Um exercício de reflexão sobre a história financeira, a partir do futuro.

E se o nosso otimismo em relação à IA continuar correto… e se, na verdade, isso for um sinal de pessimismo?

O que se segue é um cenário, não uma previsão. Não se trata de pornografia com ursos nem de fanfic apocalíptica sobre inteligência artificial. O único objetivo deste texto é modelar um cenário relativamente pouco explorado.

Esperamos que a leitura deste texto o deixe mais preparado para os potenciais riscos extremos à medida que a IA torna a economia cada vez mais peculiar.

Este é o Memorando Macroeconômico da CitriniResearch de junho de 2028, que detalha a evolução e as consequências da Crise Global de Inteligência.

Memorando Macro

As consequências da inteligência abundante

~~22 de fevereiro de 2026~~ a 30 de junho de 2028

A taxa de desemprego registrou 10,2% esta manhã, uma surpresa positiva de 0,3%. O mercado caiu 2% após a divulgação do número, elevando a queda acumulada do S&P para 38% em relação às suas máximas de outubro de 2026.

Os investidores ficaram insensíveis. Há seis meses, um resultado como este teria acionado um mecanismo de interrupção automática do mercado.

Dois anos. Foi tudo o que levou para passarmos de uma economia “contida” e “setorialmente controlada” para uma economia que já não se assemelha àquela em que qualquer um de nós cresceu. O relatório macroeconômico deste trimestre é nossa tentativa de reconstruir essa sequência – uma análise da economia pré-crise.

A euforia era palpável. Em outubro de 2026, o S&P 500 flertou com os 8.000 pontos, e o Nasdaq ultrapassou os 30.000. A primeira onda de demissões devido à obsolescência programada começou no início de 2026 e teve o efeito esperado. As margens de lucro aumentaram, os resultados superaram as expectativas e as ações dispararam. Os lucros corporativos recordes foram reinvestidos em computação de inteligência artificial.

Os números principais continuavam ótimos. O PIB nominal registrava repetidamente um crescimento anualizado de um dígito, entre 5% e 9%. A produtividade estava em alta. A produção real por hora crescia a taxas não vistas desde a década de 1950, impulsionada por agentes de IA que não dormem, não tiram folga por doença e não precisam de plano de saúde.

Os donos de empresas de computação viram sua riqueza explodir com o desaparecimento dos custos de mão de obra. Enquanto isso, o crescimento real dos salários entrou em colapso. Apesar das repetidas alegações do governo sobre a produtividade recorde, os trabalhadores de escritório perderam seus empregos para as máquinas e foram forçados a aceitar funções com salários mais baixos.

Quando começaram a surgir fissuras na economia de consumo, os especialistas econômicos popularizaram a expressão ” PIB fantasma “: produção que aparece nas contas nacionais, mas nunca circula pela economia real.

Em todos os aspectos, a IA estava superando as expectativas, e o mercado era IA. O único problema… a economia não estava.

Deveria ter ficado claro desde o início que um único cluster de GPUs em Dakota do Norte, gerando a produção anteriormente atribuída a 10.000 trabalhadores de escritório no centro de Manhattan, representa mais uma pandemia econômica do que uma panaceia. A velocidade de circulação do dinheiro estagnou. A economia de consumo centrada no ser humano, que representava 70% do PIB na época, definhou. Provavelmente teríamos percebido isso antes se tivéssemos simplesmente perguntado quanto dinheiro as máquinas gastam em bens não essenciais. (Dica: zero.)

As capacidades de IA melhoraram, as empresas precisaram de menos funcionários, as demissões de profissionais qualificados aumentaram, os trabalhadores demitidos gastaram menos, a pressão sobre as margens levou as empresas a investir mais em IA, as capacidades de IA melhoraram…

Era um ciclo vicioso sem freio natural. A espiral do deslocamento da inteligência humana . Os trabalhadores de escritório viram seu poder aquisitivo (e, racionalmente, seus gastos) estruturalmente prejudicado. Suas rendas eram a base do mercado hipotecário de US$ 13 trilhões, forçando as instituições financeiras a reavaliarem se os empréstimos hipotecários de primeira linha ainda eram uma boa opção.

Dezessete anos sem um ciclo real de inadimplência deixaram as empresas privadas inchadas com contratos de software apoiados por private equity, que presumiam que a receita recorrente anual (ARR) permaneceria constante. A primeira onda de inadimplências devido à disrupção causada pela inteligência artificial em meados de 2027 desafiou essa premissa.

Isso teria sido administrável se a disrupção tivesse permanecido restrita ao software, mas não foi o caso. No final de 2027, ela ameaçou todos os modelos de negócios baseados na intermediação. Inúmeras empresas construídas sobre a monetização da fricção para os humanos se desintegraram.

O sistema revelou-se uma longa cadeia de apostas correlacionadas no crescimento da produtividade dos trabalhadores de escritório. A quebra de novembro de 2027 apenas serviu para acelerar todos os ciclos de retroalimentação negativa já existentes.

Já faz quase um ano que esperamos por notícias ruins que se transformam em boas notícias. O governo está começando a analisar propostas, mas a confiança pública na capacidade do governo de implementar qualquer tipo de resgate diminuiu drasticamente. A resposta política sempre esteve aquém da realidade econômica, mas a falta de um plano abrangente agora ameaça acelerar uma espiral deflacionária.

Como tudo começou

No final de 2025, as ferramentas de codificação agentiva deram um salto qualitativo em termos de capacidade.

Um desenvolvedor competente que trabalhe com Claude Code ou Codex agora consegue replicar a funcionalidade principal de um produto SaaS de mercado intermediário em poucas semanas. Não perfeitamente, nem com todas as exceções resolvidas, mas suficientemente bem para que o CIO, ao analisar uma renovação anual de US$ 500 mil, comece a se perguntar: “E se construíssemos isso nós mesmos?”

Os anos fiscais geralmente coincidem com os anos civis, então os gastos corporativos de 2026 foram definidos no quarto trimestre de 2025, quando “IA agente” ainda era um termo em voga. A revisão de meio de ano foi a primeira vez que as equipes de compras tomaram decisões com visibilidade sobre o que esses sistemas realmente podiam fazer. Algumas viram suas próprias equipes internas criarem protótipos que replicavam contratos de SaaS de seis dígitos em poucas semanas.

Naquele verão, conversamos com um gerente de compras de uma empresa da Fortune 500. Ele nos contou sobre uma de suas negociações orçamentárias. O vendedor esperava usar a mesma estratégia do ano anterior: um aumento anual de 5% no preço, o discurso padrão de “sua equipe depende de nós”. O gerente de compras disse que havia conversado com a OpenAI sobre a possibilidade de seus “engenheiros de campo” utilizarem ferramentas de IA para substituir completamente o fornecedor. Eles renovaram o contrato com 30% de desconto. Foi um bom resultado, disse ele. Já o “grupo de SaaS de nicho”, como Monday.com , Zapier e Asana, teve uma situação muito pior.

