Revolução Industrial de IA Onde estamos agora

No último ano, participei de algumas conferências do setor sobre IA.
Os convidados no palco apresentavam as novidades de IA um após o outro,
enquanto o público na plateia segurava o celular filmando a tela,
postava no feed e depois continuava a rolar o feed do Instagram.
Mas ao voltar ao escritório, era a mesma rotina de reuniões semanais, aprovações, relatórios semanais.
Grandes empresas já colocaram o consumo de tokens como KPI,
e alguém que usa scripts para aumentar o volume virou exemplo de dedicação.
Na rede social, aquele grupo de pessoas,
hoje Claude, amanhã Codex, depois Gemini —
estão abraçando a revolução ou apenas acompanhando a corrida?

Tudo isso é ruído, não é a resposta que quero.

A verdadeira questão não é se IA é forte o suficiente —
a máquina a vapor já foi inventada,
mas quem será o primeiro a desmontar o antigo galpão?

O dia em que a Revolução Industrial realmente começou,
não foi quando Watt melhorou a máquina a vapor,
mas quando os industriais de Lancashire decidiram abandonar os rios,
e reconstruir suas fábricas ao redor da máquina a vapor.

O mesmo vale para o momento mais importante da IA —
não foi quando o grande modelo foi inventado,
mas quando a primeira organização decidiu desmontar os processos antigos,
e reconstruir sua produção ao redor da IA.

Esse dia ainda não chegou.
Mas já está a caminho.

Dois visionários perceberam isso há muito tempo.
O CEO do Notion, Ivan Zhao, escreveu no final de 2025 um artigo intitulado
Steam, Steel, and Infinite Minds, com uma análise fria:
estamos ainda na fase de "substituir a roda d’água" —
acrescentando chatbots de IA às ferramentas existentes,
mas sem redesenhar as fábricas.
Leopold Aschenbrenner, ex-funcionário da OpenAI, seguiu outro caminho:
escreveu 165 páginas de Situational Awareness,
e criou um fundo que cresceu de 225 milhões para 13,68 bilhões de dólares,
apostando tudo na infraestrutura de IA.
Um olhando para dentro, outro para fora —
uma aposta na tecnologia fundamental, a outra na aplicação.

Este artigo não é sobre eles. É sobre nós —
onde estamos agora,
e qual parte da história estamos repetindo.

( Tecelagem com tear mecânico, gravura de J. Tingle após Thomas Allom, 1835 / Wikimedia Commons )

1. O galpão ainda é antigo

A rotina da maioria das pessoas é assim:
de manhã, usam IA para escrever um e-mail, economizando dez minutos;
depois, passam duas horas numa reunião que poderia nem ter acontecido;
à tarde, copiam e colam os mesmos dados entre três ferramentas;
à noite, postam no feed dizendo "IA é incrível".
Os dez minutos economizados foram consumidos pelos processos antigos, intactos.

Da mesma forma, quando a máquina a vapor surgiu, os industriais inicialmente apenas trocaram as rodas d’água por máquinas a vapor,
sem mudar nada mais —
a fábrica continuou na beira do rio,
com edifícios de vários andares,
e o eixo central movendo toda a linha de produção.
Colocamos o ChatGPT no Slack,
o Copilot no Office,
e embutimos janelas de IA nos fluxos de trabalho —
fazemos a mesma coisa.
Ferramentas evoluem, o galpão permanece.

Mas trocar a máquina não é trocar o galpão.
McLuhan dizia:

Nós dirigimos olhando pelo espelho retrovisor.
Usar processos antigos para acomodar novas ferramentas é como fazer filmes no palco,
antes de o cinema existir de verdade.
O avanço real só acontece quando alguém desmonta completamente a fábrica antiga,
e redesenha toda a produção ao redor da nova força motriz —
a máquina a vapor, a IA, o que for.

Ao comparar a linha do tempo da Revolução Industrial com a da IA, podemos situar onde estamos no mapa:

Hoje, essa linha do tempo foi comprimida de forma dramática.
Da máquina a vapor à ferrovia, levou cerca de 60 anos;
da Transformer à explosão de data centers, apenas 7 anos.

Velocidade não é o problema,
mas onde estamos presos —
os primeiros quatro passos ainda são a troca de máquinas no galpão antigo,
a máquina a vapor foi instalada, a ferrovia está sendo construída,
mas a forma de produzir permanece a mesma.
O verdadeiro divisor de águas está no sexto passo.
Provavelmente, estamos presos entre esses dois momentos.

