Revolução Industrial de IA Onde estamos atualmente

No último ano, participei em algumas conferências do setor com temas de IA. Os convidados no palco apresentam as novidades da IA um após o outro, enquanto o público na plateia segura o telemóvel a tirar fotos da tela, publica no feed e continua a navegar. Mas ao regressar ao escritório, é a mesma reunião semanal, as mesmas aprovações, os mesmos relatórios semanais. As grandes empresas já colocaram o consumo de tokens nos KPIs, e há quem use scripts para inflar números, tornando-se um trabalhador exemplar. Na rede social, aquele grupo de pessoas, hoje a revolução do Claude, amanhã a excelência do Codex, depois o Gemini — isto é abraçar a revolução ou correr atrás do prejuízo?

Estas são apenas ruído, não a resposta que quero.

A verdadeira questão não é se a IA é suficientemente forte — a máquina a vapor já está pronta, o que importa é quem será o primeiro a desmontar o velho 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 as fábricas em torno da máquina a vapor. O mesmo acontece com 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 a produção em torno da IA.

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

Duas pessoas perceberam isso há muito tempo. Ivan Zhao, CEO da Notion, escreveu no final de 2025 um artigo intitulado Steam, Steel, and Infinite Minds, com uma análise fria: ainda estamos na fase de "substituir as rodas d'água" — acrescentar chatbots de IA às ferramentas existentes, sem redesenhar as fábricas. Leopold Aschenbrenner, ex-funcionário da OpenAI, seguiu outro caminho: escreveu 165 páginas de Situational Awareness, e fundou um fundo que passou de 225 milhões de dólares para 13,68 bilhões, apostando tudo na infraestrutura de IA. Um olha para dentro, o outro aposta no exterior.

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

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

1. A fábrica ainda é a mesma

A maior parte das pessoas passa o dia assim: de manhã, usam IA para escrever um email, poupando dez minutos; depois, gastam duas horas numa reunião semanal que poderiam nem ter acontecido; à tarde, copiam e colam os mesmos dados entre três ferramentas; à noite, publicam uma mensagem no feed a dizer "IA é incrível". Os dez minutos poupados são consumidos pelos processos antigos, sem mudanças.

Da mesma forma, quando a máquina a vapor apareceu, os industriais inicialmente apenas trocaram as rodas d'água por máquinas a vapor, mantendo tudo igual — a fábrica continuava a ficar junto ao rio, com vários andares, com o eixo central a mover toda a linha de produção. Colocamos o ChatGPT no Slack, o Copilot no Office, a janela de chat na workflow — estamos a fazer a mesma coisa. Ferramentas melhoraram, a fábrica não mudou.

Mas trocar de máquina não é o mesmo que mudar a fábrica. McLuhan disse bem:

Nós dirigimos para o futuro de espaldas ao espelho. Usar processos antigos para acomodar novas ferramentas é como os primeiros filmes — eram apenas teatro filmado. O verdadeiro avanço só acontece quando alguém consegue libertar-se completamente da máquina a vapor, redesenhando toda a produção em torno da nova força motriz.

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

Hoje, a linha do tempo foi comprimida drasticamente. Da máquina a vapor à ferrovia, levou 60 anos; da Transformer à explosão de centros de dados, apenas 7 anos.

A velocidade não é o problema, mas onde ficamos presos — nos primeiros quatro passos, ainda estamos na fase de trocar as rodas d'água por máquinas, com a máquina a vapor instalada e a ferrovia a ser construída, mas a forma de produzir permanece igual. O sexto passo é que marca a verdadeira mudança. Provavelmente, estamos presos entre esses dois estágios.

A máquina a vapor já está na mão, mas a fábrica continua igual.

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

A infraestrutura é sempre excessivamente construída. Quem acaba por falir são os investidores, não a infraestrutura.

