Revolução Industrial de IA, onde estamos atualmente

Escrever por: Will 阿望

No último ano, participei de algumas conferências do setor com tema de IA. Os convidados no palco apresentavam as novidades da IA um após o outro, enquanto o público na plateia segurava o celular, tirava fotos da tela, postava no feed e depois continuava a rolar o feed. Mas ao voltar ao escritório, era a mesma reunião semanal, as mesmas aprovações, os mesmos 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. No feed, aquela turma: hoje Claude revolucionando, amanhã Codex sendo incrível, depois Gemini para sempre — isso é abraçar a revolução ou apenas correr atrás do prejuízo?

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

A verdadeira questão não é se a IA é forte o suficiente — a máquina a vapor já está pronta —, 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 donos das fábricas em 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 indivíduos perceberam isso há muito tempo. O CEO do Notion, Zhao Yiwan, escreveu no final de 2025 um artigo intitulado "Steam, Steel, and Infinite Minds", com uma avaliação fria: ainda estamos na fase de "substituir a roda d'água" — acrescentar chatbots de IA às ferramentas existentes, sem redesenhar a fábrica. Leopold Aschenbrenner, ex-funcionário da OpenAI, seguiu outro caminho: escreveu 165 páginas de "Situational Awareness", depois fundou um fundo que cresceu de 225 milhões para 13,68 bilhões de dólares, apostando tudo na infraestrutura de IA. Um olhando para dentro, outro apostando para fora.

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. A fábrica ou o antigo

A maior parte das pessoas passa o dia assim: de manhã, usa IA para escrever um e-mail, economizando dez minutos; depois passa duas horas numa reunião semanal que poderia nem acontecer; à tarde, copia e cola os mesmos dados entre três ferramentas diferentes; à noite, posta no feed dizendo "IA é incrível". Os dez minutos economizados foram completamente consumidos pelos processos antigos, intactos.

Da mesma forma, quando a máquina a vapor surgiu, os donos de fábricas inicialmente apenas trocaram as rodas d'água por máquinas a vapor, mantendo tudo igual — a fábrica ainda ficava às margens do rio, ainda tinha vários andares, ainda tinha eixo central movendo toda a linha de produção. Nós colocamos o ChatGPT no Slack, o Copilot no Office, a janela de chat de IA na workflow — estamos fazendo a mesma coisa. A ferramenta foi atualizada, mas a fábrica não mudou.

Porém, trocar a máquina não é trocar a fábrica. McLuhan disse bem:

Nós dirigimos olhando pelo espelho retrovisor. Usar processos antigos para acomodar novas ferramentas é como os primeiros filmes — eram apenas peças de teatro filmadas. O verdadeiro avanço só acontece quando alguém consegue libertar a máquina a vapor do rio e redesenhar toda a produção ao redor 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. A Revolução Industrial levou 60 anos do motor a vapor à febre ferroviária, enquanto a IA, do Transformer à onda de construção de data centers, levou apenas 7 anos.

Velocidade não é o problema; o problema é onde estamos presos — os quatro primeiros passos ainda são a fase de trocar máquinas antigas por novas, a máquina a vapor foi instalada, as ferrovias estão sendo construídas, mas a forma de produzir permanece a mesma. O sexto passo é o verdadeiro divisor de águas. Provavelmente estamos presos entre esses dois.

A máquina a vapor já está na mão, mas a fábrica ainda é antiga.

2. Todo o capital na camada mais distante da fábrica

A infraestrutura sempre é superdimensionada. Quem acaba falindo são os investidores, não a infraestrutura.

Em 1846, o Parlamento Britânico aprovou 263 leis de ferrovias, autorizando a construção de 9.500 milhas de novas linhas. Na época, o investimento em ferrovias chegou a representar 13% do PIB do Reino Unido. As ações ferroviárias podiam ser compradas com um adiantamento de apenas 10%, e a classe média se apressou a investir. A bolha estourou em 1847. Um terço das linhas aprovadas nunca foi construída, e muitos investidores perderam tudo. Darwin perdeu 60% de seu investimento em ações ferroviárias — mas, mesmo assim, teve 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 gasto global em infraestrutura de IA deve atingir 765 bilhões de dólares, chegando a 1,6 trilhão por ano até 2031. Os grandes provedores de nuvem aumentam seus investimentos de cerca de 40% do fluxo de caixa operacional 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 nessa camada — ele não aposta 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: o terreno é 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 o aluguel é a receita de API. O modelo de negócio das nuvens é financiar com 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 dos ativos.

