A lógica começa pela demografia. Enquanto países ricos envelhecem e enfrentam populações estagnadas, regiões da África, da Ásia e da América Latina continuarão incorporando milhões de pessoas às cidades e ao mercado consumidor. Mais gente não garante prosperidade, mas significa mais trabalhadores, mais moradias, mais alimentos, mais serviços, mais energia e mais demanda.

Esse movimento tende a produzir uma reação em cadeia. O crescimento populacional amplia o consumo, o consumo atrai empresas, as empresas estimulam investimentos e os investimentos podem elevar o PIB. É por isso que projeções de longo prazo, como as do Goldman Sachs, colocam China, Índia, Indonésia, Nigéria, Paquistão, Egito e Brasil entre as maiores economias do mundo em 2075.

Projeções para daqui a cinquenta anos não são profecias. Países podem errar na educação, nas instituições, na infraestrutura e na gestão econômica, impedindo que o potencial se transforme em riqueza. Ainda assim, o sinal é importante: o centro de gravidade da economia mundial deverá se deslocar gradualmente para o Sul Global.

A China percebeu esse movimento antes de muita gente. Pequim sabe que não basta vender produtos para esses mercados. É mais estratégico construir as infraestruturas que permitirão seu funcionamento. Quem fornece redes de telecomunicações, satélites, sistemas de pagamento, nuvem, inteligência artificial e financiamento passa a ocupar uma posição privilegiada por décadas.

A independência incompleta do Sul

Durante séculos, grande parte do Sul Global funcionou como fornecedora de matérias-primas para as economias mais desenvolvidas. Exportava alimentos, petróleo, minério e produtos básicos, enquanto importava máquinas, medicamentos, tecnologia e conhecimento. A independência política chegou, mas a dependência econômica permaneceu em diferentes formatos.

Na economia digital, essa relação se tornou ainda mais profunda. Muitos países possuem consumidores, aplicativos e empresas locais, mas dependem de tecnologias estrangeiras para que tudo funcione. GPS, serviços de nuvem, chips, sistemas operacionais, plataformas digitais e modelos de inteligência artificial estão concentrados em poucas empresas e potências.

O problema não é simplesmente utilizar tecnologia estrangeira. Nenhum país moderno consegue produzir sozinho tudo aquilo de que necessita. A vulnerabilidade aparece quando setores essenciais dependem de um único fornecedor, de um único padrão ou de uma infraestrutura que pode ser restringida por decisões tomadas do outro lado do mundo.

Um país pode ter bancos, aplicativos, indústrias e milhões de usuários, mas continuar sem controlar as camadas fundamentais da economia digital. Ele produz dados e demanda, mas depende de terceiros para armazenar, processar e transformar essas informações em valor. É uma espécie de dependência colonial adaptada ao século XXI.

A alternativa oferecida pela China

A China passou as últimas décadas construindo alternativas próprias em setores considerados estratégicos. Desenvolveu o sistema de navegação BeiDou, expandiu empresas de telecomunicações, investiu em semicondutores, inteligência artificial, baterias, veículos elétricos, nuvem e plataformas digitais. Agora, procura levar parte dessa infraestrutura para outros mercados emergentes.

A oferta chinesa é atraente porque reduz a dependência exclusiva dos Estados Unidos e da Europa. Países que antes tinham apenas um caminho tecnológico passam a contar com uma segunda opção, normalmente acompanhada de financiamento e execução rápida. Para governos com pouco capital e grandes necessidades de infraestrutura, essa combinação é difícil de ignorar.

Entretanto, reduzir uma dependência não significa necessariamente conquistar autonomia. Quando um país adota equipamentos, padrões, crédito, plataformas e serviços chineses, pode diminuir sua exposição ao Ocidente, mas também pode criar uma nova relação de dependência com Pequim. A questão central não é apenas de onde vem a tecnologia, mas quem controla suas partes críticas.

Infraestrutura cria vínculos muito mais duradouros do que a venda de um produto. Ela envolve manutenção, atualização, treinamento, integração, circulação de dados, financiamento e contratos de longo prazo. Quem constrói a estrada tecnológica costuma influenciar quais empresas, padrões e interesses circularão por ela.

É nesse ponto que a busca por autossuficiência do Sul Global se mistura ao plano de influência da China. Pequim oferece uma narrativa de emancipação: os países emergentes não precisam continuar subordinados às estruturas criadas pelo Norte. Ao mesmo tempo, posiciona suas próprias empresas e tecnologias como base dessa nova independência.

O papel estratégico do Brasil

O Brasil ocupa uma posição especialmente relevante nessa disputa. O país reúne população, mercado consumidor, produção de alimentos, energia, minerais estratégicos, capacidade industrial e influência diplomática. Além disso, é uma das poucas economias do Sul Global com escala suficiente para dialogar com Estados Unidos, Europa e China sem depender totalmente de apenas um deles.

Para Pequim, o Brasil pode ser parceiro comercial, fornecedor de recursos e porta de entrada para a América Latina. Para o Brasil, a aproximação pode trazer investimentos, infraestrutura, acesso a tecnologias e maior poder de negociação. O risco aparece quando a parceria se resume à exportação de produtos básicos e à importação de sistemas prontos.

A verdadeira oportunidade brasileira não está em substituir uma dependência americana por uma dependência chinesa. Está em usar a competição entre as potências para desenvolver conhecimento, empresas, infraestrutura e capacidade tecnológica próprias. Uma boa parceria deve deixar no país mais competência, e não apenas mais equipamentos.

Isso exige negociar transferência de tecnologia, formação de profissionais, pesquisa local, participação de empresas brasileiras e diversificação de fornecedores. Sem essas condições, o país pode modernizar sua infraestrutura sem aumentar sua autonomia. Ter tecnologia instalada não significa necessariamente compreender, controlar ou ser capaz de substituí-la.

Autossuficiência não significa isolamento

Nenhum país será completamente autossuficiente em chips, satélites, medicamentos, energia, inteligência artificial e equipamentos industriais. Nem mesmo Estados Unidos ou China controlam integralmente todas as cadeias de que dependem. A interdependência continuará sendo uma característica central da economia mundial.

Autossuficiência, portanto, não deve significar fabricar tudo dentro das próprias fronteiras. Significa evitar que uma única empresa ou potência tenha capacidade de interromper setores essenciais da economia. Significa possuir alternativas, conhecimento local, fornecedores diversos, infraestrutura crítica e poder para negociar sem aceitar qualquer condição.

A China entendeu que o Sul Global será uma das principais fontes de crescimento deste século. Por isso, quer fornecer os satélites, as redes, as plataformas, o crédito e os sistemas que sustentarão essa expansão. Não está apenas disputando os consumidores do futuro, mas tentando construir a infraestrutura sobre a qual esses consumidores viverão.

A promessa chinesa é ajudar o Sul Global a reduzir sua dependência histórica do Norte. A oportunidade é real, mas o dilema também. Sem uma estratégia própria, os países emergentes podem acreditar que estão conquistando independência quando, na prática, apenas mudaram o endereço de quem controla sua dependência.

Leia também

Eles rebobinavam fitas cassete com uma caneta.

Decoravam dezenas de números de telefone.

Esperavam dias, às vezes semanas, pela chegada de uma carta.

Faziam pesquisas em enciclopédias.

Usavam mapas de papel para viajar.

E viveram boa parte da juventude sem internet, sem smartphones e sem redes sociais.

Poucos imaginavam que seriam justamente essas pessoas as protagonistas da maior transformação tecnológica da história.

Porque, ao longo das últimas décadas, essa geração precisou atravessar um verdadeiro abismo.

Saiu das máquinas de escrever para os computadores.

Do fax para o e-mail.

Dos disquetes para a nuvem.

Dos CDs aos serviços de streaming.

Dos telefones fixos aos smartphones.

E, agora, dos mecanismos de busca para a inteligência artificial.

Não foi uma mudança.

Foram dezenas delas.

E todas aconteceram durante uma única vida profissional.

Talvez por isso exista uma característica que define essa geração melhor do que qualquer outra.

A capacidade de se reinventar.

Muitos dos atuais CEOs lideraram empresas muito antes da internet existir.

Professores trocaram o giz pelo tablet.

Médicos passaram dos prontuários em papel para sistemas digitais.

Empreendedores abriram seus primeiros e-commerces depois dos cinquenta anos.

Profissionais aprenderam programação, análise de dados e ferramentas digitais quando muita gente dizia que já era tarde demais.

Eles nunca foram chamados de nativos digitais.

Mas talvez tenham se tornado algo ainda mais valioso.

Imigrantes digitais.

Pessoas que precisaram aprender um idioma completamente novo enquanto o mundo mudava ao seu redor.

Sem tutoriais.

Sem cursos online.

Sem inteligência artificial para responder dúvidas em segundos.

Aprenderam porque não havia alternativa.

E conseguiram.

Essa talvez seja uma das maiores demonstrações de adaptabilidade da história recente.

Mas existe um motivo ainda mais importante para olharmos para essa trajetória.

Porque estamos novamente diante de uma mudança de era.

Se, nas últimas décadas, atravessamos a transição do mundo analógico para o digital, agora começamos outra travessia.

A passagem da era digital para a era da inteligência artificial.

Novamente surgem ferramentas desconhecidas.

Novamente profissões começam a mudar.

Novamente competências precisam ser reaprendidas.

A diferença é que, desta vez, quem tem vinte ou trinta anos ocupa a posição que aquela geração ocupava décadas atrás.

Hoje, muitos jovens se sentem completamente confortáveis com tecnologia.

Mas a IA generativa, os agentes autônomos, a robótica e os novos modelos de trabalho exigirão exatamente a mesma habilidade que foi exigida da geração anterior.

Desaprender.

Aprender novamente.

Aceitar que aquilo que hoje parece definitivo talvez se torne obsoleto muito mais rápido do que imaginamos.

Talvez seja por isso que celebrar essa geração não seja um exercício de nostalgia.

É um exercício de perspectiva.

Ela nos lembra que nenhuma transformação tecnológica é impossível de ser atravessada.

Que ninguém nasce preparado para grandes mudanças.

E que a capacidade mais importante nunca foi dominar uma ferramenta específica.

Sempre foi continuar aprendendo.

Existe uma frase que resume bem essa ideia.

O futuro pertence menos àqueles que sabem mais.

E muito mais àqueles que aprendem mais rápido.

No fim, a geração que saiu das fitas cassete e chegou à inteligência artificial nos deixa uma lição extremamente atual.

Não importa onde você começou.

Importa apenas se continua disposto a evoluir.

Porque toda geração acredita que domina o presente.

Mas toda geração, cedo ou tarde, precisará aprender a viver dentro de um futuro que ainda não existe.

E a próxima travessia já começou.

Veja também:

Nos últimos três anos, pelo menos 28 empresas listadas nas bolsas americanas, de setores que vão do tratamento de câncer à mineração de ouro, mudaram de nome para incorporar termos ligados à IA ou sinalizar uma suposta guinada tecnológica. A fabricante de calçados esportivos Allbirds virou Smartbird e anunciou que passaria a vender servidores equipados com chips de IA. A Hoth Therapeutics, uma farmacêutica que desenvolvia tratamentos oncológicos, renomeou-se Rocket One e declarou foco em semicondutores e “economia orbital”, dois meses depois de seu próprio auditor questionar se a empresa tinha condições de continuar operando. Uma companhia de ações no mercado de balcão mudou de nome quatro vezes: começou como um negócio de golfe, virou mineradora de ouro em Honduras, migrou para construção civil e, na última iteração, incorporou IA ao nome.

Os casos são quase cômicos quando examinados individualmente. Mas o padrão que formam, quando vistos em conjunto, conta uma história muito mais séria sobre o que mudou na relação entre o mercado financeiro e a inteligência artificial.

Uma análise do Financial Times publicada na última semana confirma o que nossa intuição, diante do exposto, já sugeria: a maioria dessas empresas desfrutou de um impulso inicial expressivo nas ações após o anúncio da mudança, mas mais da metade dos ganhos já evaporou, com sete delas valendo menos hoje do que antes do rebranding. O mercado, que durante dois anos comprou a narrativa de IA com apetite quase indiscriminado, começou a cobrar algo que nenhum nome novo consegue fornecer: resultados.

Essa transição é mais importante do que os casos folclóricos que a ilustram, porque ela marca a passagem de uma fase para outra na maturação econômica da inteligência artificial. E vale a pena reconstruir essa cronologia com atenção, porque ela revela um arco que já vimos antes e que, desta vez, está se desenrolando em velocidade acelerada.

Em 2023, bastava anunciar que a empresa estava “investindo em IA” para que o mercado reagisse. A mera menção da tecnologia em uma teleconferência de resultados produzia movimentos visíveis no preço das ações. Nessa fase, a IA era pura narrativa: uma promessa de transformação futura que o investidor comprava na confiança de que o potencial era real, sem exigir evidência de que o potencial já estava se convertendo em resultado.

Em 2024, a barra subiu ligeiramente. Já não bastava anunciar. Era preciso mostrar algo. Empresas lançaram chatbots internos, interfaces conversacionais voltadas ao cliente e ferramentas de produtividade rebatizadas com o prefixo “AI”. Muitas dessas iniciativas eram superficiais, integrações apressadas de modelos de linguagem em produtos que já existiam, mas o mercado ainda aceitava o gesto como prova de intenção. O importante era ter um produto com IA para mostrar, mesmo que ele ainda não tivesse impacto mensurável nos resultados financeiros.

Em 2025, a narrativa atingiu o ponto de saturação. Com centenas de empresas reivindicando o rótulo de “empresa de IA”, o diferencial deixou de existir. Foi nesse momento que o oportunismo mais superficial floresceu: trocar o nome, mudar o setor declarado nos relatórios anuais, reposicionar a marca visualmente. É a fase em que a Allbirds vira Smartbird, em que a Hoth Therapeutics vira Rocket One, em que uma mineradora de ouro descobre vocação para inteligência artificial. É também a fase em que a SEC americana começou a combater o que passou a chamar de “AI washing”, a prática de exagerar ou alegar falsamente o uso de IA, multando consultores de investimento e startups que induziram investidores ao erro sobre suas reais capacidades tecnológicas.

E 2026 marca a inflexão. O mercado parou de comprar promessas e passou a exigir demonstrações concretas de retorno. As dúvidas sobre se os investimentos bilionários das grandes empresas de infraestrutura de nuvem estão de fato gerando receita proporcional ao capital investido se tornaram tema central nas teleconferências de resultados. A concorrência de modelos chineses de código aberto, como analisamos em edições recentes, comprime as margens de quem vende IA proprietária. E a perspectiva de juros americanos elevados por mais tempo reduz a tolerância do investidor com apostas de longo prazo que ainda não se pagaram. O resultado é uma rotação dentro do próprio mercado de tecnologia, com capital saindo das empresas que lideraram o rali da IA e buscando oportunidades em setores onde os múltiplos estão mais ancorados em resultados do que em expectativas.

Essa cronologia, contudo, exige uma distinção que o debate público frequentemente ignora, e que é fundamental para qualquer líder que esteja avaliando onde está a IA real em meio ao ruído. Existe uma diferença abismal entre empresas que acrescentam “AI” ao nome como estratégia de marketing e empresas que reconstruíram seus modelos de negócio em torno da inteligência artificial. Colocar as duas no mesmo plano é um erro analítico que distorce a leitura do mercado e pode levar a conclusões perigosamente equivocadas.

A Microsoft, por exemplo, não adicionou “AI” ao nome. Ela reorganizou sua plataforma de nuvem, integrou o Copilot em toda a suíte de produtividade, investiu bilhões na OpenAI e na Anthropic e transformou a IA generativa em uma fonte de receita recorrente que já aparece nos balanços trimestrais. A Meta não rebatizou o Facebook com um sufixo de inteligência artificial. Ela reestruturou sua infraestrutura de recomendação, investiu pesadamente em modelos abertos com a família Llama e posicionou a IA como o motor que sustenta a monetização de suas plataformas. A Palantir, a ServiceNow e a Salesforce fizeram movimentos análogos: não venderam uma narrativa, mas construíram produtos que geram valor mensurável e que seus clientes pagam para usar. Nesses casos, a IA não é um rótulo. É um ativo operacional.

