LG U+ lançará em 2027 um negócio de tokens de IA para empresas

Segundo o ZDNet Korea, a operadora de telecomunicações sul-coreana LG U+ (LG Uplus) vai entrar em 2027 no mercado empresarial com um negócio de «tokens»: um serviço de intermediação que dá aos clientes acesso a modelos de IA, combinando os modelos e a infraestrutura adequados a cada tarefa. O grupo apresentou a estratégia num encontro com a imprensa a 12 de novembro de 2026, em Seul, e a imprensa sul-coreana noticiou o assunto a 15 de novembro.

Um token é a unidade de texto que a IA processa à entrada e à saída, e a base sobre a qual a utilização é faturada. Segundo o ZDNet Korea, quanto mais um agente de IA encadeia pesquisas, análises e verificações para concluir um trabalho, mais tokens consome. Por isso, a LG U+ defende um indicador diferente do preço do token: o custo total para levar uma tarefa até ao fim, a que chama «Task Cost».

O que quer a LG U+ vender às empresas?

Segundo o ZDNet Korea e o Pointe Economy, a partir de 2027 a operadora vai combinar dois caminhos: parcerias com empresas externas e infraestrutura construída por si. O ZDNet Korea relata que o diretor de tecnologia, Lee Sang-yeop, explicou que a Kakao trataria do front-end e a LG U+ do «model serving», isto é, da execução dos modelos que produz as respostas. O artigo não detalha o alcance exato desta divisão de papéis.

Segundo o ZDNet Korea, a LG U+ destaca três frentes de experiência: a sua aplicação de chamadas com IA, a ixi-O, o seu centro de contacto com IA (AICC) e a sua transformação interna com IA. O mesmo órgão afirma que a ixi-O combinou no início um modelo embarcado da LG AI Research com o Google Gemini, e depois o peso do modelo próprio e do EXAONE, a família de modelos da LG AI Research, foi ajustado para ganhar eficiência de custos. Os dados de operação do «Modu AI», o serviço público de IA para cidadãos que a LG U+ comercializa com a Kakao no final do ano, devem também alimentar o negócio.

Que poupanças anuncia a operadora?

Os números seguintes são resultados de testes internos anunciados pela LG U+ e relatados pelo ZDNet Korea e pelo DigitalToday. Nos artigos lidos, nenhum foi verificado por terceiros.

• Segundo o ZDNet Korea e o DigitalToday, usar o modelo próprio da LG U+ para programação reduz o custo de operação em cerca de 90% face a um modelo corrente; o ZDNet Korea acrescenta um rendimento cerca de quatro vezes superior na mesma infraestrutura.
• O encaminhamento de modelos consiste em enviar cada pedido para o modelo adequado à sua dificuldade. Segundo o ZDNet Korea, os testes internos mostram uma descida de custos de pelo menos 25% em perguntas gerais e de pelo menos 30% em agentes de código; o DigitalToday especifica que a qualidade das respostas se mantém em cerca de 95%.
• Segundo o DigitalToday, a «engenharia de arnês», que limita as ferramentas e o âmbito de um agente e reutiliza os procedimentos que resultaram, reduz o consumo de tokens em 38% em tarefas gerais e em 84% em programação.
• Segundo o DigitalToday, reduzir um modelo de 35 mil milhões para 10 mil milhões de parâmetros preserva 91% da qualidade e acelera a geração em 40%.
• Segundo o ZDNet Korea, o modelo embarcado passou de 2,4–3 GB para cerca de 800 MB e manteve mais de 95% do desempenho de um modelo na nuvem usado como comparação.
• A descodificação especulativa faz um modelo pequeno redigir um rascunho que um modelo grande verifica. Segundo o DigitalToday, um modelo EXAONE passou assim de 80 para 160 tokens por segundo; o ZDNet Korea acrescenta que dois artigos de investigação relacionados foram aceites na conferência NeurIPS.

Estes ganhos não se somam necessariamente. O ZDNet Korea sublinha que o número de 90% em programação resulta de uma verificação separada da do encaminhamento. O Pointe Economy cita ainda um responsável da LG U+ que fala numa eficiência de tokens de 85% a 90% em tarefas de agentes nas telecomunicações, sem detalhar a base de cálculo. É mais prudente ler estes números como ordens de grandeza anunciadas pela empresa.

Como funciona o «chip mix»?

Segundo o DigitalToday, uma inferência tem duas fases: o «prefill», que analisa a pergunta e depende sobretudo da capacidade de cálculo, e o «decoding», que redige a resposta e depende sobretudo da memória. De acordo com o Pointe Economy, a LG U+ entrega o prefill a GPU da Nvidia, o decoding a GPU da AMD com mais memória, e os modelos leves especializados a NPU nacionais, chips dedicados à IA. Segundo o ZDNet Korea, a operadora testa há mais de dois anos as NPU da empresa emergente sul-coreana FuriosaAI.

O Pointe Economy relata que, segundo Lee Hye-jin, responsável pela estratégia tecnológica, mais de 80% do custo total é consumido na fase em que a IA «pensa» antes de responder. O órgão menciona o paradoxo de Jevons: quando o preço unitário desce, a utilização cresce e a fatura total pode ainda assim subir.

Porque entra uma operadora de telecomunicações no negócio de tokens?

Segundo o Pointe Economy, o diretor de tecnologia Lee Sang-yeop afirma que o concorrente da LG U+ não é o grande modelo de um gigante tecnológico, mas a capacidade de engenharia para combinar, ao menor custo, modelos leves próprios e modelos externos para um objetivo de negócio específico. O órgão acrescenta que a experiência das telecomunicações na otimização de frequências e de tráfego é apresentada como transferível para a IA.

O movimento não é isolado. O ZDNet Korea lista entre os artigos relacionados um título de 27 de outubro de 2026 sobre a entrada da KT na produção e distribuição de tokens e outro de 9 de novembro em que um dirigente da SK Telecom fala em combinar GPU e NPU para produzir tokens ao melhor preço. Estes dois artigos não foram lidos aqui: apenas os títulos são citados.

O que muda para uma empresa portuguesa

Nesta fase, os artigos lidos não trazem tarifas, clientes, calendário detalhado nem objetivo de receitas. O serviço ainda não existe comercialmente e nada indica que venha a ser oferecido fora da Coreia do Sul.

Para uma empresa que implementa agentes de IA, a lição é sobretudo de método: pedir ao fornecedor o custo completo de uma tarefa concluída (chamadas ao modelo, pesquisas, verificações) em vez do preço por milhão de tokens, testar o encaminhamento entre modelo pequeno e grande nos seus próprios casos de uso e verificar se as poupanças anunciadas se mantêm com os seus dados. Para enquadrar a implementação de agentes, veja o sistema agêntico.