Microsoft troca OpenAI e Anthropic por IA própria no Office

Introdução

Microsoft troca OpenAI e Anthropic por IA própria no Office. A mudança foi reportada em 7 de julho de 2026 e envolve a substituição gradual de respostas e recursos alimentados por modelos de terceiros por modelos internos em apps como Excel e Outlook. O objetivo é reduzir custos de execução, otimizar latência e ampliar controle de dados, sem romper parcerias estratégicas que seguem ativas.

Para quem opera com a palavra chave Microsoft troca OpenAI e Anthropic por IA própria no Office, a relevância é clara. O Office é o coração do trabalho do conhecimento e pequenas mudanças de arquitetura de IA afetam produtividade, custo por usuário e compliance. Este artigo disseca o que efetivamente mudou, por que isso está acontecendo agora e como adaptar sua estratégia.

O que mudou exatamente nos apps do Office

Relatos apontam que, em partes do Excel e do Outlook, uma parcela das respostas passa a vir de modelos internos da Microsoft, não mais exclusivamente de OpenAI ou Anthropic. O redirecionamento é seletivo, começa por tarefas com escopo bem definido e se expande conforme a qualidade e o custo comprovam vantagem. É um ajuste cirúrgico, não um corte abrupto.

Nos bastidores, trata-se de roteamento dinâmico. O mesmo prompt que antes ia direto para um modelo da OpenAI pode agora ser avaliado por um orquestrador que decide, com base em custo, latência, confidencialidade e tipo de tarefa, se vale usar um modelo próprio, OpenAI, Anthropic ou outro disponível no catálogo do Azure. Essa lógica é coerente com a diretriz pública de model choice no Microsoft 365, que já vinha permitindo o uso de Anthropic em certos cenários corporativos.

Outra peça desse xadrez é custo. Em abril de 2026, Microsoft e OpenAI redefiniram termos comerciais, encerrando a exclusividade de revenda e a partilha de receita em revendas da nuvem. Essa reconfiguração enfraquece incentivos para roteamento padrão em parceiros, abrindo espaço para priorizar modelos próprios quando equivalentes.

Por que agora, por que dessa forma

Pressão por custo e margens: modelagem em larga escala no Office é um sumidouro de tokens. Roteamento para modelos internos reduz custo marginal e dá previsibilidade a contratos enterprise. Relatos do mercado indicam que o impulso imediato é financeiro.
Maturidade técnica: na Build 2026, a Microsoft anunciou uma família de sete modelos internos, incluindo variantes para visão, voz e raciocínio, sinalizando capacidade para competir em mais frentes. Com ativos próprios, a empresa ganha liberdade para calibrar fine-tuning, inferência e caching sob demanda do Office.
Governança e dados: em mercados regulados, reduzir hops entre provedores simplifica auditoria, residência de dados e análise de risco. Essa racionalização é valiosa para clientes globais com requisitos específicos de soberania.

Como o roteamento por modelos afeta a experiência do usuário

Para quem usa o Office diariamente, o ideal é que a mudança seja invisível. O usuário envia um pedido ao Copilot, recebe uma resposta útil, ponto final. Por baixo do capô, porém, entra o conceito de especialização por tarefa: um classificador rápido identifica a natureza do pedido e decide o melhor modelo para responder. Funções de resumo de e-mails em lote podem ir para um modelo mais barato e rápido, enquanto análises complexas em planilhas podem continuar em modelos de terceiros que tenham vantagem naquela tarefa.

Essa filosofia, de combinar modelos conforme o trabalho, já aparecia no discurso oficial de oferecer escolha de fornecedor em Copilot e no suporte a Anthropic em experiências específicas do M365. A novidade é que os modelos internos agora deixam de ser pilotos de teste e assumem parte das cargas reais.

![Diagrama de rede neural, ilustra especialização de tarefas]

O que são os tais modelos internos e onde eles se encaixam

A Microsoft vem construindo uma pilha própria de IA, com modelos que cobrem do básico ao avançado. Relatos destacam a ampliação da família de modelos anunciados na Build 2026, incluindo um modelo de imagem destinado ao PowerPoint e um modelo de raciocínio de maior porte para tarefas complexas. Embora os nomes e benchmarks variem por release, o vetor é claro, ampliar cobertura de casos e reduzir dependência de terceiros quando houver equivalência ou superioridade.