A confusão entre esses dois grupos, o das empresas que praticam AI washing e o das empresas que praticam AI building, é perigosa porque pode gerar um ceticismo indiscriminado que prejudica exatamente quem está fazendo a coisa certa. Quando o mercado olha para a Smartbird, para a Rocket One e para as dezenas de micro-caps que trocaram de nome e conclui que “o hype de IA acabou”, está cometendo o mesmo erro que cometeu depois do estouro da bolha pontocom, quando a desconfiança generalizada com empresas de internet varreu indistintamente as fraudes e as empresas que, de fato, estavam construindo a infraestrutura do futuro digital. A Amazon caiu 90% entre 2000 e 2002. A Google abriu capital em 2004, em meio ao ceticismo pós-bolha, e se tornou uma das empresas mais valiosas da história. O problema não era a internet. Eram as empresas que fingiam ser de internet. E o mesmo princípio se aplica agora.

O que o fenômeno do AI washing revela, quando lido com a profundidade que merece, é que a inteligência artificial está completando uma transição que toda tecnologia transformadora precisa atravessar para se consolidar: a passagem de narrativa financeira para infraestrutura econômica. Enquanto a IA era uma história que o mercado comprava por antecipação, qualquer empresa podia reivindicar participação nessa história simplesmente trocando o nome. Agora que o mercado exige resultados, o nome já não basta. É preciso mostrar receita, eficiência operacional, produtos que funcionam e clientes que pagam. E essa exigência, longe de ser um sinal de que o entusiasmo com a IA está acabando, é exatamente o oposto: é o sinal de que a IA está amadurecendo o suficiente para ser avaliada pelo que entrega, não pelo que promete.

Para quem lidera negócios, a lição é direta e vale ser internalizada: o ciclo em que bastava dizer “somos uma empresa de IA” para atrair capital, talentos e atenção chegou ao fim. O que vem agora é o ciclo da demonstração, em que o mercado vai separar, com crescente severidade, quem usa a IA como etiqueta de quem a usa como motor. E a história sugere que é exatamente nesse ponto, quando o hype recua e a exigência avança, que as oportunidades mais duradouras se formam. Porque o dinheiro que foge das Smartbirds do mundo não desaparece. Ele migra para as empresas que, em vez de trocar de nome, transformaram o negócio. E a pergunta que resta para cada líder é simples: quando o mercado olhar para a sua empresa, vai encontrar um rótulo ou um resultado?

Leia também:

Setenta e um anos depois, a Disneyland recebe mais de 18 milhões de visitantes por ano e o conglomerado que ela inaugurou vale centenas de bilhões de dólares. A lição que Disney entendeu antes de qualquer MBA formalizá-la permanece como uma das mais poderosas do capitalismo: quem controla a experiência inteira, da história ao parque, do personagem à mercadoria, captura um valor que quem opera apenas uma parte nunca alcança.

As notícias de hoje são, todas elas, versões contemporâneas dessa lição. Uma plataforma de mobilidade que compra o delivery global para se tornar um super app. Uma farmacêutica que salta da obesidade para a saúde mental. Montadoras chinesas que chegam ao topo do mercado premium brasileiro. E uma organização internacional de IA criada pela China para capturar os países que Washington está empurrando para fora de sua órbita.

A Uber Paga US$ 14,8 Bilhões para Dominar o Delivery Global

A Uber fechou a aquisição da alemã Delivery Hero por US$ 14,8 bilhões, numa das maiores operações do setor de tecnologia em 2026. Juntas, as duas empresas passam a operar em 99 países com um volume combinado de pedidos de US$ 236 bilhões em 2025. O movimento consolida a Uber como a maior plataforma de mobilidade e entrega do planeta e responde a uma ameaça concreta: a DoorDash, sua principal rival americana, que vinha se expandindo de forma agressiva fora dos Estados Unidos, e a janela para contê-la estava se fechando. A Uber, sob a ótica dessa ameaça, decidiu que era mais barato comprar o mercado do que disputá-lo país por país.

Mas a lógica da aquisição vai além de conter a DoorDash. Os dados internos da Uber mostram que clientes que utilizam tanto mobilidade quanto delivery gastam, em média, três vezes mais do que usuários de um único serviço. Ao absorver a Delivery Hero e suas marcas em dezenas de mercados, a Uber acelera a construção do que a indústria chama de super app, uma plataforma única que concentra transporte, comida, supermercado, farmácia e, eventualmente, serviços financeiros no mesmo aplicativo, criando um ciclo de engajamento diário em que o usuário depende da plataforma para diferentes momentos do dia.

É a mesma estratégia que o WeChat executa na China e que o Mercado Livre construiu na América Latina: quanto mais serviços você oferece, mais dados você coleta; quanto mais dados você coleta, mais personalizada e difícil de abandonar a plataforma se torna.

O risco, contudo, é proporcional à ambição. Integrar uma empresa de US$ 14,8 bilhões que opera em dezenas de mercados com regulações diferentes, culturas de consumo distintas e equipes que nunca trabalharam juntas é o tipo de operação que produz sinergias no PowerPoint e dores de cabeça na execução. E a história recente do setor de delivery está cheia de fusões que pareciam lógicas no anúncio e se mostraram destrutivas na prática.

Da Uber, que na semana passada fazia lobby para proteger seus motoristas humanos de robotáxis, a mensagem que nos é passada é de que a empresa sabe que seu negócio de mobilidade está sob a ameaça existencial da automação e precisa de uma segunda fonte de receita que não dependa de motoristas humanos para existir. O delivery é essa fonte. E agora, com 99 países e US$ 236 bilhões em volume, é grande o suficiente para justificar a avaliação trilionária que a Uber almeja.

A Eli Lilly Aposta US$ 3,8 Bilhões em Psicodélicos

A Eli Lilly, fabricante do Mounjaro e uma das maiores beneficiárias da revolução das canetas emagrecedoras, anunciou a aquisição da biofarmacêutica AtaiBeckley por até US$ 3,8 bilhões. Com a compra, a empresa passa a controlar o BPL-003, um spray nasal à base de um composto psicodélico sintético voltado ao tratamento da depressão resistente, uma condição em que pacientes não respondem às terapias convencionais e que afeta, segundo estimativas, mais de 100 milhões de pessoas no mundo. O mercado reagiu com entusiasmo à aquisição: as ações da AtaiBeckley dispararam mais de 32% após o anúncio.

A operação marca a entrada da Eli Lilly na corrida entre as grandes farmacêuticas pelo desenvolvimento de terapias baseadas em psicodélicos, um segmento que vem ganhando momento diante do reconhecimento crescente de que os antidepressivos tradicionais, que dominam o mercado há décadas, simplesmente não funcionam para uma parcela significativa dos pacientes. O timing regulatório também ajuda, pois em abril, o presidente Trump assinou uma ordem executiva determinando que os órgãos reguladores acelerem a análise de determinados tratamentos psicodélicos e ampliem o financiamento federal para pesquisas na área.

Deste modo, analistas projetam que o BPL-003 pode gerar entre US$ 1 e US$ 2 bilhões em vendas anuais, e que o mercado de terapias psicodélicas como um todo poderá movimentar cerca de US$ 12 bilhões até 2034, superando o mercado de antidepressivos de marca, atualmente estimado em US$ 8 bilhões.

Para a Eli Lilly, a aposta faz parte de uma estratégia que se tornou visível nos últimos meses: usar o caixa gerado pelo Mounjaro, que segue entre os medicamentos mais vendidos do planeta, para construir um portfólio de saúde que abranja obesidade, diabetes, saúde mental e, mais recentemente, vacinas, após a aquisição de três desenvolvedoras do segmento em maio por quase US$ 4 bilhões.

A lógica é a de uma empresa que entendeu que o paciente que trata a obesidade com Mounjaro frequentemente também enfrenta depressão, ansiedade e outras condições crônicas, e que oferecer tratamentos para todas elas dentro do mesmo ecossistema farmacêutico cria o tipo de recorrência e fidelidade que o mercado de saúde sempre perseguiu, mas raramente conseguiu construir em escala. É, no fundo, a mesma lógica de um super app, só que com medicamentos em vez de aplicativos.

As Marcas Chinesas Já São 44% do Mercado Premium Brasileiro

Em junho, as montadoras chinesas alcançaram 44% dos emplacamentos de veículos premium no Brasil. O principal responsável foi a Denza, marca da BYD que, apenas sete meses após estrear no país, colocou seu SUV híbrido B5 na liderança absoluta do segmento, com 566 unidades vendidas, superando, assim, modelos consagrados da BMW, Volvo, Mercedes-Benz e Audi. No acumulado do ano, a BMW ainda lidera, mas a velocidade com que a Denza escalou de zero a líder mensal num mercado que europeus dominaram por décadas é, por si só, algo que deveria tirar o sono de Munique e Stuttgart.

O avanço chinês no segmento premium reflete uma combinação de fatores que as montadoras europeias subestimaram. As fabricantes chinesas oferecem veículos eletrificados com maior conteúdo tecnológico, disponibilizando telas maiores, integração com assistentes de IA, atualizações de software remotas… a preços que as marcas tradicionais não conseguem igualar por conta de suas estruturas de custo.

E o consumidor brasileiro de alta renda, que historicamente comprava um carro alemão pelo prestígio da marca, está descobrindo que um SUV chinês oferece mais tecnologia, mais equipamento e por um preço mais competitivo. A tradição da marca, que durante décadas foi o diferencial do segmento premium, começa a perder peso diante da inovação e do custo-benefício. É uma mudança de comportamento que, uma vez consolidada, dificilmente se reverte.

Ainda, os números do mercado mais amplo confirmam, também, essa tendência. Nos primeiros quinze dias de julho, veículos eletrificados já representaram 23,6% de todos os automóveis emplacados no Brasil, com mais de 25 mil unidades vendidas – mais que o dobro do mesmo período em 2025. No acumulado do ano, o segmento cresceu 120%. A BYD lidera essa transição, e a Denza é a ponta de lança no segmento mais lucrativo.

Assim, para as montadoras europeias, que chegaram tarde à eletrificação e agora enfrentam um concorrente que controla toda sua cadeia de valor, da bateria ao software e da fábrica ao preço final, a questão já não é se perderão participação de mercado no Brasil. É quanto.

O Brasil Assina Acordo de IA com a China

O Brasil assinou nesta quinta-feira, junto com outros 28 países, um acordo para a criação da Organização Mundial de Cooperação em Inteligência Artificial, uma entidade liderada pela China com sede em Xangai. Entre os signatários estão Rússia, Paquistão, Indonésia e dezenas de nações africanas e asiáticas. A organização se propõe a promover cooperação internacional em IA, reduzir desigualdades no acesso à tecnologia e coordenar estratégias nacionais, objetivos que, na superfície, parecem razoáveis e até necessários. A questão está no que acontece abaixo da superfície.

As principais organizações internacionais que hoje definem padrões de governança para inteligência artificial, seja a Parceria Global sobre IA, os Princípios da OCDE, a Convenção do Conselho da Europa ou o Processo de Hiroshima do G7, funcionam, na prática, como clubes das economias mais desenvolvidas, com critérios de entrada que excluem a maioria dos países em desenvolvimento.

A organização criada pela China se posiciona como uma alternativa: aberta a qualquer Estado soberano, sem critérios políticos para ingresso e com prioridade declarada à redução da desigualdade tecnológica. Para nações que se sentem excluídas dos fóruns ocidentais, e que, no caso do Brasil, enfrentam tarifas de 25% recém-impostas por Washington, a proposta é atraente, afinal, a China nos oferece um assento na mesa que os Estados Unidos e a Europa não estão oferecendo.

As recentes medidas protecionistas adotadas pela administração Trump, ou seja, de impor tarifas sobre produtos brasileiros, embargos tecnológicos, restrições de exportação, foram desenhadas para isolar concorrentes e proteger a posição americana. Mas o efeito está sendo o oposto: em vez de isolar a China, as barreiras estão empurrando parceiros históricos dos Estados Unidos diretamente para a esfera de influência de Pequim.

O Brasil, que no início deste ano emitiu títulos soberanos em yuan como “teste” para o mercado chinês, agora assina um acordo de governança de IA liderado pela China, em dois movimentos que, lidos separadamente, parecem pontuais, mas que juntos revelam uma tendência de realinhamento que deveria preocupar Washington muito mais do que parece preocupar.

O Fórum Econômico Mundial estima que a inteligência artificial pode contribuir com até 14% do PIB global até 2030. Quem escrever as regras desse mercado capturará uma parcela desproporcional desse valor. E, por enquanto, quem está convidando o Brasil para escrever essas regras é Pequim, e não Washington.

Leia também:

Projetos pressupõem que seja possível conhecer o caminho antes de percorrê-lo. Exigem escopo claro, cronograma, dinheiro aprovado e retorno estimado. Com inteligência artificial, grande parte dessas respostas só aparece depois que a empresa começa a testar.

Por isso, quanto mais a organização tenta transformar a IA em um grande projeto, mais difícil se torna sair do lugar. Surge o comitê, a governança, o plano de longo prazo, a lista de riscos e a busca pelo caso de uso perfeito. Meses depois, existem dezenas de apresentações e poucos resultados concretos.

A cabeça de experimento funciona de outra maneira. Ela não começa perguntando como transformar a empresa inteira. Pergunta qual problema pequeno e relevante pode ser resolvido agora. Em vez de grandes equipes, usa poucas pessoas. Em vez de grandes orçamentos, utiliza os recursos disponíveis. Em vez de esperar certezas, cria evidências.

O ciclo é simples: testar, medir, aprender, corrigir e repetir. Alguns experimentos não funcionarão. Isso não significa fracasso. Significa descobrir rapidamente, e com pouco dinheiro, onde não vale a pena continuar investindo.

Outros mostrarão resultados. Economizarão tempo, reduzirão erros, melhorarão decisões ou aumentarão a produtividade. Esses poderão receber mais recursos e ganhar escala. É nesse momento que o projeto passa a fazer sentido.

O experimento descobre o que funciona. O projeto transforma o que funciona em capacidade organizacional. O erro não está em trabalhar com projetos. Está em criar projetos grandes antes de comprovar que existe valor.

A IA exige uma mudança de mentalidade: sair da busca pelo plano perfeito e construir uma cultura de aprendizado rápido. Enquanto continuarmos pensando apenas com cabeça de projeto, a inteligência artificial continuará parecendo cara, complexa e distante.

Quando passamos a pensar com cabeça de experimento, ela se torna objetiva, prática e real. O futuro não pertence a quem planeja por mais tempo. Pertence a quem aprende mais rápido e consegue escalar aquilo que aprendeu.

Leia também

Ao longo das últimas edições do Entrelinhas, analisamos como agentes de inteligência artificial estão redesenhando a forma como as pessoas compram: a Shopee dentro do ChatGPT, a Lu do Magalu no WhatsApp, a Revolut transformando serviços bancários em comandos de voz, a Amazon montando programas de saúde de ponta a ponta. Em todos esses casos, a narrativa era sobre o início da jornada, sobre como a IA está capturando o momento em que a intenção de compra se forma e executando-a de forma autônoma. Mas existe uma pergunta que, até agora, ficou em segundo plano: o que acontece quando a compra dá errado? Quando o agente escolhe o produto na cor errada, aceita condições que o usuário não aprovaria, fecha um contrato com cláusulas desfavoráveis ou paga por um serviço que nunca foi entregue? Quando dois agentes de IA, cada um representando uma parte diferente de uma negociação, discordam sobre se o combinado foi ou não cumprido?

