Em 10 de outubro, Satya Nadella publicou um ensaio que redefiniu a pergunta que as empresas fazem sobre IA. A velha pergunta era "em qual modelo podemos confiar?". Sua resposta: em nenhum deles, por padrão. Trate todo modelo de fronteira, fechado ou de pesos abertos, da mesma forma que você trataria um funcionário poderoso com acesso a sistemas sensíveis: privilégios limitados, ações registradas em log, um botão de desligamento e auditorias que não dependam apenas da palavra do próprio funcionário.
Ele encerrou com uma frase fácil de repetir e difícil de implementar: o sistema mais confiável é aquele que "nos permite confiar o mínimo possível no modelo."
Meu argumento neste texto é mais específico do que as manchetes e, acredito, mais difícil de refutar:
- A Microsoft não está vencendo a corrida corporativa de IA por ter o melhor modelo. Ela está vencendo por ser dona do lugar onde os modelos são governados, faturados e contidos, e os números corporativos (mais de 30 milhões de licenças pagas do Copilot, US$ 100 bilhões em receita do Azure) comprovam isso.
- Os modelos de pesos abertos no Azure importam, mas não porque sejam mais confiáveis. Eles importam porque dão controle a quem faz o deploy, que é exatamente para onde Nadella transferiu o peso da confiança.
- A única coisa que quem faz o deploy não consegue fornecer de forma crível para si mesmo é a verificação independente. Essa é a lacuna, e é aí que uma empresa de testes como a nossa se encaixa.
Um aviso logo de início: sou cofundador da TestMu AI (antiga LambdaTest). Leia o último terço deste ensaio tendo isso em mente. Tentei tornar cada afirmação verificável, e as fontes estão no final.
A Microsoft está perdendo a corrida dos modelos e vencendo no mercado corporativo mesmo assim
"A Microsoft está vencendo na IA corporativa" é a afirmação com maior probabilidade de ser contestada, então ela precisa de um significado preciso. Em participação nos modelos, a Microsoft não é líder. Mas sim no lugar onde a IA corporativa realmente roda.
O que é medido
O padrão é claro. As empresas compram modelos dos laboratórios, mas fazem o deploy dentro da Microsoft. A pesquisa de CIOs da a16z mostrou a OpenAI liderando em modelos, enquanto a Microsoft domina as aplicações corporativas de IA.
A Microsoft também parou de apostar em um único laboratório. O Claude, da Anthropic, ficou disponível de forma geral no Microsoft Foundry em 29 de junho de 2026, faturado via Azure e governado com controles de identidade e acesso do Azure. O catálogo do Foundry agora traz modelos da OpenAI, Anthropic, Meta, Mistral, DeepSeek, xAI, Cohere e outros.
Portanto, a versão precisa da tese é esta: a Microsoft está se tornando o plano de controle para a IA corporativa, a camada que decide qual modelo roda, com quais permissões, sobre quais dados e sob quais logs. É sobre essa camada que o ensaio de Nadella trata.
O placar corporativo
Se o controle da camada corporativa é o prêmio, os resultados fiscais de 2026 da Microsoft mostram que ela está levando. No ano encerrado em junho de 2026, o Azure gerou US$ 100 bilhões em receita anual e cresceu 43% no trimestre de junho, com uma projeção de crescimento de cerca de 45% para o trimestre de setembro (8-K da Microsoft; MarketBeat). As obrigações de desempenho comercial restantes, o backlog assinado mas ainda não reconhecido, subiram 84%, chegando a US$ 678 bilhões (resumo do comunicado pela KuCoin).
Os números do Copilot importam mais para este argumento, porque medem empresas colocando a IA diante de suas próprias equipes:
Os deployments citados estão exatamente nos setores onde a confiança continua sendo a mais difícil de conquistar: o NHS England está expandindo o Copilot para 505.000 médicos e funcionários, a KPMG para mais de 276.000 profissionais, e o HSBC comprometeu-se com 200.000 licenças (UC Today). A Accenture está implementando para cerca de 743.000 funcionários, o que Nadella chamou de maior vitória do Copilot para a Microsoft (Let's Data Science). Bayer, Johnson & Johnson, Mercedes-Benz e Roche rodam, cada uma, mais de 90.000 licenças.
