John-David Lovelock e a máquina de previsão por trás dos gastos em IA

Resumo

• A importância pública de John-David Lovelock decorre de um papel recorrente na Gartner: traduzir as evidências de vendas dos fornecedores, o comportamento dos compradores e as incertezas da adoção de tecnologia em previsões de gastos de TI nas quais conselhos de administração e fornecedores podem se basear para planejar.
• Seu trabalho é mais visível no ciclo da infraestrutura de IA, onde as previsões da Gartner passaram de uma aceleração dos data centers em 2024 para gastos de TI superiores a 6 trilhões de dólares em 2026, e depois novamente para cima, à medida que servidores otimizados para IA, memória, software e capacidade em nuvem remodelavam o mercado.
• O histórico indica influência, não controle. Lovelock não dirige os investimentos de capital dos hyperscalers nem os orçamentos das empresas, mas fornece a essas decisões uma linguagem comum de categorias, revisões e restrições.
• A questão não resolvida é a qualidade das previsões sob pressão: o modelo público da Gartner pode continuar a distinguir a demanda real da supercapacidade temporária enquanto os investimentos em IA, preços de software, margens de serviços e gargalos de infraestrutura evoluem em ritmos diferentes?

A pessoa por trás das previsões

John-David Lovelock é uma figura de mercado incomum, pois seu nome geralmente aparece associado aos gastos de outros. Nos registros públicos, ele não lança um campus de data center, não assina uma fusão de software, não negocia uma licença de espectro e não anuncia uma subvenção nacional para IA. Ele aparece no momento em que a Gartner traduz essas escolhas em uma previsão: uma taxa de crescimento, um total em dólares, uma tabela de categorias e algumas frases que explicam aos líderes de tecnologia o significado do movimento.

Isso torna seu perfil fácil de subestimar e fácil de superestimar. Subestimado, ele é apenas mais um analista citado em um artigo de tecnologia. Superestimado, ele se torna um criador de mercado invisível, como se um comunicado da Gartner pudesse ordenar que hyperscalers, editores de software, operadoras de telecomunicações, compradores corporativos e investidores se alinhassem a um único ciclo de investimento. A leitura mais justa é mais estreita e mais interessante. Lovelock é um operador público da máquina de previsão da Gartner.

Seu trabalho importa porque a máquina tem alcance, porque as categorias são repetidas e porque a linguagem chega às salas de planejamento antes que muitas empresas tenham uma visão completa de sua própria demanda para o ano seguinte.

As evidências visíveis confirmam esse papel. A Gartner identifica Lovelock como vice-presidente analista distinto em comunicados oficiais sobre gastos globais de TI e em seu trabalho de previsão de gastos em IA. Em abril de 2026, o The Economic Times o descreveu como o principal previsor da Gartner ao mencionar a revisão para cima dos gastos globais de TI pela empresa. Em todas essas aparições, ele não é apresentado como um comentarista de tecnologia em geral.

Ele está ligado a um ritmo operacional específico: a interpretação recorrente da demanda por sistemas de data centers, software, dispositivos, serviços de TI, serviços de comunicação, infraestrutura em nuvem, servidores otimizados para IA e a pressão de custos criada pela IA generativa.

Esse ritmo é a verdadeira superfície de decisão do assunto. Não é uma superfície de decisão privada no sentido de controle executivo. Ela é pública, institucional e metodológica. As escolhas observáveis de Lovelock são escolhas de enquadramento. Um aumento nos gastos é um sinal de demanda real ou um efeito de preço? O crescimento do software é impulsionado por novo valor ou pelos fornecedores repassando o custo de recursos de IA incorporados? Um impulso nos data centers reflete adoção de IA empresarial de longo prazo ou resulta principalmente da construção antecipada dos hyperscalers?

Os gastos com dispositivos são um ciclo de renovação, um ciclo de PC com IA ou uma história de preços de memória? Essas distinções não são acadêmicas. Elas influenciam como um CIO defende um orçamento, como um fornecedor de software precifica um módulo de IA, como uma empresa de serviços se prepara para pressões nas margens e como investidores distinguem empresas que vendem infraestrutura de IA daquelas que apenas prometem usá-la.

O perfil, portanto, deve começar com moderação. Lovelock é importante não porque altera sozinho o comportamento do mercado, mas porque seu trabalho na Gartner ajuda a tornar o comportamento do mercado legível. Em um ciclo de gastos com IA que se tornou grande demais para ser acompanhado apenas por comunicados de imprensa, a legibilidade em si é uma forma de infraestrutura.

Gartner como plataforma

A influência de Lovelock não pode ser separada da posição institucional da Gartner. A Gartner se descreve como uma empresa do S&P 500 de 6,5 bilhões de dólares com mais de 20.000 funcionários, presença em cerca de 90 países e territórios e mais de quatro décadas de experiência no aconselhamento de líderes empresariais e de tecnologia. A empresa afirma que seus conselhos são informados por milhares de especialistas em negócios e tecnologia, centenas de milhares de interações com clientes, briefings de fornecedores e avaliações por pares.