A resposta honesta é que, hoje, quase nada acontece. A infraestrutura de comércio autônomo que está sendo construída em velocidade acelerada foi desenhada, quase inteiramente, para um cenário ideal, onde o agente encontra o que o usuário quer, negocia, paga, recebe e segue em frente. É uma arquitetura do caminho feliz. E o caminho feliz, como qualquer pessoa que já comprou alguma coisa sabe, não é o único caminho. Disputas comerciais são tão inevitáveis quanto o comércio em si. A diferença é que, quando humanos discordam, existe um sistema institucional, imperfeito mas funcional, para mediar: contratos, tribunais, órgãos de defesa do consumidor, mecanismos de chargeback. Quando agentes de IA discordam, não existe nada. Esse vazio institucional, que passa despercebido enquanto o volume de transações autônomas é pequeno, se torna um problema estrutural à medida que esse volume escala.

E ele está escalando. A Robinhood já utiliza agentes de IA que analisam oscilações do mercado e executam negociações autônomas com base em instruções personalizadas. A SAP tem o Joule, um agente que ajuda clientes corporativos a analisar estoques, encontrar fornecedores e adquirir mercadorias. A Amazon lançou o Buy for Me, um agente de compras que vasculha a internet em busca de ofertas, negocia condições com agentes que representam vendedores, define prazos e conclui transações. A McKinsey, nesse cenário, projeta que agentes de IA poderão intermediar entre três e cinco trilhões de dólares em transações de consumo no mundo até 2030. E uma pesquisa da Cloud Security Alliance de abril deste ano revelou que 65% das empresas que já operam com agentes de IA tiveram pelo menos um incidente relacionado a essas operações nos últimos doze meses, com mais de um terço resultando em perdas financeiras diretas. O problema não é teórico. Já está acontecendo.

É nesse contexto que surge um dos projetos mais reveladores do momento: a Internet Court. Lançada por um consórcio de 27 empresas, o sistema propõe algo que, há poucos anos, soaria como ficção científica: um tribunal para resolver disputas entre agentes de IA, sem interferência humana, em minutos, a um custo inferior a dois dólares por caso.

O funcionamento deste tribunal é engenhoso na sua simplicidade conceitual. Antes de uma transação, os agentes definem os termos do acordo e depositam o pagamento em uma conta de garantia. Se uma das partes contesta o resultado, um júri formado por cinco avaliadores independentes, cada um rodando um modelo de IA diferente, analisa as evidências e emite um veredito. Se houver consenso, abre-se uma janela de trinta minutos para contestação. Se alguém contestar, o júri se expande para onze avaliadores, e continua crescendo até que se alcance uma decisão que ninguém mais questione.

O desenho do sistema se baseia em um princípio formulado em 1785 pelo matemático e filósofo iluminista Nicolas de Condorcet, o qual define o princípio de que, sob certas condições, a probabilidade de se chegar à resposta correta aumenta à medida que cresce o número de avaliadores independentes. É uma ideia do século XVIII sendo aplicada a um problema do século XXI, e há algo de poeticamente adequado nessa convergência, porque o dilema que a Internet Court tenta resolver é, em essência, o mesmo dilema que as sociedades humanas enfrentam desde que começaram a comerciar: como garantir que acordos sejam cumpridos quando as partes que os firmaram discordam sobre o resultado.

A diferença, e é aqui que a análise ganha sua dimensão mais consequente, é de velocidade. Um processo judicial no Brasil leva, em média, 800 dias para ser resolvido. Uma transação entre agentes de IA pode ser contestada em milissegundos. Essa incompatibilidade de tempo não é apenas inconveniente, mas é estruturalmente paralisante. Não se pode construir uma economia em que máquinas transacionam na velocidade de máquinas e disputas são resolvidas na velocidade de humanos. As duas velocidades precisam convergir, ou a confiança que sustenta o comércio autônomo simplesmente não se forma. A Internet Court é, assim, uma tentativa de criar essa convergência: disputas em velocidade de máquina, com custos proporcionais ao valor das transações, sem que cada caso precise de um advogado, um juiz e meses de espera.

Há, naturalmente, limitações importantes que merecem a mesma atenção analítica que as promessas. A Internet Court opera sobre blockchain, e seus vereditos só têm efeito sobre os fundos depositados na conta de garantia do sistema. Não tem jurisdição legal, não substitui tribunais reais e não pode resolver disputas que envolvam bens físicos, regulações específicas ou partes que estejam fora do ecossistema. É mais útil, como os próprios criadores reconhecem, para transações de menor valor, nas quais contratar um advogado seria irracional, mas não fazer nada geraria prejuízo. E a própria ideia de um júri de inteligência artificial, por mais elegante que seja a matemática de Condorcet, levanta questões sobre vieses dos modelos, manipulação de evidências e a confiabilidade de um sistema em que máquinas julgam disputas entre outras máquinas. São questões que não têm resposta definitiva ainda, e que provavelmente só se revelarão com clareza à medida que o sistema seja testado em escala.

Contudo, o que a Internet Court sinaliza é mais importante do que o que ela resolve hoje. É a admissão, por parte de uma indústria inteira, de que a promessa do comércio autônomo estava incompleta. Passamos os últimos dois anos fascinados com a capacidade dos agentes de IA de comprar, vender, negociar e pagar em nosso nome. Construímos a infraestrutura da transação. Esquecemos de construir a infraestrutura da disputa. E quando o caso da Amazon contra a Perplexity, em novembro de 2025, revelou que um navegador alimentado por IA estava acessando contas de clientes e realizando compras sem autorização, disfarçando-se como o Google Chrome, o que ficou evidente não foi apenas um problema jurídico, mas um vácuo institucional: não existia nenhum mecanismo automatizado capaz de detectar, mediar e resolver esse tipo de conflito na velocidade em que ele acontecia.

Ao fim, para quem lidera negócios e acompanha a evolução do comércio agêntico, o alerta que a Internet Court carrega é bastante direto para nós: à medida que agentes de IA assumem mais decisões comerciais, a pergunta relevante deixa de ser “o que o agente pode fazer por mim?” e passa a ser “o que acontece quando ele erra?”. E se a resposta a essa pergunta for “nada”, então a empresa está construindo uma operação sobre um alicerce que não tem mecanismo de correção. Porque a história do comércio, desde as feiras medievais até os marketplaces digitais, ensina uma lição que nenhuma tecnologia revogou: as pessoas não compram de quem vende mais barato. Compram de quem resolve o problema quando algo dá errado. E quando os compradores forem máquinas, essa lição continuará valendo. A diferença é que a resolução também precisará acontecer na velocidade das máquinas. E essa infraestrutura, até “ontem”, simplesmente não existia.

Leia também:

Oitenta e um anos depois, os monopólios mais consequentes do planeta não envolvem urânio, mas silício, e a empresa que os detém não carrega mísseis, mas máquinas do tamanho de um ônibus que custam centenas de milhões de dólares e são as únicas no mundo capazes de fabricar os chips que alimentam tudo, de smartphones a data centers de IA.

As notícias de hoje são, cada uma à sua maneira, histórias sobre concentração de poder: uma empresa holandesa que eleva projeções porque sabe que não tem concorrente, um investidor de 95 anos que aposta no Google porque reconheceu tarde que monopólios digitais são tão duráveis quanto os industriais, uma startup de IA que quer colocar um companheiro inteligente dentro da sua casa, e uma fabricante sul-coreana de memória que avalia entrar em Wall Street porque o mundo inteiro precisa do que ela produz.

A ASML, a Empresa Mais Importante que Você Nunca Ouviu Falar

A ASML elevou pela segunda vez sua projeção anual de vendas, agora estimada entre 43 e 45 bilhões de euros, acima dos 36 a 40 bilhões previstos anteriormente. Seu lucro bruto do segundo trimestre atingiu quase 5,04 bilhões de euros, com uma margem de 54% que superou tanto o consenso de mercado quanto a projeção da própria empresa. Os números, isoladamente, seriam (mais que) excelentes para qualquer companhia industrial. Mas, para a ASML, são a confirmação de algo que o mercado de semicondutores já sabe, mas que a maioria de nós ainda não: essa é a empresa mais importante do planeta, e ela não fabrica um único chip.

O que a ASML fabrica são as máquinas de litografia por ultravioleta extremo que gravam circuitos microscópicos em placas de silício, no português claro, o processo fundamental sem o qual nenhum semicondutor avançado pode existir. Cada equipamento desses leva anos para ser montado, contém mais de 100 mil peças fornecidas por milhares de empresas, custa centenas de milhões de dólares e é fabricado em um único lugar do mundo: na sede da ASML em Veldhoven, na Holanda.

A empresa detém, na prática, 100% do mercado mundial de máquinas de litografia EUV comercialmente viáveis. Isso não se trata de um mercado em que uma companhia possui 90%, 95% ou 99% de participação. Não. Trata-se de um caso raríssimo de domínio absoluto, onde toda a indústria depende exclusivamente da ASML.

É por isso que TSMC, Samsung e Intel, que fabricam os chips que vão dentro de cada iPhone, que cada GPU da Nvidia e cada servidor de IA do Google, dependem integralmente dessas máquinas. E, por extensão, toda a cadeia tecnológica global depende de uma empresa holandesa que opera no centro de tensões geopolíticas que nem ela mesma pode controlar.

O resultado prático desse monopólio é que, quando a ASML eleva suas projeções, ela não está apenas comunicando bons resultados, mas está, de fato, sinalizando que a demanda por chips avançados continua superando a capacidade de produção do planeta.

Como o CEO da empresa declarou na Conferência do Instituto Milken em maio, “nos próximos dois a cinco anos, o mercado será limitado pela oferta”. Traduzindo: as big techs não receberão todos os chips pelos quais estão pagando. E quando o gargalo mais fundamental de uma indústria trilionária passa por uma única empresa em uma única cidade holandesa, o que se tem é um grande (e único) ponto de vulnerabilidade civilizacional. A ASML, nesse sentido, é, simultaneamente, a empresa mais lucrativa e o elo mais frágil de toda a cadeia de inteligência artificial.

Buffett Aposta Pessoalmente no Google

Warren Buffett revelou que foi ele pessoalmente, e não o novo CEO da Berkshire Hathaway, quem liderou o investimento de mais de US$ 31 bilhões na Alphabet. O fato de o investidor mais celebrado da história, aos 95 anos, ter colocado dezenas de bilhões numa empresa que ele mesmo admite ter demorado a entender já carrega um peso que dispensa relatórios de analistas. Mas o que importa aqui não é que Buffett apostou, mas é por que apostou, e o que isso revela sobre quem está melhor posicionado na corrida da IA.

A Alphabet construiu, nos últimos dois anos, algo que nenhuma rival possui em equivalência: um ecossistema de inteligência artificial totalmente integrado. A empresa projeta seus próprios chips, as TPUs, reduzindo sua dependência e o custo das GPUs da Nvidia. Desenvolve seus próprios modelos, com o Gemini alcançando mais de 900 milhões de usuários mensais no aplicativo e bilhões usando a busca em “Modo IA”. E distribui tudo isso por canais que já existem, seja o Android, o Google Workspace, o YouTube ou o Chrome, algo que lhe confere uma vantagem de alcance que concorrentes como OpenAI e Anthropic, que não possuem ecossistemas de hardware nem bases de usuários comparáveis, simplesmente não conseguem replicar.

Quando a virada de chave do Google aconteceu, ela veio não de lançar um chatbot isolado, mas de embeber a IA nativamente nos serviços que bilhões de pessoas já usavam todos os dias. E isso, na linguagem de Buffett, é exatamente o que ele chama de “retornos elevados sobre o capital por um longo período de tempo”, sendo a capacidade de transformar uma vantagem de distribuição existente em uma vantagem de IA que se retroalimenta.

O que torna a aposta arriscada, e Buffett foi honesto sobre isso, é que a corrida da IA destrói a equação que tornou as big techs tão lucrativas na era anterior. Empresas como Google, Microsoft e Meta construíram impérios com margens folgadas de 30% a 40% porque seus softwares escalavam a custo marginal próximo de zero, afinal, cada novo usuário do Gmail ou do Windows praticamente não custa nada.

A IA, porém, inverte essa lógica, uma vez que cada consulta ao Gemini, cada resposta do ChatGPT, cada agente do Claude Cowork consome chips, memória e energia em quantidades que crescem com o uso, não diminuem.

“A verdadeira questão com o Google e todos os seus concorrentes”, disse Buffett, “é que eles estão investindo centenas de bilhões, e isso é dinheiro de verdade. Esse é o jogo que eles estão jogando agora. Eles não jogavam esse jogo com software de computador.”

Buffett está apostando que a Alphabet possui as vantagens estruturais para vencer esse jogo. Mas ao chamar os investimentos de “dinheiro de verdade”, está dizendo algo que poucos otimistas querem ouvir: nesta corrida, até quem vence gasta mais do que qualquer empresa jamais gastou. E o retorno, por enquanto, é uma aposta, e não uma certeza.

A OpenAI Quer Morar na Sua Casa

O primeiro dispositivo de hardware da OpenAI será, segundo a Bloomberg, um alto-falante inteligente sem tela, projetado como “um companheiro de IA com características humanas que vive em casa”. O aparelho, que ainda está em desenvolvimento, sincronizará com o ChatGPT e terá acesso à vida digital do usuário (incluindo e-mails), aprendendo proativamente sobre seu dono ao longo do tempo para oferecer um serviço cada vez mais personalizado.

O detalhe mais curioso da reportagem é que o dispositivo contém “elementos mecânicos que podem se mover sozinhos”, o que sugere algo entre um assistente de voz e uma presença física projetada para parecer viva.

A ambição da empresa parece ser clara (agora): fazer o ChatGPT saltar da tela do computador para o mundo físico. Os alto-falantes inteligentes da Amazon e do Google já mostraram que existe um mercado enorme para dispositivos de IA domésticos, mas tanto a Alexa quanto o Google Home foram, até agora, fundamentalmente reativos, ou seja, eles respondem quando você pergunta, mas não tomam iniciativa.

O que a OpenAI descreve é um dispositivo que antecipa necessidades, oferece um contexto sem ser solicitado e desenvolve uma relação personalizada que se aprofunda com o tempo. Se isso funcionar como prometido, o aparelho deixará de ser apenas um gadget e se tornará uma espécie de assistente pessoal permanente que conhece sua agenda, seus hábitos e sua correspondência… e está sempre ouvindo.

A iniciativa, contudo, nasce cercada de complicações. Na semana passada, a Apple processou a OpenAI por roubo de segredos comerciais, alegando que ex-funcionários seus que agora trabalham na empresa de Altman levaram consigo conhecimentos proprietários sobre o desenvolvimento de iPhone e Mac, exatamente o tipo de expertise necessário para projetar hardware de consumo.

A OpenAI negou as acusações, mas o timing tente a dizer o contrário, uma vez que a empresa quer lançar um dispositivo físico, construído por engenheiros que vieram da Apple, enquanto enfrenta um processo por ter contratado esses mesmos engenheiros. A corrida da OpenAI para construir hardware, com isso, é, além de técnica, jurídica. E o desfecho do processo com a Apple pode determinar se o “companheiro de IA” de Altman chega ao mercado como produto ou como evidência.

A Samsung Olha para Wall Street

A Samsung está nas etapas iniciais de avaliação de uma possível oferta de ações nos Estados Unidos, segundo fontes com conhecimento das discussões. A empresa já conversou com bancos sobre a operação, embora ainda não tenha decidido seguir adiante. O impulso veio da listagem recorde da SK Hynix, que na semana passada levantou US$ 26,5 bilhões na maior oferta já realizada nos EUA por uma empresa estrangeira, evidenciando o apetite dos investidores americanos por empresas posicionadas no centro da cadeia de fornecimento de IA.

Os números do mercado explicam essa tentação. As ações da Samsung acumulam alta de 120% neste ano, elevando seu valor de mercado para mais de US$ 1 trilhão. A SK Hynix, sua principal concorrente em memória, valorizou 194% e alcançou US$ 900 bilhões. Ambas surfam a mesma onda que acompanhamos nas últimas semanas: a explosão de demanda por memória de alta largura de banda para data centers de IA, que transformou fabricantes de chips de memória nas novas estrelas do mercado enquanto as Magníficas “perdem” brilho.

Uma listagem nos EUA daria à Samsung acesso direto ao maior pool de capital do mundo e a uma base de investidores que, neste momento, está faminta por exposição a qualquer empresa que fabrique os componentes que sustentam a infraestrutura de IA.

