Receita empresarial da OpenAI ultrapassa 50% pela primeira vez: 5 sinais de que o ChatGPT está se tornando infraestrutura empresarial

Nota do autor: Brockman confirmou que mais da metade da receita da OpenAI vem do segmento empresarial. Este artigo explica como essa mudança aconteceu e seus impactos práticos para as compras corporativas e os desenvolvedores.

Em 4 de novembro de 2026, Greg Brockman, cofundador e presidente da OpenAI, revelou durante a conferência de tecnologia do Wall Street Journal: mais da metade da receita atual da OpenAI vem do segmento empresarial. Segundo ele, antes a receita se dividia em aproximadamente 30% de empresas e 70% de consumidores. Agora, o segmento empresarial se tornou a maior fonte de receita.

Isso não significa que a OpenAI esteja abandonando os consumidores. Brockman fez questão de destacar que a receita do segmento de consumo não caiu: ela continua crescendo, mas o segmento empresarial cresce mais rápido. Reuters, TechCrunch e WSJ noticiaram a declaração em 5 de novembro.

O que você vai encontrar aqui: a linha do tempo da inversão na estrutura de receita da OpenAI, uma explicação de métricas que podem gerar confusão e uma análise de por que a IA empresarial está se tornando o principal motor de receita das empresas de modelos.

Receita empresarial da OpenAI supera metade do total: resumo

A tabela abaixo reúne os principais fatos divulgados. Vale lembrar que Brockman disse apenas “mais da metade”, sem informar uma porcentagem exata.

Dois detalhes merecem destaque. Primeiro, os 70% se referem ao crescimento trimestral do ritmo anualizado de receita (annualized revenue run rate), e não a um aumento de 70% na receita trimestral auditada. Segundo, “I think so” (“acho que sim”) indica apenas que Brockman acredita que a empresa pode estar preparada para abrir capital em 2027. Isso não significa que uma data já tenha sido definida ou que um pedido tenha sido apresentado.

Linha do tempo da mudança na composição da receita da OpenAI

A receita empresarial não ultrapassou a metade do total de repente. Segundo anúncios oficiais da OpenAI e reportagens da imprensa, foi um processo gradual que durou cerca de um ano.

Em março, a OpenAI previa que as receitas empresarial e de consumo seriam equivalentes no fim do ano. Na prática, a receita empresarial já havia ultrapassado metade do total no início de novembro. Isso indica que o crescimento empresarial no terceiro trimestre superou as expectativas que a própria empresa tinha no início do ano.

Antes da recuperação da receita da OpenAI com empresas: a pressão da concorrência no primeiro semestre

Para entender essa inversão na composição da receita, não basta olhar para o resultado: é preciso considerar o que a OpenAI enfrentou no primeiro semestre. O próprio Brockman reconheceu que a empresa teve dificuldades no mercado corporativo durante o primeiro e o segundo trimestres de 2026. O título da reportagem do WSJ usou diretamente a palavra “Rough”, ou “difícil”.

O principal problema estava na programação agêntica. Segundo Brockman, embora a OpenAI já tivesse o Codex, sua presença nesse mercado era pequena e não atraía atenção suficiente. E a programação é justamente uma das áreas que mais concentram gastos corporativos com IA: a Menlo Ventures estima que o mercado de aplicativos de programação com IA movimentou cerca de US$ 34 bilhões em 2026.

Os três fatores por trás da recuperação no terceiro trimestre

Brockman atribuiu a mudança no terceiro trimestre a alguns fatores importantes, ressaltando que ela foi resultado de investimentos contínuos, não de uma transformação da noite para o dia:

• Atualização do modelo: o lançamento do GPT-5.6 Sol melhorou sua utilidade em contextos corporativos.
• Lançamento do ChatGPT Work: o produto deixou de ser um “assistente de perguntas e respostas” para se tornar um agente capaz de executar tarefas com várias etapas e entregar documentos e relatórios completos.
• Expansão das vendas para empresas: Codex Labs, parcerias com sete integradores globais de sistemas e o OpenAI Partner Network, lançado em junho.

O crescimento da base de usuários do Codex também ajuda a ilustrar essa mudança. Segundo dados públicos oficiais, o número de usuários ativos semanais do Codex passou de 2 milhões no fim de março para mais de 5 milhões no início de junho. Cerca de um quinto deles eram trabalhadores do conhecimento em empresas, um grupo que cresceu mais de três vezes mais rápido que o de desenvolvedores. Vale lembrar que os 5 milhões são um dado público de junho, não o número mais recente de novembro.