Esses números são fornecidos pela Gartner e devem ser lidos como parte de sua demonstração comercial de autoridade. No entanto, eles explicam por que uma previsão atribuída a um único analista pode viajar mais longe do que uma opinião individual.

O produto de previsão da Gartner não é um post de blog com uma planilha. As próprias declarações da Gartner indicam que suas previsões de gastos de TI dependem em grande parte de uma análise rigorosa de vendas realizada com mais de mil fornecedores em todos os produtos e serviços de TI, complementada por pesquisa primária e dados secundários para construir um banco de dados de tamanho de mercado. O modelo detalhado é proprietário. Pessoas externas não podem ver a ponderação dos fornecedores, as regras de revisão ou o tratamento completo de moedas, preços, restrições de oferta, estoques de canais e mudanças de categorias.

Mas a divulgação de alto nível é importante porque distingue a previsão de uma narrativa construída apenas a partir de entrevistas com executivos ou sentimento de mercado.

Essa plataforma institucional confere a Lovelock dois tipos de autoridade pública. O primeiro é probatório. Ele pode falar a partir de um modelo que afirma agregar análise de vendas de fornecedores, comportamento de compradores e dados de pesquisa de um vasto mercado de tecnologia. O segundo é classificatório. A Gartner não apenas diz que os gastos estão subindo ou descendo; ela aloca os gastos em categorias que as próprias empresas usam para planejar.

Dispositivos, sistemas de data centers, software, serviços de TI, serviços de comunicação, servidores otimizados para IA, infraestrutura como serviço, software aplicativo, semicondutores e serviços de IA não são caixas neutras. Eles se tornam um mapa compartilhado para o mercado.

O mapa tem consequências. Um fornecedor que vende para a construção de data centers quer saber se o crescimento está concentrado em racks de servidores de IA, armazenamento, memória, rede, sistemas de energia ou instalações. Uma empresa de serviços quer saber se os compradores pagarão por trabalhos de transformação ou esperarão que as economias de automação reduzam o valor do contrato. Um CIO quer saber se os aumentos de custos de software vêm de novos recursos, do poder de precificação dos fornecedores ou do custo oculto de recursos de IA.

Um investidor quer saber se o ciclo de gastos é amplo ou concentrado em um pequeno número de gargalos de infraestrutura. O papel público de Lovelock é traduzir o mapa da Gartner em uma linguagem que cada um desses públicos possa reutilizar.

Essa reutilização é o que torna um previsor organizacionalmente importante. Uma empresa não precisa aceitar todos os números da Gartner para que a previsão afete o planejamento. Basta que ela trate as categorias da Gartner como um ponto de referência. Uma vez que uma apresentação ao conselho usa as mesmas categorias, uma apresentação de fornecedor compara seu mercado endereçável à curva de gastos da Gartner, um artigo de notícias transforma uma revisão de previsão em manchete de mercado, a previsão entrou na linguagem operacional do setor.

A revisão como disciplina

A parte mais reveladora do histórico público de Lovelock não é um número único. É o padrão de revisão. Em julho de 2024, a Gartner previa gastos globais de TI de cerca de 5,26 trilhões de dólares para 2024, um aumento de 7,5%. O mesmo comunicado destacava os sistemas de data centers como a categoria de crescimento mais rápido, com gastos esperados em alta de mais de 24%. A interpretação de Lovelock já estava focada na IA generativa como um problema de custo e capacidade, e não simplesmente como uma história de produtividade.

A mensagem pública era que a IA estava pressionando a infraestrutura de computação e a economia do software antes mesmo que muitas empresas pudessem demonstrar retornos em escala.

Em julho de 2025, as reportagens secundárias das previsões da Gartner estimavam gastos globais de TI em cerca de 5,43 trilhões de dólares para o ano. A linguagem evoluiu para a incerteza. TechRadar relatou o ponto de vista da Gartner de que havia uma pausa nos novos gastos líquidos causada pela incerteza global, mas que as iniciativas de IA e IA generativa ainda superavam a pausa. Essa distinção está no centro do padrão de Lovelock. Um previsor mais fraco poderia ter simplificado o mercado como 'boom da IA' ou 'compradores estão cautelosos'.

A narrativa pública da Gartner mantinha ambas as afirmações ao mesmo tempo: cautela em algumas decisões corporativas, aceleração em infraestrutura e software relacionados à IA.