Os investidores estavam preparados — até mesmo expectantes — de que a cauda longa seria duramente atingida. Embora representassem um terço dos gastos com a infraestrutura empresarial típica, estavam obviamente vulneráveis. Os sistemas de registro, por outro lado, deveriam estar a salvo de interrupções.

Foi somente no relatório do terceiro trimestre de 2026 da ServiceNow que o mecanismo de reflexividade ficou mais claro.

O crescimento líquido da receita anual recorrente (ACV) da ServiceNow desacelerou de 23% para 14%; a empresa anunciou redução de 15% em sua força de trabalho e um “programa de eficiência estrutural”; as ações caíram 18% | Bloomberg, outubro de 2026

O SaaS não estava “morto”. Ainda havia uma análise de custo-benefício para executar e dar suporte a versões internas. Mas a versão interna era uma opção, e isso influenciava as negociações de preços. Talvez ainda mais importante, o cenário competitivo havia mudado. A IA facilitou o desenvolvimento e o lançamento de novos recursos, então a diferenciação desapareceu. As empresas estabelecidas estavam numa corrida para o fundo do poço em termos de preços — uma luta acirrada entre si e com a nova safra de concorrentes emergentes que surgiram. Encorajadas pelo salto nas capacidades de programação automatizada e sem uma estrutura de custos legada para proteger, essas empresas conquistaram participação de mercado agressivamente.

A natureza interconectada desses sistemas também não foi totalmente compreendida até esta publicação. A ServiceNow vendia licenças. Quando os clientes da Fortune 500 cortaram 15% de sua força de trabalho, cancelaram 15% de suas licenças. As mesmas reduções de pessoal impulsionadas por IA que estavam aumentando as margens de lucro de seus clientes estavam, na prática, destruindo sua própria base de receita.

A empresa que vendia automação de fluxo de trabalho estava sendo impactada por uma automação de fluxo de trabalho melhor, e sua resposta foi reduzir o número de funcionários e usar a economia para financiar a própria tecnologia que a estava impactando.

O que mais eles poderiam fazer? Ficar parados e morrer mais lentamente? As empresas mais ameaçadas pela IA se tornaram as que mais adotaram a IA.

Isso parece óbvio em retrospectiva, mas na época não era (pelo menos para mim). O modelo histórico de disrupção dizia que as empresas estabelecidas resistiam às novas tecnologias, perdiam participação de mercado para concorrentes ágeis e morriam lentamente. Foi o que aconteceu com a Kodak, a Blockbuster e a BlackBerry. O que aconteceu em 2026 foi diferente: as empresas estabelecidas não resistiram porque não tinham condições para isso.

Com as ações em queda de 40 a 60% e os conselhos administrativos exigindo respostas, as empresas ameaçadas pela IA fizeram a única coisa que podiam: reduzir o número de funcionários, reinvestir a economia em ferramentas de IA e usar essas ferramentas para manter a produção com custos menores.

A resposta individual de cada empresa foi racional. O resultado coletivo foi catastrófico. Cada dólar economizado com a redução de pessoal foi investido em inteligência artificial, o que possibilitou a próxima rodada de cortes de empregos.

O software foi apenas o ato de abertura. O que os investidores não perceberam enquanto debatiam se os múltiplos do SaaS haviam atingido o fundo do poço foi que o ciclo de autodeterminação já havia escapado do setor de software. A mesma lógica que justificou o corte de pessoal da ServiceNow se aplicava a todas as empresas com uma estrutura de custos baseada em mão de obra qualificada.

Quando o atrito chegou a zero

No início de 2027, o uso de LLM (Learning Learning Machine – Máquina de Aprendizado de Liderança) havia se tornado padrão. As pessoas usavam agentes de IA sem nem mesmo saber o que era um agente de IA, da mesma forma que pessoas que nunca aprenderam o que era “computação em nuvem” usavam serviços de streaming. Elas pensavam nisso da mesma forma que pensavam em autocompletar ou corretor ortográfico — algo que seus telefones agora faziam.

O assistente de compras automatizado de código aberto da Qwen foi o catalisador para a IA lidar com decisões de consumo. Em poucas semanas, todos os principais assistentes de IA integraram algum recurso de comércio automatizado. Modelos simplificados permitiram que esses agentes fossem executados em celulares e laptops, e não apenas em instâncias na nuvem, reduzindo significativamente o custo marginal da inferência.

O que deveria ter perturbado os investidores mais do que perturbou foi o fato de esses agentes não esperarem que fossem solicitados. Eles funcionavam em segundo plano, de acordo com as preferências do usuário. O comércio deixou de ser uma série de decisões humanas isoladas e se tornou um processo contínuo de otimização, funcionando 24 horas por dia, 7 dias por semana, em benefício de cada consumidor conectado. Em março de 2027, o indivíduo mediano nos Estados Unidos consumia 400.000 tokens por dia — 10 vezes mais do que no final de 2026.

O próximo elo da corrente já estava se rompendo.

Intermediação.

Ao longo dos últimos cinquenta anos, a economia dos EUA construiu uma gigantesca camada de extração de renda sobre as limitações humanas: as coisas levam tempo, a paciência se esgota, a familiaridade com a marca substitui a diligência e a maioria das pessoas está disposta a aceitar um preço ruim para evitar mais cliques. Trilhões de dólares em valor empresarial dependiam da persistência dessas restrições.

Começou de forma bastante simples. Os agentes eliminavam o atrito.

Assinaturas e planos de fidelidade que se renovavam automaticamente, mesmo após meses de desuso. Preços promocionais que, sorrateiramente, dobravam após o período de teste. Cada um deles era apresentado como uma situação de refém que os agentes podiam negociar. O valor médio do ciclo de vida do cliente, a métrica sobre a qual toda a economia de assinaturas foi construída, caiu drasticamente.

Os agentes de defesa do consumidor começaram a mudar o funcionamento de praticamente todas as transações de consumo.

Os humanos não têm tempo para comparar preços em cinco plataformas diferentes antes de comprar uma caixa de barras de proteína. As máquinas têm.

As plataformas de reserva de viagens foram as primeiras vítimas, por serem as mais simples. No quarto trimestre de 2026, nossos agentes seriam capazes de montar um itinerário completo (voos, hotéis, transporte terrestre, otimização de programas de fidelidade, restrições orçamentárias, reembolsos) de forma mais rápida e barata do que qualquer outra plataforma.

As renovações de seguros, cujo modelo dependia inteiramente da inércia do segurado, foram reformuladas. Os agentes que negociam novas opções de cobertura anualmente eliminaram os 15 a 20% dos prêmios que as seguradoras ganhavam com renovações passivas.

