John-David Lovelock e a Máquina de Previsões por Trás dos Gastos com IA

Resumo

• A importância pública de John-David Lovelock decorre de um papel recorrente no Gartner: traduzir evidências de vendas de fornecedores, comportamento dos compradores e incertezas na adoção de tecnologia em previsões de gastos com TI que orientam conselhos e fornecedores.
• Seu trabalho é mais visível no ciclo da infraestrutura de IA, onde as previsões do Gartner passaram da aceleração dos data centers em 2024 para gastos com TI superiores a US$ 6 trilhões em 2026, e depois aumentaram ainda mais à medida que servidores otimizados para IA, memória, software e capacidade de nuvem remodelaram o mercado.
• O histórico indica influência, não controle. Lovelock não direciona os gastos de capital dos hiperescaladores nem os orçamentos corporativos, mas confere a essas decisões uma linguagem compartilhada de categorias, revisões e restrições.
• A questão em aberto é a qualidade da previsão sob pressão: se o modelo público do Gartner consegue continuar separando a demanda real do excesso temporário de capacidade, à medida que investimentos em IA, precificação de software, margens de serviços e gargalos de infraestrutura avançam em ritmos diferentes.

A pessoa por trás da previsão

John-David Lovelock é um tipo incomum de figura de mercado porque seu nome geralmente aparece associado aos gastos de outras pessoas. No registro público, ele não está inaugurando um campus de data center, fechando uma fusão de software, negociando uma licença de espectro ou anunciando um subsídio nacional de IA. Ele aparece no momento em que o Gartner traduz essas escolhas em uma previsão: uma taxa de crescimento, um total em dólares, uma tabela de categorias e algumas frases que dizem aos executivos de tecnologia o que o movimento significa.

Isso torna seu perfil fácil de subestimar e fácil de superestimar. Se subestimado, ele é apenas mais um analista citado em um artigo de tecnologia. Se superestimado, torna-se um formador de mercado invisível, como se um comunicado do Gartner pudesse comandar hiperescaladores, fornecedores de software, operadoras de telecomunicações, compradores empresariais e investidores em um único ciclo de capital. A interpretação mais precisa é mais restrita e mais interessante. Lovelock é um operador público da máquina de previsões do Gartner.

Seu trabalho é relevante porque a máquina tem alcance, porque as categorias se repetem e porque a linguagem chega às salas de planejamento antes que muitas empresas tenham uma visão completa de sua própria demanda para o próximo ano.

As evidências visíveis apoiam esse papel. O Gartner identifica Lovelock como Analista VP Distinto nos comunicados oficiais de gastos mundiais com TI e em seu trabalho de previsão de gastos com IA. Em abril de 2026, o The Economic Times o descreveu como Previsor-Chefe do Gartner ao discutir a revisão para cima dos gastos globais com TI pela empresa. Nessas aparições, ele não é apresentado como um comentarista de tecnologia em geral.

Está vinculado a um ritmo operacional específico: a interpretação recorrente da demanda por sistemas de data center, software, dispositivos, serviços de TI, serviços de comunicações, infraestrutura de nuvem, servidores otimizados para IA e a pressão de custo criada pela IA generativa.

Esse ritmo é a superfície real de decisão do sujeito. Não é uma superfície de decisão privada no sentido de controle executivo. É pública, institucional e metodológica. As escolhas observáveis de Lovelock são escolhas de enquadramento. Um aumento de gastos é um sinal genuíno de demanda ou um efeito de preço? O crescimento do software está sendo impulsionado por novo valor ou pelos fornecedores repassando o custo dos recursos de IA incorporados? Um aumento nos data centers é evidência de adoção empresarial de IA de longo prazo ou principalmente resultado de hiperescaladores construindo capacidade antes da demanda?

Os gastos com dispositivos representam 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 diretor de TI defende um orçamento, como um fornecedor de software precifica um módulo de IA, como uma empresa de serviços se prepara para a pressão nas margens e como os investidores diferenciam as empresas que vendem infraestrutura de IA daquelas que apenas prometem usá-la.

O perfil, portanto, deve começar com moderação. Lovelock é consequente não porque altera unilateralmente o comportamento do mercado, mas porque seu trabalho no 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 à imprensa, a legibilidade em si é uma forma de infraestrutura.