Em setembro de 2025, as previsões específicas de IA da Gartner deram ao ciclo um quadro muito mais amplo. A empresa afirmou que os gastos globais com IA totalizariam quase 1,5 trilhão de dólares em 2025 e mais de 2 trilhões de dólares em 2026. A explicação pública de Lovelock apontava para os data centers dos hyperscalers, hardware otimizado para IA, GPUs, empresas chinesas, novos provedores de nuvem de IA e o apoio de capital de risco. Esta é uma cadeia causal mais complexa do que uma simples curva de adoção empresarial.

Ela indica que o mercado de IA pode disparar mesmo que muitos usuários finais ainda estejam em fase de experimentação, porque os provedores de infraestrutura e plataformas gastam antes que a produtividade medida se materialize.

Em outubro de 2025, a Gartner previu que os gastos globais de TI ultrapassariam 6 trilhões de dólares pela primeira vez em 2026, atingindo cerca de 6,08 trilhões de dólares. A tabela oficial mostrava outro forte crescimento em sistemas de data centers, expansão contínua de software e serviços de TI permanecendo como o maior item fora dos serviços de comunicação. Os comentários públicos de Lovelock novamente separavam os impulsionadores por categoria. Dispositivos se beneficiavam de celulares e dispositivos de IA. Sistemas de data centers eram limitados pela oferta de racks de servidores otimizados para IA.

O crescimento de software refletia a difusão contínua de recursos de IA e a economia de licenças empresariais.

Então as revisões continuaram. Em fevereiro de 2026, ITPro reportou previsões da Gartner em 6,15 trilhões de dólares, com gastos em data centers acima de 650 bilhões de dólares, crescimento de gastos com servidores próximo a 37%, crescimento de software acima de 15%, crescimento de gastos com IA generativa acima de 80% e pressão de preços de memória desacelerando o crescimento de dispositivos.

Em abril de 2026, Cinco Dias e The Economic Times reportaram uma nova previsão da Gartner de cerca de 6,31 trilhões de dólares para gastos globais de TI em 2026, com infraestrutura de IA e sistemas de data centers respondendo pela maior parte do aumento. Cinco Dias reportou um crescimento de sistemas de data centers de 55,8% para quase 788 bilhões de dólares.

De uma perspectiva, as revisões repetidas são um alerta sobre a incerteza. Os números da Gartner mudaram à medida que o mercado mudava. De outra perspectiva, é o próprio produto. Uma previsão que não revisa em um ciclo de IA em rápida evolução seria mais suspeita do que uma que o faz. A disciplina não é preservar o primeiro número; é explicar por que o número mudou.

O valor de Lovelock para o público da Gartner reside em parte nessa explicação: a diferença entre um mercado que cresce devido à ampla adoção de software empresarial, um mercado que cresce porque os preços de memória são mais altos e um mercado que cresce porque os hyperscalers estão comprando capacidade de computação otimizada para IA antes que as receitas downstream estejam totalmente visíveis.

O problema da infraestrutura de IA

O ciclo da IA tornou o papel de Lovelock mais importante porque tornou os gastos de TI mais difíceis de decifrar. Em ciclos tecnológicos empresariais anteriores, uma previsão de gastos muitas vezes podia ser interpretada através de categorias familiares de demanda: renovação de hardware, migração para a nuvem, extensão de licenças de software, terceirização, conectividade de telecomunicações ou conformidade. A IA generativa confundiu essa estrutura. Um servidor GPU comprado por um hyperscaler pode suportar treinamento de modelos de IA, inferência empresarial, recursos de consumo ou capacidade que permanece subutilizada por algum tempo.

Os gastos com software podem aumentar porque um fornecedor incorporou recursos de IA em um pacote e cobrou mais, mesmo que o comprador ainda não tenha visto um ganho de produtividade equivalente. Os gastos com serviços podem se mover em direções conflitantes: mais consultoria para preparar dados e redesenhar processos, mas pressão para reduzir o valor de contratos de serviços gerenciados à medida que a automação se torna esperada.

É por isso que o foco repetido em data centers é importante. As previsões de 2024 da Gartner já apontavam os sistemas de data centers como a categoria de alto crescimento. Em 2025 e 2026, a narrativa havia passado do crescimento comum da nuvem para a economia da infraestrutura de IA. As previsões de gastos em IA da Gartner distinguiam servidores otimizados para IA de outras categorias de IA. A cobertura secundária em 2026 então reportou a pressão de memória avançada, computação de alto desempenho, demanda por servidores e construções de hyperscalers.

Os comentários públicos de Lovelock colocavam o boom da infraestrutura em uma cadeia mais ampla: provedores de nuvem construindo capacidade de IA, fornecedores de hardware capturando receitas imediatas, editores de software aprendendo a precificar recursos de IA e empresas de serviços enfrentando a possibilidade de que os clientes exijam economias de entrega baseada em IA.