Assessoria financeira. Preparação de impostos. Serviços jurídicos de rotina. Qualquer categoria em que a proposta de valor do prestador de serviços fosse, em última análise, “Eu vou lidar com a complexidade que você considera tediosa” foi impactada, já que os agentes não consideravam nada tedioso.

Até mesmo lugares que considerávamos protegidos pelo valor das relações humanas se mostraram frágeis. O mercado imobiliário, onde os compradores toleravam comissões de 5 a 6% por décadas devido à assimetria de informações entre corretor e consumidor, desmoronou quando corretores de IA, equipados com acesso ao MLS (Multiple Listing Service) e décadas de dados de transações, puderam replicar instantaneamente a base de conhecimento. Um artigo de um vendedor, de março de 2027, intitulou isso de “violência entre corretores”. A comissão mediana para compradores em grandes regiões metropolitanas caiu de 2,5 a 3% para menos de 1%, e uma parcela crescente de transações estava sendo fechada sem nenhum corretor humano do lado do comprador.

Havíamos superestimado o valor das “relações humanas”. Descobrimos que muito do que as pessoas chamavam de relacionamentos era simplesmente atrito com um rosto amigável.

Esse foi apenas o começo da disrupção para a camada de intermediação. Empresas bem-sucedidas haviam gasto bilhões para explorar com eficácia peculiaridades do comportamento do consumidor e da psicologia humana que já não importavam.

Máquinas otimizadas para preço e adequação não se importam com seu aplicativo favorito ou com os sites que você acessa habitualmente nos últimos quatro anos, nem se sentem atraídas por uma experiência de compra bem projetada. Elas não se cansam e aceitam a opção mais fácil ou pensam automaticamente “Eu sempre compro aqui”.

Isso destruiu um tipo específico de proteção: a intermediação habitual.

O DoorDash (DASH US) era o exemplo perfeito.

Os agentes de programação eliminaram as barreiras de entrada para o lançamento de um aplicativo de entrega. Um desenvolvedor competente conseguia lançar um concorrente funcional em semanas, e dezenas o fizeram, atraindo motoristas do DoorDash e do Uber Eats ao repassar 90 a 95% da taxa de entrega para o motorista. Painéis de controle de múltiplos aplicativos permitiam que os trabalhadores autônomos acompanhassem os trabalhos recebidos de vinte ou trinta plataformas simultaneamente, eliminando a dependência de uma única plataforma da qual os concorrentes tradicionais dependiam. O mercado se fragmentou da noite para o dia e as margens de lucro caíram a quase zero.

Os agentes aceleraram os dois lados da destruição. Eles deram poder aos concorrentes e depois os usaram. A vantagem competitiva do DoorDash era literalmente “você está com fome, você está com preguiça, este é o aplicativo na sua tela inicial”. Um agente não tem uma tela inicial. Ele verifica o DoorDash, o Uber Eats, o próprio site do restaurante e vinte novas alternativas classificadas por estilo para poder escolher a menor taxa e a entrega mais rápida sempre.

A fidelidade habitual aos aplicativos, a base de todo o modelo de negócios, simplesmente não existia para uma máquina.

Isso era estranhamente poético, talvez o único exemplo em toda essa saga de agentes fazendo um favor aos trabalhadores de escritório que em breve seriam substituídos. Quando eles acabaram como motoristas de entrega, pelo menos metade de seus ganhos não ia para o Uber e o DoorDash. Claro, esse favor da tecnologia não durou muito, à medida que os veículos autônomos proliferaram.

Assim que os agentes controlaram a transação, foram procurar clipes de papel maiores.

Havia um limite para a comparação e agregação de preços que podiam ser feitas. A melhor maneira de economizar dinheiro para o usuário repetidamente (especialmente quando os agentes começaram a transacionar entre si) era eliminar as taxas. No comércio entre máquinas, a taxa de intercâmbio de cartões de 2 a 3% tornou-se um alvo óbvio.

Os agentes procuraram opções mais rápidas e baratas do que os cartões. A maioria optou por usar stablecoins via Solana ou Ethereum L2s, onde a liquidação era quase instantânea e o custo da transação era medido em frações de centavo.

MASTERCARD 1º TRIMESTRE DE 2027: RECEITA LÍQUIDA +6% A/A; CRESCIMENTO DO VOLUME DE COMPRAS DESACELERA PARA +3,4% A/A, ANTEO A +5,9% NO TRIMESTRE ANTERIOR; ADMINISTRAÇÃO OBSERVA “OTIMIZAÇÃO DE PREÇOS LIDERADA POR AGENTES” E “PRESSÃO NAS CATEGORIAS DE CRÉDITO DISCRICIONÁRIO” | Bloomberg, 29 de abril de 2027

O relatório do primeiro trimestre de 2027 da Mastercard marcou o ponto de não retorno. O comércio com agentes deixou de ser uma questão de produto para se tornar algo tão irrelevante. As ações da Mastercard caíram 9% no dia seguinte. As da Visa também caíram, mas reduziram as perdas depois que analistas destacaram seu posicionamento mais forte na infraestrutura de stablecoins.

O roteamento de comércio por agentes em torno das taxas de intercâmbio representava um risco muito maior para bancos focados em cartões e emissores de produtos financeiros únicos, que arrecadavam a maior parte dessa taxa de 2 a 3% e haviam construído segmentos de negócios inteiros em torno de programas de recompensas financiados pelo subsídio ao comerciante.

A American Express (AXP US) foi a mais afetada; uma combinação de fatores negativos, como a redução da força de trabalho administrativa, que dizimou sua base de clientes, e a realocação de agentes para contornar as taxas de intercâmbio, que prejudicou seu modelo de receita. Synchrony (SYF US), Capital One (COF US) e Discover (DFS US) também registraram quedas superiores a 10% nas semanas seguintes.

Seus fossos eram feitos de atrito. E o atrito estava se tornando zero.

Do risco setorial ao risco sistêmico

Até 2026, os mercados trataram o impacto negativo da IA como uma questão setorial. Os setores de software e consultoria estavam sofrendo grandes perdas, os pagamentos e outros serviços essenciais apresentavam instabilidade, mas a economia em geral parecia estar bem. O mercado de trabalho, embora estivesse em desaceleração, não estava em queda livre. O consenso era de que a destruição criativa fazia parte de qualquer ciclo de inovação tecnológica. Seria doloroso em alguns setores, mas os benefícios líquidos da IA superariam quaisquer efeitos negativos.

Nosso memorando macroeconômico de janeiro de 2027 argumentava que esse era um modelo mental equivocado. A economia dos EUA é uma economia de serviços de colarinho branco. Os trabalhadores de colarinho branco representavam 50% do emprego e impulsionavam aproximadamente 75% dos gastos discricionários do consumidor. Os negócios e empregos que a IA estava eliminando não eram periféricos à economia dos EUA, eles eram a própria economia dos EUA.