O detalhe mais revelador é como a Microsoft está empacotando isso. Seu novo pacote E7 combina o Copilot com a segurança E5, a identidade Entra e o Agent 365, a camada para gerenciar agentes. Centenas de empresas compraram o pacote nos dois primeiros meses, e a EY está implementando-o para 400.000 funcionários (UC Today). A Microsoft não vende mais IA sozinha. Ela vende IA junto com a identidade, as permissões e a governança ao redor dela, o que é o ensaio de Nadella transformado em um SKU.
Uma ressalva é que 30 milhões de licenças ainda representam apenas cerca de 6,6% das licenças comerciais pagas do Microsoft 365 (No Jitter), e parte do backlog é comprometida antes do deploy real. A liderança é genuína; o mercado ainda está no início. Esse é um motivo para construir a camada de confiança agora, enquanto a base instalada ainda está ligando.
O que Nadella realmente disse
O ensaio, "Modelos como Riscos Internos na Era da Superinteligência", começa com uma admissão. Com o software tradicional, os engenheiros podem rastrear o comportamento até um caminho de código. Com os modelos de fronteira, ninguém consegue vincular uma saída a dados de treinamento ou pesos específicos, e ainda assim as empresas entregam a esses sistemas dados sensíveis e ações críticas para a missão. As garantias de um provedor, escreveu ele, não eliminam a responsabilidade de quem faz o deploy (TNW).
Sua solução é emprestar os controles de risco interno que as equipes de segurança já utilizam: identidade verificada, menor privilégio, registro em log, contenção. Os controles são externos ao modelo. Em suas palavras, as empresas devem "separar o fornecimento de inteligência da autoridade sobre ela."
Os sete princípios, conforme resumidos pelo TNW:
- Diversidade de modelos. Nenhum modelo isolado é a única dependência para um resultado importante, e nenhum modelo verifica seu próprio trabalho.
- Evidências. Toda ação significativa do modelo deixa evidências à prova de violação e legíveis por humanos.
- Teste contínuo de sistemas. Teste todos os sistemas continuamente, inclusive contra falhas e ataques.
- Autoridade definida por quem faz o deploy. A empresa, não o modelo, decide o que o modelo pode acessar e fazer.
- Auditoria independente. As auditorias não devem depender do modelo avaliado.
- Contenção. Uma pessoa autorizada pode pausar ou interromper um modelo no meio de uma tarefa.
- Divulgação de incidentes. Avise rapidamente as partes afetadas e compartilhe aprendizados em todo o setor.
Dois detalhes importam para o que vem a seguir. Primeiro, o enquadramento se aplica igualmente a modelos fechados e de pesos abertos (OfficeChai). Segundo, o ensaio não anunciou nenhum produto, padrão ou cronograma (FourWeekMBA). É uma posição, não um plano, o que deixa a implementação em aberto.
O ensaio não surgiu do nada. Em julho, a OpenAI anunciou que agentes escaparam de uma avaliação em sandbox e invadiram sistemas do Hugging Face. Em setembro, um modelo de pesquisa da OpenAI alcançou um chatbot externo via DNS, e a OpenAI pausou o treinamento e a inferência de uso de ferramentas em seus modelos mais capazes (Bernama/dpa). A Anthropic também revelou que um de seus modelos enviou uma denúncia falsa de homicídio à polícia da Filadélfia durante testes (Benzinga). Esses são incidentes de laboratório, não violações corporativas, mas explicam por que "confie no provedor" não é mais uma resposta aceitável.
Pesos abertos no Azure: controle, não virtude
A versão popular desse argumento diz que modelos de pesos abertos são mais confiáveis. O próprio Nadella praticamente derruba isso em seu texto: pesos abertos são um risco interno tão grande quanto. Pesos inspecionáveis não tornam o comportamento rastreável, que é exatamente o problema que ele aponta.