O Gartner como plataforma

A influência de Lovelock não pode ser separada da posição institucional do Gartner. O Gartner se descreve como uma empresa do S&P 500 avaliada em US$ 6,5 bilhões, com mais de 20.000 associados, atuação em cerca de 90 países e territórios e mais de quatro décadas de experiência assessorando líderes de negócios e tecnologia. Afirma que suas orientações são informadas por milhares de especialistas em negócios e tecnologia, centenas de milhares de interações com clientes, briefings de fornecedores e revisões por pares. Esses números são apresentados pelo próprio Gartner e devem ser lidos como parte de sua defesa comercial de autoridade.

Ainda assim, explicam por que uma previsão atribuída a um único analista pode alcançar mais longe do que uma opinião individual.

O produto de previsão do Gartner não é um post de blog com uma planilha anexada. As próprias divulgações do Gartner dizem que suas previsões de gastos com TI são baseadas pesadamente em análises rigorosas de vendas de mais de mil fornecedores em toda a gama de produtos e serviços de TI, complementadas por pesquisa primária e insumos secundários para construir um banco de dados do tamanho do mercado. O modelo detalhado é proprietário. Pessoas de fora não podem ver os pesos dos fornecedores, as regras de revisão ou o tratamento completo de moeda, precificação, restrições de oferta, estoque de canal e mudanças de categoria.

Mas a divulgação de alto nível importa 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. A primeira é evidencial. Ele pode falar a partir de um modelo que afirma agregar análises de vendas de fornecedores, comportamento do comprador e insumos de pesquisa em um grande mercado de tecnologia. A segunda é classificatória. O Gartner não diz apenas que os gastos estão subindo ou descendo; ele aloca os gastos em categorias que as próprias empresas usam ao planejar.

Dispositivos, sistemas de data center, software, serviços de TI, serviços de comunicações, servidores otimizados para IA, infraestrutura como serviço, software de aplicação, semicondutores e serviços de IA não são compartimentos neutros. Tornam-se um mapa compartilhado para o mercado.

O mapa tem consequências. Um fornecedor que vende para construções 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 esperam economias de automação que reduzam o valor do contrato. Um CIO quer saber se os aumentos nos custos de software vêm de novas funcionalidades, do poder de precificação do fornecedor ou do custo oculto dos recursos de IA.

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

Esse reuso é o que torna um previsor organizacionalmente consequente. Uma empresa não precisa aceitar todos os números do Gartner para que a previsão afete o planejamento. Basta tratar as categorias do Gartner como um ponto de referência. Assim que um deck de conselho usar as mesmas categorias, assim que uma apresentação de fornecedor comparar seu mercado endereçável com a linha de gastos do Gartner, assim que uma matéria da mídia transformar uma revisão de previsão em manchete de mercado, a previsão já entrou na linguagem operacional do setor.

A revisão como disciplina

A parte mais reveladora do registro público de Lovelock não é um número isolado. É o padrão de revisão. Em julho de 2024, o Gartner previu gastos mundiais com TI de aproximadamente US$ 5,26 trilhões para 2024, um aumento de 7,5%. O mesmo comunicado destacou os sistemas de data center como a categoria de crescimento mais rápido, com gastos que deveriam aumentar mais de 24%. A interpretação de Lovelock já estava focada na IA generativa como uma questão de custo e capacidade, 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 que muitas empresas pudessem comprovar retornos em larga escala.

Em julho de 2025, a cobertura secundária da previsão do Gartner colocou os gastos mundiais com TI em cerca de US$ 5,43 trilhões para o ano. A linguagem mudou para a incerteza. O TechRadar relatou a visão do Gartner de que havia uma pausa nos gastos líquidos novos causada pela incerteza global, mas que as iniciativas de IA e IA generativa ainda superavam a pausa. Essa distinção é central para o padrão Lovelock. Um previsor mais fraco poderia ter achatado o mercado em “boom de IA” ou “compradores estão cautelosos”.

A história pública do Gartner sustentou ambas as afirmações ao mesmo tempo: cautela em algumas decisões empresariais, aceleração em infraestrutura e software relacionados à IA.

Em setembro de 2025, a previsão específica de IA do Gartner deu ao ciclo um quadro muito maior. A empresa disse que os gastos mundiais com IA totalizariam quase US$ 1,5 trilhão em 2025 e mais de US$ 2 trilhões em 2026. A explicação pública de Lovelock apontou para data centers de hiperescaladores, hardware otimizado para IA, GPUs, empresas chinesas, novos provedores de nuvem de IA e suporte de capital de risco. Essa é uma cadeia causal mais complexa do que uma simples curva de adoção empresarial.