“A inovação tecnológica destrói empregos e depois cria ainda mais”. Este era o contra-argumento mais popular e convincente da época. Era popular e convincente porque se mostrara correto durante dois séculos. Mesmo que não conseguíssemos conceber como seriam os empregos do futuro, eles certamente chegariam.

Os caixas eletrônicos baratearam a operação das agências bancárias, então os bancos abriram mais delas e o emprego de caixas aumentou nos vinte anos seguintes. A internet desestabilizou as agências de viagens, as Páginas Amarelas e o varejo físico, mas criou setores inteiramente novos em seu lugar, gerando novos empregos.

Cada nova tarefa, no entanto, exigia um ser humano para executá-la.

A IA agora é uma inteligência geral que aprimora justamente as tarefas para as quais os humanos seriam realocados. Programadores desempregados não podem simplesmente migrar para a “gestão de IA”, porque a IA já é capaz disso.

Hoje, os agentes de IA lidam com tarefas de pesquisa e desenvolvimento que duram várias semanas. O crescimento exponencial revolucionou nossas concepções sobre o que era possível, mesmo que, a cada ano, os professores de Wharton tentassem ajustar os dados a uma nova distribuição sigmoide.

Eles escrevem praticamente todo o código. Os de melhor desempenho são substancialmente mais inteligentes do que quase todos os humanos em praticamente tudo. E continuam ficando mais baratos.

A IA criou novos empregos. Engenheiros de ponta. Pesquisadores de segurança em IA. Técnicos de infraestrutura. Os humanos ainda estão envolvidos, coordenando em alto nível ou dando a direção com base no gosto pessoal. No entanto, para cada nova função criada pela IA, dezenas de outras tornaram-se obsoletas. Os novos cargos pagavam uma fração do que os antigos pagavam.

EUA sofrem impactos: vagas de emprego caem para menos de 5,5 milhões; índice de desemprego/vagas sobe para aproximadamente 1,7, o maior desde agosto de 2020 | Bloomberg, outubro de 2026

O ritmo de contratações vinha sendo anêmico durante todo o ano, mas o relatório JOLTS de outubro de 2026 forneceu dados definitivos. O número de vagas de emprego caiu para menos de 5,5 milhões, uma queda de 15% em relação ao ano anterior.

DE FATO: VAGAS CAEM ACENTUADAMENTE NOS SETOR DE SOFTWARE, FINANÇAS E CONSULTORIA COM A ESPALHAMENTO DE “INICIATIVAS DE PRODUTIVIDADE” | Indeed Hiring Lab, nov.–dez. 2026

As vagas para profissionais de nível superior estavam em queda livre, enquanto as vagas para profissionais de nível operacional (construção civil, saúde, comércio) permaneceram relativamente estáveis. A rotatividade se concentrava nos empregos que redigem memorandos (de alguma forma, ainda estamos no mercado) , aprovam orçamentos e mantêm as camadas intermediárias da economia funcionando. O crescimento real dos salários em ambos os grupos, no entanto, foi negativo durante a maior parte do ano e continuou a declinar.

O mercado de ações ainda se importava menos com o JOLTS do que com a notícia de que toda a capacidade de turbinas da GE Vernova estava agora vendida até 2040, oscilando lateralmente em um cabo de guerra entre notícias macroeconômicas negativas e manchetes positivas sobre infraestrutura de IA.

O mercado de títulos (sempre mais inteligente que o de ações, ou pelo menos menos romântico) começou a precificar o impacto no consumo. O rendimento dos títulos de 10 anos começou a cair de 4,3% para 3,2% nos quatro meses seguintes. Mesmo assim, a taxa de desemprego não disparou, e as nuances em sua composição ainda passaram despercebidas por alguns.

Em uma recessão normal, a causa acaba se autocorrigindo. O excesso de construção leva a uma desaceleração na construção civil, o que leva a preços mais baixos, o que leva a novas construções. O excesso de estoque leva à redução dos estoques, o que leva à reposição dos estoques. O mecanismo cíclico contém em si as suas próprias sementes de recuperação.

A causa desse ciclo não foi cíclica.

A IA ficou melhor e mais barata. As empresas demitiram funcionários e usaram a economia para comprar mais recursos de IA, o que permitiu demitir ainda mais funcionários. Os trabalhadores demitidos gastaram menos. As empresas que vendem produtos para consumidores venderam menos, enfraqueceram e investiram mais em IA para proteger suas margens de lucro. A IA ficou melhor e mais barata.

Um ciclo de feedback sem freio natural.

A expectativa intuitiva era de que a queda na demanda agregada desaceleraria a expansão da IA. Isso não aconteceu, porque não se tratava de um investimento de capital (CapEx) típico de hiperescaladores. Era uma substituição de despesas operacionais (OpEx). Uma empresa que gastava US$ 100 milhões por ano com funcionários e US$ 5 milhões com IA passou a gastar US$ 70 milhões com funcionários e US$ 20 milhões com IA. O investimento em IA multiplicou-se, mas ocorreu como uma redução nos custos operacionais totais. O orçamento de IA de todas as empresas cresceu enquanto seus gastos gerais diminuíram.

A ironia disso tudo era que o complexo de infraestrutura de IA continuava funcionando mesmo quando a economia que ele estava transformando começou a se deteriorar. A NVDA ainda registrava receitas recordes. A TSM ainda operava com mais de 95% de utilização. Os hiperescaladores ainda investiam de US$ 150 a 200 bilhões por trimestre em despesas de capital para data centers. Economias que eram totalmente atípicas a essa tendência, como Taiwan e Coreia do Sul, tiveram um desempenho muito superior.

A Índia era o oposto. O setor de serviços de TI do país exportava mais de US$ 200 bilhões anualmente, sendo o maior contribuinte individual para o superávit em conta corrente da Índia e a compensação que financiava seu persistente déficit comercial de bens. Todo o modelo era construído sobre uma única proposta de valor: os desenvolvedores indianos custavam uma fração do preço de seus colegas americanos. Mas o custo marginal de um agente de codificação de IA havia despencado, essencialmente, para o custo da eletricidade. A TCS, a Infosys e a Wipro viram seus cancelamentos de contratos acelerarem até 2027. A rupia caiu 18% em relação ao dólar em quatro meses, à medida que o superávit de serviços que sustentava as contas externas da Índia evaporava. No primeiro trimestre de 2028, o FMI iniciou “discussões preliminares” com Nova Déli.

O mecanismo que causou a disrupção melhorou a cada trimestre, o que significava que a disrupção se acelerou a cada trimestre. Não havia um limite mínimo natural para o mercado de trabalho.

Nos Estados Unidos, não estávamos mais questionando como a bolha da infraestrutura de IA iria estourar. Estávamos perguntando o que aconteceria com uma economia baseada no crédito ao consumidor quando os consumidores fossem substituídos por máquinas .