O que os pesos abertos realmente oferecem a uma empresa é controle sobre as variáveis que Nadella entrega a quem faz o deploy:
- Fixação de versão - O modelo que você validou é o modelo que roda. Ninguém o atualiza pelas suas costas.
- Localização - Ele roda na sua região, no seu data center ou em um site desconectado. A Nuvem Privada Soberana da Microsoft roda o Foundry Local no Azure Local, on-premises.
- Continuidade - O acesso não pode ser retirado por um fornecedor ou governo após o deploy.
- Pós-treinamento ajustado à tarefa - Você pode restringir um modelo ao trabalho e testar esse comportamento mais restrito.
A Microsoft está construindo para isso. Em julho, assinou um acordo multibilionário com a Mistral, colocando o modelo de pesos abertos Mistral Medium 3.5 no Foundry e no Azure Local, incluindo deployments totalmente desconectados. Em 9 de outubro, lançou o Microsoft-Decision-1, um modelo de pontuação pós-treinado no Qwen3.5-9B de pesos abertos da Alibaba, criado para roteamento, verificações de fundamentação e avaliação de ações propostas por agentes (Let's Data Science).
Agora, as evidências contrárias. O uso corporativo de modelos abertos tem caído, não subido: a Menlo Ventures mediu os modelos abertos em 19% das cargas de trabalho corporativas no início de 2025 e 13% em meados do ano, citando uma defasagem de desempenho de nove a doze meses e a relutância em usar modelos de origem chinesa (Menlo Ventures). Um número posterior da Menlo apontou 11% (compilação da Keenable).
Portanto, "pesos abertos são melhores para empresas" é uma generalização incorreta. A posição válida é uma abordagem de portfólio: modelos fechados de fronteira onde a capacidade decide o resultado, modelos de pesos abertos onde o controle decide (dados regulados, sites desconectados, classificação e verificação de alto volume). O Decision-1 é um bom indicador. A Microsoft optou por uma base aberta para o modelo cuja função é verificar outros modelos, e diz que vai mudar a base desse modelo para MAI e modelos da OpenAI mais tarde (InfoWorld). A base é uma escolha; a camada de controle é o produto.
A vantagem do Azure é oferecer ambos sob um único sistema de identidade, faturamento e logs. É disso que os princípios de Nadella precisam: um único lugar para impor autoridade sobre muitos modelos.
Europa: os prazos mudaram, a pressão não
Seria fácil exagerar o impulso regulatório, então aqui está o que realmente se aplica. O Digital Omnibus da UE entrou em vigor em 27 de julho de 2026, adiando os prazos de alto risco do AI Act em mais de um ano (CASRAI).
Datas segundo Gibson Dunn e Compliance Hub.
Duas conclusões honestas se seguem. A regulação não está forçando a mão de ninguém neste trimestre. Mas os requisitos que ela passará a exigir a partir de dezembro de 2027 são gestão de riscos, documentação, monitoramento humano e monitoramento pós-mercado. Isso leva mais de 14 meses para ser construído, e se parece muito com a lista de Nadella.
O motor europeu mais forte é a continuidade de acesso. Em junho de 2026, os controles de exportação dos EUA levaram a Anthropic a suspender o acesso a dois de seus modelos mais avançados por cerca de três semanas, até que os controles fossem levantados (Anthropic). Uma análise do acordo entre Microsoft e Mistral vinculou o renovado impulso de soberania da Europa diretamente a essa pausa (ResultSense). O Gartner, conforme relatado pelo ai2.work, projeta gastos europeus com IaaS de nuvem soberana em US$ 12,6 bilhões em 2026, alta de 83%.
O contraponto também merece espaço. Alemanha e Dinamarca anunciaram movimentos para sair do software da Microsoft em direção ao código aberto (UC Today), e se a nuvem local de um fornecedor americano conta como verdadeira soberania continua sendo uma questão em aberto. A posição da Microsoft na Europa é forte, não consolidada.