Ela diz que o mercado de IA pode aumentar mesmo que muitos usuários finais ainda estejam experimentando, porque fornecedores de infraestrutura e empresas de plataforma estão gastando antes da produtividade medida.

Em outubro de 2025, o Gartner previu que os gastos mundiais com TI excederiam US$ 6 trilhões pela primeira vez em 2026, alcançando cerca de US$ 6,08 trilhões. A tabela oficial mostrava os sistemas de data center crescendo fortemente novamente, o software continuando a se expandir e os serviços de TI permanecendo como o maior segmento único fora dos serviços de comunicações. Os comentários públicos de Lovelock novamente separaram os impulsionadores das categorias. Dispositivos foram ajudados por telefones celulares e dispositivos com IA. Os sistemas de data center estavam restritos pela oferta de racks de servidores otimizados para IA.

O crescimento do software refletia a disseminação contínua de recursos de IA e a economia das licenças empresariais.

Depois as revisões continuaram. Em fevereiro de 2026, o ITPro relatou a previsão do Gartner em US$ 6,15 trilhões, com gastos em data centers acima de US$ 650 bilhões, crescimento dos gastos com servidores próximo de 37%, crescimento do software acima de 15%, crescimento dos gastos com IA generativa acima de 80% e a pressão dos preços de memória desacelerando o crescimento de dispositivos.

Em abril de 2026, o Cinco Dias e o The Economic Times relataram uma nova previsão do Gartner de cerca de US$ 6,31 trilhões para os gastos mundiais com TI em 2026, com a infraestrutura de IA e os sistemas de data center fazendo a maior parte do trabalho pesado. O Cinco Dias relatou um crescimento dos sistemas de data center de 55,8%, para quase US$ 788 bilhões.

Vista de uma maneira, a revisão repetida é um alerta sobre a incerteza. Os números do Gartner mudaram à medida que o mercado mudou. Vista de outra, é o próprio produto. Uma previsão que não se revisa em um ciclo rápido de IA 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 do Gartner está em parte nessa explicação: a diferença entre um mercado que está crescendo por causa da ampla adoção de software empresarial, um mercado que está crescendo porque os preços de memória estão mais altos e um mercado que está crescendo porque os hiperescaladores estão comprando computação otimizada para IA antes que a receita downstream seja totalmente visível.

O problema da infraestrutura de IA

O ciclo de IA tornou o papel de Lovelock mais importante porque tornou os gastos com TI mais difíceis de interpretar. Em ciclos anteriores de tecnologia empresarial, uma previsão de gastos podia frequentemente ser interpretada por meio de categorias de demanda familiares: atualização de hardware, migração para a nuvem, expansão de licenças de software, terceirização, conectividade de telecomunicações ou conformidade regulatória. A IA generativa embaralhou essa estrutura.

Um servidor GPU comprado por um hiperescalador pode suportar treinamento de modelos de IA, inferência empresarial, recursos para consumidores ou capacidade que permanece subutilizada por um período. Os gastos com software podem aumentar porque um fornecedor incorporou recursos de IA em uma suíte 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 dos contratos de serviços gerenciados à medida que a automação se torna esperada.

É por isso que a ênfase repetida nos data centers importa. A previsão do Gartner para 2024 já marcava os sistemas de data center como a categoria de alto crescimento. Em 2025 e 2026, a história passou do crescimento comum da nuvem para a economia da infraestrutura de IA. A previsão de gastos com IA do Gartner separou servidores otimizados para IA de outras categorias de IA. A cobertura secundária em 2026 então relatou a pressão da memória avançada, computação de alto desempenho, demanda por servidores e construções de hiperescaladores.

Os comentários públicos de Lovelock colocaram o boom da infraestrutura dentro de uma cadeia mais ampla: provedores de nuvem construindo capacidade de IA, fornecedores de hardware capturando receita imediata, empresas de software aprendendo a precificar recursos de IA e empresas de serviços enfrentando a possibilidade de que os clientes exijam economias da entrega habilitada por IA.