A Espiral de Deslocamento da Inteligência

Em 2027, a história macroeconômica deixou de ser sutil. O mecanismo de transmissão dos doze meses anteriores, marcados por desenvolvimentos desconexos, porém claramente negativos, tornou-se óbvio. Não era preciso consultar os dados do Departamento de Estatísticas do Trabalho (BLS). Bastava participar de um jantar com amigos.

Os trabalhadores de escritório desempregados não ficaram ociosos. Eles reduziram sua carga horária. Muitos aceitaram empregos com salários mais baixos no setor de serviços e na economia gig, o que aumentou a oferta de mão de obra nesses segmentos e também comprimiu os salários neles.

Uma amiga nossa era gerente sênior de produto na Salesforce em 2025. Cargo, plano de saúde, previdência privada e salário de US$ 180.000 por ano. Ela perdeu o emprego na terceira rodada de demissões. Depois de seis meses procurando emprego, começou a dirigir para o Uber. Seus ganhos caíram para US$ 45.000. A questão não é tanto a história individual, mas sim a matemática por trás disso. Multiplique essa dinâmica por algumas centenas de milhares de trabalhadores em todas as principais metrópoles. A mão de obra superqualificada inundando a economia de serviços e de trabalhos temporários pressionou para baixo os salários dos trabalhadores que já estavam em dificuldades. A disrupção específica do setor se metastatizou em uma compressão salarial em toda a economia.

O grupo de trabalhadores ainda centrados no ser humano estava prestes a sofrer outra correção, que ocorre enquanto escrevemos este texto. Isso acontece à medida que os serviços de entrega autônomos e os veículos autônomos se consolidam na economia gig, que absorveu a primeira onda de trabalhadores deslocados.

Em fevereiro de 2027, ficou claro que os profissionais ainda empregados estavam gastando como se pudessem ser os próximos. Eles trabalhavam o dobro (principalmente com a ajuda de IA) apenas para não serem demitidos, e as esperanças de promoção ou aumento salarial haviam desaparecido. As taxas de poupança subiram e os gastos diminuíram.

A parte mais perigosa foi a demora. Os indivíduos com rendimentos elevados usaram suas poupanças acima da média para manter a aparência de normalidade por dois ou três trimestres. Os dados concretos só confirmaram o problema quando ele já era notícia velha na economia real. Então veio a divulgação dos resultados que quebrou a ilusão.

Pedidos iniciais de seguro-desemprego nos EUA disparam para 487.000, o maior número desde abril de 2020; Departamento do Trabalho, 3º trimestre de 2027

Os pedidos iniciais de seguro-desemprego dispararam para 487.000, o maior número desde abril de 2020. A ADP e a Equifax confirmaram que a grande maioria dos novos pedidos foi de profissionais liberais.

O índice S&P caiu 6% na semana seguinte. O cenário macroeconômico negativo começou a ganhar terreno.

Em uma recessão normal, as perdas de emprego são amplamente distribuídas. Trabalhadores operários e administrativos compartilham o impacto de forma aproximadamente proporcional à participação de cada segmento no mercado de trabalho. O impacto no consumo também é amplamente distribuído e se reflete rapidamente nos dados, porque os trabalhadores de baixa renda têm maior propensão marginal a consumir.

Neste ciclo, as perdas de emprego concentraram-se nos deciles superiores da distribuição de renda. Representam uma parcela relativamente pequena do emprego total, mas impulsionam uma parcela desproporcionalmente grande do consumo. Os 10% mais ricos respondem por mais de 50% de todo o consumo nos Estados Unidos. Os 20% mais ricos respondem por aproximadamente 65%. São essas pessoas que compram casas, carros, viajam, comem em restaurantes, pagam mensalidades de escolas particulares e fazem reformas em casa. Elas são a base da demanda para toda a economia de consumo discricionário.

Quando esses trabalhadores perderam seus empregos ou aceitaram cortes salariais de 50% para ocupar vagas disponíveis, o impacto no consumo foi enorme em relação ao número de empregos perdidos. Uma queda de 2% no emprego de trabalhadores de escritório se traduziu em algo como uma redução de 3 a 4% nos gastos discricionários do consumidor. Ao contrário das perdas de empregos operários, que tendem a ter um impacto imediato (você é demitido da fábrica e para de gastar na semana seguinte), as perdas de empregos de trabalhadores de escritório têm um impacto mais profundo, embora mais lento, porque esses trabalhadores possuem reservas financeiras que lhes permitem manter os gastos por alguns meses antes que a mudança comportamental se concretize.

No segundo trimestre de 2027, a economia estava em recessão. O NBER não divulgou oficialmente a data de início até meses depois (como sempre), mas os dados eram inequívocos: tínhamos tido dois trimestres consecutivos de crescimento negativo do PIB real. Mas ainda não era uma “crise financeira”… ainda.

A Cadeia de Apostas Correlacionadas

O crédito privado cresceu de menos de US$ 1 trilhão em 2015 para mais de US$ 2,5 trilhões em 2026. Uma parcela significativa desse capital foi investida em negócios de software e tecnologia, muitos deles aquisições alavancadas de empresas de SaaS com avaliações que pressupunham um crescimento de receita de cerca de 15% perpetuamente.

Essas premissas morreram em algum ponto entre a primeira demonstração de programação agentiva e a crise de software do primeiro trimestre de 2026, mas os avaliadores não pareciam ter percebido que elas estavam mortas.

Enquanto muitas empresas públicas de SaaS negociavam a 5-8 vezes o EBITDA, as empresas de software apoiadas por private equity mantinham seus balanços com avaliações que refletiam múltiplos de receita de aquisições que já não existiam. Os gestores reduziram gradualmente as avaliações para baixo: 100 centavos, 92, 85, enquanto as empresas comparáveis de capital aberto chegavam a 50.

A Moody’s rebaixou a classificação de crédito de US$ 18 bilhões em dívidas de software lastreadas em private equity de 14 emissores, citando “dificuldades na receita de títulos de empresas privadas devido à disrupção competitiva impulsionada por inteligência artificial”; a maior ação em um único setor desde o setor de energia em 2015 | Moody’s Investors Service, abril de 2027

Todos se lembram do que aconteceu após a redução da classificação de risco. Os veteranos do setor já conheciam o roteiro após as revisões para baixo das classificações de energia em 2015.

Empréstimos lastreados em software começaram a entrar em inadimplência no terceiro trimestre de 2027. Empresas de portfólio de private equity nos setores de serviços de informação e consultoria seguiram o mesmo caminho. Diversas aquisições alavancadas (LBOs) multimilionárias de empresas SaaS renomadas entraram em processo de reestruturação.

O Zendesk foi a prova definitiva.