Essa estratégia não nega o ecossistema. A Anthropic, por exemplo, segue evoluindo, com novas versões Sonnet voltadas ao trabalho cotidiano e execução por agentes. Em cenários onde Claude entrega clareza, segurança e utilidade superiores, o roteamento pode continuar privilegiando esse fornecedor. O pêndulo se move, não corta laços.

Custos, latência e ROI, o triângulo que guia a decisão

Executivos de TI cobram três coisas da IA no trabalho, custo previsível, tempo de resposta baixo e qualidade confiável. Os modelos internos ajudam nos dois primeiros vetores, já que a Microsoft controla tanto o modelo quanto a infraestrutura de inferência. Isso abre margem para otimizações como batching, KV cache persistente e quantização sob medida para prompts típicos do Office. Sob esse prisma, mover parte do tráfego para casa melhora o ROI sem degradar a experiência.

Qualidade, porém, é dinâmica. Há tarefas em que OpenAI ou Anthropic continuam dominantes. Por isso a abordagem multi modelo persiste. O admin define políticas, o orquestrador decide caso a caso, e o usuário se beneficia da melhor resposta possível dentro de SLOs e SLAs acordados. Essa flexibilidade já fazia parte do Copilot Studio e das configurações de provedores no M365.

Dados e conformidade, impactos práticos para equipes globais

Em setores regulados, cada salto entre provedores adiciona complexidade de due diligence, DPA, transferência internacional e logs de auditoria. Ao manter mais processamento em modelos internos, a Microsoft reduz superfície de risco e facilita comprovação de residência de dados quando aplicável. Para empresas na UE, EFTA e Reino Unido, a própria Microsoft já oferecia a possibilidade de escolher Anthropic em Copilot por configuração de admin, sinal de que a empresa trata model choice como ferramenta de compliance, não só de performance.

No curto prazo, times de governança devem revisar catálogos de prompts, sensibilidade dos dados e políticas de roteamento. O que antes estava implicitamente associado a um único provedor agora pode variar por feature e por cenário.

E as parcerias, acabou o casamento com a OpenAI

Não. O que mudou foram incentivos e arquitetura. Em 27 de abril de 2026, Microsoft e OpenAI encerraram a exclusividade de revenda e deixaram de partilhar receita de produtos revendidos no Azure. Isso abre o jogo para a OpenAI fechar acordos com outros clouds e, do lado da Microsoft, para priorizar IA própria quando fizer sentido financeiro e técnico. O relacionamento segue, inclusive com integração em Copilot e no Azure AI, mas com menos amarras.

Curiosamente, a Microsoft já vinha ampliando o leque de modelos de terceiros, incluindo Anthropic, em linhas do 365. Esse mosaico agora ganha um novo bloco, modelos internos maduros em produção. É uma evolução natural de quem quer controlar P e L da IA no core do produto.

![Logo do Microsoft Office, foco em produtividade]

Casos de uso citados e próximos passos esperados

As primeiras trocas ocorrem em tarefas muito usadas e relativamente estáveis no Excel e no Outlook. Há também relatos de que um modelo próprio de transcrição de fala deve chegar ao Teams e a outros produtos nos próximos meses, o que reforça a ideia de substituir fornecedores em domínios onde a casa já tem competência consolidada.

Para líderes de produto, a recomendação é simples, mapear as 10 tarefas mais populares de Copilot no seu tenant, medir tempo de resposta e qualidade hoje, e acompanhar a curva de mudança. O que importa é o resultado entregue ao usuário final. Se a mesma tarefa ficar mais barata e tão boa quanto, a troca é positiva.

Implicações para o mercado de modelos fundacionais

Quando o maior fornecedor de produtividade do mundo começa a rotear menos tráfego para terceiros, os efeitos se espalham. OpenAI e Anthropic sentem menos volume em tarefas de commodity, mas continuam fortes em complexidade e inovação. A Anthropic, por exemplo, vem posicionando o Claude para automações do dia a dia com agentes, o que pode manter sua vantagem em processos que pedem raciocínio estruturado e conformidade explícita.