O resultado é um mercado de múltiplas velocidades. Os sistemas de data center podem crescer a taxas extraordinárias enquanto as categorias tradicionais crescem mais lentamente. O software de IA pode elevar os valores dos contratos enquanto as margens dos serviços se comprimem. Os dispositivos podem se beneficiar das narrativas de PC com IA e smartphones enquanto os preços de memória interferem nos ciclos de substituição. A infraestrutura de nuvem pode se expandir enquanto os compradores empresariais permanecem cautelosos sobre quais projetos de IA merecem implantação em escala.

Se um conselho vê apenas o número total de gastos, perde a distribuição do risco.

A linguagem de previsão de Lovelock é construída para essa distribuição. Ela diz que a demanda por infraestrutura de IA pode ser real mesmo quando o retorno sobre o investimento em IA permanece incerto. Diz que a receita de software pode aumentar porque a IA eleva a base de custo das aplicações, não apenas porque os usuários estão se tornando mais produtivos. Diz que as empresas de serviços podem se beneficiar da demanda por projetos enquanto também perdem poder de precificação à medida que os clientes perguntam para onde foram as economias de automação prometidas.

Diz que o boom dos data centers é restrito por racks de servidores, memória, energia e cronogramas dos hiperescaladores, e não por uma simples contagem de implantações empresariais de IA.

Essa distinção é também onde o artigo não deve derivar para uma narrativa heroica. Lovelock não criou o boom da infraestrutura de IA. A Nvidia, os hiperescaladores, os fornecedores de chips, as plataformas de nuvem, as empresas de software empresarial, os investidores, as concessionárias de energia e os 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 do Gartner os organiza e ele os devolve ao mercado em uma forma que pode ser citada, desafiada, orçada ou incorporada à estratégia.

Essa posição intermediária é fácil de ignorar porque não se parece com poder da maneira usual. Não há portão de fábrica, cerimônia de abertura de região de nuvem ou keynote de produto. Mas em um mercado onde a própria incerteza muda o comportamento, a pessoa que dá à incerteza uma estrutura repetida torna-se parte do ambiente de planejamento.

A divisão entre software e serviços

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

No ciclo de previsão de 2024, Lovelock descreveu a IA generativa como uma força que aumentaria o custo do software. O significado prático é direto: as empresas de software podem não precisar que cada cliente execute um projeto de IA bem-sucedido antes de aumentarem os preços ou reempacotarem recursos. Se a funcionalidade de IA se tornar parte do pacote de licenças, a linha de gastos pode subir mesmo enquanto as evidências de produtividade permanecem desiguais. 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. O The Economic Times relatou a visão de Lovelock de que os provedores indianos de serviços gerenciados poderiam se beneficiar à medida que o trabalho rotineiro migrasse para iniciativas de IA, enquanto as empresas de serviços enfrentavam pressão nas margens porque os clientes esperariam que a eficiência impulsionada pela IA se refletisse nos preços dos contratos. Essa é uma assimetria importante. Os fornecedores de software podem, às vezes, monetizar a IA incorporando-a aos produtos e promovendo contratos mais ricos.

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

Para conselhos e executivos, essa divisão importa 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 ter que provar que pode entregar transformação de IA sem ceder muito do ganho de produtividade. Um provedor de nuvem pode converter a demanda de IA em receita de infraestrutura se tiver capacidade. Um fabricante de dispositivos pode se beneficiar de uma narrativa de renovação por IA, mas ainda estar exposto à demanda do consumidor, aos preços de memória e aos ciclos de substituição.

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

O trabalho de Lovelock torna essas diferenças visíveis na previsão de gastos. Os números públicos do Gartner não dizem simplesmente que a IA é grande. Eles perguntam qual rubrica orçamentária está sendo elevada, por que e por quanto tempo. Essa é a razão pela qual seu papel pertence a um perfil de inteligência de mercado, e não a uma biografia genérica de analista. A questão não é se ele está otimista ou cético em relação à IA. A questão é se sua linguagem de categorias ajuda os leitores a separar um tipo de gasto com IA de outro.

Há uma cautela aqui. Como o Gartner é uma empresa de consultoria comercial, suas categorias e narrativas públicas também apoiam a própria relevância do 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 do 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 perguntar como a metodologia lida com evidências contraditórias, quão rapidamente as revisões acontecem e como a confiança da previsão é comunicada.