Zendesk descumpre cláusulas contratuais de dívida enquanto a automação do atendimento ao cliente baseada em IA reduz a receita recorrente anual; linha de crédito direto de US$ 5 bilhões é avaliada em 58 centavos; maior inadimplência de software de crédito privado já registrada | Financial Times, setembro de 2027

Em 2022, a Hellman & Friedman e a Permira fecharam o capital da Zendesk por US$ 10,2 bilhões. O pacote de dívida consistia em US$ 5 bilhões em empréstimos diretos, o maior financiamento lastreado em receita recorrente anual (ARR) da história na época, liderado pela Blackstone, com a participação da Apollo, Blue Owl e HPS. O empréstimo foi estruturado explicitamente com base na premissa de que a receita recorrente anual da Zendesk permaneceria recorrente. Com uma alavancagem de aproximadamente 25 vezes o EBITDA, o investimento só fazia sentido se isso se confirmasse.

Em meados de 2027, isso já não acontecia.

Agentes de IA vinham gerenciando o atendimento ao cliente de forma autônoma durante quase um ano. A categoria definida pela Zendesk (abertura de chamados, roteamento, gerenciamento de interações com suporte humano) já havia sido substituída por sistemas que resolviam problemas sem gerar um chamado sequer. A Receita Recorrente Anualizada (RRA) que serviu de garantia para o empréstimo não era mais recorrente, era apenas receita que ainda não havia sido contabilizada.

O maior empréstimo garantido por ARR da história se tornou o maior calote de software de crédito privado da história. Todas as mesas de análise de crédito se perguntaram a mesma coisa ao mesmo tempo: quem mais está enfrentando um obstáculo secular disfarçado de cíclico?

Mas eis o que o consenso acertou, pelo menos inicialmente: isso deveria ter sido suportável.

O crédito privado não é o sistema bancário de 2008. Toda a arquitetura foi explicitamente projetada para evitar vendas forçadas. São veículos fechados com capital bloqueado. Os investidores se comprometem por sete a dez anos. Não há depositantes para cobrar, nem linhas de recompra para acionar. Os gestores podem manter os ativos problemáticos, liquidá-los ao longo do tempo e aguardar a recuperação. Doloroso, mas administrável. O sistema foi concebido para ser flexível, não para quebrar.

Executivos da Blackstone, KKR e Apollo citaram uma exposição a software de 7 a 13% dos ativos. Controlável. Todas as notas de corretoras e contas de crédito do setor financeiro diziam a mesma coisa: o crédito privado tem capital permanente. Eles poderiam absorver perdas que, de outra forma, levariam um banco alavancado à falência.

Capital permanente. A expressão aparecia em todas as teleconferências de resultados e cartas aos investidores, com o intuito de tranquilizar. Tornou-se um mantra. E, como acontece com a maioria dos mantras, ninguém se atentou aos detalhes. Eis o que realmente significava…

Na década anterior, as grandes gestoras de ativos alternativos adquiriram seguradoras de vida e as transformaram em veículos de financiamento. A Apollo comprou a Athene. A Brookfield comprou a American Equity. A KKR adquiriu a Global Atlantic. A lógica era elegante: os depósitos em anuidades forneciam uma base de passivo estável e de longo prazo. Os gestores investiam esses depósitos no crédito privado que originavam e recebiam pagamentos duplos, com os rendimentos distribuídos entre o lado do seguro e as taxas de administração do lado da gestão de ativos. Uma máquina perpétua de taxas sobre taxas que funcionava perfeitamente sob uma condição.

O crédito privado tinha que ser dinheiro bom.

As perdas afetaram balanços patrimoniais construídos para abrigar ativos ilíquidos contra obrigações de longo prazo. O “capital permanente” que deveria tornar o sistema resiliente não era um conjunto abstrato de dinheiro institucional paciente e investidores sofisticados assumindo riscos sofisticados. Eram as poupanças das famílias americanas, do “cidadão comum”, estruturadas como anuidades investidas nos mesmos títulos de software e tecnologia apoiados por private equity que agora estavam em default. O capital bloqueado que não podia render era o dinheiro dos segurados de apólices de seguro de vida, e as regras são um pouco diferentes nesse caso.

Em comparação com o sistema bancário, os reguladores de seguros haviam se mostrado dóceis — até mesmo complacentes —, mas este foi o alerta. Já preocupados com a concentração de crédito privado nas seguradoras de vida, começaram a rebaixar o tratamento de capital baseado em risco desses ativos. Isso forçou as seguradoras a captar recursos ou vender ativos, nenhuma das quais era possível em condições atraentes em um mercado já em crise.

NOVA YORK, ÓRGÃOS REGULADORES DO ESTADO DE IOWA TOMAM MEDIDAS PARA RESTRINGIR O TRATAMENTO DE CAPITAL PARA CERTOS CRÉDITOS COM CLASSIFICAÇÃO PRIVADA DETIDOS POR SEGURADORAS DE VIDA; DIRETRIZES DA NAIC DEVEM AUMENTAR OS FATORES RBC E DESENCADEAR MAIOR EXAUSTÃO POR PARTE DAS OFERTAS DE VALORES SÊNIOR | Reuters, novembro de 2027

Quando a Moody’s colocou a classificação de solidez financeira da Athene em perspectiva negativa, as ações da Apollo caíram 22% em duas sessões. Brookfield, KKR e outras empresas seguiram o mesmo caminho.

A partir daí, a situação só se tornou mais complexa. Essas empresas não apenas criaram sua máquina de movimento perpétuo para seguradoras, como também construíram uma elaborada arquitetura offshore projetada para maximizar os retornos por meio de arbitragem regulatória. A seguradora americana emitia a anuidade e, em seguida, cedia o risco a uma resseguradora afiliada nas Bermudas ou nas Ilhas Cayman, também de sua propriedade – criada para aproveitar uma regulamentação mais flexível que permitia manter menos capital em relação aos mesmos ativos. Essa afiliada captava capital externo por meio de SPEs offshore, uma nova camada de contrapartes que investiam juntamente com as seguradoras em crédito privado originado pelo braço de gestão de ativos da mesma empresa controladora.

As agências de classificação de risco, algumas das quais pertenciam a empresas de private equity, não eram exatamente exemplos de transparência (para surpresa de praticamente ninguém). A complexa teia de diferentes empresas ligadas a diferentes balanços patrimoniais era impressionante em sua opacidade. Quando os empréstimos subjacentes entraram em default, a questão de quem realmente arcou com o prejuízo era genuinamente impossível de responder em tempo real.

A queda prevista para novembro de 2027 marcou a transição da percepção de uma possível retração cíclica comum para algo muito mais preocupante. “Uma cadeia de apostas correlacionadas no crescimento da produtividade dos trabalhadores de escritório” foi como o presidente do Fed, Kevin Warsh, a descreveu durante a reunião de emergência do FOMC em novembro.

Veja bem, nunca são as perdas em si que causam a crise. É o reconhecimento delas. E existe outra área das finanças, muito maior e muito mais importante, da qual temos passado a temer esse reconhecimento.