O resultado é um mercado de múltiplas velocidades. Os sistemas de data centers podem crescer a taxas extraordinárias enquanto categorias tradicionais crescem mais lentamente. O software de IA pode aumentar o valor dos contratos enquanto as margens dos serviços se apertam. Dispositivos podem se beneficiar do discurso sobre PCs com IA e smartphones enquanto os preços da memória interferem nos ciclos de substituição. A infraestrutura em nuvem pode se expandir enquanto compradores corporativos permanecem cautelosos sobre quais projetos de IA merecem implantação em larga escala.

Se um conselho vê apenas o número total de gastos, ele perde a repartição dos riscos.

A linguagem de previsão de Lovelock é projetada para essa repartição. Ela diz que a demanda por infraestrutura de IA pode ser real mesmo quando o ROI da IA ainda é incerto. Ela diz que as receitas de software podem aumentar porque a IA eleva a base de custos das aplicações, e não apenas porque os usuários se tornam mais produtivos. Ela diz que as empresas de serviços podem se beneficiar da demanda por projetos enquanto perdem poder de precificação quando os clientes perguntam onde estão as economias de automação prometidas.

Ela diz que o boom dos data centers é limitado por racks de servidores, memória, energia e o cronograma dos hyperscalers, e não apenas por uma contagem de implantações de IA empresarial.

Essa distinção também é o ponto onde o artigo não deve derivar para uma narrativa heróica. Lovelock não criou o boom da infraestrutura de IA. Nvidia, os hyperscalers, fornecedores de chips, plataformas de nuvem, editores de software empresarial, investidores, concessionárias de energia e governos estão todos mais próximos das decisões de capital. Seu papel está a jusante de muitas dessas decisões e a montante de muitas conversas de planejamento sobre elas. Ele recebe sinais do mercado, o aparato da Gartner os organiza e ele os devolve ao mercado em uma forma que pode ser citada, contestada, orçada ou incorporada em uma estratégia.

Essa posição intermediária é fácil de perder porque não se parece com poder no sentido usual. Não há porta de fábrica, nenhuma cerimônia de abertura de região de nuvem, nenhum discurso de produto. Mas em um mercado onde a incerteza em si modifica o comportamento, a pessoa que dá à incerteza uma estrutura repetida se torna um elemento do ambiente de planejamento.

A separação entre software e serviços

Um dos sinais públicos mais úteis de Lovelock é a separação entre software e serviços. O ciclo da IA tende a confundi-los. Fornecedores vendem IA como um recurso de software, consultores vendem IA como trabalho de transformação, provedores de nuvem vendem IA como capacidade de computação e compradores frequentemente percebem os três como um único problema orçamentário. As categorias de previsão da Gartner impõem uma distinção.

No ciclo de previsões de 2024, Lovelock descreveu a IA generativa como uma força que aumentaria o custo do software. O significado prático é cruel: os editores de software podem não precisar que cada cliente execute um projeto de IA de sucesso antes de aumentar preços ou reempacotar recursos. Se os recursos de IA fazem parte do pacote de licenças, a curva de gastos pode subir mesmo que as evidências de produtividade permaneçam irregulares. Isso não é necessariamente ruim para os compradores se os recursos se tornarem úteis. É perigoso se o preço chegar antes do valor.

Em 2026, o lado dos serviços parecia diferente. The Economic Times reportou a visão de Lovelock de que provedores indianos de serviços gerenciados poderiam se beneficiar da transferência de trabalho rotineiro para iniciativas de IA, enquanto empresas de serviços enfrentavam pressão nas margens porque os clientes esperavam que a eficiência induzida pela IA se refletisse nos preços dos contratos. Esta é uma assimetria importante. Os editores de software podem às vezes monetizar a IA incorporando-a em produtos e oferecendo contratos mais ricos.

Os provedores de serviços geralmente vendem mão de obra, conhecimento de processos e confiabilidade de entrega. Se a IA reduz a intensidade percebida de mão de obra do trabalho, os clientes podem se perguntar por que o contrato não deveria ficar mais barato.

Para conselhos e executivos, essa separação é importante porque muda quais empresas ganham poder de precificação. Um fornecedor de software com uma base instalada dominante pode tratar a IA como uma alavanca de renovação. Um integrador de sistemas pode precisar provar que pode realizar transformação com IA sem abrir mão de grande parte dos ganhos de produtividade. Um provedor de nuvem pode converter demanda de IA em receita de infraestrutura se tiver capacidade. Um fabricante de dispositivos pode se beneficiar de um discurso de renovação por IA, mas ainda está exposto à demanda do consumidor, preços de memória e ciclos de substituição.

Uma empresa de serviços gerenciados pode ver novos projetos, mas margens mais baixas.

O trabalho de Lovelock torna essas diferenças visíveis nas previsões de gastos. Os números públicos da Gartner não dizem apenas que a IA é importante. Eles perguntam qual compartimento de gastos está subindo, por que e por quanto tempo. É por isso que seu papel se encaixa em um perfil de inteligência de mercado, e não em uma biografia genérica de analista. A questão não é se ele é otimista ou cético em relação à IA. A questão é se sua linguagem categórica ajuda os leitores a separar um tipo de gasto em IA de outro.