Receita corporativa da OpenAI e concorrência com a Anthropic: métricas diferentes não devem ser confundidas

Ao discutir a receita corporativa da OpenAI, é fácil cometer um erro: comparar números calculados com critérios diferentes. Entre as informações públicas disponíveis, há pelo menos quatro tipos de dados com significados distintos.

Juntos, esses dados mostram um panorama mais completo da concorrência. Nos gastos empresariais com APIs, a Menlo estima que a Anthropic continua na liderança: sua participação passou de 40% no ano anterior para 55%, enquanto a da OpenAI subiu de 27% para 31%. Mas, segundo o WSJ, entre as empresas que contratam produtos das duas companhias, a Anthropic recebia cerca de três quartos dos gastos no início do ano. Em setembro, a divisão já estava aproximadamente igual, mostrando uma melhora significativa na posição competitiva da OpenAI.

Os dois conjuntos de dados não são contraditórios. O primeiro é uma estimativa do mercado como um todo ao longo do ano; o segundo mostra a evolução de um grupo específico de clientes. Eles refletem justamente a velocidade com que a OpenAI avançou no segundo semestre.

Dois números para a receita anualizada: 50 bilhões e 70 bilhões de dólares

Outro ponto que costuma gerar confusão é o tamanho da receita anualizada da OpenAI. No fim de setembro, a Reuters informou que o ritmo de receita anualizada da empresa estava próximo de 70 bilhões de dólares. Em outubro, noticiou que o número referente a setembro estava perto de 50 bilhões de dólares. Isso não significa que a receita tenha “encolhido” 20 bilhões de dólares.

A diferença vem do tratamento contábil da receita de parceiros de plataformas em nuvem. Em algumas vendas feitas por esses parceiros, a OpenAI contabiliza apenas a parcela que lhe cabe. Já o método da Anthropic pode registrar o valor total pago pelo cliente como receita e depois contabilizar a parte da plataforma em nuvem como despesa. O número de 70 bilhões apresentado anteriormente a investidores usava um cálculo semelhante em valores brutos, para facilitar a comparação com a Anthropic. Além disso, o ritmo de receita anualizada é apenas uma projeção anual com base na receita de um determinado período; não equivale à receita efetivamente realizada durante o ano inteiro.

Impacto na receita corporativa da OpenAI: por que as empresas não escolhem um único fornecedor

O JPMorgan Chase é um bom exemplo para entender como as empresas compram soluções de IA. Durante a conferência, Brockman revelou uma parceria entre a OpenAI e o JPMorgan Chase envolvendo o Codex e os modelos de cibersegurança da OpenAI, voltada à transformação empresarial, ao trabalho intelectual e à segurança interna. Outras reportagens mostram que o JPMorgan Chase também colabora com a Anthropic na área de cibersegurança.

Isso mostra que a compra de IA por grandes empresas não é um jogo de soma zero, no qual é preciso escolher entre dois fornecedores. As empresas contratam produtos de diferentes fornecedores conforme o tipo de tarefa, a capacidade dos modelos e os requisitos de segurança. Para as empresas de modelos, conquistar um grande cliente não significa ficar com todo o seu orçamento; para os clientes, trabalhar com vários fornecedores é uma prática comum para reduzir riscos e otimizar custos.

Impacto para desenvolvedores

• A coexistência de vários modelos vira regra: em um mesmo projeto, programação, segurança e perguntas e respostas podem usar modelos de fornecedores diferentes. Por isso, os desenvolvedores precisam conseguir alternar entre eles e compará-los rapidamente.
• A gestão de custos fica ainda mais importante: dados da Menlo mostram que os gastos reais das empresas com IA chegaram, em média, a 4,7 vezes os do ano anterior, enquanto a previsão original era de apenas 1,9 vez. A execução paralela de Agentes e seu funcionamento contínuo em segundo plano estão entre as principais causas dos gastos acima do orçamento.
• A supervisão de qualidade continua indispensável: segundo a Axios, gerenciar vários fluxos de trabalho de Agentes ao mesmo tempo aumenta a carga de supervisão. Os dados e códigos produzidos por eles ainda precisam ser revisados por profissionais.