Mas há um risco que o entusiasmo atual pode estar obscurecendo. A Samsung e a SK Group anunciaram no mês passado planos para construir quatro novas fábricas de semicondutores, num investimento combinado de US$ 536 bilhões, para ampliar a capacidade (oferta) de produção. Se essa capacidade entrar em operação num prazo razoável, a escassez que hoje sustenta os preços elevados e as margens gordas dos fabricantes de memória começará a aliviar, e, com ela, a tese de investimento que justifica as avaliações trilionárias.

É exatamente o ciclo que vimos acontecer com a Nvidia: a empresa resolveu a escassez de GPUs e, ao fazê-lo, comoditizou parcialmente seu próprio produto. Se Samsung e SK Hynix resolverem a escassez de memória, podem repetir o mesmo roteiro. E quem comprar ações no pico da escassez pode descobrir que pagou o preço da crise num momento em que a solução já estava sendo construída.

Leia também:

Essa separação fez sentido por muitos anos.

Mas ela começa a desaparecer.

A inteligência artificial está criando um novo tipo de força de trabalho: os chamados agentes de IA ou funcionários digitais.

Eles não tiram férias.

Não trabalham apenas em horário comercial.

Não executam apenas tarefas repetitivas.

Cada vez mais, analisam dados, tomam decisões, produzem relatórios, atendem clientes, escrevem códigos e coordenam processos inteiros de forma autônoma.

E isso muda completamente a lógica das organizações.

Pela primeira vez, empresas precisarão administrar não apenas Recursos Humanos.

Mas também Recursos Algorítmicos.

Durante muito tempo, automatização significava substituir tarefas mecânicas.

Hoje, ela começa a alcançar atividades cognitivas.

Análises financeiras.

Atendimento.

Marketing.

Desenvolvimento de software.

Pesquisa.

Jurídico.

Operações.

A consequência não é simplesmente uma redução da participação humana.

É uma redefinição do papel das pessoas.

O profissional do futuro tende a deixar de ser apenas executor.

Passará a atuar como orquestrador.

Alguém capaz de coordenar equipes compostas por humanos, algoritmos e robôs trabalhando em conjunto.

Essa talvez seja a maior transformação do mercado de trabalho nas próximas décadas.

Mas existe outra mudança ainda mais silenciosa.

O RH também precisará se reinventar.

Até aqui, sua missão era selecionar talentos, desenvolver competências, acompanhar desempenho e fortalecer a cultura organizacional.

Agora surge uma nova responsabilidade.

Compreender como integrar funcionários digitais ao ambiente corporativo.

Isso significa decidir quais atividades serão executadas por agentes de IA, como supervisioná-los, quais limites éticos estabelecer, como medir sua performance e como garantir que humanos e máquinas trabalhem de forma complementar.

Ao mesmo tempo, a Tecnologia da Informação deixa definitivamente de ser um setor de suporte.

Ela passa a ocupar uma posição estratégica.

A IA não é mais um projeto isolado da área técnica.

Ela se tornou um tema de conselho de administração.

Hoje, CEOs discutem inteligência artificial da mesma forma que discutem expansão internacional, fusões, novos produtos e estratégia de crescimento.

Isso exige uma nova geração de líderes.

Executivos precisarão compreender tecnologia.

Profissionais de tecnologia precisarão compreender negócios.

As fronteiras entre Business e Tech começam a desaparecer.

Essa convergência talvez seja uma das competências mais importantes da próxima década.

Empresas vencedoras serão aquelas capazes de unir estratégia, dados, inteligência artificial e pessoas dentro de um único sistema de gestão.

E isso nos leva a uma reflexão interessante.

Durante décadas, uma empresa era medida pela qualidade dos seus colaboradores.

No futuro, talvez também seja medida pela qualidade dos seus algoritmos.

Assim como hoje investimos em treinamento, desenvolvimento e avaliação de desempenho das equipes, amanhã será necessário calibrar modelos, supervisionar agentes de IA, reduzir vieses, atualizar sistemas e medir continuamente a eficiência dessa força de trabalho digital.

Os Recursos Algorítmicos passarão a ser ativos estratégicos da organização.

E administrá-los será tão importante quanto administrar pessoas.

Recentemente, Jensen Huang, CEO da NVIDIA, resumiu essa transformação em uma frase provocativa.

Segundo ele, o departamento de TI de todas as empresas será, no futuro, o departamento de RH dos agentes de IA.

A frase pode parecer exagerada.

Mas talvez ela apenas descreva uma realidade que já começou.

No fim, o futuro do trabalho não será definido por humanos contra máquinas.

Será construído por organizações capazes de integrar os dois da melhor forma possível.

Porque a verdadeira vantagem competitiva da próxima geração não estará em possuir apenas os melhores profissionais.

Estará em saber coordenar, de forma inteligente, talentos humanos e talentos digitais dentro de um mesmo ecossistema.

E quem aprender essa nova forma de gestão primeiro terá uma vantagem que será muito difícil de alcançar depois.

Veja também:

Agora, imagine um consultor que você paga por mês, que está presente em todas as reuniões, que lê todos os seus documentos, que aprende com cada correção que você faz ao trabalho dele, que absorve, silenciosamente, os padrões de decisão, os gargalos operacionais, as margens de cada produto, as fraquezas de cada processo, e que, ao fim do contrato, leva tudo o que aprendeu consigo, sem que você tenha direito a perguntar o que ele fará com esse conhecimento. É exatamente isso, argumenta Satya Nadella, que está acontecendo com as empresas que utilizam modelos de inteligência artificial proprietários, ou seja, cujo código-fonte é de propriedade exclusiva das empresas que os desenvolveram, como a Anthropic e a OpenAI sobre o Claude e o ChatGPT, respectivamente.

Neste domingo, o CEO da Microsoft publicou um texto longo e incomumente direto para alguém na sua posição, no qual descreve o que chama de “paradoxo reverso da informação”. A tese é simples e, quando articulada com a franqueza que Nadella emprega, profundamente desconfortável: toda empresa que usa um modelo de IA como o ChatGPT, o Claude ou o Gemini está pagando por inteligência duas vezes. A primeira vez, com dinheiro, pelo uso do serviço.

A segunda, com algo muito mais valioso: o conhecimento proprietário que ela precisa revelar para que o modelo funcione bem. E quanto mais a empresa quer que o modelo entenda seu negócio, mais conhecimento precisa entregar. É uma equação em que a qualidade do resultado depende diretamente da profundidade da exposição.

Este mecanismo é quase invisível, e é justamente por isso que merece atenção. Quando um funcionário escreve um prompt detalhado pedindo ao modelo que analise as vendas do trimestre, ele está ensinando ao sistema como a empresa estrutura seus dados comerciais. Quando ele corrige uma resposta errada, está destilando nela um julgamento que levou anos de experiência para se formar. Quando um agente de IA acessa ferramentas internas para executar tarefas, ele está mapeando os processos que conectam as áreas da organização. Cada interação gera o que Nadella chama de “exaustão”: prompts, correções, padrões de uso, preferências e feedbacks. E tudo isso, no agregado, constitui algo que um concorrente jamais conseguiria comprar, que é o conhecimento institucional acumulado de como aquela empresa específica funciona, decide e opera. Só que, no modelo atual, esse conhecimento está sendo entregue, voluntariamente, ao fornecedor do modelo de IA que você usa.

A questão, e aqui a análise de Nadella ganha sua dimensão mais incisiva, é que essa assimetria se aprofunda com o tempo. O fornecedor dos modelos aprende cada vez mais sobre a empresa à medida que ela usa o serviço, enquanto a empresa aprende quase nada sobre o que o fornecedor está fazendo com esse conhecimento.

É uma inversão do que a economia clássica descrevia como o paradoxo da informação, em que o vendedor de conhecimento arriscava entregá-lo para provar que valia a pena. Na era da IA, é o comprador que entrega conhecimento para poder usar o que comprou. E não tem como usá-lo sem entregar.

A ironia de ser Satya Nadella quem faz esse alerta não pode ser ignorada, e faz parte, também, de nossa análise. A Microsoft investiu bilhões na OpenAI e na Anthropic. O Azure, a plataforma de nuvem da Microsoft, foi durante anos o lar exclusivo do ChatGPT. A empresa lucrou imensamente com o modelo de negócio que agora seu CEO descreve como estruturalmente problemático.

E a solução que Nadella propõe para outras empresas sob o problema que ele mesmo diagnostica é, como se poderia esperar, conveniente para ele também. Possíveis soluções seriam:

1. Construir ambientes de aprendizado proprietários na nuvem, onde os dados da empresa fiquem protegidos dentro de fronteiras que o fornecedor do modelo não consegue cruzar. E essa nuvem, convenientemente, pode ser o Azure.

2. Ele também recomenda que as empresas criem camadas de orquestração que permitam alternar entre modelos de diferentes fornecedores, evitando a dependência de um único provedor.

A recomendação é sensata. Mas o mensageiro tem interesse direto na mensagem. E reconhecer isso não invalida o alerta, mas exige que ele seja lido com a dupla camada que merece.

Dito isso, o alerta em si é legítimo, e ele não chega “do nada”. Afinal, a preocupação com modelos proprietários vem crescendo nos últimos meses e já chegou a figuras como Alex Karp, CEO da Palantir, que alertou que empresas estão “terceirizando suas capacidades centrais para uma caixa-preta que não controlam”.

Quando conectamos esse alerta ao caso que analisamos recentemente, a convergência e contexto atual se tornam reveladores. Em resumo, naquela análise, descrevemos como a Anthropic levou ao Senado americano a maior operação de destilação já identificada contra seus modelos, conduzida por operadores afiliados ao Alibaba, que extraíram conhecimento do Claude por meio de milhões de interações sistemáticas.

Esta técnica de destilação, consistia, por parte dos golpistas, em formular perguntas complexas, coletar as respostas do modelo de IA em questão (que era o Claude) e usá-las para treinar seus modelos próprios, numa tentativa de “roubar inteligência” de um modelo superior. Nadella, em seu texto, aponta uma hipocrisia que espelha diretamente esse episódio: se os laboratórios de IA podem coletar dados livremente pela internet para treinar seus modelos, por que as empresas que usam esses modelos não podem, igualmente, estudá-los e destilá-los?

O subtexto que Nadella não pronuncia, mas que está presente em cada parágrafo do seu texto, é o código aberto. Empresas que rodam modelos abertos em seus próprios servidores, sejam eles em data centers próprios ou em nuvens privadas, não entregam o “exaustão” das suas interações a ninguém. As correções, os prompts, os padrões de uso, tudo fica dentro das fronteiras da organização. E a qualidade desses modelos abertos está avançando a uma velocidade que torna a equação cada vez mais difícil de ignorar.

Quer saber, com mais detalhes, o que são Códigos Abertos e Modelos Proprietários no mundo da IA? Clique aqui!

Em uma recente pesquisa, executivos que experimentaram os modelos proprietários tradicionais, como o ChatGPT, começaram, com uma crescente frequência, a se perguntar dentro de seu cotidiano: “será que eu posso pegar um modelo aberto e rodá-lo internamente? Ele vai fazer quase 90% do que o modelo proprietário faz, vai custar muito menos, e eu vou manter o controle sobre os meus dados.” A resposta, cada vez mais, é sim.

A pergunta que Nadella colocou na mesa, portanto, não é técnica. É sobre propriedade. Sobre quem fica com o conhecimento que é gerado cada vez que um ser humano interage com uma máquina. “Ao consumir inteligência, você está criando inteligência. E o que você cria deve pertencer a você”, escreve ele.

A frase soa quase como um princípio ético, e é. Mas é também, e talvez principalmente, uma descrição da próxima grande disputa da economia da IA: a disputa pelo controle do conhecimento institucional que está sendo gerado, corrigido e refinado, interação por interação, dentro de cada empresa que adotou a inteligência artificial como parte da operação.

Ao fim, para quem lidera negócios, o recado que podemos extrair de tudo isso é o seguinte: da próxima vez que um funcionário colar dados da empresa em um modelo de IA para gerar uma análise rápida, pergunte-se para onde vão aqueles dados. Quem tem acesso a eles. O que o fornecedor do modelo pode fazer com as correções que o seu time faz diariamente. E se o conhecimento que torna a sua empresa única, aquele que um concorrente jamais conseguiria comprar, está sendo entregue, prompt por prompt, correção por correção, a um sistema que aprende com cada interação e que pertence a outra empresa. Porque se está, o preço que você paga pela inteligência artificial é muito maior do que aparece na fatura. E a parte mais cara não tem como ser devolvida.

Leia também:

Duzentos e vinte e sete anos depois, a busca por tradução entre mundos que não se entendem continua sendo o motor das inovações mais consequentes. As notícias de hoje são, todas elas, tentativas de tradução: um robô que traduz as mãos de um cirurgião a milhares de quilômetros de distância, uma fazenda vertical que traduz agricultura em entrega por aplicativo, um mercado de dívida que traduz entusiasmo em cautela, e um CEO que tenta traduzir o poder da inteligência artificial numa linguagem que reguladores consigam entender. Em todos os casos, o desafio é o mesmo que a Pedra de Roseta resolveu: encontrar a chave que conecta duas realidades que, sozinhas, não conseguem se comunicar.

Robôs Humanoides Operam um Paciente Vivo pela Primeira Vez

Dois robôs humanoides realizaram, pela primeira vez na história, uma cirurgia em um paciente vivo. A equipe da Universidade da Califórnia em San Diego publicou na revista Nature os resultados de um experimento em que dois modelos comerciais Unitree G1 conduziram uma colecistectomia laparoscópica (a remoção da vesícula biliar) em um porco.

O resultado foi um sucesso: os robôs retraíram tecidos, dissecaram, grampearam e retiraram a vesícula do leito hepático sem danos. Mas, por outro lado, o paciente era suíno, os robôs estavam sendo teleoperados por cirurgiões humanos em cada movimento à distância. Mesmo com todas essas ressalvas, o que aconteceu naquele laboratório foi um marco: a prova de conceito de que robôs humanoides de uso geral podem executar procedimentos cirúrgicos reais em tecido vivo.

O detalhe mais impressionante não é a cirurgia em si, mas o robô que a realizou. O Unitree G1 mede entre 1,20 e 1,50 metro, pesa 32 quilos e custa menos de 20 mil dólares, uma fração do preço de qualquer sistema cirúrgico dedicado. O da Vinci, da Intuitive Surgical, que hoje domina o mercado de cirurgia robótica assistida, custa mais de US$ 1 milhão por unidade e foi desenhado exclusivamente para o centro cirúrgico. O G1 é um robô genérico, barato e disponível comercialmente, que nunca foi projetado para operar ninguém. Se ele conseguiu realizar um procedimento real, mesmo teleoperado, a pergunta que se impõe não é mais a de quando teremos robôs cirurgiões, mas é de quanto tempo precisaremos até vermos robôs baratos e genéricos se tornem bons o suficiente para nos operarem.

A implicação mais profunda, e a que a equipe de San Diego destaca como a motivação central do estudo, foi geográfica. Afinal, existem regiões inteiras do planeta onde a medicina cirúrgica não chega porque não há cirurgiões disponíveis, não há infraestrutura hospitalar adequada e o custo de equipamentos dedicados é proibitivo. Um humanoide genérico de US$ 20 mil que pode ser teleoperado por um especialista a milhares de quilômetros não resolve todos esses problemas, mas resolve o mais fundamental: a presença física.

Se o cirurgião não precisa estar na sala, ele pode estar em qualquer sala. E se o robô é barato o suficiente para ser enviado a uma clínica remota em vez de exigir que o paciente viaje até um hospital central, a lógica da saúde se inverte, e o equipamento vai ao paciente, não o paciente ao equipamento. A equipe admite, porém, que “desafios técnicos fundamentais precisam ser superados antes da implementação clínica”, mas o caminho está traçado. E ele começa com um robô de US$ 20 mil, um porco, e a demonstração de que a distância entre o cirurgião e o paciente não precisa mais ser medida em quilômetros.

