Há seis meses, a pergunta parecia respondida. O investimento em inteligência artificial era uma bolha e a única dúvida era saber quando iria rebentar.
A comparação repetia-se em quase todas as análises. Umas vezes era a bolha dos caminhos de ferro nos Estados Unidos do século XIX, outras a bolha da internet no final dos anos 90. O raciocínio tinha lógica. As grandes empresas de inteligência artificial gastavam somas gigantescas a construir modelos e não mostravam receita à altura. Nem falamos de lucro, que é uma discussão à parte. Falamos da dificuldade elementar de faturar o suficiente para justificar o capital que estava a entrar.
E o capital que entra é enorme. Os modelos exigem tecnologia de ponta, chips, semicondutores e, sobretudo, data centers, as máquinas de processamento onde estes sistemas são treinados. Quanto maior a fatura, mais forte se tornava a sensação de que o mercado estava a alimentar uma promessa que não se pagava a si própria.
Este esforço não pertence ao passado. Construir e treinar os modelos exige investimento a somar-se a investimento, ano após ano. É essa fatura recorrente que tornava a dúvida sobre o retorno tão incómoda.
Alguma coisa mudou nesse diagnóstico. A leitura que começa a ganhar terreno é quase o oposto da anterior: talvez não estejamos numa bolha e talvez todo este investimento seja pequeno perto do que vai ser preciso. O problema deixou de ser gastar demais. Passou a ser não ter data centers suficientes para acompanhar a procura.
Há já sinais concretos. Algumas empresas começaram a restringir o uso de determinadas ferramentas em horários de pico, um indício de que a capacidade instalada pode estar a ficar curta. É a partir daqui que vale a pena perceber o que está realmente a acontecer e o que significa para quem gere ou constrói uma empresa.
Convém enquadrar porque é que este tema ultrapassa o mundo da tecnologia. A inteligência artificial é hoje a principal fronteira tecnológica em disputa e a tecnologia é uma parte central da geopolítica.
A ideia é simples. A política exprime-se, em boa medida, através da geografia e a tecnologia é uma das formas de alterar essa geografia. Transforma a relação que temos com o território, com as distâncias, com as condições dadas do tabuleiro que julgamos conhecer. Uma tecnologia suficientemente disruptiva não muda apenas uma indústria. Muda as regras de todo o jogo.
Por isso a corrida à IA se joga em várias frentes ao mesmo tempo. Há a disputa económica entre nações, a disputa militar, a disputa pelo poder nos mercados e a transformação do próprio mercado de trabalho. Cada país e cada grande empresa espera pelos resultados destas ferramentas para os aplicar na sua posição relativa. É esse pano de fundo que dá peso à pergunta sobre a bolha. Se a promessa se concretizar, o prémio é desproporcionado face ao capital gasto.
Poucas tecnologias têm este alcance. A inteligência artificial não se limita a otimizar um processo aqui ou ali. Os seus efeitos são potencialmente massivos, ao ponto de poderem transformar quase tudo o que hoje damos por garantido, da forma como se produz à forma como se decide uma guerra. É essa amplitude que explica porque é que o tema domina a conversa de governos e conselhos de administração, muito para além das valorizações em bolsa.
O que mudou tem nome
A viragem na perceção do mercado tem uma explicação concreta e cabe praticamente numa expressão: ferramentas de programação assistida por IA. O exemplo mais citado é o Claude Code, construído pela Anthropic, a empresa que muitos consideram ter passado a OpenAI como referência na fronteira do setor. Não é caso único. A OpenAI e outras criaram ferramentas equivalentes.
O que estas ferramentas fazem é escrever e corrigir código. Dito assim, parece um nicho técnico. Não é. A capacidade de um sistema tomar conta de um computador, planear várias tarefas em simultâneo e produzir programação funcional está a mudar a economia destas empresas de uma forma que os modelos de conversa, por si só, nunca tinham conseguido. As vendas dispararam. A receita das grandes empresas de IA subiu à medida que mais clientes aderiram a estes agentes.
O salto vai além de escrever código mais depressa. Está na natureza da tarefa que passou a ser possível delegar. Um agente que assume o controlo de uma máquina, decompõe um objetivo em passos e executa cada um deles muda a fronteira daquilo que uma ferramenta de software consegue fazer sozinha. É essa capacidade, mais do que qualquer melhoria incremental, que está a puxar a receita destas empresas para cima.