A máquina a vapor já está na mão, mas o galpão ainda é antigo.

2. Todo o capital está na camada mais distante da fábrica

Infraestrutura sempre é superdimensionada.

No final, quem quebra é o investidor, não a infraestrutura.

Em 1846, o Parlamento Britânico aprovou 263 leis de ferrovias,
para construir 9.500 milhas de trilhos —
o pico de investimento ferroviário chegou a 13% do PIB do Reino Unido.
As ações de ferrovia podiam ser compradas com 10% de entrada,
e a classe média se lançou na aventura.
A bolha estourou em 1847.
Um terço das linhas aprovadas nunca foi construída,
e muitos investidores perderam tudo.
Darwin perdeu 60% em ações ferroviárias,
mas teve mais sorte que a maioria.

Porém, as ferrovias ficaram.

Hoje, a infraestrutura de IA segue o mesmo caminho.
Segundo a Goldman Sachs, até 2026, o investimento global em infraestrutura de IA chegará a 765 bilhões de dólares,
e até 2031, deve atingir 1,6 trilhão por ano.
Os grandes provedores de nuvem aumentam seus gastos de capital,
de cerca de 40% do fluxo de caixa operacional em 2023,
para quase 70% em 2025.
Investimentos em IA já representam cerca de 25% de todo o investimento nos EUA.
O fundo de Aschenbrenner, de 13,68 bilhões, aposta nessa camada —
não em qual aplicação vai vencer,
mas na própria capacidade de cálculo fundamental.

Esse ciclo de capital é semelhante ao desenvolvimento imobiliário.
Construir data centers é como construir prédios:
a terra é a energia,
os materiais são GPUs e armazenamento,
os empreiteiros são os construtores de data centers,
os desenvolvedores são os provedores de nuvem,
os inquilinos são as empresas de IA,
e a receita vem das APIs.
O modelo de negócio das nuvens é “alugar para pagar”:
usando a receita de API para cobrir os custos de capital,
esperando que a explosão de aplicações de IA aumente o valor dos ativos.

(IA e o mercado imobiliário: uma infraestrutura de uma geração)

O risco principal é o mesmo:
a velocidade de queda do preço do API,
é compensada pelo crescimento do volume de chamadas?
Se o aluguel cair abaixo do limite de pagamento —
é o pesadelo de qualquer desenvolvedor imobiliário.
A lição de 2008 não foi construir demais,
mas que a estrutura de demanda e oferta não se encaixava.
O risco equivalente na IA é:
excesso de capacidade geral,
mas a capacidade especializada de lidar com cenários de alto valor —
como conformidade financeira ou diagnósticos médicos —
ainda é escassa.

Ferrovia, imóveis, IA —
três eras de investimento em infraestrutura,
compartilham uma regra comum:
superdimensionar é normal,
os fornecedores de materiais perdem o poder de definir preços,
e o retorno a longo prazo sempre pertence aos proprietários de "localizações estratégicas".
Olhe para as carteiras do Q1 dos fundos de Wall Street —
80% provavelmente estão nesse nível de infraestrutura:
NVIDIA, data centers, infraestrutura de nuvem.
Mas a lição da febre ferroviária é:
isso não representa toda a revolução da IA,
nem mesmo a camada de maior retorno.

Qual é a localização mais estratégica da IA?
Dados exclusivos de setores,
e workflows profundamente integrados.
Para o indivíduo, o verdadeiro "local estratégico" não é a ação que possui,
mas sua capacidade de julgamento e conhecimento do setor —
desde que tenham sido redesenhados ao redor da IA,
para usá-la de forma eficaz.

O verdadeiro retorno está na próxima camada.
Mas entre infraestrutura e criação de valor,
há uma lacuna —
que na história já engoliu décadas.

3. Quem está desmontando o galpão

Quem desmonta o galpão e quem usa IA para aumentar a produtividade
não estão fazendo a mesma coisa.

Simon, cofundador do Ivan Zhao,
antes era um "programador dez vezes mais rápido",
agora escreve pouco código —
controla três ou quatro agentes de IA ao mesmo tempo,
e sua eficiência é 30 a 40 vezes maior.
O Notion hoje tem 1.000 funcionários e mais de 700 agentes de IA.
A diferença não é ferramenta,
é Simon desmontando seu antigo galpão,
enquanto a maioria apenas troca a roda d’água.