A Fazenda Dentro do App

A Pink Farms, investida da SLC Agrícola, começou a vender seus produtos diretamente pelo iFood em bairros de São Paulo como Pinheiros, Vila Madalena e Perdizes. A empresa cultiva verduras em uma fazenda vertical dentro da capital paulista, em um ambiente controlado, sem agrotóxicos e usando até 95% menos água do que a agricultura convencional. Sua produção acontece o ano inteiro, independente de chuva, seca ou geada. E agora, a venda acontece dentro de uma plataforma que já faz parte da rotina diária de milhões de brasileiros.

Isso quer dizer, nas Entrelinhas, que distância entre a fazenda e a mesa do consumidor, que no modelo tradicional envolve centenas de quilômetros de transporte, atacadistas, distribuidores e varejistas, encolheu para o espaço entre um galpão em São Paulo e o botão de “pedir” no celular.

O que torna esse caso interessante não é a fazenda vertical em si, que já existe há anos em diversas cidades do mundo, e nem sua presença no iFood, que já vende produtos de supermercado e farmácia. Mas é a combinação dos dois, e o que ela revela sobre a direção do sistema alimentar urbano.

Quando uma fazenda produz, colhe, vende e entrega dentro da mesma cidade, usando uma plataforma digital como canal de distribuição, o modelo tradicional de agricultura, ou seja, o de produzir longe, transportar muito, estocar bastante e vender onde der, perde uma camada inteira de intermediação. A SLC Ventures, braço de inovação da SLC Agrícola que investiu na Pink Farms, entendeu que estar perto do consumidor final é tão estratégico quanto possuir milhares de hectares no cerrado. Deste modo, a nova fazenda pode estar dentro de um galpão. E a feira, dentro do aplicativo.

A Festa da IA Está Ficando Mais Cara Para Financiar

A Amazon acabou de emitir US$ 25 bilhões em títulos de dívida, e, de verdade, o dado que nos importa não é do tamanho da operação, mas é o da demanda por essas dívidas. Em março, a relação entre oferta e procura pelos papéis da empresa foi de 3,2 vezes, ou seja, para cada dólar que a Amazon queria tomar emprestado, investidores ofereciam mais de três. Na emissão mais recente, essa relação caiu pela metade, para 1,6.

Em outras palavras, o apetite dos investidores por financiar os bilhões que as big techs direcionam para infraestrutura de IA está diminuindo, e o gráfico das ações da Amazon, que vem perdendo força relativa em comparação ao setor de consumo discricionário desde maio, confirma a tendência.

O sinal não é de pânico, mas é de um ceticismo crescente. Nos últimos trimestres, Amazon, Microsoft, Meta e Google comprometeram centenas de bilhões de dólares em data centers, chips e infraestrutura computacional, justificando cada investimento com a promessa de que a IA geraria receita suficiente para compensar os gastos.

Mas, como temos coberto nas últimas edições, desde a admissão de Zuckerberg de que os resultados ficaram aquém do esperado até a queda relativa das Magníficas no mercado, a distância entre a promessa e a entrega começou a incomodar quem assina os cheques. E, quando a demanda por dívida de uma empresa como a Amazon cai pela metade em quatro meses, o mercado não está dizendo que a IA é uma bolha. Está dizendo que precisa ver retorno antes de continuar emprestando no mesmo ritmo. É a diferença entre duvidar da tese e exigir provas.

O CEO do Google DeepMind Quer um Regulador Para a IA

Demis Hassabis, CEO do Google DeepMind e um dos cientistas mais influentes da indústria de inteligência artificial, publicou nesta terça-feira um artigo defendendo a criação de um órgão regulador independente para supervisionar o lançamento de modelos de IA de fronteira. A proposta, intitulada “Uma Estrutura para IA de Vanguarda e o Alvorecer de uma Nova Era”, sugere algo nos moldes da FINRA, a autoridade que regula o mercado financeiro americano: um organismo apoiado pelo governo, mas financiado pela indústria, operado de forma independente e composto por especialistas técnicos e representantes de código aberto.

O órgão ficaria responsável por testar modelos avançados e desenvolver padrões para seu lançamento, substituindo as revisões improvisadas que Washington realizou nos últimos meses sobre o Mythos da Anthropic e o Sol da OpenAI, onde estes processos foram criticados pela falta de conhecimento técnico e pela opacidade (e talvez favorecimento político) nas decisões.

A ironia de o CEO do Google DeepMind, uma divisão que desenvolve alguns dos modelos mais avançados do planeta, pedir regulação não é um paradoxo. É estratégia. Pois quando o líder tecnológico de um setor pede regras formais, ele geralmente está pedindo regras que consegue cumprir melhor do que seus concorrentes menores, que não possuem os recursos, as equipes de segurança ou a infraestrutura para se submeter a auditorias rigorosas.

Um órgão regulador que exija testes extensivos antes do lançamento de modelos de fronteira beneficia diretamente empresas como Google, Anthropic e OpenAI, que já fazem esses testes internamente, e cria barreiras de entrada para startups que operam com menos estrutura e mais velocidade.

Dito isso, a necessidade de alguma forma de supervisão é real e urgente. As revisões realizadas pelo governo americano sobre o Mythos e o Sol expuseram a fragilidade do modelo atual, com suas agências sem expertise técnica avaliando modelos que seus próprios criadores não compreendem inteiramente, em processos sem transparência e sem critérios públicos para decidir quando um modelo pode ou não ser liberado.

A proposta de Hassabis não resolve todos esses problemas, mas oferece algo que o cenário atual não tem: um fórum permanente, com competência técnica, onde as decisões sobre o lançamento de IA de fronteira sejam tomadas por quem entende do assunto, e não por burocratas que descobrem o que é um modelo de linguagem na véspera da audiência. Se a indústria de IA vai ser regulada, e cada vez parece mais claro que sim, a pergunta que resta é quem escreverá as regras. E Hassabis está tentando garantir que essa caneta fique na mão de quem sabe como a tinta funciona.

Leia também:

Mas uma cadeia tecnológica funciona como uma estrada: não importa haver várias pistas em quase todo o percurso se, em algum ponto, existe apenas uma. O trânsito sempre para no trecho mais estreito.

Na inteligência artificial, esse trecho está mudando de lugar.

Tudo começa com a Zeiss

A Zeiss produz sistemas ópticos de altíssima precisão. São lentes e espelhos que ajudam a controlar a luz usada para desenhar circuitos microscópicos nos chips.

É como escrever milhares de páginas no espaço de uma cabeça de alfinete. Sem uma óptica extremamente precisa, o restante da cadeia nem começa.

A ASML constrói a máquina

A ASML utiliza a tecnologia óptica da Zeiss em suas máquinas de litografia. Elas funcionam como impressoras gigantescas que desenham os circuitos sobre placas de silício.

A relação entre as duas vai além de fornecedora e cliente: a ASML possui 24,9% de participação indireta na Carl Zeiss SMT, divisão da Zeiss voltada à fabricação de semicondutores. A participação ajuda as empresas a coordenar investimentos e o desenvolvimento de novas tecnologias.

A TSMC transforma o desenho em chip

Empresas como a Nvidia projetam os chips. A TSMC transforma esses projetos em componentes físicos, fabricando bilhões de transistores em wafers de silício.

Já conhece a Rádio Entrelinhas? Agora você pode ouvir tudo o que escrevemos por aqui. No carro, na academia ou em qualquer lugar. Acesse por aqui!

Em linguagem simples, a Nvidia faz a planta e a TSMC constrói o edifício. Durante algum tempo, a capacidade de fabricação e de empacotamento dos chips também foi um dos grandes limites da expansão da IA.

A Nvidia entrega o processamento

As GPUs da Nvidia fazem uma enorme quantidade de cálculos ao mesmo tempo. São os motores responsáveis por treinar e executar os modelos de inteligência artificial.

A empresa também oferece o CUDA, um ecossistema de software que ajuda desenvolvedores e empresas a utilizar esses chips.

Entre 2023 e 2024, as GPUs eram o principal gargalo. Quem conseguia comprá-las avançava. Quem não conseguia, esperava.

A Micron alimenta as GPUs

Uma GPU poderosa precisa receber dados rapidamente. É aí que entra a memória HBM, produzida por empresas como Micron e SK hynix.

Pense em uma cozinha. A GPU é o cozinheiro e a memória é quem coloca os ingredientes na bancada. Não adianta ter o cozinheiro mais rápido do mundo se os ingredientes chegam devagar.

A capacidade de processamento cresceu mais rapidamente do que a oferta de memória. Por isso, o gargalo migrou das GPUs para a HBM.

Com a escassez, fabricantes de memória ganharam importância, poder de negociação e margens maiores. O dinheiro acompanhou o gargalo.

O próximo limite pode ser a energia

Mesmo com chips e memória disponíveis, os data centers precisam de eletricidade, transformadores, cabos, sistemas de refrigeração e conexão à rede.

É como montar uma fábrica com todas as máquinas prontas, mas descobrir que a região não possui energia suficiente para ligá-las.

Por isso, o próximo gargalo pode estar fora do servidor. A pressão tende a avançar para a geração de energia, transmissão, refrigeração e infraestrutura dos data centers.

O valor acompanha a escassez

O gargalo não desaparece. Ele se desloca.

Primeiro esteve na fabricação. Depois, nas GPUs. Agora, está na memória. Amanhã, pode estar na energia, nas redes ou em outro componente que ainda parece secundário.

Quando o problema se torna evidente para todo o mercado, parte do valor já foi capturada. A maior oportunidade costuma estar em perceber o próximo ponto de escassez antes que ele vire consenso.

Quem antecipa esse movimento consegue investir antes, construir capacidades antes e ocupar espaços antes dos concorrentes. O gargalo muda de lugar. O dinheiro muda junto. E quem enxerga esse deslocamento antes tem mais chances de capturar valor e continuar relevante.

Leia também

A desproporção entre o que o Letterboxd é e o que estão dispostos a pagar por ele só faz sentido quando se entende o que mudou na indústria do entretenimento nos últimos anos, porque o que mudou não foi a oferta, que continua crescendo, mas a natureza da escassez. Durante a primeira década do streaming, a guerra era por catálogo. Quem tivesse mais filmes e mais séries atrairia mais assinantes. Netflix, Disney, HBO, Amazon e Apple despejaram centenas de bilhões de dólares em produção de conteúdo, e o resultado é que, em 2026, existe mais coisa para assistir do que qualquer ser humano conseguiria consumir em várias vidas. O catálogo, porém, deixou de ser o diferencial. E quando o conteúdo se torna abundante, o recurso escasso passa a ser outro: saber o que vale a pena assistir.

Essa é a função que o Letterboxd exerce, e que nenhuma plataforma de streaming conseguiu replicar internamente. Quando você abre a Netflix, o que encontra é um algoritmo que tenta adivinhar o que você quer ver com base no que já viu. É uma recomendação mecânica, calibrada para maximizar o tempo de tela, não necessariamente para conectar o espectador com algo que o surpreenda, que desafie seu gosto ou que ele nunca teria descoberto sozinho. Quando você abre o Letterboxd, o que encontra é uma comunidade. São pessoas reais, com nomes e históricos de consumo visíveis, cujas opiniões você pode avaliar ao longo do tempo e decidir se confia ou não. A descoberta, nesse ambiente, não é algorítmica, mas é inteiramente social. E a diferença entre as duas coisas é a diferença entre um sistema que diz “você provavelmente vai gostar disso” e uma pessoa cujo gosto você respeita dizendo “você precisa ver isso”. A segunda tem um poder de influência que nenhum algoritmo de recomendação, por mais sofisticado que seja, consegue igualar.

É esse poder de influência que está na mesa de negociação, não as resenhas em si. O Letterboxd se tornou, nos últimos anos, uma das poucas plataformas onde conversas genuínas sobre cinema acontecem em escala, com a credibilidade que nasce de uma comunidade que existe pelo amor ao assunto, não porque foi construída para vender assinaturas. Quando uma lista de “melhores filmes de terror dos anos 90” viraliza no Letterboxd, os filmes daquela lista registram picos de audiência nas plataformas de streaming. Quando um título independente ganha tração na comunidade, ele se torna assunto em redes sociais, podcasts e veículos de cultura. Charli XCX e Jack Harlow, um dos principais nomes da nova geração do hip-hop norte-americano, publicam resenhas ali. Diretores como Barry Jenkins e Greta Gerwig têm perfis ativos. É, como descreveu um analista do setor, “um tipo de relevância cultural que não se compra”, o que, ironicamente, é exatamente o que todos estão tentando comprar agora.

Para a Sony, a aquisição faria parte de uma estratégia maior que já está em curso. No ano passado, a empresa comprou a Alamo Drafthouse, a rede de cinemas de Austin conhecida por sessões temáticas, festivais curados e uma cultura de reverência ao cinema que a transformou em destino, não em commodity. Juntar a Alamo Drafthouse com o Letterboxd significaria construir algo que nenhum outro estúdio tem: um ecossistema cinéfilo completo, do digital ao presencial, onde a descoberta acontece na plataforma, o engajamento se aprofunda na comunidade e a experiência se materializa na sala de cinema.

Para a Netflix, a equação é diferente e mais complexa. A empresa perdeu a disputa pela compra da Warner Bros. Discovery, que a Paramount arrematou por 111 bilhões de dólares no início do ano, pagando inclusive uma multa de 2,8 bilhões à Netflix pela quebra do acordo anterior. Frustrada na tentativa de adquirir o maior catálogo de propriedade intelectual do entretenimento, a Netflix pode estar buscando aquisições menores que resolvam problemas específicos. E o problema mais específico que a Netflix enfrenta hoje, é que seu modelo produz um tipo de consumo intenso, mas não produz uma comunidade. Espectadores assistem, falam sobre a série por três dias e esquecem. O Letterboxd, ao contrário, é uma plataforma onde o engajamento se acumula ao longo do tempo: cada resenha, cada lista, cada follow constrói uma identidade cinematográfica que o usuário tem interesse em manter e expandir. É o tipo de aderência que a Netflix, por design, nunca conseguiu criar.

Contudo, e aqui está a tensão que nenhum dos compradores conseguiu resolver, adquirir o Letterboxd carrega um risco que é, em si mesmo, o argumento mais forte contra a aquisição. O valor do Letterboxd reside inteiramente na percepção de independência. Seus usuários confiam nas recomendações da comunidade porque sabem que nenhuma empresa está pagando para que um filme apareça no topo de uma lista. No momento em que o Letterboxd pertence à Netflix, à Sony ou à Paramount, essa confiança é colocada em xeque. O espectador que hoje segue uma lista de “melhores filmes do ano” acreditando que ela reflete o gosto genuíno de cinéfilos passaria a se perguntar se os resultados estão sendo influenciados pelo catálogo do dono da plataforma.

É o mesmo dilema que toda aquisição de comunidade enfrenta: o ato de comprar aquilo que é valioso pode ser, em si, o que destrói o valor. O cofundador do Letterboxd, Matthew Buchanan, mantém poder de veto sobre qualquer comprador, o que sugere que ele entende esse risco melhor do que a maioria.

O que esse episódio revela, quando visto em perspectiva, é uma mudança de fase na economia da atenção que temos acompanhado ao longo das edições do Entrelinhas. A disputa pelo Letterboxd é, em essência, a mesma disputa que analisamos quando a Shopee entrou no ChatGPT, quando a Novo Nordisk escolheu o Mercado Livre em vez das farmácias, quando a Amazon transformou a venda de Ozempic em um programa de saúde: a batalha não é mais pelo produto. É por quem controla o momento em que o consumidor decide. No streaming, esse momento é a descoberta, o instante em que alguém decide o que vai assistir esta noite. E o Letterboxd, por mais modesto que pareça ao lado de empresas que valem centenas de bilhões, é uma das poucas plataformas que influenciam esse momento com credibilidade genuína, construída ao longo de uma década por uma comunidade que ninguém pagou para criar.