A questão da hipoteca

O índice de valor imobiliário da Zillow cai 11% em relação ao ano anterior em São Francisco, 9% em Seattle e 8% em Austin; a Fannie Mae alerta para “alta inadimplência inicial” em CEPs com mais de 40% de empregos nos setores de tecnologia e finanças | Zillow / Fannie Mae, junho de 2028

Este mês, o Índice de Valor Imobiliário da Zillow caiu 11% em relação ao ano anterior em São Francisco, 9% em Seattle e 8% em Austin. Essa não foi a única notícia preocupante. No mês passado, a Fannie Mae alertou para um aumento na inadimplência inicial em áreas com alta concentração de imóveis de grande porte – regiões onde os tomadores de empréstimo têm pontuação de crédito acima de 780 e são geralmente considerados “à prova de balas”.

O mercado de hipotecas residenciais dos EUA movimenta aproximadamente US$ 13 trilhões. A análise de crédito para hipotecas baseia-se na premissa fundamental de que o mutuário permanecerá empregado, mantendo aproximadamente o mesmo nível de renda atual, durante toda a duração do empréstimo. Trinta anos, no caso da maioria das hipotecas.

A crise do emprego no setor administrativo ameaçou essa premissa com uma mudança sustentada nas expectativas de renda. Agora, temos que fazer uma pergunta que parecia absurda há apenas 3 anos: o dinheiro dos empréstimos hipotecários de primeira linha ainda é bom?

Todas as crises hipotecárias anteriores na história dos EUA foram impulsionadas por um destes três fatores: excesso especulativo (empréstimos concedidos a pessoas que não tinham condições de comprar as casas, como em 2008), choques nas taxas de juros (aumento das taxas tornando as hipotecas com taxas variáveis inacessíveis, como no início da década de 1980) ou choques econômicos localizados (o colapso de um único setor em uma única região, como o petróleo no Texas na década de 1980 ou a indústria automobilística em Michigan em 2009).

Nada disso se aplica aqui. Os mutuários em questão não são subprime. Eles têm pontuação de crédito FICO de 780. Deram uma entrada de 20%. Possuem histórico de crédito impecável, empregos estáveis e renda comprovada e documentada na contratação do empréstimo. Eram os mutuários que todos os modelos de risco do sistema financeiro consideram como a base da qualidade de crédito.

Em 2008, os empréstimos eram ruins desde o primeiro dia. Em 2028, os empréstimos eram bons desde o primeiro dia. O mundo simplesmente… mudou depois que os empréstimos foram concedidos. As pessoas tomaram empréstimos com base em um futuro no qual não podem mais se dar ao luxo de acreditar.

Em 2027, identificamos os primeiros sinais de estresse invisível: saques de linhas de crédito com garantia imobiliária (HELOC), retiradas de planos de aposentadoria 401(k) e aumento acentuado da dívida do cartão de crédito, enquanto os pagamentos da hipoteca permaneciam em dia. Com a perda de empregos, o congelamento de contratações e o corte de bônus, essas famílias de alta renda viram suas taxas de endividamento em relação à renda dobrarem.

Eles ainda conseguiam pagar a hipoteca, mas apenas interrompendo todos os gastos supérfluos, esgotando as economias e adiando qualquer manutenção ou melhoria na casa. Tecnicamente, estavam em dia com os pagamentos, mas bastava um pequeno choque para entrarem em situação de inadimplência, e a trajetória das capacidades da IA sugeria que esse choque estava a caminho. Então, vimos a inadimplência começar a disparar em São Francisco, Seattle, Manhattan e Austin, mesmo com a média nacional permanecendo dentro dos padrões históricos.

Estamos agora na fase mais crítica. A queda nos preços dos imóveis é administrável quando o comprador marginal está saudável. Neste caso, o comprador marginal está lidando com a mesma redução de renda.

Embora as preocupações estejam aumentando, ainda não estamos em uma crise hipotecária generalizada. A inadimplência aumentou, mas permanece bem abaixo dos níveis de 2008. É a trajetória que representa a verdadeira ameaça.

A espiral de deslocamento da inteligência agora conta com dois aceleradores financeiros para o declínio da economia real.

Deslocamento de mão de obra, preocupações com hipotecas, turbulência no mercado privado. Cada um reforça o outro. E o conjunto tradicional de ferramentas políticas (cortes de juros, QE) pode lidar com o motor financeiro, mas não com o motor da economia real, porque o motor da economia real não é impulsionado por condições financeiras restritivas. É impulsionado pela IA, que torna a inteligência humana menos escassa e menos valiosa. Você pode cortar as taxas a zero e comprar todos os MBS e todas as dívidas inadimplentes de LBO de software no mercado…

Isso não muda o fato de que um agente da Claude pode fazer o trabalho de um gerente de produto que ganha US$ 180.000 por US$ 200 por mês.

Se esses temores se concretizarem, o mercado de hipotecas entrará em colapso no segundo semestre deste ano. Nesse cenário, esperaríamos que a atual queda nas ações acabasse rivalizando com a da crise financeira global (57% do pico ao vale). Isso levaria o S&P 500 a cerca de 3.500 pontos – níveis que não vemos desde o mês anterior ao evento ChatGPT em novembro de 2022.

O que está claro é que as premissas de renda que sustentam os US$ 13 trilhões em hipotecas residenciais estão estruturalmente comprometidas. O que não está claro é se as políticas públicas podem intervir antes que o mercado hipotecário assimile completamente o que isso significa. Temos esperança, mas não podemos negar os motivos para não termos.

A batalha contra o tempo

O primeiro ciclo de retroalimentação negativa ocorreu na economia real: a capacidade da IA melhora, a folha de pagamento diminui, os gastos caem, as margens se estreitam, as empresas compram mais capacidade, a capacidade melhora. Depois, o problema se voltou para o setor financeiro: a deterioração da renda afetou as hipotecas, as perdas bancárias restringiram o crédito, o efeito riqueza se rompeu e o ciclo de retroalimentação se acelerou. E ambos os cenários foram exacerbados por uma resposta política insuficiente de um governo que parece, francamente, confuso.

O sistema não foi projetado para uma crise como esta. A base de receita do governo federal é essencialmente um imposto sobre o tempo humano. As pessoas trabalham, as empresas as pagam e o governo fica com uma parte. Os impostos sobre a renda individual e sobre a folha de pagamento são a espinha dorsal da arrecadação em anos normais.

No primeiro trimestre deste ano, a arrecadação federal ficou 12% abaixo das projeções de referência do CBO (Escritório de Orçamento do Congresso). A arrecadação de impostos sobre a folha de pagamento está caindo porque há menos pessoas empregadas nos níveis de remuneração anteriores. A arrecadação de impostos sobre a renda está caindo porque os rendimentos auferidos são estruturalmente menores. A produtividade está aumentando, mas os ganhos estão fluindo para o capital e a computação, não para o trabalho.