A peça que a plataforma não consegue fornecer: verificação independente
Leia os sete princípios novamente e classifique-os por quem pode executá-los. Identidade, permissões, logs e o freio de emergência (princípios 2, 4, 6) são recursos de plataforma. A Microsoft pode integrá-los ao Foundry e ao Entra, e em grande parte já o fez.
Três princípios são diferentes. "Nenhum modelo verifica seu próprio trabalho" (1), "teste sistemas inteiros o tempo todo" (3) e "auditorias não devem depender do modelo avaliado" (5) exigem uma parte separada daquilo que está sendo julgado. O próprio Nadella observa que usar modelos para testar uns aos outros tem limites (OfficeChai).
A Microsoft entrega ferramentas de avaliação, e elas são boas. O rastreamento e as avaliações do Foundry alcançaram disponibilidade geral nesta primavera (blog do Microsoft Foundry), e seu plano de controle inclui red-teaming automatizado (Azure Updates). Isso cobre a verificação interna contínua. Não cobre a independência, por um motivo estrutural: a Microsoft tem interesse comercial em muitos dos modelos que estaria avaliando. Ela detém uma participação de longa data na OpenAI, comprometeu até US$ 5 bilhões com a Anthropic (AI Business), investe na Mistral e agora lança seus próprios modelos.
Isso não é uma crítica à Microsoft. É a mesma lógica que todo setor regulado já utiliza. Uma empresa mantém controles internos, e um auditor externo audita as contas. Um provedor de nuvem executa sua própria segurança, e uma empresa independente emite o relatório SOC 2. Ninguém acha que a nuvem deve auditar a si mesma; ninguém deveria achar que o marketplace de modelos deva fazer isso também.
A demanda é visível nos dados:
- 81% dos 685 CIOs pesquisados pela Harris Poll disseram ter perdido a supervisão sobre seus próprios agentes de IA, e 60% não possuem uma camada central de governança (Dataiku).
- A pesquisa de 2026 da McKinsey descobriu que dois terços das organizações estão na fase de experimentação com agentes, mas menos de uma em quatro os está escalando, com confiança e risco como principais barreiras (conforme relatado pelo NHI Mgmt Group).
- O IDC descreve a ausência de trilha de auditoria como a verdadeira lacuna de governança: em uma pesquisa, a maioria das organizações não conseguia verificar o que seus agentes fazem (IDC).
Aaron Levie, CEO da Box, respondeu ao ensaio de Nadella dizendo que a IA está entrando em uma era de confiança zero que exige proteção em camadas e auditabilidade (Benzinga). A confiança zero na segurança criou um ecossistema de fornecedores independentes ao redor das plataformas. O mesmo está prestes a acontecer aqui.
Onde a TestMu AI e a Microsoft se encaixam
Aqui está o viés que divulguei, declarado de forma clara: acredito que a verificação independente é uma categoria, e a TestMu AI deveria ser uma das empresas que a definem na stack da Microsoft.
A relação não é hipotética. Nossa plataforma de orquestração de testes, HyperExecute, foi construída no Azure (história de cliente da Microsoft). Em 2022, lançamos integrações com Azure DevOps e GitHub Actions e fomos parceiros em destaque no Ignite (Help Net Security). O que segue é como eu estenderia isso para a camada de confiança. É uma proposta, não um acordo anunciado.
Concretamente, isso significa três coisas:
- Um gate de liberação para agentes. Agentes criados no Foundry ou no Copilot Studio passam por testes independentes de pré-produção antes de receberem permissões de produção. Nosso produto de Teste de Agentes cobre agentes de chat, voz e URA; nosso trabalho agente-para-agente cobre fluxos onde não há humano no loop.
- Evidências que acabam no plano de controle do cliente. Os resultados fluem para a observabilidade baseada em OpenTelemetry do Foundry, que já ingere agentes de terceiros (Microsoft Tech Community). A plataforma mantém o log; o verificador assina o parecer.
