A Anthropic converteu a adoção do Claude Code em desempenho financeiro direto, com lucro operacional no segundo trimestre e retenção de receita líquida de 900%, equivalente a multiplicar por nove, entre o terceiro trimestre de 2025 e o terceiro trimestre de 2026, o gasto dos clientes que já utilizavam a plataforma. Para sustentar esse ritmo, a empresa apresentou na quarta-feira um pacote de relatórios voltado a detalhar o que cada equipe corporativa produz, quanto consome e onde o fluxo de trabalho perde eficiência.
Como funciona o pacote de transparência
O novo conjunto combina análises internas de uso com pesquisas respondidas por funcionários. Gestores passam a enxergar, para um intervalo de datas escolhido, as entregas concluídas, o custo associado em tokens, que são as unidades de processamento cobradas pelo uso dos modelos, e os pontos de interrupção nos processos. Por padrão, a Anthropic afirma que essas informações não serão aproveitadas para treinar modelos. Os painéis ainda sugerem ajustes para elevar o aproveitamento.
A outra novidade envolve orçamentos coletivos, que permitem reunir diferentes times sob um teto comum de consumo. A lógica responde a uma preocupação recorrente entre grandes contratantes: comprovar o retorno sobre investimento das assinaturas de inteligência artificial e descobrir meios práticos de ampliar esse retorno sem perder previsibilidade orçamentária.
O que os dados de 276 mil desenvolvedores revelam
Um levantamento divulgado na terça-feira pela Jellyfish, fornecedora de ferramentas para gestão de engenharia de software, oferece a medida mais concreta desse avanço. A pesquisa acompanhou a atividade de 276 mil usuários de recursos de codificação autônoma, nos quais o modelo sugere e executa alterações com supervisão humana. Soluções construídas sobre modelos da Anthropic, incluindo o Claude Code, lideraram a amostra e responderam por quase um terço de todas as propostas de alteração de código enviadas para revisão.
O aspecto financeiro chamou mais atenção do que a participação. O dispêndio com essas ferramentas multiplicou-se por 10 vezes desde o início do ano e agora equivale a cerca de 2% do custo total de engenharia. Na avaliação dos responsáveis pelo estudo, mesmo que a fatia pareça reduzida, uma expansão dessa velocidade raramente estava prevista nos orçamentos aprovados por diretores financeiros, o que torna a otimização do gasto uma prioridade imediata.
| Métrica | Valor |
|---|---|
| Retenção de receita líquida | 900% |
| Multiplicação do gasto por cliente do 3T25 ao 3T26 | 9 vezes |
| Base analisada pela Jellyfish | 276 mil desenvolvedores |
| Crescimento do gasto com codificação autônoma no ano | 10 vezes |
| Participação no custo total de engenharia | 2% |
| Fatia das mudanças de código propostas | um terço |
Por que trocar de fornecedor ficou mais difícil
O cenário mais amplo ajuda a entender a jogada. O consumo de tokens segue impulsionado sobretudo por empresas apoiadas por capital de risco, enquanto grande parte das companhias da lista Fortune 500 ainda não registra ganhos expressivos com a implantação de inteligência artificial. Nesse ambiente, demonstrar eficiência passa a valer tanto quanto entregar capacidade técnica.
A concorrência ilustra o ponto. O modelo Astra, lançado pela OpenAI no verão do hemisfério norte, foi visto como ameaça potencial à liderança da Anthropic entre clientes empresariais, mas até agora não reduziu o ritmo de adoção da rival. A explicação está menos nos parâmetros dos modelos e mais na padronização: depois que fluxos de trabalho, integrações e treinamentos foram organizados em torno de uma plataforma, os motivos para migrar precisam ser muito fortes para compensar o retrabalho.
Pesa ainda o modelo de atendimento. Todos os grandes laboratórios montaram grupos de engenharia embarcada, expressão que descreve consultores alocados dentro das contratantes para acelerar a implantação inicial. Os novos relatórios funcionam como uma versão leve desse acompanhamento, oferecendo diagnóstico contínuo sem a presença física do especialista. Uma vez absorvidas pequenas diferenças de operação entre agentes, arquivos de configuração e rotinas, o custo de mudança deixa de ser nulo e tende a crescer com o tempo de uso.
Leitura para o investidor
Para quem avalia o setor de tecnologia sob a ótica de alocação na B3 ou no exterior, três sinais merecem atenção. Primeiro, a discussão migrou de adoção para controle: saber quanto cada entrega custa em infraestrutura passa a condicionar a renovação de contratos. Segundo, a combinação de lucro operacional com expansão de nove vezes no gasto por cliente indica poder de permanência, ainda que restrito a um segmento intensivo em software. Terceiro, a equivalência a 2% do orçamento de engenharia mostra que a linha de IA deixou de ser irrelevante no centro de custo, abrindo espaço para ferramentas de governança se tornarem produto à parte.