Do lado da Microsoft, a família de modelos apresentada em junho indica intenção de competir em amplitude, do básico ao premium. O anúncio de sete modelos próprios durante a Build aponta para uma tese de portfólio, cobrir cenários diversos e cortar custos de maneira granular, sem que o usuário perceba queda de qualidade.

Riscos e limitações a observar

Regressões sutis: ao trocar modelos de maneira automática, sempre existe o risco de regressões de qualidade em nichos pouco testados. Monitoramento por telemetria e coleta de feedback em larga escala são cruciais nessa transição.
Transparência ao cliente: clientes enterprise querem saber quando dados sensíveis saem do perímetro. A política de provedores e a documentação de Copilot devem ser acompanhadas para garantir aderência a requisitos internos.
Dependência interna: construir e manter modelos competitivos exige investimento contínuo. O portfólio precisa evoluir com o estado da arte para que o ganho de custo não venha com perda de valor no longo prazo. A concorrência está se movendo rápido, vide as iterações recentes nas famílias Claude e outras.

O que fazer agora, um playbook prático para líderes de TI

Revisar políticas de model choice no tenant. Checar se há preferências definidas por região e por sensibilidade de dados, usando as configurações de provedores disponíveis no Microsoft 365.
Medir de forma contínua. Estabelecer métricas de custo por usuário, latência e satisfação. Ao detectar quedas de qualidade em tarefas específicas, escalar via suporte e, quando possível, ajustar políticas de roteamento.
Priorizar casos estáveis para pilotos internos. Consolidar ganhos rápidos em tarefas repetitivas de e-mail, resumo e formatação, deixando tarefas de maior criticidade em modelos mais robustos até que os internos comprovem paridade.
Preparar o terreno para voz. Se a transcrição for parte do seu fluxo em Teams, planejar testes com o modelo interno quando chegar, revisando qualidade, custo e idiomas suportados.

Como essa decisão conversa com a estratégia de longo prazo

A história recente mostra um fio condutor. Primeiro, parceria profunda com a OpenAI para acelerar o time-to-market do Copilot. Depois, abertura para Anthropic em alguns cenários e reequilíbrio de acordos comerciais com a OpenAI. Agora, a entrada mais decisiva de modelos próprios no núcleo do Office. O denominador comum é pragmatismo, quem entrega melhor custo-benefício para cada tarefa leva o tráfego.

Essa abordagem favorece quem domina a distribuição. No Office, a Microsoft tem o canal e a telemetria, o que facilita iterar rápido. Para clientes, isso significa mais pressão por eficiência e a necessidade de acompanhar mudanças de qualidade por feature, não só por fornecedor.

Perguntas frequentes que surgem nas reuniões de steering

Essa troca afeta meus contratos existentes com o Copilot. Em princípio, não, os termos de serviço e as proteções de dados continuam valendo, mas vale revisar as configurações de provedores e, se necessário, exigir transparência sobre roteamento e residência.
Os modelos internos são tão bons quanto os de mercado. Depende da tarefa. Em commodity e padrões repetitivos, a tendência é sim. Em raciocínio aberto, código complexo e análise técnica profunda, modelos de terceiros podem continuar superiores. Por isso o roteamento híbrido segue.
OpenAI e Anthropic estão fora do meu stack. Não, continuam disponíveis e relevantes, e a própria Microsoft segue integrando parceiros quando isso melhora o resultado. O movimento é de reequilíbrio, não de ruptura.

Conclusão

O que está em jogo não é apenas substituir um modelo por outro, é ajustar a economia da IA no coração do Office. Ao mover parte das cargas para IA própria, a Microsoft busca reduzir custos, ganhar previsibilidade e manter a qualidade sob controle. A parceria com OpenAI e Anthropic permanece, mas o tráfego passa a seguir uma lógica de portfólio, onde cada tarefa encontra o melhor modelo disponível.

Para empresas, o caminho é pragmático, acompanhar as mudanças de qualidade nas tarefas críticas, ajustar políticas de model choice e aproveitar ganhos de custo quando não houver trade-off relevante. Em uma paisagem de IA em rápida evolução, essa flexibilidade é uma vantagem competitiva, não um problema a ser temido.