( Imóveis de capacidade de cálculo: uma geração constrói sua infraestrutura )

O risco principal também é o mesmo: a queda no preço do API, será compensada pelo crescimento do volume de chamadas? Se o aluguel cair abaixo do limite de pagamento — esse é o pesadelo mais familiar para quem constrói imóveis. A lição de 2008 não foi construir demais, mas que a estrutura das casas não corresponde à demanda real. O risco equivalente na IA é o excesso de capacidade de cálculo geral, enquanto a capacidade especializada para lidar com cenários de alto valor, como conformidade financeira ou diagnósticos médicos, ainda é escassa.

Railways, imóveis, IA — investimentos em infraestrutura de três eras compartilham a mesma regra: superdimensionar é normal, os fornecedores de materiais sempre perdem o poder de definir preços, e o retorno a longo prazo sempre pertence aos proprietários de "localizações estratégicas". Basta olhar as carteiras do primeiro trimestre das fundações de Wall Street — provavelmente 80% estão nesse nível de infraestrutura: NVIDIA, data centers, infraestrutura de nuvem. Mas o entusiasmo ferroviário nos ensinou que isso não é toda a revolução da IA, nem mesmo a camada que oferece o 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 é a ação que possui, mas sua capacidade de julgamento e conhecimento do setor — desde que já tenha reconstruído a sua forma de usar esses dados com IA.

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

3. Quem está desmontando a fábrica

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

Simon, cofundador do Zhao Yiwan, era um "programador dez vezes mais rápido", mas agora escreve pouco código — ele controla três ou quatro agentes de IA para codificar, com eficiência de 30 a 40 vezes maior. O Notion tem hoje 1.000 funcionários e mais de 700 agentes de IA. A diferença não está na ferramenta, mas no fato de Simon ter desmontado seu antigo galpão, enquanto a maioria apenas trocou a roda d'água.

600 milhões de usuários na China já usaram ferramentas de IA generativa, crescendo 142% — o maior mercado de demanda global por IA. Mas quase nenhuma empresa chinesa reconstruiu seus processos centrais ao redor da IA. A maior demanda do mundo, com uma oferta quase imóvel. Essa contradição é um sinal: não é que as ferramentas não sejam boas o suficiente, 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 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 atuam: criaram uma joint venture de serviços de empresas nativas de IA com Goldman Sachs, Blackstone e Hellman & Friedman; estabeleceram uma aliança global com KPMG, com 276.000 funcionários acessando Claude; a Accenture criou um grupo de negócios, com 30.000 treinados, focado em finanças, ciências da vida e saúde.

O papel dessas consultorias não é usar IA, mas construir as ferrovias da IA — eles não fabricam máquinas a vapor nem pavimentam trilhos, ajudam as empresas a desmontar fábricas antigas e redesenhar linhas de produção ao redor da nova força motriz. Sem esse papel, a maioria dos donos de fábricas não saberia por onde começar.

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

Jovens de 22 a 25 anos, em profissões altamente expostas à IA, têm 14% menos chances 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 número afetaria diretamente minha busca por emprego. Se eu fosse um gestor, a próxima turma de vagas iniciais talvez nem seja mais para pessoas.

E a organização está desmontando, e o indivíduo? Meu diploma, meu currículo, minha experiência acumulada — tudo isso é minha roda d'água. Elas já impulsionaram toda a minha linha de produção, mas a máquina a vapor já chegou. Os títulos de universidades como 985 e 211 não são mais uma barreira — só provam que eu já construí uma boa fábrica às margens do rio.

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

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

Porém, até agora, nenhuma empresa que não usa IA quebrou, 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 acumulando vantagem, mas a maioria ainda está no começo.

4. Meu próximo trabalho ainda não tem nome

Será que meu cargo atual vai existir daqui a dez anos? Quantos dos ferramentas que uso todos os dias ainda estarão aqui daqui a cinco anos? Talvez a resposta seja 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 economia do Reino Unido era composta por regiões isoladas. O preço do algodão em Manchester podia diferir em até 30% do de Londres. Cada cidade tinha seu próprio padrão de horário, ninguém via problema nisso. Depois que a ferrovia foi construída, em vinte anos tudo mudou. O mercado nacional unificado apareceu pela primeira vez, as diferenças de preço desapareceram; o horário padrão foi criado pela ferrovia, não inventado; os trabalhos de estações, telegrafistas, agentes de viagem — esses empregos simplesmente não existiam antes da ferrovia.