Para equipes que precisam usar vários modelos, uma interface unificada pode reduzir bastante o custo de alternar entre eles. Veja um exemplo simples de invocação do modelo por uma interface compatível com a OpenAI:

import openai

client = openai.OpenAI(
    api_key="YOUR_API_KEY",
    base_url="https://api.apiyi.com/v1"  # Interface unificada da APIYI, compatível com a OpenAI
)

response = client.chat.completions.create(
    model="gpt-6.1-sol",  # Consulte a lista de modelos da plataforma para confirmar o ID
    messages=[{"role": "user", "content": "总结本周销售会议的三个待办事项"}]
)
print(response.choices[0].message.content)

import time
import openai

client = openai.OpenAI(
    api_key="YOUR_API_KEY",
    base_url="https://api.apiyi.com/v1"  # Uma chave para acessar modelos de vários fornecedores
)

# Consulte a lista de modelos da plataforma para confirmar os IDs; é possível substituí-los por Claude, Gemini etc.
MODELS = ["gpt-6.1-sol", "gpt-6.1-terra", "claude-sonnet", "gemini-pro"]

def compare_models(prompt: str):
    """Invoca vários modelos para a mesma tarefa e registra o tempo e o uso de tokens para avaliar custos"""
    results = []
    for model in MODELS:
        start = time.time()
        try:
            resp = client.chat.completions.create(
                model=model,
                messages=[{"role": "user", "content": prompt}],
                max_tokens=800
            )
            results.append({
                "model": model,
                "latency": round(time.time() - start, 2),
                "input_tokens": resp.usage.prompt_tokens,
                "output_tokens": resp.usage.completion_tokens,
                "answer": resp.choices[0].message.content[:120]
            })
        except Exception as e:
            results.append({"model": model, "error": str(e)})
    return results

for r in compare_models("审查这段权限校验逻辑是否存在越权风险：..."):
    print(r)

🚀 Comece agora: se sua equipe está avaliando qual modelo usar para cada tipo de tarefa, solicite créditos gratuitos para testes na APIYI, em apiyi.com. Use o mesmo código para comparar os resultados e os custos de tokens do OpenAI, Claude e Gemini com dados reais da empresa antes de decidir quais fornecedores contratar.

Como cresce a receita empresarial da OpenAI: de licenças a fluxos de trabalho

Por que a receita empresarial pode crescer mais rápido que a receita de consumidores? A chave é que ela vem de mais de uma fonte. O material de referência a divide em três camadas: compra direta, desenvolvimento e chamadas de API, e implantação em fluxos de trabalho.

O teto das assinaturas para consumidores é relativamente claro: cada usuário paga entre $8 e $200 por mês. Já a receita empresarial depende de dois multiplicadores: o número de clientes e a profundidade de uso por cliente. Uma empresa pode começar comprando algumas centenas de licenças, depois adotar o Codex nas equipes de desenvolvimento, integrar seus sistemas internos aos modelos por API e, por fim, deixar Agents executando tarefas continuamente em segundo plano.

O surgimento dos Agents mudou ainda mais a forma como os Tokens são consumidos. Dados da OpenRouter citados pela Menlo mostram que os Agents já respondem por cerca de 80% do consumo de Tokens na plataforma. Desde que superaram o tráfego gerado por pessoas, em fevereiro de 2026, seu consumo cresceu cerca de 37 vezes, enquanto o tráfego humano cresceu cerca de 5 vezes no mesmo período. Esses dados representam apenas a OpenRouter, uma plataforma voltada a desenvolvedores, e não podem ser generalizados para todo o setor. Ainda assim, a tendência merece atenção: o consumo de Tokens está deixando de acompanhar o número de usuários para acompanhar o volume de tarefas.

Por que as empresas valorizam mais os recursos de governança

O ChatGPT Enterprise vai além de uma compra em escala de contas Plus individuais. Ele inclui controles administrativos como SCIM, EKM e RBAC, residência de dados em dez regiões, SLA, cláusulas jurídicas personalizadas e o compromisso de não usar dados empresariais para treinar modelos por padrão. No caso do JPMorgan Chase, Brockman destacou as altas exigências das instituições financeiras em relação a confiança, segurança e confiabilidade — um exemplo claro dessa necessidade.

Os casos de clientes também oferecem algumas referências. Segundo o estudo de caso da Credit Saison publicado pela OpenAI, um piloto do ChatGPT Enterprise com 315 participantes registrou ROI de 954% e economia de cerca de 14 horas por pessoa a cada mês. Esses dados, porém, foram informados pela própria empresa e publicados pela OpenAI: não são resultado de uma auditoria independente nem representam a média do setor.