A participação da mão de obra no PIB caiu de 64% em 1974 para 56% em 2024, uma queda gradual de quatro décadas impulsionada pela globalização, automação e erosão constante do poder de negociação dos trabalhadores. Nos quatro anos desde que a IA começou sua evolução exponencial, essa participação caiu para 46%. A maior queda já registrada.

A produção ainda existe. Mas não está mais passando pelas residências no caminho de volta para as empresas, o que significa que também não está mais passando pela Receita Federal. O fluxo circular está sendo interrompido e espera-se que o governo intervenha para corrigir isso.

Como em todas as recessões, os gastos aumentam à medida que a receita diminui. A diferença desta vez é que a pressão sobre os gastos não é cíclica. Os estabilizadores automáticos foram criados para perdas temporárias de empregos, não para deslocamentos estruturais. O sistema está pagando benefícios que pressupõem que os trabalhadores serão reabsorvidos. Muitos não serão, pelo menos não com salários sequer próximos aos anteriores. Durante a COVID-19, o governo adotou livremente déficits de 15%, mas isso era entendido como temporário. As pessoas que precisam de apoio governamental hoje não foram atingidas por uma pandemia da qual se recuperarão. Elas foram substituídas por uma tecnologia que continua a evoluir.

O governo precisa transferir mais dinheiro para as famílias exatamente no momento em que está arrecadando menos impostos delas.

Os EUA não vão dar calote. Eles imprimem a moeda que gastam, a mesma moeda que usam para pagar seus credores. Mas essa tensão tem aparecido em outros lugares. Os títulos municipais estão mostrando sinais preocupantes de dispersão no desempenho acumulado no ano. Os estados sem imposto de renda têm se saído bem, mas os títulos municipais de obrigação geral emitidos por estados dependentes de imposto de renda (a maioria estados democratas) começaram a precificar algum risco de inadimplência. Os políticos perceberam isso rapidamente, e o debate sobre quem será socorrido se dividiu em linhas partidárias.

A administração, a seu crédito, reconheceu precocemente a natureza estrutural da crise e começou a considerar propostas bipartidárias para o que estão chamando de “Lei da Economia de Transição”: uma estrutura para transferências diretas a trabalhadores deslocados, financiada por uma combinação de gastos deficitários e um imposto proposto sobre computação de inferência de IA.

A proposta mais radical em discussão vai além. A “Lei da Prosperidade Compartilhada da IA” estabeleceria um direito público sobre os retornos da própria infraestrutura de inteligência, algo entre um fundo soberano e um royalty sobre a produção gerada por IA, com os dividendos financiando transferências para as famílias. Lobistas do setor privado inundaram a mídia com alertas sobre o risco de uma situação tão descontrolada.

A política por trás das discussões tem sido previsivelmente sombria, exacerbada por demagogia e jogos de poder. A direita chama as transferências e a redistribuição de marxismo e alerta que tributar a computação entrega a liderança à China. A esquerda adverte que um imposto elaborado com a ajuda de governantes se torna captura regulatória com outro nome. Os defensores da austeridade fiscal apontam para déficits insustentáveis. Os moderados apontam para a austeridade prematura imposta após a crise financeira global como um exemplo a ser evitado. A divisão só se intensifica na corrida para a eleição presidencial deste ano.

Enquanto os políticos discutem, o tecido social se deteriora mais rápido do que o processo legislativo consegue avançar.

O movimento Occupy Silicon Valley tem sido emblemático de uma insatisfação mais ampla. No mês passado, manifestantes bloquearam as entradas dos escritórios da Anthropic e da OpenAI em São Francisco por três semanas consecutivas. O número de manifestantes está crescendo e eles têm recebido mais atenção da mídia do que os dados de desemprego que os motivaram.

É difícil imaginar o público odiando alguém mais do que os banqueiros após a crise financeira global, mas os laboratórios de IA estão se aproximando desse patamar. E, da perspectiva da maioria, com razão. Seus fundadores e investidores iniciais acumularam riqueza em um ritmo que faz a Era Dourada parecer tranquila. Os ganhos do boom de produtividade, que se acumularam quase que inteiramente para os proprietários de computadores e os acionistas dos laboratórios que os utilizavam, ampliaram a desigualdade nos EUA a níveis sem precedentes.

Cada lado tem seu próprio vilão, mas o verdadeiro vilão é o tempo.

A capacidade da IA está evoluindo mais rápido do que as instituições conseguem se adaptar. A resposta política está seguindo o ritmo da ideologia, não da realidade. Se o governo não chegar a um consenso em breve sobre qual é o problema, o ciclo de retroalimentação escreverá o próximo capítulo de sua história.

Descontinuação do Prêmio de Inteligência

Ao longo de toda a história econômica moderna, a inteligência humana foi o insumo escasso. O capital era abundante (ou, pelo menos, replicável). Os recursos naturais eram finitos, mas substituíveis. A tecnologia evoluiu lentamente o suficiente para que os humanos pudessem se adaptar. A inteligência, a capacidade de analisar, decidir, criar, persuadir e coordenar, era o que não podia ser replicado em larga escala.

A inteligência humana deriva seu valor intrínseco de sua escassez. Todas as instituições de nossa economia, do mercado de trabalho ao mercado imobiliário e ao sistema tributário, foram concebidas para um mundo em que essa premissa se mantinha.

Estamos agora vivenciando o desmantelamento desse prêmio. A inteligência artificial se tornou um substituto competente e em rápido aprimoramento para a inteligência humana em uma gama crescente de tarefas. O sistema financeiro, otimizado ao longo de décadas para um mundo com escassez de mentes humanas, está passando por uma reavaliação de preços. Essa reavaliação é dolorosa, desordenada e está longe de ser completa.

Mas a reprecificação não é o mesmo que colapso.

A economia pode encontrar um novo equilíbrio. Chegar lá é uma das poucas tarefas restantes que só os humanos podem realizar. Precisamos fazê-lo corretamente.

Esta é a primeira vez na história que o ativo mais produtivo da economia gerou menos empregos, e não mais. Nenhum modelo se encaixa, porque nenhum foi concebido para um mundo onde o recurso escasso se tornou abundante. Portanto, precisamos criar novos modelos. A única questão que importa é se os criaremos a tempo.

Mas você não está lendo isso em junho de 2028. Você está lendo isso em fevereiro de 2026.

O índice S&P está próximo de suas máximas históricas. Os ciclos de feedback negativo ainda não começaram. Temos certeza de que alguns desses cenários não se concretizarão. Da mesma forma, temos certeza de que a inteligência artificial continuará a se acelerar. O valor da inteligência humana diminuirá.

Como investidores, ainda temos tempo para avaliar o quanto de nossos portfólios se baseia em premissas que não resistirão à década. Como sociedade, ainda temos tempo para sermos proativos.

O canário ainda está vivo.

Artigo original: https://www.citriniresearch.com/p/2028gic