A pergunta que resta é se essa credibilidade sobrevive à aquisição. Porque se não sobreviver, os 250 milhões compram uma marca, uma base de dados e uma interface. Mas não compram o que realmente importa: a confiança de trinta milhões de pessoas que, até agora, acreditavam que ali era o único lugar onde ninguém estava tentando lhes vender nada. E confiança, como qualquer líder experiente sabe, é o ativo mais valioso de qualquer negócio, justamente porque é o único que não pode ser adquirido. Só pode ser construído. Ou destruído.

Leia também:

Duzentos e trinta e sete anos depois, as fortalezas que pareciam permanentes estão, mais uma vez, sob pressão. A Uber, que construiu um império eliminando intermediários, agora faz lobby para que a lei exija motoristas humanos como forma de se proteger dos robotáxis que ameaçam seu modelo. O Google, que todos imaginavam que seria devorado pelos chatbots de IA, segue crescendo em buscas enquanto seus rivais disparam em tráfego. A Apple e a Micron, que sempre dependeram uma da outra, agora se acusam publicamente pela crise de preços que encarece o iPhone. E Elon Musk promete data centers no espaço enquanto Sam Altman pergunta, em público, se alguém realmente acredita nisso. São todas histórias sobre fortalezas testadas, onde algumas resistem, outras se adaptam, e pelo menos uma pode ser apenas miragem.

A Uber Quer Leis que Protejam os Motoristas Humanos

A empresa que se tornou símbolo da disrupção agora pede ao governo que desacelere a disrupção seguinte. Segundo a Wired, lobistas da Uber estão pressionando legisladores americanos para transformar em lei o que a empresa chama de “redes híbridas”, melhor dizendo, sistemas em que motoristas humanos trabalham obrigatoriamente ao lado de carros autônomos.

Em Nova Jersey, a proposta já possui maior materialidade e redige que qualquer plataforma que ofereça transporte autônomo teria que manter motoristas humanos atendendo em 85% das viagens por pelo menos três anos. Na prática, a regra inviabilizaria a operação de empresas que apostam em frotas 100% robóticas, como a Waymo e a Tesla, cujos modelos de negócio não incluem, e nunca incluíram, motoristas humanos.

A Uber apresenta este modelo híbrido como um tipo caminho responsável, argumentando que frotas exclusivamente autônomas não possuem o “freio natural” dos motoristas humanos, que param de dirigir quando a demanda cai, e por isso arriscariam inundar as cidades de veículos vazios circulando sem passageiros.

O argumento tem sim substância, mas a motivação obviamente não é social, mas econômica. A Uber possui quantias de até US$ 10 bilhões em investimentos no setor de autonomia, porém seu negócio mais lucrativo ainda são as corridas intermediadas com motoristas humanos. Um modelo híbrido, nesse cenário, protege exatamente essa receita e posiciona a Uber como a camada (única) de intermediação entre passageiros, motoristas e robôs, em outras palavras, a empresa cobra pedágio de todos os lados.

A ironia é que a mesma empresa que passou a última década destruindo os argumentos regulatórios das cooperativas de táxi contra aplicativos de transporte agora utiliza a mesma lógica de proteção de empregos, segurança pública e de uma “transição gradual”, para erguer barreiras contra seus próprios concorrentes tecnológicos. Sob essa mesma estratégia travestida de projeto social, a Waymo, sua única parceira que hoje oferece corridas 100% autônomas e pagas nos Estados Unidos, com mais de mil robotáxis na região da Baía de São Francisco, já recebeu críticas diretas e indiretas de executivos da Uber nos últimos meses.

É a clássica posição do incumbente que sente o chão se mover: quando a tecnologia favorece, a narrativa é de progresso; quando a tecnologia ameaça, a narrativa vira regulação. A história da Bastilha ensina que esse tipo de manobra funciona por um tempo, mas raramente funciona para sempre.

O Google Que Não Morreu

Há um ano, a tese dominante no mercado era de que os chatbots de IA dizimaram a busca do Google. Porém, os dados de junho contam uma história diferente. Segundo levantamento do Bank of America Securities, as visitas globais na web ao Google subiram 4% na comparação anual, atingindo 2,8 bilhões de buscas, isso no mesmo período em que o tráfego do Claude, da Anthropic, saltou 736% e o da Meta AI cresceu 98%. Em outras palavras, os chatbots cresceram de forma explosiva, mas o Google não encolheu. Os dois movimentos aconteceram ao mesmo tempo, não um em detrimento do outro.

O dado mais revelador, contudo, é interno. O Gemini, a plataforma de IA do próprio Google, mais do que quadruplicou seu tráfego na web no último ano, com os usuários diários em dispositivos móveis subindo 295%, com esses ganhos vindo às custas das buscas e menções de links que vieram de dentro do ChatGPT, e não da busca tradicional.

Além disso, o Google integrou o Gemini ao recurso de “visões gerais criadas por IA” dentro da própria busca, o “Modo IA”, o que significa que quando o usuário pesquisa algo e recebe uma resposta gerada por IA no topo da página, ele continua usando o Google, só que de uma forma diferente. A empresa, com isso, conseguiu algo que parecia improvável: absorver a IA dentro de seu produto principal em vez de ser substituída por ela.

Nada disso significa que a empresa está livre de riscos. Afinal, um êxodo de pesquisadores seniores da DeepMind, o laboratório interno de IA do Google, rumo a outras empresas do ramo, assustou investidores no mês passado, e alguns analistas interpretaram as saídas como sinal de que a empresa está ficando atrás da OpenAI e da Anthropic no desenvolvimento de modelos de fronteira.

Se isso for verdade, o Google pode perder clientes corporativos que buscam a melhor IA do mercado. Mas os dados de junho sugerem que essa perda, se vier, acontecerá no topo da pirâmide, não na base. Para as tarefas cotidianas de bilhões de pessoas, a busca do Google e o Gemini são mais do que suficientes, e os consumidores claramente não estão trocando nenhum dos dois pelo ChatGPT ou pelo Claude. A fortaleza do Google pode estar sob pressão nos andares mais altos, mas seus alicerces continuam firmes.

A Apple vs Micron: Quem Encareceu Seu iPhone?

A escassez de chips de memória transformou a relação entre a Apple e a Micron, que sempre foram mutuamente dependentes, numa disputa pública em que cada lado culpa o outro pela disparada de preços que já encareceu Macs e iPads em até US$ 500. O CEO da Apple, Tim Cook, chamou a alta de “uma enchente que só acontece a cada cem anos” e atribuiu os reajustes ao custo repassado pelos fornecedores. A Micron devolveu a responsabilidade: sem citar a Apple pelo nome, seu diretor de negócios sugeriu que a negociação agressiva de grandes compradores impediu a empresa de financiar a expansão de capacidade durante a retração do setor, criando as condições para a escassez que agora pega todos de surpresa.

Ambos os argumentos têm fundamento, mas nenhum conta a história inteira. A Apple historicamente usou seu enorme poder de compra para travar preços antes dos concorrentes, garantir volumes prioritários e manter margens que transformam um chip comprado por US$ 5 em um componente de um produto vendido por US$ 1.500. Esse modelo funcionou enquanto a oferta de memória era abundante. Mas, quando a demanda por inteligência artificial explodiu e os fabricantes redirecionaram suas linhas para a memória de alto desempenho usada em data centers, onde as margens são incomparavelmente maiores, o que sobrou para a Apple e seus rivais foi uma oferta menor, a preços que subiram até 98% num único trimestre.

A escassez, nesse sentido, não foi causada pela Apple nem pela Micron isoladamente, mas foi causada por uma demanda que cresceu mais rápido do que qualquer previsão, combinada com o fato de que construir novas fábricas de memória é lento, caro e tecnicamente complexo.

O desdobramento mais revelador da disputa, contudo, é geopolítico. Pressionada pelos custos, a Apple teria pedido autorização ao governo americano para usar chips de memória da chinesa CXMT, fabricante que pratica preços mais baixos e opera sob restrições dos Estados Unidos. Se Washington conceder essa autorização, o sinal será de que a realidade dos custos pode flexibilizar até os embargos tecnológicos mais rígidos. Se negar, a Apple ficará presa a fornecedores cujos preços ela não consegue mais controlar, e o consumidor continuará pagando a diferença.

Em ambos os cenários, a lição é a mesma que temos coberto nas últimas semanas: quem não controla sua cadeia de suprimentos acaba refém de quem controla, e neste momento quem controla a memória são três empresas sul-coreanas e americanas que sabem perfeitamente que o mundo inteiro precisa delas mais do que elas precisam de qualquer cliente individual.

Data Centers no Espaço: Visão ou Miragem?

Sam Altman e Elon Musk trocaram farpas nas redes sociais durante o fim de semana, e desta vez o alvo não foi o julgamento entre OpenAI e xAI, mas a viabilidade dos data centers orbitais que a SpaceX promete construir. Respondendo à acusação de Musk de que ele seria um golpista, Altman o rebateu com sem dó: “Cara, você é quem está convencendo investidores do mercado público a investir em data centers espaciais de curto prazo.”

A frase, longe de ser apenas uma provocação pessoal, foi uma crítica direta à tese central que sustenta a avaliação de US$ 2 trilhões da SpaceX.

E Altman não está sozinho nessa avaliação. Quando se conversa com especialistas no assunto, sejam os empreendedores por trás de outras startups de computação espacial, a equipe do Google que desenvolve seu próprio projeto de infraestrutura orbital, ou engenheiros que simplesmente fizeram as contas por curiosidade técnica, a resposta é sempre bastante parecida: data centers no espaço não terão impacto relevante até que a humanidade disponha de foguetes muito mais baratos e da capacidade de fabricar satélites de alta potência em massa e a custo baixo.

A SpaceX, é claro, poderia, sem dúvida, lançar um satélite equipado com capacidade de processamento no ano que vem. Mas a questão que sustenta (ou desmente) a avaliação trilionária da empresa não é se ela consegue lançar um, mas é quando conseguirá lançar milhares. E essa, segundo os especialistas, é uma questão para a década de 2030, não para 2026 ou 2027.

Dito isso, apostar contra Musk é um exercício que já saiu caro para muitos. O mesmo homem que ouviu risadas ao prometer foguetes reutilizáveis hoje pousa propulsores de pé com regularidade. O mesmo que foi chamado de irresponsável ao dizer que cobriria o planeta com internet via satélite opera o Starlink com dezenas de milhões de assinantes.

Assim, a SpaceX já provou, repetidamente, que prazos de Musk são ficção, mas suas ambições tendem a se materializar, só que numa escala de tempo que o mercado financeiro, acostumado a pensar em trimestres, tem dificuldade de precificar corretamente. O risco para os investidores não é que Musk esteja mentindo sobre data centers orbitais. É que ele esteja dizendo a verdade sobre algo que vai acontecer em 2035, enquanto a avaliação da SpaceX já precifica como se fosse 2027. E a distância entre visão e miragem, no mercado, é medida exatamente em anos de diferença entre a promessa e a entrega.

Leia também:

Enquanto a China praticamente substituiu as farmácias de rua por super apps e entregas ultrarrápidas, grandes redes americanas, como a CVS, estão fechando milhares de lojas físicas. Já no Brasil, o movimento parece ser exatamente o oposto: centenas de novas unidades continuam sendo inauguradas todos os anos.

À primeira vista, esses cenários parecem contraditórios.

Talvez não sejam.

Talvez estejamos observando diferentes momentos de uma mesma trajetória.

Imagine o desenvolvimento do varejo farmacêutico como uma linha do tempo.

Cada país ocupa uma etapa diferente desse processo.

O Brasil parece viver a fase da expansão física.

Aqui, abrir novas farmácias ainda faz sentido. Em muitas cidades, especialmente fora dos grandes centros, elas representam proximidade, confiança, conveniência e acesso. A presença física continua sendo um diferencial competitivo importante.

Nos Estados Unidos, o cenário é diferente.

O mercado amadureceu.

Durante décadas, milhares de lojas foram abertas até que a cobertura territorial atingisse um ponto de saturação. Agora, com consumidores cada vez mais digitais, manter tantas unidades deixou de ser eficiente.

Fechar lojas não significa fracasso.

Significa otimização.

É a passagem para um modelo híbrido, onde o físico e o digital passam a trabalhar juntos.

A China, por sua vez, parece ter avançado para uma terceira etapa.

Lá, aplicativos como WeChat e Meituan transformaram completamente a experiência de compra. Medicamentos, produtos de saúde e itens de conveniência chegam à casa do consumidor em poucos minutos, reduzindo drasticamente a necessidade de visitar uma loja física.

Nesse estágio, a conveniência deixa de estar no endereço da farmácia.

Passa a estar no smartphone.

Quando observamos esses três mercados em conjunto, surge uma reflexão interessante.

Talvez a pergunta não seja qual modelo é melhor.

Mas em que momento da evolução cada país se encontra.

Se essa hipótese estiver correta, o Brasil não está atrasado.

Está apenas vivendo uma fase diferente.

E isso representa uma enorme oportunidade.

Porque podemos aprender com os erros e os acertos de quem percorreu esse caminho antes.

Os Estados Unidos mostram os riscos da expansão excessiva sem adaptação digital.

A China demonstra o poder de integrar logística, tecnologia e conveniência em um único ecossistema.

O Brasil ainda possui tempo para construir essa transição de forma mais equilibrada.

Isso significa que a abertura de novas farmácias continuará fazendo sentido nos próximos anos.

Mas também significa que apenas abrir lojas dificilmente será suficiente no longo prazo.

O verdadeiro desafio será transformar essas unidades em algo muito maior.

Centros de saúde.

Hubs de serviços.

Pontos de atendimento integrados a plataformas digitais.

Locais onde tecnologia e atendimento presencial coexistem de forma complementar.

Porque, no futuro, a vantagem competitiva provavelmente não estará em possuir mais lojas.

Estará em conectar melhor o físico ao digital.

No fim, talvez a maior lição seja que mercados não evoluem em linha reta.

Eles passam por ciclos.

E quem consegue identificar em qual estágio está o seu setor ganha algo extremamente valioso.

Tempo para se preparar antes que a mudança se torne inevitável.

A pergunta, portanto, não é se o varejo farmacêutico brasileiro será digital.

A pergunta é quando.

E, como acontece em praticamente toda transformação tecnológica, aqueles que começarem a construir esse futuro antes da necessidade aparecer estarão muito melhor posicionados quando o mercado finalmente virar a chave.

Veja também:

A história da eletricidade é talvez o exemplo mais emblemático disso: Nikola Tesla foi o gênio quem desenvolveu o sistema de corrente alternada que tornou possível a eletrificação do mundo moderno e morreu pobre em um quarto de hotel em Nova York, enquanto as empresas que controlavam a infraestrutura de transmissão e distribuição, o gargalo seguinte da cadeia, acumularam fortunas durante décadas. A revolução era de Tesla. O gargalo era de outros. E o dinheiro seguiu o gargalo.

Na sexta-feira passada, esse mesmo padrão se fez real mais uma vez na nossa frente, com uma clareza quase didática na Nasdaq. A SK Hynix, fabricante sul-coreana de chips de memória, estreou na bolsa americana levantando 26,5 bilhões de dólares, o maior IPO de uma empresa não americana na história dos Estados Unidos, superando os 25 bilhões que o Alibaba captou em 2014. Suas ações, em resposta direta, subiram cerca de 13% no primeiro dia de negociação. A demanda por elas superou a oferta apresentada pela empresa em mais de sete vezes. Mais de quinhentas firmas de investimento disputaram participação na oferta. E o mercado americano, que historicamente aplica um desconto brutal a empresas coreanas por conta de riscos governança e geopolíticos, recebeu a SK Hynix como quem recebe uma empresa indispensável, porque é exatamente isso que ela é.

Para entendermos por que o mercado tratou uma fabricante de memória com a reverência normalmente reservada a empresas de plataforma, é preciso entender o que aconteceu com a cadeia de valor da inteligência artificial nos últimos doze meses. Porque o que aconteceu é, em essência, uma migração de gargalo. E migrações de gargalo redefinem quem ganha dinheiro em uma indústria inteira.