Falta esclarecer um ponto, para não exagerar a leitura. Receita não é lucro. A rentabilidade continua distante: segundo as expectativas hoje disponíveis, a Anthropic só se deverá tornar lucrativa a partir de 2028 e a OpenAI a partir de 2030. Esses prazos podem encurtar depressa ou revelar-se otimistas. O que se alterou foi a capacidade de gerar receita, com cada vez mais empresas a subscrever estes serviços por causa das ferramentas de programação.
Quando as empresas se rendem
Na programação, está a começar uma revolução de produtividade que os números já apanham. Vale a pena olhar para um estudo feito no ano passado sobre equipas de programadores. À primeira vista, o resultado foi contraintuitivo. Quem usava ferramentas de IA para programar demorava cerca de 20% mais tempo a completar as tarefas do que quem não as usava. A ferramenta cometia erros e perdia-se tempo a corrigi-los e a verificar o que tinha sido feito.
Um ano depois, o sinal inverteu-se por completo.
Quem usa hoje estas ferramentas entrega cerca de 20% mais depressa do que quem não as usa. A mesma tecnologia que penalizava a produtividade há um ano passou a acelerá-la e a diferença é substancial.
Este movimento explica outro dado. A contratação de subscrições de IA pelas empresas aumentou de forma acentuada. Um estudo da Ramp, o AI Index, acompanhou cerca de 50 mil empresas para perceber quanto gastavam nestas ferramentas. Há um ano, cerca de um quarto subscrevia algum produto de programação assistida por IA. No levantamento mais recente, esse número tinha subido para metade.
O detalhe importa mais do que a percentagem. As empresas costumam ser as últimas a adotar tecnologia. Primeiro vêm os consumidores, as pessoas comuns e só depois as organizações, mais lentas, mais burocráticas, obrigadas a justificar internamente cada euro que gastam. Quando são as empresas a aderir depressa, é porque os resultados são claros o suficiente para não deixarem margem à espera.
As consequências já se veem no emprego. A Meta anunciou que vai despedir cerca de 10% da sua força de trabalho, contando com as ferramentas de IA para compensar. É uma empresa que depende de muita programação para gerir as suas plataformas, por isso serve de exemplo do que pode generalizar-se: fazer mais com equipas mais pequenas.
A Meta é apenas um exemplo. O padrão que ela anuncia, entregar o mesmo com menos gente, é o que o mercado começa a projetar para além de uma única empresa. Se equipas mais pequenas conseguem o que antes exigia equipas maiores, a procura por estas ferramentas tende a acelerar e, com ela, a pressão sobre a infraestrutura que as sustenta.
Do lado da receita, os números da Anthropic sobem a um ritmo difícil de enquadrar em qualquer referência histórica.
A empresa está a duplicar a faturação projetada e a atual. É precisamente esse crescimento que faz nascer o receio inverso ao da bolha: o de que os data centers não cheguem para tanta procura.
E se não for só programação?
Chegados aqui, a pergunta que decide tudo é outra. A programação é um tipo de trabalho muito particular. Tem um objetivo claro, é altamente estruturada e permite medir o resultado de forma objetiva. Ou o código faz o que tem de fazer, ou não faz. Há pouca margem para interpretação. É natural que a IA brilhe primeiro num terreno assim.
A dúvida é se o mesmo se estende ao resto. Se tantas tarefas de programação podem ser feitas por estas ferramentas, quantas outras funções, quantas tarefas humanas, seguirão o mesmo caminho? Responder a isto obriga a um desvio quase filosófico: perceber a natureza deste tipo de trabalho.
A dimensão do problema é enorme. Segundo a Organização Internacional do Trabalho, dos cerca de 3,6 mil milhões de pessoas com trabalho no mundo, mais de mil milhões trabalham naquilo a que se chama a economia da informação, a economia do conhecimento. É o trabalho de escritório, a gestão, o jurídico, uma campanha de marketing, tudo o que se faz sobretudo a pensar e a escrever diante de um computador. Estamos a falar de um mercado de cerca de 15 biliões de dólares.
É uma fatia enorme da atividade económica mundial exposta à mesma pergunta. Se a produtividade que se viu na programação se transferir, ainda que em parte, para este universo, o efeito sobre empresas e empregos passa a ser de outra ordem de grandeza. Se não se transferir, boa parte do investimento atual fica sem retorno à altura. É esta incerteza que separa quem vê o princípio de uma transformação de quem vê o topo de uma bolha.