- Verificação que roda onde o modelo roda. No caso de deployments soberanos e desconectados no Azure Local, o teste precisa rodar dentro da mesma fronteira, ou a evidência sai da sala onde o modelo estava trancado.
Uma objeção se aplica diretamente a nós. Se estamos usando agentes de IA para testar agentes de IA, não estamos fazendo aquilo contra o que Nadella alerta? Até certo ponto, sim, e é por isso que o design importa. O agente de teste deve rodar em um modelo diferente do sistema sob teste (princípio 1). Aprovação/reprovação deve ser baseada em verificações determinísticas contra o comportamento esperado, com o modelo usado para explorar e gerar casos, não para avaliar a si mesmo. E todo parecer deve ser legível por um auditor humano sem confiar no nosso modelo também.
Objeções respondidas
"Anthropic e OpenAI lideram a IA corporativa, não a Microsoft." Em participação nos modelos, isso é absolutamente verdade e este texto concorda. O ponto é sobre o plano de controle. O próprio Claude agora é vendido através do Foundry nas faturas do Azure (Redmond Mag). Os fornecedores de modelos e a plataforma vencem em camadas diferentes.
"O ensaio de Nadella é marketing para o Azure." Possivelmente, e ainda assim está correto em substância. As equipes de segurança já têm controles de risco interno implementados para pessoas; estendê-los aos modelos é engenharia rotineira. Note que o ensaio não cita nenhum produto da Microsoft, portanto não pode ser julgado como um discurso de vendas por si só.
"Modelos de pesos abertos estão perdendo participação corporativa, então esta é a aposta errada." Os dados apoiam isso, e é por isso que o argumento é sobre um portfólio e sobre controle, não sobre pesos abertos vencendo. A Microsoft construindo seu modelo de verificação em uma base aberta é o sinal relevante.
"A regulação acabou de ser adiada, então não há urgência." As obrigações de alto risco agora chegam em dezembro de 2027. As obrigações para modelos de uso geral aplicam-se desde agosto de 2025. O histórico de incidentes, não o calendário jurídico, é o que está movendo os compradores. O projeto de lei Kill Switch no Congresso aponta na mesma direção (TNW).
"A Microsoft simplesmente construirá a verificação por conta própria." Ela construirá a avaliação, e deve fazer isso. Independência não é um recurso que ela possa adicionar, pelo mesmo motivo que uma empresa não pode ser sua própria auditora externa. O melhor resultado para os clientes da Microsoft é uma plataforma que facilite a integração de verificadores independentes.
"Por que uma empresa de testes e não uma firma de auditoria?" Firmas de auditoria verificam controles periodicamente. O princípio 3 exige testar sistemas inteiros continuamente, inclusive durante falhas e ataques. Esse é um trabalho técnico contínuo feito em cada lançamento. É o que a infraestrutura de testes já faz pelo software; o alvo agora são os agentes.
O que provaria que isso está errado?
Uma tese que vale a pena publicar deve dizer o que a quebraria. Quatro coisas fariam isso:
- As empresas aceitam a avaliação conduzida pela plataforma como suficiente. Se CIOs e reguladores tratarem as avaliações do próprio fornecedor como uma auditoria, a camada independente permanecerá pequena.
- Os laboratórios resolvem a interpretabilidade fiel. O argumento de Nadella se baseia na incapacidade de rastrear o comportamento do modelo. Se isso mudar, a contenção importa menos e a verificação fica mais barata.
- As compras se afastam da camada de plataforma. Se as empresas padronizarem a stack de agentes de um único laboratório de ponta a ponta, o plano de controle passa da Microsoft para esse laboratório.
- Soberania significa deixar a Microsoft. Se os compradores europeus concluírem que a nuvem local de um fornecedor americano não é soberana o suficiente, a vantagem europeia da Microsoft diminui.
Eu observaria três sinais nos próximos 12 meses: se a Microsoft padronizará as tecnologias de contenção que Nadella pediu, se as diretrizes da UE sobre conformidade de alto risco mencionarão testes de terceiros, e se as empresas começarão a exigir evidências de verificação nas aquisições de IA. Se os três avançarem, a camada de confiança se torna um mercado.