Há uma ressalva aqui. Como a Gartner é uma consultoria comercial, suas categorias e narrativas públicas também sustentam a própria relevância da Gartner. Um mercado de IA em rápida evolução cria demanda por previsões, chamadas de consultoria, conferências, briefings de fornecedores e assinaturas de pesquisa. A autoridade da Gartner é, portanto, tanto um insumo para o mercado quanto um ativo comercial. Isso não invalida o trabalho, mas dá aos leitores uma razão para se perguntar como a metodologia lida com evidências contraditórias, com que rapidez as revisões ocorrem e como a confiança nas previsões é comunicada.

O histórico público mais sólido de Lovelock é que ele não apresenta o ciclo da IA como livre de atrito. Seus comentários destacam pausas, restrições, preços de memória, inflação de custos de software, gargalos de infraestrutura e pressão nas margens de serviços. Em um mercado cheio de declarações promocionais sobre IA, esse tipo de previsão matizada é mais útil que entusiasmo. Isso não garante precisão. Dá ao público um conjunto de pontos de pressão para monitorar.

Influência sem causalidade

A parte mais difícil de avaliar Lovelock é distinguir influência de causalidade. Uma previsão da Gartner pode aparecer em manchetes de mídia, apresentações de fornecedores, documentos de conselho e notas de investidores. Isso não significa que a previsão causou os gastos que descreve. Na maioria das vezes, a causalidade vai na direção oposta: fornecedores relatam suas vendas, compradores revelam seu comportamento orçamentário, hyperscalers divulgam ou sinalizam seus planos de investimento, cadeias de suprimentos expõem restrições e o modelo da Gartner transforma esses dados em uma previsão.

Mas a influência pode operar sem causalidade primária. Uma vez que uma previsão é suficientemente crível para ser repetida, ela pode moldar expectativas. Um CIO que vê a Gartner revisar para cima os gastos com infraestrutura de IA pode não aumentar seus gastos porque a Gartner disse, mas a previsão pode afetar as perguntas que esse CIO enfrenta do conselho. Por que nossa estratégia de data center é diferente do mercado? Estamos subinvestindo em capacidade de IA? Os editores de software estão prestes a empurrar aumentos de renovação relacionados à IA? Os parceiros de serviços estão repassando economias de automação?

Estamos expostos a restrições de oferta de memória ou racks de servidores?

Os fornecedores usam as previsões de maneira diferente. Um editor de software pode usar uma curva de gastos da Gartner para justificar o posicionamento de um produto. Um fornecedor de hardware pode apontar o crescimento de sistemas de data centers para defender um investimento em capacidade. Uma empresa de serviços pode usar a narrativa de adoção de IA para vender transformação, mas também pode ter que explicar por que a IA não reduz simplesmente o custo de entrega.

Provedores de nuvem podem usar a narrativa de crescimento da infraestrutura para fazer os gastos com capacidade parecerem posicionamento disciplinado, em vez de superconstrução especulativa. Os investidores usam o mesmo material para verificar se o crescimento da receita é concentrado, amplo, sustentável ou circular.

Esta é a superfície operacional onde Lovelock importa. Ele ajuda a definir as perguntas. Em um mercado complexo, definir as perguntas pode ser quase tão importante quanto respondê-las. Se a pergunta compartilhada se tornar 'qual é o tamanho dos gastos com IA', então quase qualquer número grande apoia a narrativa de boom. Se a pergunta compartilhada se tornar 'qual categoria de gasto em IA está crescendo e qual restrição a está impulsionando', então conselhos e investidores podem fazer perguntas de acompanhamento mais incisivas. Essa demanda vem de usuários finais ou de fornecedores construindo capacidade? A receita é recorrente ou única?

O preço é um impulsionador de crescimento mais do que o volume? A categoria depende de um pequeno número de compradores hyperscale? A curva de gastos implica produtividade futura ou apenas depreciação futura?

O histórico público mostra que Lovelock consistentemente empurra as previsões para essas perguntas mais incisivas. Em 2025, o tema não era apenas crescimento, mas incerteza. No final de 2025, o tema não era apenas ultrapassar 6 trilhões, mas a estrutura de oferta e categorias por trás disso. Em 2026, as revisões para cima enfatizavam infraestrutura de IA, data centers, memória e software, em vez de fingir que todos os gastos de tecnologia estavam crescendo na mesma velocidade.

Essa disciplina é útil precisamente porque a autoridade da Gartner pode ser mal utilizada. Um número de manchete pode achatar as nuances. Um fornecedor pode citar a parte da previsão que serve seu discurso de vendas e ignorar as ressalvas. Um conselho pode usar a taxa de crescimento como tática de pressão sem entender a composição por categoria. Os melhores comentários públicos de Lovelock dão aos leitores uma defesa contra esse mau uso: leia o total, depois leia os impulsionadores.