Em 1846, o Parlamento britânico aprovou 263 leis ferroviárias, autorizando a construção de 9.500 milhas de novas linhas. Na época, o investimento em ferrovias representava 13% do PIB do Reino Unido. As ações ferroviárias podiam ser compradas com um adiantamento de apenas 10%. A classe média encheu as linhas. A bolha estourou em 1847. Um terço das linhas aprovadas nunca foi construída, muitos investidores perderam tudo. Darwin perdeu 60% no mercado ferroviário, embora tivesse mais sorte que a maioria.

Mas 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 atingirá 765 bilhões de dólares, chegando a 1,6 trilhão por ano até 2031. Os grandes provedores de nuvem aumentam seus gastos de capital de cerca de 40% em 2023 para quase 70% em 2025. Investimentos em IA já representam cerca de um quarto de todo o investimento nos EUA. Os 13,68 bilhões de Aschenbrenner apostam nesta camada — não quem vai ganhar com uma aplicação específica, mas na capacidade de computação fundamental.

Este ciclo de capital é semelhante ao desenvolvimento imobiliário. Construir data centers é como construir prédios: o terreno é energia, os materiais são GPUs e armazenamento, os empreiteiros são os construtores, os desenvolvedores são os provedores de nuvem, os inquilinos são as empresas de IA, e o aluguel é a receita de API. O modelo de negócio dos provedores de nuvem é financiar-se com o aluguel — usando a receita de API para cobrir os custos de capital dos data centers, esperando que a explosão de aplicações de IA aumente o valor das empresas.

( Imóveis de computação: uma geração constrói sua infraestrutura )

O risco principal é o mesmo: a queda no preço do API versus o crescimento do volume de chamadas — se o aluguel cair abaixo do limite de pagamento do empréstimo, é o pesadelo dos construtores imobiliários. A lição de 2008 não foi construir casas demais, mas que a estrutura das casas não corresponde às necessidades reais. O risco equivalente na IA é o excesso de capacidade de computação geral, enquanto a capacidade especializada para tarefas de alto valor — como conformidade financeira ou diagnósticos médicos — ainda é escassa.

Railways, imóveis, IA — os investimentos em infraestrutura de três eras compartilham uma regra comum: o excesso de construção é normal, os fornecedores de materiais perdem o poder de definir preços, e o retorno a longo prazo pertence aos proprietários dos "locais estratégicos". Olhem para as carteiras dos fundos de Wall Street no primeiro trimestre — provavelmente 80% estão nesta camada de infraestrutura: NVIDIA, centros de dados, infraestrutura de nuvem. Mas a lição da febre ferroviária é que isso não representa toda a revolução da IA, nem a camada de maior retorno.

Qual é o verdadeiro "local estratégico" da IA? São dados exclusivos de setores específicos, e fluxos de trabalho profundamente integrados. Para o indivíduo, o verdadeiro "local estratégico" não são ações que possui, mas a sua capacidade de julgamento e conhecimento do setor — desde que já tenha redesenhado a sua forma de usar a IA.

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

3. Quem está a desmontar a fábrica

Quem desmonta a fábrica e quem usa IA para aumentar a produtividade não fazem a mesma coisa.

Simon, cofundador da Ivan Zhao, era um "programador dez vezes mais rápido", mas agora escreve pouco código — controla três ou quatro agentes de IA de codificação, com eficiência 30 a 40 vezes maior. A Notion tem agora 1000 funcionários e mais de 700 agentes de IA. A diferença não está nas ferramentas, mas no fato de Simon ter desmontado o seu antigo galpão, enquanto a maioria apenas trocou a roda d'água.

600 milhões de utilizadores na China já usaram ferramentas de IA generativa, crescendo 142% — o maior mercado de IA do mundo. Mas quase nenhuma empresa chinesa redesenhou os seus processos centrais com IA. A maior demanda global, com uma oferta quase inalterada. Este contraste é um sinal: não é que as ferramentas não sejam boas, mas que as organizações não acompanharam. O contexto do trabalho do conhecimento está disperso em dezenas de ferramentas e mentes, a produção é difícil de verificar, ninguém sabe se uma estratégia é eficaz.