Há dois anos, o recurso mais escasso do ecossistema de IA eram as GPUs. A Nvidia dominava esse mercado com uma margem tão ampla que se tornou, em determinado momento, a empresa mais valiosa do mundo. Seus chips eram tão difíceis de obter que empresas formavam filas de espera de meses, pagavam prêmios exorbitantes e tratavam a alocação de GPUs como decisão estratégica de nível C. Tudo isso era sustentado por uma equação simples: a demanda por computação para treinar e rodar modelos de IA superava, por uma margem enorme, a capacidade de produção disponível. Enquanto essa escassez durou, a Nvidia pôde cobrar o que quisesse, e cobrou. Suas margens atingiram patamares que a indústria de semicondutores nunca havia visto.

Acontece que a Nvidia fez o que toda boa empresa de infraestrutura faz quando a demanda explode: investiu pesado para expandir sua capacidade de produção. E funcionou. A escassez de GPUs, que parecia alarmante ainda no ano passado, diminuiu consideravelmente, em parte porque a Nvidia entregou volume em escala, em parte porque Google, Amazon, Microsoft e até a OpenAI desenvolveram processadores alternativos que, embora não sejam tão potentes, são suficientes para reduzir o custo da computação e aliviar a pressão sobre a oferta de GPUs.

O efeito disso foi que, agora, a lei da oferta e demanda funcionou contrária a Nvidia: suas ações caíram 15% desde o pico em maio, e a empresa é negociada hoje, em relação aos lucros projetados, abaixo da média do S&P 500. Não porque esteja indo mal, afinal, a receita continua crescendo, mas porque o mercado que ela ajudou a criar está começando a funcionar contra o prêmio que sustentava sua avaliação. Isso porque quando a escassez se alivia, o poder de precificação diminui. E quando o poder de precificação diminui, os múltiplos da empresa se comprimem no mercado.

Enquanto isso, o gargalo real da cadeia de IA migrou para outro componente: a memória de alta largura de banda. A sigla é HBM, de high-bandwidth memory, e para quem não é do setor, a explicação mais honesta é esta: a GPU é o motor do carro, mas a memória HBM é o combustível que alimenta esse motor em tempo real. Sem ela, a GPU simplesmente não consegue processar a quantidade de dados que os modelos de IA exigem. É a memória HBM que permite que um processador de IA acesse e manipule volumes massivos de informação simultaneamente, com a velocidade necessária para que o treinamento de um modelo de linguagem ou a inferência de um agente aconteçam no tempo que o mercado exige.

E o detalhe mais relevante, do ponto de vista competitivo, é que a memória HBM é fisicamente fundida ao chip da Nvidia no momento da fabricação. Não pode ser trocada, substituída ou atualizada depois. Uma vez montada, é permanente. Isso cria um nível de dependência que vai além do comercial: é arquitetural.

Dito isso, a SK Hynix controla aproximadamente 60% do mercado global de HBM por receita. Cada GPU H100, H200 e Blackwell que a Nvidia vende tem memória da SK Hynix dentro. Toda a produção de 2026 já está vendida, e a escassez se estende até 2027. O chairman da SK Hynix, Chey Tae-won, contou na Nasdaq que, quando anunciou planos para dobrar a capacidade de produção em cinco anos, a reação dos clientes não foi de alívio, mas de frustração: “todos disseram que não era o suficiente e que precisavam de mais”. Essa é a linguagem da escassez estrutural, e é exatamente essa linguagem que transforma múltiplos de avaliação.

A ironia é que a Nvidia criou a demanda que agora alimenta a SK Hynix. Sem as GPUs da Nvidia, os data centers de IA não existiriam na escala atual. Sem esses data centers, a demanda por memória HBM não teria explodido. Sem essa explosão, a SK Hynix ainda seria o que sempre foi durante décadas: uma fabricante cíclica de memória DRAM, sujeita às oscilações brutais de preço que historicamente definiram esse mercado. O que mudou é que a IA transformou a memória de commodity em infraestrutura crítica. E o mercado, ao perceber essa reclassificação, está precificando a SK Hynix não como uma empresa de memória, mas como uma empresa de infraestrutura de IA, o mesmo tratamento que a Nvidia recebeu dois anos atrás, quando era ela quem controlava o gargalo.

O paradoxo da Nvidia é, nesse sentido, o paradoxo clássico de quem resolve a escassez que o tornou valioso. Ao expandir a capacidade de produção de GPUs e aliviar a crise de oferta, a Nvidia fez a coisa certa para o mercado e, simultaneamente, a coisa que corrói sua própria precificação premium. O valor da Nvidia está atrelado ao preço da computação, e esse preço está caindo. O valor da SK Hynix está atrelado ao preço da memória, e esse preço continua subindo. É como uma corrida de bastão em que o bastão é o gargalo: quem o segura dita o ritmo do mercado, e quando o passa adiante, precisa encontrar uma nova razão para ser indispensável.

Há, ainda, uma camada geopolítica nessa movimentação que se conecta diretamente ao que chamamos aqui de a nova ordem mundial da IA. A SK Hynix anunciou que os recursos do IPO serão investidos quase integralmente na Coreia do Sul: em uma nova fábrica no complexo de Yongin, uma instalação de empacotamento avançado em Cheongju e a aquisição de scanners de litografia ultravioleta extrema, aquelas máquinas da ASML que, como sabemos, custam centenas de milhões de dólares cada e são produzidas por uma única empresa no mundo.

A decisão de investir em solo coreano, e não americano, não passou despercebida em Washington. O secretário de Comércio dos Estados Unidos, Howard Lutnick, apareceu em um evento da concorrente Micron na véspera do IPO para enviar um recado ao setor, de que ele está tratando com Samsung e SK Hynix sobre a construção de fábricas em território americano. Claro, estes recursos são importantes demais para estarem fora de seu controle. E, assim, o mesmo padrão que vimos com a TSMC e o Arizona se repete: Washington não quer depender de fábricas do outro lado do Pacífico para produzir componentes que considera estratégicos para a segurança nacional.

Para quem lidera negócios e acompanha essas movimentações, a leitura mais relevante não está no IPO em si, mas no padrão que ele revela. A revolução da IA é, na sua infraestrutura física, uma cadeia de dependências em que cada elo se torna, temporariamente, o mais valioso, até que a capacidade se expanda e o gargalo migre para o elo seguinte. Primeiro foram as GPUs. Agora é a memória. Em breve, pode ser energia, refrigeração ou capacidade de empacotamento avançado. O mercado segue o gargalo. E quem entende essa dinâmica entende por que uma fabricante de memória sul-coreana acaba de levantar mais dinheiro na Nasdaq do que qualquer empresa não americana na história.

A SK Hynix não inventou a revolução da IA. Mas controla, neste momento, o recurso sem o qual a revolução não funciona. E se a história ensina alguma coisa, é que o dinheiro sempre vai atrás de quem controla o gargalo, não de quem inventou a máquina.

Leia também:

Hoje, 24 anos depois, os chips de memória voltam ao protagonismo tecnológico com muito mais potência. Se antes o gargalo para o avanço da IA eram as GPUs da Nvidia, agora é a falta de memórias para que a inteligência artificial siga em frente. E, nesse contexto, uma nova empresa ocupa o lugar de destaque: a Micron.

Um Banco Global?

O Nubank acaba de receber a autorização definitiva para operar como banco no México. Não é apenas uma licença regulatória. É mais um passo na transformação de uma fintech brasileira em uma instituição financeira continental.

A empresa nasceu no Brasil, expandiu sua presença para México e Colômbia e agora também avança nos Estados Unidos, onde já recebeu uma aprovação condicional para estabelecer uma operação bancária.

Aos poucos, o Nubank deixa de ser apenas um banco brasileiro com operações internacionais. Começa a se tornar um banco das Américas, presente em alguns dos maiores e mais relevantes mercados financeiros do continente.

O desafio agora é provar que seu modelo pode ser exportado. Operação digital, estrutura mais leve, experiência simples e capacidade de atender milhões de clientes sem carregar o peso dos bancos tradicionais.

No Brasil, o Nubank mostrou que era possível desafiar instituições centenárias. No México, começa uma nova etapa. E, nos Estados Unidos, poderá enfrentar o teste mais difícil de todos.

Talvez ainda seja cedo para chamar o Nubank de banco global. Mas já não parece exagero dizer que ele está construindo um dos primeiros grandes bancos digitais verdadeiramente pan-americanos.

Espionagem Corporativa?

A Apple abriu uma guerra contra a OpenAI. A empresa entrou com um processo acusando a criadora do ChatGPT e dois ex-funcionários de se apropriarem de informações confidenciais para acelerar o desenvolvimento de novos dispositivos de inteligência artificial.

Já conhece a Rádio Entrelinhas? Agora você pode ouvir tudo o que escrevemos por aqui. No carro, na academia ou em qualquer lugar. Acesse por aqui!

Segundo a acusação, ex-executivos teriam acessado documentos internos, informações sobre produtos ainda não lançados e detalhes estratégicos da cadeia de fornecedores. A Apple afirma até que candidatos foram orientados a levar componentes e materiais proprietários para entrevistas na OpenAI.

A OpenAI nega as acusações. Mas o processo revela que a disputa entre as duas empresas ficou muito maior do que a IA dentro do iPhone. A OpenAI está entrando no território mais valioso da Apple: o hardware. Depois de incorporar a startup de Jony Ive e contratar centenas de ex-funcionários da fabricante do iPhone, a empresa parece determinada a criar uma nova categoria de dispositivos pessoais baseados em IA.

Nesse jogo, contratar talentos não significa apenas contratar pessoas. Significa absorver conhecimento sobre materiais, fornecedores, processos industriais, design, engenharia e produção em escala. É justamente aí que termina a mobilidade profissional e pode começar a espionagem corporativa. A fronteira entre as duas coisas será decidida pela Justiça.

Mas existe algo ainda maior por trás desse processo. Apple e OpenAI não estão brigando apenas por segredos industriais. Estão brigando para definir qual será o dispositivo que virá depois do smartphone e quem controlará a próxima grande interface entre seres humanos e tecnologia. A Apple construiu o produto mais importante das últimas duas décadas. A OpenAI quer construir o próximo.

Um Jobs na Cura do Câncer.

Reed Jobs carrega um dos sobrenomes mais conhecidos da tecnologia. Mas prefere não falar sobre a Apple nem viver à sombra do pai. Sua grande ambição está em outro lugar: ajudar a transformar o câncer em uma doença cada vez mais tratável.

Em 2023, ele criou a Yosemite, uma gestora dedicada exclusivamente à oncologia. O modelo combina capital de risco e filantropia para financiar pesquisas, acelerar descobertas científicas e criar novas empresas de biotecnologia.

A estratégia é entrar antes do investidor tradicional. Em vez de esperar que uma pesquisa acadêmica se transforme sozinha em uma empresa, a Yosemite ajuda a atravessar o difícil caminho entre o laboratório, os testes clínicos e o paciente.

A gestora já investiu em cerca de 25 empresas e agora busca levantar um novo fundo de US$ 350 milhões. Parte relevante do capital será destinada a negócios criados em parceria com universidades e pesquisadores.

A inteligência artificial também começa a ocupar um papel central nessa jornada, ajudando a identificar novos medicamentos, encontrar alvos biológicos e reduzir o tempo necessário para desenvolver tratamentos.

Existe uma dimensão pessoal evidente. Steve Jobs morreu de câncer, e Reed cresceu acompanhando de perto os impactos da doença. Mas sua história não parece movida apenas pelo legado do pai.

A infraestrutura abocanha o lucro

O gráfico da Bloomberg mostra uma mudança importante na economia da inteligência artificial: as maiores margens não estão necessariamente no produto final, mas nos componentes que tornam esse produto possível.

No trimestre mais recente, a Micron alcançou margem operacional de 80,4%. A SK Hynix chegou a 71,5%. A SanDisk, a 69,1%. Todas ficaram acima da Nvidia, com 65,6%. Outros fornecedores essenciais também aparecem com margens elevadas: Kioxia, 59,5%; TSMC, 58,1%; Samsung, 52,2%; e Broadcom, 48,6%.

Na outra ponta, empresas que transformam essa infraestrutura em software e serviços registraram margens menores. A Microsoft aparece com 46,3% e a Palantir, com 46,2%.

O dado revela onde está a maior pressão de demanda hoje. Memória, armazenamento, semicondutores e capacidade de processamento se tornaram recursos escassos. Com os preços subindo, os fabricantes conseguem ampliar rapidamente suas margens.

A IA pode aparecer para o cliente em forma de software. Mas, neste momento, boa parte do lucro está sendo capturada muito antes: na infraestrutura.

Leia também

O entusiasmo ingênuo transforma possibilidade em certeza. A tecnologia ainda não provou seu valor, mas já aparece como resposta para todos os problemas. Empresas compram ferramentas, criam áreas e anunciam estratégias antes mesmo de saber o que pretendem transformar. Produzem movimento, mas não necessariamente mudança.

A resistência confortável segue o caminho contrário. Ela se apresenta como prudência, experiência ou responsabilidade. Aponta limitações reais para justificar a manutenção das estruturas antigas. Muitas vezes, aquilo que parece cautela é apenas uma forma sofisticada de permanecer imóvel.

É por isso que entusiasmo e resistência podem coexistir na mesma empresa. A organização celebra o futuro nos discursos, mas preserva processos, hierarquias e indicadores construídos para o passado. O entusiasmo vira comunicação. A resistência continua comandando a operação.

A postura madura não está no meio-termo entre acreditar e rejeitar. Está na combinação entre curiosidade para explorar, ceticismo para testar e coragem para mudar de opinião. Maturidade estratégica é experimentar sem se iludir e questionar sem se esconder.

Diante da inteligência artificial, isso se torna ainda mais importante. Alguns esperam resultados extraordinários apenas com a adoção de ferramentas. Outros usam cada erro dos modelos como prova de que tudo não passa de exagero. Enquanto discutem, empresas mais disciplinadas testam, aprendem e reescrevem seus processos.

Elas não esperam que a tecnologia seja perfeita. Procuram entender onde ela já é suficientemente boa para gerar valor, reduzir atrito ou alterar a forma como o trabalho acontece. O potencial importa, mas é a execução que transforma potencial em vantagem.

Desconfie de quem promete que a tecnologia resolverá tudo. Mas desconfie também de quem sempre encontra uma razão confortável para não fazer nada. O futuro não será construído pelos mais entusiasmados nem pelos mais resistentes. Será construído por quem aprender mais rápido.

Leia também

Talvez essa lógica esteja começando a mudar. Em mercados cada vez mais velozes, adicionar pode gerar crescimento, mas também produz complexidade. Cada novo produto exige engenharia, fornecedores, estoque, treinamento, comunicação, manutenção e atenção da liderança.

Chega um momento em que a empresa já não está apenas administrando produtos. Está administrando o peso do próprio passado.

A Tesla acaba de oferecer um exemplo interessante dessa mudança. No início de 2026, Elon Musk anunciou o encerramento da produção do Model S e do Model X, os dois veículos que ajudaram a construir o prestígio da marca, mas que já representavam uma parcela pequena de suas vendas.

O Model S provou que um carro elétrico poderia ser desejado. O Model X ajudou a transformar a Tesla em uma marca global. Foram produtos importantes demais para serem tratados como fracassos, mas pequenos demais para continuarem ocupando o centro da estratégia.

Uma empresa madura precisa saber diferenciar um produto importante para sua história de um produto importante para seu futuro.

A decisão deixou a operação automotiva da Tesla ainda mais concentrada no Model 3 e no Model Y. No segundo trimestre de 2026, a companhia entregou 480.126 veículos, crescimento de aproximadamente 25% em relação ao mesmo período do ano anterior e um recorde para um segundo trimestre.

Desse total, 467.762 unidades foram Model 3 ou Model Y. Em outras palavras, os dois modelos responderam por mais de 97% de todas as entregas da companhia.

É tentador construir uma conclusão direta: a Tesla retirou dois carros da linha, concentrou-se nos dois que mais vendem e, como resultado, entregou mais veículos.