O registro público mais forte para Lovelock é que ele não apresenta o ciclo de IA como sem atritos. Seus comentários apontam para pausas, restrições, preços de memória, inflação de custos de software, gargalos de infraestrutura e pressão nas margens de serviços. Em um mercado abarrotado de alegações promocionais de IA, esse tipo de previsão qualificada é mais útil do que o entusiasmo. 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 do Gartner pode aparecer em manchetes da mídia, decks de fornecedores, materiais de conselho e notas de investidores. Isso não significa que a previsão causou os gastos que descreve. Na maioria dos casos, a causalidade corre no sentido inverso: os fornecedores relatam vendas, os compradores revelam comportamento orçamentário, os hiperescaladores divulgam ou sinalizam planos de capital, as cadeias de suprimentos expõem restrições e o modelo do Gartner transforma esses insumos 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 o Gartner revisando para cima os gastos com infraestrutura de IA pode não aumentar os gastos porque o 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 fornecedores de software estão prestes a promover 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. Uma empresa de software pode usar uma linha de gastos do Gartner para justificar o posicionamento de produto. Um fornecedor de hardware pode apontar para o crescimento dos sistemas de data center para defender o investimento em capacidade. Uma empresa de serviços pode usar a história de adoção de IA para vender transformação, mas também pode ter que explicar por que a IA não reduz simplesmente o custo de entrega.

Os provedores de nuvem podem usar a narrativa de crescimento da infraestrutura para fazer os gastos de capacidade parecerem um posicionamento disciplinado, em vez de um excesso especulativo. Os investidores usam o mesmo material para testar se o crescimento da receita é concentrado, amplo, durável ou circular.

Essa 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 o tamanho dos gastos com IA”, então quase todo número grande apoia a narrativa de boom. Se a pergunta compartilhada se tornar “qual categoria de gasto com IA está crescendo e qual restrição a está impulsionando”, então conselhos e investidores podem fazer perguntas complementares mais afiadas. Essa demanda é de usuários finais ou de fornecedores construindo capacidade? A receita é recorrente ou única?

O preço está impulsionando o crescimento mais do que o volume? A categoria depende de um pequeno número de compradores hiperescala? A linha de gastos implica produtividade futura ou apenas depreciação futura?

O registro público mostra Lovelock repetidamente empurrando a previsão para essas perguntas mais afiadas. Em 2025, o tema não era apenas crescimento, mas incerteza. No final de 2025, o tema não era apenas cruzar os US$ 6 trilhões, mas a estrutura de oferta e categoria por trás da travessia. Em 2026, as revisões para cima enfatizaram a infraestrutura de IA, data centers, memória e software, em vez de fingir que todos os gastos com tecnologia estavam subindo na mesma velocidade.

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

As restrições do registro

As evidências também deixam lacunas. O registro público não mostra o histórico completo da carreira de Lovelock, sua data exata de início, sua linha de reporte interna ou a alocação precisa de trabalho entre ele e as equipes de pesquisa mais amplas do Gartner. A divulgação da metodologia do Gartner é útil, mas parcial. Ela diz aos leitores que análises de vendas de fornecedores, pesquisa primária e evidências secundárias são usadas. Não mostra o modelo detalhado, as bandas de confiança, a ponderação de dados de última hora ou como a empresa trata o viés de fornecedores que têm interesse comercial em uma estimativa de mercado maior.

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

A IA torna essa dificuldade aguda. Um data center pode ser financiado antes que as aplicações do usuário final sejam comprovadas. Uma empresa de software pode cobrar por IA antes que os clientes saibam quais recursos manterão. Uma empresa de serviços pode prometer eficiência habilitada por IA antes que os métodos de entrega se estabilizem. Um provedor de nuvem pode construir capacidade porque os concorrentes estão construindo capacidade. Um fornecedor de semicondutores pode relatar receita real enquanto a economia do cliente downstream permanece não resolvida.

Essas não são contradições; são diferentes partes do ciclo de capital movendo-se em relógios diferentes.

A Associated Press capturou parte dessa tensão no final de 2025, quando relatou que os investidores ainda se perguntavam se o boom da IA corresponderia às suas promessas de lucro e produtividade, mesmo quando as empresas ligadas à construção de infraestrutura produziam resultados fortes. A Kiplinger levantou uma questão de sustentabilidade relacionada ao colocar a perspectiva de gastos com TI do Gartner para 2026 ao lado da preocupação com padrões de gastos circulares e a força incomum da demanda relacionada à IA.

A cobertura do ITPro no início de 2026 acrescentou o problema do retorno sobre o investimento: o entusiasmo e os gastos permaneciam altos, embora muitas organizações ainda estivessem tentando provar valor escalável.