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

A Anthropic já está a atuar numa escala maior. Eles lançaram o Índice Econômico, que usa dados reais de uso para mostrar quais tarefas e setores a IA substitui primeiro, e depois criaram uma joint venture com Goldman Sachs, Blackstone e Hellman & Friedman para oferecer serviços de IA nativos; estabeleceram uma aliança global com a KPMG, com 276.000 funcionários acessando o Claude; criaram uma divisão de negócios na Accenture, com 30.000 treinados, focada em finanças, ciências da vida e saúde.

Estas consultoras não são usuárias de IA, mas engenheiras de ferrovias — ajudam as empresas a desmontar fábricas antigas e redesenhar linhas de produção em torno da nova força motriz. Sem esse papel, a maioria dos industriais não saberia por onde começar.

Os sinais já estão a piscar. Um dos mais agudos vem do mercado de trabalho.

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

Se eu fosse um recém-formado, esse número afetaria diretamente a minha procura de emprego. Se fosse gestor, a próxima vaga de nível inicial que contratasse talvez já não fosse uma pessoa.

E a organização a desmontar? E o indivíduo? A minha formação, o meu currículo, a minha experiência acumulada — tudo isso é a minha roda d'água. Antes, impulsionava toda a minha linha de produção, mas a máquina a vapor já chegou. Os diplomas de universidades como a 985 e a 211 já não são uma fortaleza, apenas provam que já construí uma boa fábrica junto ao rio.

A questão agora é: temos capacidade de deixar o rio?

Os dados da Anthropic mostram que, entre os utilizadores que usam IA há mais de 6 meses, a taxa de sucesso nas tarefas é 10% superior à dos novos utilizadores. Quem começou há meio ano já leva vantagem de 10%, e essa diferença vai a juros compostos com o tempo.

Por outro lado, ainda não há nenhuma empresa que tenha falido por não usar IA, pelo menos o meu escritório de advocacia ainda avança com força na área. Os vencedores ainda não foram escolhidos pelo mercado. A curva de aprendizagem é real — quem começou antes já está a ganhar vantagem, mas a maioria ainda está no início.

4. A minha próxima carreira ainda não tem nome

Será que o cargo que tenho hoje vai existir daqui a dez anos? Quantos dos instrumentos que uso há cinco anos ainda existem? Talvez a resposta seja não, mas não sei qual será a sua substituição — porque ela ainda não existe.

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

Antes de construírem a ferrovia, a Grã-Bretanha era um conjunto de economias isoladas. Os preços do algodão em Manchester e Londres podiam diferir em 30%. Cada cidade tinha o seu próprio horário, ninguém via problema nisso. Depois da ferrovia, em vinte anos, tudo mudou. Surgiu o mercado nacional unificado, os preços foram uniformizados; o horário padrão foi criado pela ferrovia, não inventado; os postos de estação, os telégrafos, as agências de viagens — esses trabalhos nem existiam antes da ferrovia.

Antes de construírem a ferrovia, ninguém previa os grandes armazéns. Antes de inventar a máquina a vapor, ninguém previa o horário padrão.

( Vapor, aço e a inteligência infinita da IA )

A história das cidades repete a mesma narrativa. Há alguns séculos, as cidades eram do tamanho do percurso a pé de quarenta minutos — Florença, por exemplo. A estrutura de aço tornou possível arranha-céus, as ferrovias ligaram cidades ao interior, os elevadores, metro e autoestradas vieram a seguir. Tóquio, Chongqing, Dallas — não são versões maiores de Florença, mas novos modos de vida.

O trabalho do conhecimento de hoje também é de escala humana. Equipes de dezenas de pessoas, reuniões e emails a marcar o ritmo, mas quando passam de algumas centenas, já não aguentam. Estamos a construir Florenças com pedra e madeira. A IA torna possível criar "Tóquios" — organizações com milhares de agentes de IA e pessoas, com workflows a funcionar 24/7 em diferentes fusos horários. As reuniões semanais, os planos trimestrais, as revisões anuais podem deixar de fazer sentido.

