valor e arquitetura define competitividade.

O maior risco para o Brasil hoje não é a ausência de investidores interessados. É construir um ambiente que atraia o investimento em infraestrutura, mas afaste o workload de maior valor agregado — deixando o país com o ativo e sem a cadeia.

* Carlos Eduardo (Cadu) Medeiros é Senior Advisor em TMT

O post Três vetores vão definir quem captura valor na era da IA apareceu primeiro em TeleSíntese.