Para Lovelock, essas preocupações não estão fora da previsão. Elas fazem parte do que uma previsão precisa absorver. Se o modelo trata todos os gastos com IA como igualmente duráveis, perderá o risco de excesso de construção. Se trata todos os projetos de IA fracassados como evidência de que o ciclo de infraestrutura é falso, perderá a receita real do fornecedor e os compromissos de capacidade. A arte é manter ambas as possibilidades em vista.

É aí que a linguagem do Ciclo de Hype do Gartner é relevante. A própria metodologia do Gartner descreve a adoção de tecnologia como passando por expectativas infladas, desilusão e eventual uso produtivo para as tecnologias que sobrevivem. O Ciclo de Hype não é uma invenção pessoal de Lovelock e não deve ser forçado em todas as previsões. Mas ilustra o hábito institucional do Gartner: tornar a incerteza legível nomeando estágios, riscos e escolhas de tempo. O trabalho de gastos com TI de Lovelock aplica um hábito semelhante aos orçamentos. A questão não é simplesmente se a IA está no início ou no fim.

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 frase captura a geografia peculiar de seu papel público. As previsões que ele interpreta são globais. As categorias cruzam fronteiras. O capex dos hiperescaladores, a oferta de semicondutores, os preços de memória, os contratos de software, as margens de serviços gerenciados e a capacidade de nuvem não respeitam um único mercado nacional. No entanto, a pessoa vinculada à previsão não precisa estar no centro de cada decisão de capital 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 geralmente 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 interpretação compartilhada. Esse tipo de poder é mais fácil de negligenciar porque parece pesquisa, em vez de propriedade.

Mas a pesquisa ainda pode se tornar infraestrutura quando um número suficiente de participantes do mercado constrói decisões em torno dela.

O caráter global da previsão também a torna útil para mercados menores e regionais. Um provedor de nuvem nacional, integrador de sistemas regional, operadora de telecomunicações, comprador do setor público ou desenvolvedor local de data center pode não ser capaz de observar todo o ciclo de gastos com IA diretamente. Os números do Gartner fornecem a esses atores uma referência externa. Eles podem decidir se seu próprio mercado está atrasado, superaquecendo ou se movendo de maneira diferente devido a regulação, moeda, energia, regras de contratação 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 center, oportunidade de exportação e demanda do cliente por eficiência habilitada por IA.

Essa é uma forma prática de influência. Não requer carisma pessoal ou autoridade executiva. Depende de repetição, disciplina de categoria e confiança institucional. Cada ciclo de previsão dá a Lovelock e ao Gartner outra chance 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 sem resolver. Para Lovelock, a resposta não é uma fábrica ou uma linha de produtos. As evidências públicas mostram que ele herdou e opera dentro da plataforma de pesquisa do Gartner, e que ajuda a construir um produto de previsão recorrente em torno dos gastos mundiais com TI e da demanda relacionada à IA. O resultado observável não é uma decisão corporativa privada; é uma sequência de comunicados de previsão, narrativas de categoria e explicações de mercado.

Ele construiu, em público, uma postura interpretativa consistente. Os gastos com IA devem ser lidos através de infraestrutura, software, dispositivos, nuvem e serviços, em vez de uma única história de adoção. A IA generativa pode aumentar os custos de software antes de provar produtividade. Os gastos com data center podem explodir porque os fornecedores estão construindo antes da demanda. Os serviços gerenciados podem ver oportunidade enquanto também enfrentam pressão de preços. A incerteza do comprador pode desacelerar alguns projetos enquanto os investimentos em IA ainda se expandem.

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

Ele não construiu o boom da IA. Ele não aprovou os gastos de capital dos hiperescaladores. Ele não decidiu o roadmap de produtos da Nvidia, os orçamentos empresariais de IA, a precificação dos fornecedores de software, as filas de interconexão de eletricidade ou a política governamental de data centers. Ele não controla se os gastos com IA acabarão produzindo retornos suficientes. Esses limites importam porque a tentação pública é tratar intérpretes visíveis como tomadores de decisão ocultos.

O registro de Lovelock é mais específico e mais defensável: ele ajuda a definir como esses tomadores de decisão descrevem o mercado para si mesmos e uns para os outros.