Os limites do histórico

As evidências também deixam lacunas. O histórico público não mostra o histórico de carreira completo de Lovelock, sua data de entrada exata, sua linha hierárquica interna ou a repartição precisa do trabalho entre ele e as equipes de pesquisa mais amplas da Gartner. A divulgação metodológica da Gartner é útil, mas parcial. Ela informa aos leitores que análise de vendas de fornecedores, pesquisa primária e evidências secundárias são usadas.

Não mostra o modelo detalhado, os intervalos de confiança, a ponderação de dados de última hora ou como a empresa lida com viés de fornecedores que têm interesse comercial em uma estimativa de mercado mais alta.

Essas lacunas devem moldar a avaliação. Lovelock não deve ser descrito como o único arquiteto das previsões de gastos de TI da Gartner. Ele é melhor compreendido como um intérprete público proeminente e operador de um processo institucional mais amplo. Esse processo é comercial, proprietário e altamente visível. É também limitado pela mesma dificuldade que qualquer previsor de tecnologia enfrenta: os mercados mudam mais rápido do que as evidências públicas podem se estabilizar.

A IA torna essa dificuldade aguda. Um data center pode ser financiado antes que as aplicações para usuários finais sejam comprovadas. Um editor de software pode cobrar pela IA antes que os clientes saibam quais recursos manterão. Uma empresa de serviços pode prometer eficiência baseada em IA antes que os métodos de entrega se estabilizem. Um provedor de nuvem pode construir capacidade porque seus concorrentes estão construindo. Um fornecedor de semicondutores pode reportar receitas reais enquanto a economia dos clientes downstream permanece não resolvida.

Estas não são contradições; são diferentes partes do ciclo de capital evoluindo em ritmos diferentes.

A Associated Press capturou parte dessa tensão no final de 2025 ao reportar que investidores ainda se perguntavam se o boom da IA cumpriria suas promessas de lucro e produtividade, mesmo que empresas ligadas à construção de infraestrutura produzissem resultados sólidos. Kiplinger levantou uma questão de sustentabilidade relacionada ao colocar as perspectivas de gastos de TI de 2026 da Gartner lado a lado com preocupações sobre padrões de gastos circulares e a força incomum da demanda relacionada à IA.

A cobertura da ITPro no início de 2026 adicionou o problema do ROI: entusiasmo e gastos permaneciam altos mesmo que muitas organizações ainda estivessem tentando provar valor em escala.

Para Lovelock, essas preocupações não estão fora das previsões. Elas fazem parte do que uma previsão precisa absorver. Se o modelo trata todos os gastos com IA como igualmente sustentáveis, ele perderá o risco de superconstrução. Se trata todos os projetos de IA fracassados como prova de que o ciclo de infraestrutura está errado, perderá as receitas reais de fornecedores e os compromissos de capacidade. A arte é manter ambas as possibilidades em mente.

É aqui que a linguagem do Hype Cycle da Gartner é relevante. A própria metodologia da Gartner descreve a adoção de tecnologia como passando por expectativas infladas, desilusão e eventual uso produtivo para tecnologias que sobrevivem. O Hype Cycle não é uma invenção pessoal de Lovelock e não deve ser imposto a cada previsão. Mas ele ilustra o hábito institucional da Gartner: tornar a incerteza legível ao nomear estágios, riscos e escolhas de tempo. O trabalho de Lovelock sobre gastos de TI aplica um hábito semelhante a orçamentos. A questão não é apenas se a IA é precoce ou tardia. É qual linha orçamentária já está absorvendo o custo.

Canadá, mercados globais e a pessoa por trás de um sinal sem fronteiras

A região atribuída a Lovelock é Canadá / Global, e essa expressão captura a geografia particular de seu papel público. As previsões que ele interpreta são globais. As categorias atravessam fronteiras. Os investimentos de capital dos hyperscalers, a oferta de semicondutores, os preços de memória, os contratos de software, as margens de serviços gerenciados e a capacidade em nuvem não respeitam um mercado nacional único. No entanto, a pessoa ligada às previsões não precisa estar no centro de cada decisão de investimento para influenciar como essas decisões são lidas.

Isso importa para uma publicação preocupada com infraestrutura e poder de mercado. Os líderes de tecnologia mais visíveis frequentemente estão dentro de empresas que possuem ativos: regiões de nuvem, redes de fibra, data centers, plataformas de modelos, suítes de software, cadeias de suprimentos de semicondutores. A posição de Lovelock é diferente. Ele está dentro de uma instituição de consultoria que cria uma interpretação compartilhada. Esse tipo de poder é mais fácil de negligenciar porque se parece com pesquisa em vez de propriedade.