A questão passa a ser esta: consegue a inteligência artificial estender aos trabalhadores do conhecimento os resultados que já alcançou na programação? Um modelo ajuda a pensar o problema. Todo o trabalho de programação se decompõe em quatro etapas e a tese é que o restante trabalho de conhecimento segue o mesmo padrão.
- Absorver informação. O equivalente a ler.
- Pensar. Aplicar o conhecimento existente ao que se leu.
- Produzir um resultado. Entregar um produto final estruturado, o equivalente a escrever.
- Verificar. Confirmar se esse resultado passa nos testes e padrões de avaliação conhecidos.
Vista desta forma, uma peça jurídica, uma campanha de marketing ou um relatório seguem a mesma sequência de um bloco de código. E se a sequência é a mesma, a lógica sugere que também pode ser replicada.
Há dados que apontam nessa direção. Um estudo do MIT avaliou cerca de 3 mil tarefas humanas de trabalho, medindo quantas a inteligência artificial conseguia cumprir de forma satisfatória, com uma pessoa a validar o resultado no fim.
A progressão é clara, ainda que mais lenta do que na programação pura. Chegar a 2029 não é para amanhã e a velocidade não é a mesma que se viu nas ferramentas de código. Mesmo assim, a curva sobe de forma constante e sugere que relatórios, análises e peças de comunicação venham também a ser otimizados e, em parte, dominados por estes sistemas.
Nem todos leem os mesmos números da mesma maneira. Quem continua a ver uma bolha argumenta que o crescimento necessário para pagar tudo o que está investido em data centers é grande demais para ser sustentável. Lembram uma dinâmica conhecida. Um primeiro sinal de sucesso leva as empresas a gastar ainda mais, na expectativa de que a subida se prolongue em linha reta. Foi assim na bolha imobiliária que rebentou em 2008. Quanto mais se acreditava que o valor subia, mais gente comprava, até o problema se tornar incontrolável. O receio é que a IA gere a mesma euforia de investimento sem conseguir replicar, nas restantes áreas do trabalho, a produtividade que alcançou na programação.
Não há resposta fechada. O que é evidente é que se atingiram resultados concretos e há um indício que fala por si. A Anthropic está a alugar capacidade de processamento à xAI. Uma das maiores promessas do setor precisa de recorrer a infraestrutura de terceiros para servir a procura. É o tipo de detalhe que não costuma aparecer quando uma tecnologia ainda não está a ser usada a sério.
Se esta revolução de produtividade se confirmar, os efeitos ultrapassam de longe o setor tecnológico. Hoje observa-se um dólar desvalorizado. Uma vantagem tão tangível em produtividade, a sair dos Estados Unidos, tenderia a inverter esse quadro, a valorizar o dólar e a devolver-lhe o estatuto de moeda dominante, a reforçar a economia americana e a libertar recursos para o país gastar mais noutras frentes, incluindo a defesa. É por aqui que a inteligência artificial se liga aos temas mais centrais da geopolítica e regressa ao ponto de partida deste texto.
Como aplicar este conhecimento
Para uma empresa portuguesa, o que interessa reter não é o desfecho do debate sobre a bolha. É o timing. Os ganhos de produtividade na programação já são reais e mensuráveis. O trabalho de conhecimento segue uma curva mais lenta mas ascendente. O intervalo entre uma tecnologia ser curiosidade e passar a ser condição mínima de competir tem encurtado e os dados de adesão empresarial mostram-no com clareza.
Isto não justifica adotar por moda. A leitura dos céticos continua a ser útil. O erro clássico das bolhas é gastar na expectativa de um sucesso linear que raramente se cumpre. A disciplina está em adotar apenas onde o resultado se consegue medir. Antes de introduzir uma ferramenta de IA num processo, vale a pena medir o desempenho atual desse processo, para depois comparar com honestidade.
Há um exercício simples para começar. Olhar para as funções de conhecimento da empresa (o jurídico, o financeiro, o marketing, a análise) e perguntar quais seguem de forma clara o padrão de ler, pensar, escrever e verificar. São essas as candidatas naturais a um primeiro piloto, pequeno e controlado. A infraestrutura, os custos de utilização e os limites de capacidade que já começam a aparecer no mercado devem entrar na conta como variáveis operacionais reais, não como pormenor técnico.
A pergunta de fundo mantém-se em aberto e ninguém sabe onde para esta curva. A direção, essa, já é suficientemente nítida para justificar atenção e não há vantagem nenhuma em ser dos últimos a percebê-la.
Comentários, correções ou contrapontos são bem-vindos: [email protected]