Simon já não escreve código — agora, "gerencia agentes de IA". Essa posição nem existia há dois anos. O meu próximo cargo, talvez, ainda não tenha nome. Mas alguém já está a construir esse futuro que ainda não conseguimos nomear.

5. Como será a nova fábrica

Depois de desmontar a antiga, o que se constrói? A resposta do YC é: que a própria empresa se melhore a si mesma.

Os seus sistemas internos agora se modificam à noite, por si próprios. Um funcionário envia uma consulta de dia, ela falha. Um agente de supervisão detecta a falha, deduz a causa, escreve código para corrigir, submete para aprovação, implementa. No dia seguinte, a consulta funciona. Tudo acontece enquanto todos dormem.

Este não é um IA que aumenta a produtividade em 30%. É um sistema que completa um ciclo completo de autoaperfeiçoamento, aprendendo a melhorar a si próprio.

Tom Blomfield, parceiro do YC, chamou a esse tipo de organização de "ciclo de IA de autoaperfeiçoamento recursivo". A sua conclusão é direta: a maioria das empresas ainda funciona como um exército romano — camadas de informação a passar de cima para baixo e de baixo para cima, com as pessoas a atuar como condutores de informação. O que a IA quebra não é só a eficiência de um passo, mas a premissa de toda essa estrutura hierárquica.

A nova lógica é: gastar tokens, não pessoas. O gargalo está na capacidade de computação, não na força de trabalho. Os dados do YC mostram que, nas empresas que chegaram ao Demo Day, a receita média por pessoa aumentou cerca de 5 vezes em 18 meses. O papel da gestão intermediária está a ser substituído pela IA — a "colaboração" já não precisa de pessoas. Cada um deve ser um IC, um criador, um operador, com um responsável nomeado para cada tarefa, sem necessidade de comitês.

Outro ponto importante: a empresa deve ser "legível" para a IA. Se algo não fica registado, para a IA, é como se não tivesse acontecido. O YC agora arquiva todos os emails dos parceiros, grava todas as mensagens no Slack e as gravações das horas de escritório. Um parceiro, com 2000 horas de gravações ao longo de três meses, fez a IA gerar um manual interno de 150 páginas — muito melhor que a versão original. Esse manual atualiza-se automaticamente todos os meses, tornando-se um "cérebro vivo" sempre atualizado.

Blomfield deixou uma questão:

Se hoje começasse do zero a construir a sua empresa, adotaria esse modelo? Se a sua empresa já tem uma hierarquia, a questão mais difícil é: o esforço de reconstrução será menor do que continuar a operar como um exército romano?

Quem não está no centro da fábrica, está na periferia — responsável por aquelas áreas onde a IA ainda não consegue chegar: julgamento presencial, novas situações, momentos de alta aposta e emoção. O núcleo da empresa é um "cérebro corporativo" formado por dados, registros e conhecimento do setor. As aplicações que rodam por cima são consumíveis, podem ser regeneradas. O que realmente vale está na mente das pessoas — como o negócio funciona, quais os passos que envolvem julgamento, esse entendimento é o verdadeiro ativo.

Ivan Zhao, em Steam, Steel, and Infinite Minds, descreve exatamente esse lado — uma organização com 1000 funcionários e mais de 700 agentes de IA, onde as pessoas cuidam do julgamento, e os agentes executam. As apostas de Aschenbrenner na infraestrutura de computação, e as de Ivan na reestruturação organizacional, convergem para o mesmo destino: redesenhar a produção em torno da IA, numa nova forma de produzir.

6. Conclusão

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. A sua roda d'água foi desmontada por ele próprio.

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

Não quero prever os grandes armazéns do futuro, quero apenas fazer bem o meu trabalho — garantir que estou na linha da ferrovia, e não à beira de um rio que está a secar.

E tu?