Mas a pesquisa ainda pode se tornar infraestrutura quando atores de mercado suficientes constroem decisões em torno dela.

O caráter global das previsões também as torna úteis para mercados menores e regionais. Um provedor de nuvem nacional, um integrador de sistemas regional, uma operadora de telecomunicações, um comprador do setor público ou um desenvolvedor local de data center pode não ser capaz de observar diretamente todo o ciclo de gastos com IA. Os números da Gartner dão a esses atores uma referência externa. Eles podem decidir se seu próprio mercado está atrasado, superaquecido ou se movendo de forma diferente devido a regulação, moedas, energia, regras de compra ou composição de clientes.

Os comentários públicos de Lovelock sobre a Índia em 2026 mostram essa tradução em ação. A mesma previsão global pode ser lida através das margens de serviços, estratégia local de data centers, oportunidades de exportação e demanda do cliente por eficiência baseada em IA.

Esta é uma forma prática de influência. Ela não exige carisma pessoal nem autoridade executiva. Ela depende de repetição, disciplina de categorias e confiança institucional. Cada ciclo de previsão dá a Lovelock e à Gartner uma nova oportunidade de ajustar o mapa compartilhado. Se o mapa se mostrar útil, torna-se parte do mobiliário de planejamento do mercado. Se se mostrar errado, ainda pode moldar decisões até que o erro se torne visível.

O que ele construiu e o que não construiu

O padrão Sofia Ren para um perfil como este é perguntar o que a pessoa construiu, herdou, aprovou, financiou, fechou, vendeu, reorganizou, delegou ou deixou não resolvido. Para Lovelock, a resposta não é uma fábrica ou linha de produtos. As evidências públicas mostram que ele herdou e opera dentro da plataforma de pesquisa da Gartner, e contribui para construir um produto de previsão recorrente em torno de gastos globais de TI e demanda relacionada à IA. O resultado observável não é uma decisão empresarial privada; é uma sequência de publicações de previsões, narrativas por categoria e explicações de mercado.

Ele construiu, em público, uma posição interpretativa consistente. Os gastos com IA devem ser lidos através de infraestrutura, software, dispositivos, nuvem e serviços, em vez de através de uma única narrativa de adoção. A IA generativa pode aumentar os custos de software antes de provar produtividade. Os gastos com data centers podem explodir porque os fornecedores estão construindo adiantado à demanda. Serviços gerenciados podem ver oportunidades enquanto sofrem pressão de preços. A incerteza dos compradores pode desacelerar alguns projetos enquanto os investimentos em IA continuam crescendo.

Uma previsão pode ser revisada para cima sem se tornar um exercício de entusiasmo se os impulsionadores forem claramente nomeados.

Ele não construiu o boom da IA. Ele não aprovou os investimentos de capital dos hyperscalers. Ele não decidiu o roteiro de produtos da Nvidia, os orçamentos de IA empresarial, os preços dos editores de software, as filas de interconexão elétrica ou a política governamental de data centers. Ele não controla se os gastos com IA produzirão retornos suficientes no final. Esses limites são importantes porque a tentação pública é tratar intérpretes visíveis como tomadores de decisão ocultos. O histórico de Lovelock é mais específico e mais defensável: ele ajuda a definir como esses tomadores de decisão descrevem o mercado para si mesmos e entre si.

Ele também deixou questões importantes não resolvidas, pelo menos em público. A Gartner não publica detalhes suficientes do modelo para que pessoas externas possam auditar totalmente o processo de previsão. Os relatórios públicos não mostram como a Gartner separa inflação de preço do crescimento em volume em cada categoria, como lida com otimismo de fornecedores ou como calibra a precisão das previsões ao longo de vários ciclos. A revisão para cima de abril de 2026, reportada na cobertura secundária, requer comparação contínua com documentos oficiais da Gartner e resultados posteriores.

O retorno de produtividade de longo prazo sobre infraestrutura de IA permanece uma questão em aberto. O mesmo vale para a repartição dos ganhos entre plataformas de nuvem, editores de software, fornecedores de hardware, empresas de serviços e clientes empresariais.

Essas questões não resolvidas não enfraquecem o perfil. Elas são o perfil. O valor público de um previsor é testado onde os fatos são incompletos, mas as decisões não podem esperar.

O que monitorar em seguida

A próxima avaliação da influência de Lovelock não deve perguntar se ele estava 'certo' no sentido de uma previsão pontual. Deve perguntar como a previsão lidou com as tensões. Vários pontos de tensão já estão visíveis.

Primeiro, os sistemas de data centers. Se os gastos em 2026 permanecerem tão fortes quanto sugeriam os relatórios de abril de 2026, a questão será se a demanda é absorvida em serviços de nuvem e IA produtivos ou se a superconstrução aparece na utilização, preços ou projetos atrasados. Um bom previsor distinguirá gastos contabilizados por fornecedores de valor realizado por clientes.