Ele também deixou questões importantes sem resolver, pelo menos em público. O Gartner não publica detalhes suficientes do modelo para que pessoas de fora possam auditar completamente o processo de previsão. Os relatórios públicos não mostram como o Gartner separa a inflação de preços do crescimento de volume em cada categoria, como lida com o otimismo dos fornecedores ou como calibra a precisão da previsão ao longo de vários ciclos. A revisão para cima de abril de 2026, relatada na cobertura secundária, precisa de comparação contínua com os materiais oficiais do Gartner e resultados posteriores.

O retorno de produtividade de longo prazo sobre a infraestrutura de IA permanece uma questão em aberto. O mesmo acontece com a distribuição de ganhos entre plataformas de nuvem, fornecedores 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 observar a seguir

A próxima avaliação da influência de Lovelock não deve perguntar se ele estava “certo” no sentido simples de previsão pontual. Deve perguntar como a previsão lidou com o estresse. Vários pontos de estresse já são visíveis.

Primeiro, sistemas de data center. Se os gastos em 2026 permanecerem tão fortes quanto os relatórios de abril de 2026 sugeriram, a questão será se a demanda é absorvida em serviços produtivos de nuvem e IA ou se o excesso de construção aparece na utilização, precificação ou projetos adiados. Um bom previsor distinguirá os gastos contabilizados pelos fornecedores do valor realizado pelos clientes.

Segundo, software. Se os fornecedores continuarem a incorporar IA nas 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 durável 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 de monitoramento correto.

Terceiro, serviços. As empresas de serviços gerenciados e consultoria terão que decidir se a IA lhes permite proteger margens, conquistar novos trabalhos ou ceder ganhos de eficiência aos clientes. A discussão sobre os 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 precisam capturar tanto a demanda de projetos quanto a compressão de margens.

Quarto, dispositivos e memória. PCs com IA e telefones habilitados para IA podem criar uma narrativa de substituição, mas os preços dos componentes e a demanda do usuário determinam se a narrativa se transforma em volume. O comentário do Gartner em 2026 sobre a pressão dos 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 de nuvem. À medida que as cargas de trabalho de IA se concentram em ambientes de hiperescaladores, os compradores podem se tornar mais dependentes dos provedores de nuvem e de entrega de aplicações gerenciadas. A linha de previsão pode mostrar crescimento de gastos, mas a questão estratégica é o controle: quem possui a capacidade, quem paga pela escala não utilizada e quem tem poder de barganha quando os recursos de IA se tornam incorporados ao software principal.

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

A avaliação

O registro 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 grande público. Não é o fundador de uma plataforma de IA nem o proprietário de um parque de data centers. Seu trabalho é consequente porque o aparato de previsão do Gartner se situa entre a evidência e o planejamento. Ele coleta sinais de mercado, organiza-os em categorias, revisa-os conforme as condições mudam e os devolve ao mercado com autoridade suficiente para serem reutilizados.

Isso o torna um operador de previsões. A frase é deliberadamente modesta. Não finge que ele cria sozinho o modelo do Gartner ou comanda o mercado. Reconhece que alguém precisa operar a interface pública da previsão: dizer o que mudou, por que mudou, qual categoria importa, onde estão as ressalvas 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 abrange a demanda por semicondutores, racks de servidores, energia para data centers, capacidade de nuvem, licenças de software empresarial, trabalhos de consultoria, serviços gerenciados, dispositivos e alegações de produtividade.

A evidência mais forte da influência de Lovelock é a consistência de seu trabalho público de 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 com tecnologia estão subindo. É que a infraestrutura de IA e o software habilitado para IA mudaram a composição dos gastos antes que o caso completo de produtividade esteja resolvido. Essa é exatamente o tipo de distinção que conselhos e fornecedores precisam.

Impede-os de tratar cada dólar de IA como prova de adoção e impede-os de descartar a demanda real por infraestrutura só porque alguns projetos empresariais decepcionam.

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

É comparação disciplinada: compare a composição das categorias com as divulgações das empresas, dados da cadeia de suprimentos, orçamentos de clientes, restrições de energia e data centers, comportamento de renovação de software e evidências 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 está se movendo mais rápido que a certeza. Suas previsões não respondem à pergunta final sobre se a construção de IA pagará seu custo. Elas ajudam a definir as perguntas intermediárias que determinam quem sobrevive à construção, quem a monetiza e quem confunde gastos com valor. Para um mercado de tecnologia inundado de alegações, isso é suficiente para fazer o previsor valer a pena ser observado.