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

( Vapor, aço e a inteligência infinita da IA )

A história das cidades repete a mesma narrativa. Há séculos, as cidades eram do tamanho de uma pessoa — quarenta minutos a pé atravessando Florença. A estrutura de aço tornou possível arranha-céus, as ferrovias conectaram cidades ao interior, elevadores, metrôs, rodovias vieram depois. Tóquio, Chongqing, Dallas — não são versões maiores de Florença, mas novos modos de vida.

Hoje, o trabalho do conhecimento também é em escala humana. Equipes de dezenas de pessoas, reuniões e e-mails que definem o ritmo, além de algumas centenas de pessoas já é demais. Estamos construindo Florença com pedra e madeira. A IA torna possível "Tóquio" — organizações com milhares de agentes de IA e pessoas, com fluxos de trabalho que funcionam 24 horas, em diferentes fusos horários. As reuniões semanais, planejamentos trimestrais, revisões anuais podem não fazer mais sentido.

Simon já não escreve código — seu trabalho agora é "gerenciar agentes de IA". Essa posição nem existia há dois anos. Meu próximo cargo, talvez, ainda não tenha nome. Mas alguém já está construindo esse futuro que ainda não podemos nomear.

5. Como será a nova fábrica

Depois de desmontar o antigo galpão, o que construir? A resposta do YC é: deixar a empresa se melhorar sozinha.

Eles têm um sistema interno que, à noite, atualiza seu próprio código. Um funcionário envia uma consulta de dia, ela falha. Um agente de supervisão detecta a falha, deduz a causa, escreve o código para corrigir, envia para revisão, implanta. No dia seguinte, a mesma 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 por si só.

Tom Blomfield, parceiro do YC, chamou esse tipo de organização de "ciclo de autoaperfeiçoamento recursivo de IA". Sua avaliação é direta: a maioria das empresas ainda funciona como o exército romano — comandos de cima para baixo, informações passando de um nível ao outro, pessoas atuando como condutores de dados. O que a IA destrói não é só a eficiência de um passo, mas a premissa de toda essa estrutura hierárquica.

A nova lógica é: queime tokens, não pessoas. O gargalo está mudando de mão de obra para capacidade de cálculo. Os dados do YC mostram que as empresas que chegaram ao Demo Day têm uma receita por pessoa cerca de cinco vezes maior do que há 18 meses. O papel da gestão intermediária está sendo assumido pela IA — "colaboração" não precisa mais de pessoas. Cada um deve ser um IC, um criador, um operador, com um responsável nomeado — sem comitês.

Outro ponto: a empresa precisa ser "legível" para IA. O que não fica registrado, para IA, não aconteceu. O YC agora armazena todos os e-mails dos parceiros, grava todas as mensagens no Slack e as gravações das horas de escritório. Uma parceria usou 2.000 horas de gravação em três meses para gerar uma manual interno de 150 páginas — muito melhor que a versão original. Essa manual é atualizada automaticamente todo mês, virando um "cérebro vivo" sempre atualizado.

Blomfield deixou uma questão:

Se você começasse sua empresa do zero hoje, adotaria esse modelo? Se sua empresa já tem uma estrutura hierárquica, a questão mais difícil é: o esforço de reconstrução seria menor do que continuar na mesma rota do exército romano?

As pessoas não estão mais no centro da fábrica, estão na periferia — responsáveis por áreas onde a IA ainda não consegue atuar: julgamento offline, cenários inéditos, momentos de alta aposta e emoção. O "cérebro" da empresa é formado por dados, registros e conhecimento do setor. Os softwares que rodam nele são consumíveis, podem ser gerados e regenerados. O valor está na mente humana — como o negócio funciona, quais passos envolvem julgamento, essas compreensões são o verdadeiro ativo.

O que Zhao Yiwan descreve em "Steam, Steel, and Infinite Minds" é exatamente esse outro lado — uma organização com mil funcionários e mais de 700 agentes de IA, onde as pessoas cuidam do julgamento, e os agentes executam. Aschenbrenner aposta na infraestrutura de cálculo, Zhao Yiwan aposta na reconstrução organizacional. Ambos apontam para o mesmo destino: uma nova forma de produção ao redor da IA.

6. Encerramento

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

Onde estamos? Simon já não escreve código. Sua roda d'água foi desmontada por ele mesmo.

A questão nunca foi se a máquina a vapor é boa o suficiente; é quem desmonta o antigo primeiro.

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

E você?