A tabela abaixo apresenta alguns preços públicos da API oficial da OpenAI no modo padrão, como referência para empresas estimarem os custos de chamadas:

Modos como Fast e Flex/Batch, além de contextos longos e gravações em cache, afetam o custo real. As cobranças da API também seguem um sistema separado das assinaturas do ChatGPT.

Perguntas frequentes FAQ

Receita empresarial da OpenAI: pontos principais

• Inversão na composição da receita: a participação dos negócios empresariais subiu de cerca de 30% para mais da metade, enquanto a receita de consumidores continua crescendo.
• Pressão no primeiro semestre: a OpenAI teve pouca presença em programação agêntica, mas se recuperou no terceiro trimestre com Work e Codex.
• Métricas distintas: participação na própria receita, fatia do mercado de APIs e gastos de clientes compartilhados são três coisas diferentes.
• Múltiplos fornecedores são a norma: o JPMorgan Chase trabalha com OpenAI e Anthropic ao mesmo tempo; contratar uma não exclui a outra.
• Crescimento depende da profundidade de uso: licenças, APIs, agentes e fluxos de trabalho se somam, e a profundidade de uso determina a receita empresarial.
• Como começar: use os créditos gratuitos da APIYI apiyi.com para testar em pequena escala antes de definir a combinação de fornecedores.

Resumo

Pela primeira vez, a receita empresarial ultrapassou metade da receita da OpenAI. Isso marca a evolução do ChatGPT de produto para consumidores a infraestrutura usada nas operações diárias das empresas. A lógica dessa mudança se apoia em três pontos:

1. A receita empresarial tem efeito multiplicador: além do número de clientes, o que importa é a profundidade de uso e a quantidade de processos atendidos em cada empresa.
2. Agentes mudam a lógica de cobrança: o consumo de tokens está cada vez mais ligado ao volume de tarefas, e não apenas ao número de usuários.
3. A concorrência continua acirrada: a Anthropic ainda lidera em gastos empresariais com APIs, enquanto a OpenAI avança rapidamente e as empresas se mostram dispostas a usar vários fornecedores.

Para desenvolvedores e equipes técnicas, em vez de apostar em um único fornecedor, vale mais desenvolver a capacidade de escolher o modelo conforme a tarefa e avaliar os custos com base em dados. A APIYI apiyi.com permite testar rapidamente o desempenho de diferentes modelos no seu cenário de negócio, com uma interface compatível com a OpenAI e créditos gratuitos para novos usuários.

📚 Referências

1. Reuters – Brockman fala sobre receita empresarial e IPO: reportagem de 05/11/2026
2. Link: reuters.com/legal/transactional/openai-ready-ipo-2027-now-counts-majority-sales-enterprises-brockman-says-2026-11-05

3. Contexto: reportagem original sobre a receita empresarial, que supera metade do total, e os preparativos para o IPO

4. WSJ – Negócio de programação da OpenAI decola após um primeiro semestre sob pressão: reportagem de novembro de 2026

5. Link: wsj.com/tech/openai-had-rough-first-half-of-year-before-coding-takeoff-brockman-says-6c97d9e5

6. Contexto: pressão da concorrência no primeiro semestre e mudanças nos gastos de clientes compartilhados

7. Reuters – Receita anualizada da OpenAI se aproxima de US$ 50 bilhões em setembro: reportagem de 08/10/2026

8. Link: reuters.com/business/openais-annualized-revenue-20-billion-less-than-previously-signaled-ft-reports-2026-10-08

9. Contexto: explicação da diferença entre as estimativas de US$ 50 bilhões e US$ 70 bilhões

10. OpenAI – A próxima fase da IA empresarial: blog oficial

11. Link: openai.com/index/next-phase-of-enterprise-ai

12. Contexto: participação da receita empresarial superior a 40% e informações sobre a expansão da base de clientes

13. Menlo Ventures – O estado da IA empresarial em 2026: relatório do setor

14. Link: menlovc.com/perspective/2026-the-state-of-enterprise-ai

15. Contexto: estimativas de gastos empresariais com IA e participação no mercado de APIs

16. OpenAI – Caso de cliente Credit Saison: publicado em 29/10/2026

17. Link: openai.com/index/credit-saison
18. Contexto: caso de ROI de um projeto piloto empresarial, com dados informados pela própria empresa

Autor: Equipe técnica da APIYI
Contato técnico: Acesse a página inicial da APIYI em apiyi.com para entrar em contato. Para mais informações sobre integração, consulte a central de documentação em docs.apiyi.com.