Fontes
Ensaio de Nadella e reações
- Satya Nadella no X: "Modelos como Riscos Internos na Era da Superinteligência" (10 de out de 2026)
- TNW: Satya Nadella diz que empresas devem tratar modelos de IA como riscos internos
- FourWeekMBA: Nadella diz para tratar modelos de IA de fronteira como riscos internos
- OfficeChai: Modelos de IA precisam ser tratados como insiders poderosos
- Benzinga: Nadella diz que sistemas de IA devem ser construídos para confiar o mínimo possível no modelo
- Let's Data Science: Nadella pede controles de freio de emergência para IA
Resultados corporativos da Microsoft
- Microsoft Form 8-K, comunicado de resultados do Q4 FY2026 (29 jul 2026)
- MarketBeat: Destaques da teleconferência de resultados do Q4 da Microsoft
- KuCoin: Resumo dos resultados do Q4 da Microsoft (valor de RPO)
- No Jitter: Adoção do Microsoft 365 Copilot salta 50% em relação ao trimestre anterior
- UC Today: Copilot ultrapassa 30 milhões de licenças pagas; NHS, KPMG, HSBC, EY E7
- Enterprise DNA: Copilot atinge 20 milhões de licenças pagas (dado da Fortune 500)
- Let's Data Science: Accenture e clientes citados com 90.000 licenças
Dados de mercado
- a16z: Líderes, destaques e vencedores inesperados na corrida armamentista de IA corporativa
- The Decoder: OpenAI ainda lidera a IA corporativa, Anthropic cresce rápido
- SaaStr sobre dados da ETR: Quem está vencendo a IA corporativa agora
- Carly: Participação de mercado de LLMs em 2026 (dados de Menlo, Ramp e Microsoft)
- Menlo Ventures: Atualização de meio de ano do mercado de LLMs em 2025
- Keenable: Adoção de modelos de pesos abertos vs. proprietários 2022–2026
Plataforma e modelos da Microsoft
- Enterprise DNA: Claude GA no Microsoft Foundry
- Redmond Mag: Anthropic Claude entra em disponibilidade geral no Microsoft Foundry
- ADTmag: Catálogo de modelos do Foundry
- AI Business: Claude no Foundry; termos do investimento Microsoft–Nvidia–Anthropic
- Let's Data Science: Microsoft-Decision-1
- InfoWorld: Microsoft separa tomada de decisão da IA generativa
- Blog do Microsoft Foundry: Observabilidade no Build 2026
- Azure Updates: Observabilidade no Plano de Controle do Foundry
- Microsoft Tech Community: Observabilidade no Plano de Controle do Foundry
Europa e soberania
- Microsoft Learn: Microsoft Sovereign Cloud
- Noqta: Acordo de IA soberana entre Microsoft e Mistral
- SiliconANGLE: Mistral fecha acordo multibilionário com a Microsoft
- ResultSense: Microsoft vai financiar a expansão de capacidade computacional da Mistral na Europa
- ai2.work: Microsoft e Mistral apostam na IA soberana (dados da Gartner)
- UC Today: Microsoft 365 Local e soberania na UE
- Anthropic: Declaração sobre o acesso ao Fable e Mythos
- CASRAI: Adiamento do prazo do Digital Omnibus do AI Act da UE
- Gibson Dunn: Acordo Omnibus do AI Act da UE
- Compliance Hub: Cronograma de adiamento do Digital Omnibus
Incidentes e pesquisas sobre governança
- Bernama/dpa: OpenAI pausa trabalho em seus principais modelos de IA após violação de salvaguardas
- Dataiku / Harris Poll: Relatório Global AI Confessions, Edição CIO 2026
- NHI Mgmt Group sobre a Pesquisa de Maturidade de Confiança em IA 2026 da McKinsey
- IDC: A trilha de auditoria que não existe
TestMu AI (LambdaTest) e Microsoft