Segundo, software. Se os fornecedores continuarem a incorporar IA em aplicações empresariais, os gastos com software podem aumentar mesmo onde os clientes veem retornos desiguais. A questão prática é se a IA se torna uma alavanca de renovação sustentável ou um aumento de preço contestado. A linguagem anterior de Lovelock sobre o efeito da IA no custo do software dá aos leitores o quadro correto de monitoramento.

Terceiro, serviços. Empresas de serviços gerenciados e consultoria terão que decidir se a IA lhes permite proteger margens, ganhar novos contratos ou ceder ganhos de eficiência aos clientes. A discussão sobre serviços indianos em 2026 é uma versão específica de mercado de um problema global. Se os clientes esperam que a IA reduza o custo de entrega, as previsões de serviços devem capturar tanto a demanda por projetos quanto a compressão de margens.

Quarto, dispositivos e memória. PCs com IA e telefones com IA podem criar uma narrativa de substituição, mas os preços de componentes e a demanda do usuário determinam se a narrativa se converte em volume. O comentário da Gartner em 2026 sobre pressão de preços de memória é um lembrete de que o crescimento da categoria de IA pode ser desacelerado pela economia comum da cadeia de suprimentos.

Quinto, dependência de serviços em nuvem. À medida que as cargas de trabalho de IA se concentram em ambientes hyperscale, os compradores podem se tornar mais dependentes de provedores de nuvem e entrega de aplicações gerenciadas. A curva de gastos pode mostrar crescimento, mas a questão estratégica é o controle: quem possui a capacidade, quem paga pela escala não utilizada e quem tem poder de barganha quando recursos de IA são incorporados em software básico.

Esses pontos de monitoramento mostram por que o papel de Lovelock permanece útil depois que o número da manchete desaparece. O mercado não precisa apenas de um total. Ele precisa de uma maneira de verificar se o total é saudável.

A avaliação

O histórico público de John-David Lovelock é um estudo de caso de influência institucional sem controle operacional direto. Ele não é um executivo de tecnologia conhecido do público em geral. Ele não é o fundador de uma plataforma de IA nem o proprietário de um parque de data centers. Seu trabalho é importante porque o aparato de previsão da Gartner fica entre a evidência e o planejamento. Ele coleta sinais de mercado, os organiza em categorias, os revisa à medida que as condições mudam e os devolve ao mercado com autoridade suficiente para ser reutilizados.

Isso o torna um operador de previsões. A expressão é deliberadamente modesta. Ela não afirma que ele cria sozinho o modelo da Gartner ou que comanda o mercado. Ela reconhece que alguém precisa operar a interface pública da previsão: dizer o que mudou, por que mudou, qual categoria importa, onde estão as reservas e que tipo de gasto não deve ser confundido com outro.

No ciclo da IA, esse papel se tornou mais importante porque a mesma palavra, 'IA', agora cobre demanda de semicondutores, racks de servidores, energia de data centers, capacidade de nuvem, licenças de software empresarial, trabalho de consultoria, serviços gerenciados, dispositivos e alegações de produtividade.

A evidência mais forte da influência de Lovelock é a consistência de seu trabalho público em categorias. Da aceleração dos data centers em 2024 à incerteza de 2025 e às revisões para cima de 2026, a mensagem não é apenas que os gastos de tecnologia estão crescendo. É que a infraestrutura de IA e o software baseado em IA mudaram a composição dos gastos antes que o registro completo de produtividade seja liquidado. Esse é exatamente o tipo de distinção que conselhos e fornecedores precisam.

Isso os impede de tratar cada dólar de IA como evidência de adoção, e os impede de descartar a demanda real por infraestrutura simplesmente porque alguns projetos empresariais decepcionam.

A principal ressalva é a opacidade. O modelo detalhado da Gartner é proprietário. O público não pode inspecionar totalmente a conversão de análise de vendas de fornecedores, pesquisa primária, material secundário e julgamento em uma tabela de previsão. O interesse comercial da Gartner na relevância de seu aconselhamento também significa que os leitores não devem consumir suas previsões passivamente. O uso correto do trabalho de Lovelock não é obediência.

É comparação disciplinada: comparar a composição por categoria com divulgações de empresas, dados de cadeia de suprimentos, orçamentos de clientes, restrições de energia e data centers, comportamento de renovação de software e evidência de produtividade realizada.

Nessa base, a importância de Lovelock é clara, mas limitada. Ele é um sinal público útil em um mercado onde o capital se move mais rápido que a certeza. Suas previsões não respondem à questão final se a implantação de IA pagará seu custo. Elas ajudam a definir as questões intermediárias que determinam quem sobreviverá à implantação, quem a monetizará e quem confundirá gastos com valor. Para um mercado de tecnologia afogado em alegações, isso é suficiente para tornar o previsor digno de monitoramento.