600 milhões de usuários na China já usaram IA generativa,
crescimento de 142% —
o maior mercado de demanda de IA do mundo.
Mas quase nenhuma empresa chinesa redesenhou seu fluxo de trabalho central ao redor da IA.
A maior demanda do mundo,
com uma oferta quase inalterada.
Esse contraste é um sinal:
não é que as ferramentas não sejam boas,
é que as organizações não acompanharam.
O trabalho do conhecimento está disperso em dezenas de ferramentas e mentes,
sem uma forma clara de verificar se uma estratégia é eficaz.

(Impactos no mercado de trabalho: uma nova métrica e evidências iniciais)

A Anthropic já está agindo em uma escala maior.
Eles lançaram o Índice Econômico,
que usa dados reais de uso para mapear quais tarefas e setores a IA substitui primeiro,
e então investem de acordo:
junto com Goldman Sachs, Blackstone, Hellman & Friedman,
criaram uma empresa de serviços nativos de IA;
com KPMG, estabeleceram uma aliança global,
com 276.000 funcionários acessando Claude;
a Accenture criou um grupo de negócios,
com 30.000 treinados, focados em finanças, ciências da vida e saúde.

Essas consultorias não são apenas usuárias de IA,
são engenheiras de ferrovias de IA —
ajudam empresas a desmontar fábricas antigas,
e redesenhar linhas de produção ao redor da nova força motriz.
Sem esse papel, a maioria dos industriais não saberia por onde começar.

Os sinais já estão claros.
O mais agudo vem do mercado de trabalho.

Jovens de 22 a 25 anos, em profissões altamente expostas à IA,
têm 14% menos chance de conseguir emprego do que seus colegas em profissões menos expostas.
Os empregos de nível inicial já estão sendo comprimidos.

Se eu fosse um recém-formado, esse dado afetaria minha busca por emprego.
Se eu fosse um gestor, a próxima turma de vagas iniciais pode nem ser de pessoas.

E a organização está desmontando, e o indivíduo?
Minha formação, meu currículo, minha experiência —
são minhas rodas d’água.
Elas já impulsionaram toda a minha linha de produção,
mas a máquina a vapor já chegou.
As universidades de elite não são mais uma fortaleza,
só mostram que eu já construí uma fábrica boa na beira do rio.

A questão agora é:
será que temos capacidade de deixar o rio para trás?

Dados da Anthropic mostram que usuários que usam IA por mais de 6 meses têm 10% mais sucesso em tarefas do que os novos.
Quem começou há meio ano já está 10% à frente,
e essa vantagem se acumula com o tempo.

Porém,
não há nenhuma empresa que tenha falido por não usar IA —
pelo menos, meu escritório de advocacia ainda está avançando com IA.
Os vencedores ainda não foram escolhidos pelo mercado.
A curva de aprendizado é real —
quem começou antes já está ganhando vantagem,
mas a maioria ainda está no começo.

4. Minha próxima carreira ainda não tem nome

Será que o cargo que tenho hoje vai existir daqui a dez anos?
Quantos dos tools que uso há cinco anos ainda estão comigo?
Provavelmente, a resposta é não.
Mas eu não sei qual será a substituição —
porque ela ainda não existe.

Na história, sempre foi assim.
As novidades não são planejadas,
elas surgem quando as antigas restrições desaparecem.

Antes de a ferrovia existir,
a Inglaterra era um conjunto de economias isoladas.
O preço do algodão em Manchester podia diferir 30% do de Londres.
Cada cidade tinha seu padrão de horário,
ninguém via problema nisso.
Depois da ferrovia, em vinte anos, tudo mudou.
O mercado nacional apareceu,
os preços se uniformizaram;
o horário padrão foi criado pela ferrovia,
não inventado.
Estação, telégrafo, agentes de viagem —
tudo isso não existia antes da ferrovia.

Antes de construir a ferrovia, ninguém previu os grandes magazines.
Antes de inventar a máquina a vapor, ninguém previu o horário padrão.

(A história das cidades: ferrovia, aço e IA de inteligência infinita)

A história das cidades repete a mesma narrativa.
Há séculos, as cidades eram de escala humana —
quarenta minutos a pé atravessando Florença.
A estrutura de aço tornou possível arranha-céus,
a ferrovia conectou cidades ao interior,
e elevadores, metrôs, rodovias vieram depois.
Tóquio, Chongqing, Dallas —
não são versões maiores de Florença,
são novos modos de viver.

Hoje, o trabalho do conhecimento também é de escala humana.
Times de dezenas de pessoas, reuniões e e-mails no ritmo,
quando passa de algumas centenas, fica insustentável.
Estamos construindo Florença com pedra e madeira.
A IA torna possível "Tóquio" —
organizações com milhares de agentes e pessoas,
com fluxos de trabalho que funcionam 24/7, em fusos diferentes.
Reuniões semanais, planejamentos trimestrais, revisões anuais —
podem não fazer mais sentido.

Simon já não escreve código —
agora ele "gerencia agentes de IA".
Esse cargo nem existia há dois anos.
Minha próxima carreira, talvez, ainda não tenha nome.
Mas alguém já está construindo esse futuro que ainda não podemos nomear.

5. Como será o novo galpão

Depois de desmontar o antigo, o que se constrói?
A resposta do YC é:
fazer a própria empresa evoluir, melhorar a si mesma.

Hoje, seus sistemas se autoatualizam à noite.
Um funcionário envia uma consulta, ela falha.
Um agente de supervisão detecta a falha, analisa, corrige, envia para aprovação, implementa.
No dia seguinte, a consulta funciona.
Tudo isso acontece enquanto todos dormem.

Não é IA ajudando a produzir 30% mais,
é o sistema completo, fechando o ciclo,
aprendendo a melhorar sozinho.

Tom Blomfield, parceiro do YC, chamou esse tipo de organização de
"Ciclo de IA autoaperfeiçoável recursivamente".
Ele acredita:
a maioria das empresas ainda funciona como o exército romano —
com comandos de cima para baixo,
e informações passando de mão em mão.
O que a IA quebra não é só a eficiência de um passo,
mas toda a estrutura hierárquica que a sustenta.

A nova lógica é:
gastar tokens, não pessoas.
O gargalo mudou de mão de obra para cálculo.
Os dados do YC mostram que,
para as startups que chegaram ao Demo Day,
a receita média por pessoa cresceu cerca de 5 vezes em 18 meses.
O papel da gestão intermediária está sendo substituído por IA —
"colaboração" não precisa mais de humanos.
Cada um deve ser um especialista, um construtor, um operador,
com um responsável claro, sem necessidade de comitês.

Outro ponto:
a empresa precisa ser "legível" para IA.
Se algo não fica registrado, para IA, não aconteceu.
O YC agora arquiva todos os e-mails, grava Slack, grava reuniões.
Um parceiro treinou a IA com 2000 horas de gravações,
e ela gerou um manual interno de 150 páginas,
muito melhor que o anterior.
Esse manual é atualizado automaticamente,
virando um "cérebro vivo" sempre atualizado.

Blomfield deixou uma questão:

Se você começasse sua empresa do zero hoje, adotaria esse modelo?
E se sua empresa já tem uma hierarquia,
a dor de reconstruir tudo seria menor do que continuar na estrutura antiga?

Quem não está no centro do galpão,
está na periferia —
responsável por decisões que a IA ainda não consegue tomar,
por cenários novos, por riscos altos, por momentos de alta emoção.
O cérebro da empresa é uma combinação de dados, registros e conhecimento do setor.
Os softwares que rodam por cima são consumíveis,
podem ser substituídos a qualquer momento.
O que realmente importa está na cabeça das pessoas —
como o negócio funciona, quais passos envolvem julgamento,
essas compreensões são o verdadeiro ativo.

Ivan Zhao, em Steam, Steel, and Infinite Minds,
descreve esse outro lado —
uma organização de 1.000 funcionários e 700 agentes de IA,
onde as pessoas decidem,
e os agentes executam.
Aschenbrenner aposta na infraestrutura de cálculo,
Zhao aposta na reconstrução organizacional.
No final, ambos apontam para o mesmo destino:
uma nova forma de produzir, ao redor da IA.

6. Epílogo

Entre os anos 1840 e 1850 —
a ferrovia já estava toda construída,
mas as fábricas ainda não tinham sido redesenhadas.

Onde estamos?
Simon já não escreve código —
ele desmontou seu próprio galpão.

A questão nunca foi se a máquina a vapor é boa o suficiente,
mas quem será o primeiro a desmontar o galpão antigo.

Não quero prever o grande magazine do futuro,
apenas fazer bem o que faço —
garantir que estou na linha da ferrovia,
não à beira de um rio que seca.

E você?