A realidade é um pouco mais complexa. A empresa produziu 451.758 carros no trimestre, mas entregou 480.126. Isso significa que parte do crescimento veio da redução de estoques acumulados anteriormente, e não apenas de um aumento da produção. A recuperação das vendas na Europa, preços mais acessíveis e melhores condições comerciais também ajudaram.

Além disso, a estrutura industrial antes dedicada ao Model S e ao Model X não está sendo simplesmente convertida para fabricar mais Model 3 e Model Y. A Tesla pretende utilizar parte da fábrica de Fremont para a produção do robô humanoide Optimus.

Portanto, não seria correto dizer que a Tesla entregou mais veículos porque retirou dois modelos da linha. Correlação não é causalidade.

Mas existe uma história estratégica verdadeira por trás dos números. A Tesla está recusando a lógica tradicional de que uma montadora precisa oferecer um carro para cada faixa de preço, perfil de consumidor e ocasião de uso. Enquanto boa parte da indústria trabalha para multiplicar plataformas, modelos e versões, a Tesla mantém quase toda a sua escala concentrada em dois produtos.

Isso produz dependência, evidentemente. Se o Model Y perder força, a Tesla terá poucos lugares onde se apoiar. Uma linha pequena aumenta a eficiência, mas também concentra o risco.

Ainda assim, a decisão mostra algo que muitas empresas perderam: foco não é declarar prioridades. Foco é aceitar as renúncias produzidas por essas prioridades.

Quase todas as empresas dizem ter três ou quatro prioridades estratégicas. Ao mesmo tempo, mantêm dezenas de produtos pouco relevantes, projetos que ninguém deseja encerrar, reuniões que perderam sua função e processos que só existem porque sempre existiram.

Nada disso parece grande quando analisado isoladamente. O problema aparece na soma. Cada produto marginal consome um pouco de capital, capacidade produtiva, energia gerencial e espaço mental.

Complexidade raramente entra na empresa como um grande problema. Ela chega disfarçada de oportunidade. Um cliente pediu uma versão especial. Uma área quer atender um novo segmento. Um projeto antigo possui um patrocinador importante. Um produto ainda gera alguma receita. Outro carrega valor emocional para os fundadores.

Quando todos possuem um bom motivo para continuar, nada termina. Esse talvez seja o aprendizado mais relevante do caso da Tesla. O Model S e o Model X não foram retirados porque nunca funcionaram. Foram retirados depois de cumprirem sua função.

Encerrar um produto vencedor pode ser mais difícil do que encerrar um produto fracassado. O fracasso oferece uma justificativa objetiva. O sucesso cria memória, identidade, defensores internos e a esperança de que os melhores dias possam voltar.

Por isso, muitas organizações não possuem um processo de encerramento. Possuem processos para criar produtos, aprovar investimentos e abrir áreas, mas quase nenhum ritual para concluir ciclos.

Tudo entra. Pouco sai.

O resultado é uma organização que continua crescendo por fora enquanto perde velocidade por dentro. Mais receita, mais pessoas, mais sistemas e mais ofertas, mas também mais dependências, mais reuniões e mais dificuldade para executar qualquer mudança.

Empresas não ficam lentas apenas porque cresceram. Elas ficam lentas porque acumulam decisões que nunca tiveram coragem de revisar.

Subtrair não significa simplesmente cortar custos. Cortar é retirar recursos buscando eficiência imediata. Subtrair estrategicamente é retirar complexidade para ampliar a capacidade de avançar.

É perguntar quais produtos realmente carregam o negócio. Quais processos ainda entregam valor. Quais projetos continuam vivos apenas por inércia. Quais decisões fariam sentido se a empresa fosse criada hoje.

A Tesla não está apenas retirando dois carros. Está retirando dois símbolos de seu passado para liberar espaço para uma nova aposta: robótica, inteligência artificial e sistemas autônomos.

Pode dar certo ou não. O Optimus ainda precisa provar que será um produto economicamente relevante. Mas a companhia está fazendo algo que poucas organizações conseguem fazer: trocar uma certeza pequena por uma possibilidade maior.

No segundo trimestre, a Tesla entregou mais carros com um portfólio automotivo ainda mais concentrado. Não podemos afirmar que uma coisa provocou a outra, mas podemos enxergar o movimento mais importante.

A empresa decidiu que não precisava continuar fazendo tudo aquilo que um dia soube fazer.

Em um mundo obcecado por adicionar, talvez uma das maiores vantagens competitivas seja saber o que retirar. Porque chega um momento em que crescer não depende de encontrar a próxima coisa que a empresa deveria começar. Depende de ter coragem para decidir o que ela finalmente precisa parar.

Leia também

Steve Jobs dizia que nunca devemos ignorar nossa intuição. Albert Einstein afirmava que “a mente intuitiva é um presente sagrado”. Jeff Bezos já contou que uma das decisões mais importantes da sua vida, a de abandonar uma carreira estável para fundar a Amazon, foi guiada por um forte senso intuitivo sobre o futuro da internet.

Seria coincidência?

Talvez não.

A intuição costuma ser tratada como um dom misterioso ou um simples “palpite”. Mas a neurociência sugere uma explicação muito mais interessante. Ela funciona como um sistema sofisticado de processamento de informações, operando silenciosamente enquanto nossa mente consciente está ocupada com outras tarefas.

Nesse aspecto, ela se parece muito com um modelo moderno de inteligência artificial.

Quando utilizamos uma IA, ela não produz respostas por mágica. Antes disso, foi alimentada com enormes volumes de dados, identificou padrões, estabeleceu relações entre diferentes informações e aprendeu a reconhecer contextos.

Nosso cérebro faz algo semelhante durante toda a vida.

Cada conversa.

Cada livro.

Cada erro.

Cada sucesso.

Cada pessoa conhecida.

Cada problema resolvido.

Tudo isso se transforma em dados armazenados na nossa própria rede neural.

Ao longo dos anos, esse enorme banco de informações passa a operar em segundo plano. Quando enfrentamos uma situação nova, nosso cérebro compara, organiza, cruza referências invisíveis e, muitas vezes, devolve apenas o resultado final.

Chamamos esse resultado de intuição.

Por isso ela frequentemente parece surgir do nada.

Mas, na verdade, representa anos de processamento invisível.

É justamente essa característica que explica por que grandes líderes costumam confiar tanto nela.

Quando Steve Jobs tomava decisões sobre produtos que ainda não existiam, ele não estava ignorando a lógica.

Estava utilizando uma enorme base de experiências acumuladas em design, comportamento humano, tecnologia e mercado.

A resposta simplesmente chegava antes da explicação racional.

Isso não significa que devemos substituir dados por intuição.

Muito pelo contrário.

As melhores decisões normalmente surgem quando as duas trabalham juntas.

Os dados mostram aquilo que aconteceu.

A intuição ajuda a perceber aquilo que ainda não está evidente.

Especialmente em ambientes de inovação, onde muitas vezes não existem referências históricas suficientes para alimentar modelos tradicionais de análise.

Talvez seja justamente por isso que tantas grandes transformações tenham começado como uma sensação difícil de explicar.

Uma percepção.

Uma hipótese.

Uma convicção aparentemente irracional.

Antes que os números confirmassem.

Existe ainda uma consequência prática dessa visão.

Se a intuição funciona como um algoritmo, então ela também pode ser aprimorada.

Assim como um modelo de inteligência artificial melhora conforme recebe dados melhores, nossa capacidade intuitiva depende diretamente da qualidade dos inputs que acumulamos ao longo da vida.

Ler mais.

Conversar com pessoas diferentes.

Viajar.

Observar mercados.

Estudar história.

Aprender ciência.

Conhecer filosofia.

Experimentar.

Errar.

Refletir.

Tudo isso alimenta o algoritmo mais poderoso que existe: o cérebro humano.

Da mesma forma, práticas como atenção plena, reflexão e revisão das próprias decisões ajudam a organizar esse enorme volume de informações, permitindo que conexões importantes apareçam com mais clareza.

No fim, talvez a intuição seja muito menos mística do que imaginamos.

Ela é inteligência acumulada.

É experiência comprimida.

É conhecimento trabalhando silenciosamente antes mesmo que percebamos.

Mas existe um detalhe fundamental.

Albert Einstein fazia um alerta que continua extremamente atual:

“A intuição não ocorre em uma mente despreparada.”

A qualidade das nossas decisões intuitivas depende diretamente da qualidade daquilo que alimentamos diariamente.

Se hoje treinamos inteligências artificiais com grandes volumes de dados para torná-las mais inteligentes, talvez devêssemos fazer o mesmo conosco.

Porque, antes de confiar na sua intuição, existe uma pergunta ainda mais importante:

Como você tem alimentado o seu algoritmo?

Veja também:

O resultado, como sabemos, foi em muitos casos o oposto do prometido: os executivos se tornaram mais informados do que nunca e, paradoxalmente, menos conscientes do contexto real das decisões que tomavam. A informação abundava, mas a compreensão não acompanhava. E a distância entre as duas coisas se pagava em decisões reativas, orientadas por ruídos em vez de sinais, tomadas na velocidade errada e pela razão errada.

O que está começando a mudar, com uma velocidade que ainda não entendemos plenamente, é que a inteligência artificial está dissolvendo essa distância. Não acrescentando mais telas, mais dados ou mais relatórios, mas fazendo o oposto: comprimindo toda a complexidade informacional de uma empresa em respostas diretas, contextualizadas, que cabem na tela de um celular. E essa compressão, que pode parecer apenas uma conveniência tecnológica, na prática muda algo muito mais profundo e complexo, que é a relação entre o executivo e o conhecimento que ele tem sobre a própria empresa.

Pense no que significa, concretamente, um CEO poder perguntar, pelo celular, a caminho de uma reunião de conselho: “como estão as vendas da região Nordeste comparadas ao mesmo período do ano passado, e quais produtos estão puxando a variação?” e receber uma resposta precisa, contextualizada, em segundos. Não um link para um dashboard que ele precisará interpretar. Não um e-mail com uma planilha que alguém montou na véspera. Mas uma resposta que compreende a pergunta, consulta os dados certos, cruza as informações relevantes e devolve uma síntese que ele pode ler, absorver e usar para tomar uma decisão antes de entrar na sala.

Isso é bom demais para ser verdade e, para nossa sorte, não é ficção científica. É o que empresas como a Cielo, por exemplo, já estão entregando aos seus C-levels, após anos de trabalho para integrar e governar suas bases de dados internamente. E é o que ferramentas como o Genie One, da Databricks, apresentado no Data + AI Summit em junho, começam a viabilizar em escala para equipes de marketing, finanças, vendas e operações, conectando-se a mais de cinquenta aplicativos corporativos e operando diretamente no celular do executivo.

Mas a tecnologia que entrega a resposta é apenas a camada visível de uma transformação cuja parte mais difícil é invisível. E é aqui que a maioria das organizações comete o erro que pode custar mais caro: confundir a adoção de IA com a prontidão para usá-la. Um modelo de inteligência artificial, seja ele o ChatGPT, o Claude, o Gemini ou qualquer outro, tem uma capacidade de raciocínio e geração de respostas que, isoladamente, impressiona. Mas nenhum deles sabe o que a sua empresa vendeu ontem, quem são os seus maiores clientes, qual produto está com margem negativa, qual fornecedor atrasou a entrega na semana passada ou como o seu time financeiro calcula receita líquida de forma diferente do time comercial. Sem esse contexto, o modelo responde com uma competência genérica. Com ele, responde com precisão específica. E a diferença entre as duas coisas é a diferença entre uma ferramenta interessante e uma ferramenta que realmente transforma a tomada de decisão.

Ali Ghodsi, CEO da Databricks, sintetizou essa ideia de forma direta na abertura do Data + AI Summit, diante de trinta mil participantes: o gargalo da inteligência artificial nas empresas não é falta de inteligência. É falta de contexto. E contexto, no ambiente corporativo, não é algo que se compra. É algo que se constrói. Significa integrar sistemas que historicamente nunca conversaram entre si. Significa limpar dados que acumularam anos de inconsistências, duplicidades e classificações divergentes. Significa criar o que o mercado chama de uma “fonte única de verdade”, uma camada unificada e governada onde cada dado tem um dono, uma definição e um nível de confiabilidade documentado.

Empresas que fizeram esse trabalho relatam que o processo levou anos, exigiu mudanças organizacionais profundas e não foi, em nenhum momento, apenas uma questão de tecnologia. Foi uma questão de cultura, para que, assim, fosse possível convencer áreas inteiras a abrir mão do controle sobre “seus” dados para que a empresa pudesse ter uma visão integrada de si mesma.

Esse investimento em governança, que pode parecer burocrático e distante da inovação, é, na verdade, o que separa empresas que usam IA de forma transformadora daquelas que a usam de forma decorativa. Quando a base de dados é confiável, integrada e contextualizada, a IA que opera sobre ela herda essa qualidade, entregando, assim, respostas precisas, identificando padrões que analistas humanos levariam semanas para encontrar e permitindo ao executivo operar na velocidade que o mercado exige. Quando a base é fragmentada, inconsistente ou desgovernada, a IA herda exatamente essas distorções, com o agravante de que as entrega com a mesma confiança e velocidade com que entregaria uma resposta correta. E é aí que a velocidade deixa de ser vantagem e se torna um risco, pois o executivo decide mais rápido, mas sobre fundações que podem estar erradas, sem ter como distinguir a resposta governada da resposta fabricada.

Os dados de adoção mostram que a confiança dos executivos na IA como ferramenta decisória já é alta: um levantamento da Dataiku aponta que 94% dos CEOs globais acreditam que um agente de inteligência artificial poderia atuar como conselheiro de forma efetiva. No Brasil, a pesquisa da EY-Parthenon mostra que 94% dos líderes veem a IA trazendo resultados acima do previsto. A disposição existe. O apetite é real. Mas a infraestrutura que sustenta essa confiança, na maioria das empresas, ainda não acompanhou. E quando existe uma defasagem entre a demanda por IA e a capacidade da empresa de oferecê-la de forma segura, o que acontece não é que a IA deixa de ser usada. É que ela passa a ser usada por fora.

Esse fenômeno já tem nome: Shadow AI. É a versão corporativa do Shadow TI que assolou departamentos de tecnologia na década passada, quando funcionários começaram a usar serviços de nuvem pessoais para contornar sistemas internos lentos demais. Agora, o padrão se repete com a inteligência artificial. Um diretor que cola dados confidenciais no ChatGPT para gerar uma análise rápida. Um gerente que usa o Claude para redigir um relatório estratégico alimentando-o com informações internas. Um analista que exporta uma base de clientes para um modelo aberto porque a fila de TI para acessar a ferramenta aprovada levaria semanas. Em todos esses casos, informações estratégicas da empresa estão sendo processadas fora de qualquer camada de governança, sem rastreabilidade, sem controle de acesso e sem garantia de que os dados não serão usados para treinar modelos de terceiros. E isso está acontecendo em escala, porque a demanda dos executivos por respostas rápidas supera, na maioria das organizações, a velocidade com que a estrutura de governança consegue acompanhá-la.

A corrida que as empresas deveriam estar disputando, portanto, não é a de adotar IA mais rápido, mas a de governá-la antes que ela se governe sozinha. Construir a base de dados integrada, criar as permissões de acesso, documentar as métricas, estabelecer os controles de qualidade e oferecer aos seus executivos ferramentas de IA que operem sobre essa base com segurança e precisão. Quem faz esse trabalho transforma o celular do CEO em uma extensão real da inteligência da empresa. Quem não faz está entregando a seus líderes uma ferramenta que responde rápido, mas sem garantia de que responde certo.

E a diferença entre as duas coisas, no fim, é a diferença que sempre separou boas decisões de más decisões: não é a velocidade com que se decide, mas a qualidade do que se sabe no momento de decidir. O celular do CEO pode ser, hoje, a ferramenta mais poderosa que ele já teve nas mãos. Mas esse poder só existe quando construído sobre uma base sólida que levou anos para ser organizada, integrada e governada. Sem ela, o que o celular entrega não é clareza, mas é um tipo de velocidade sem direção. E velocidade sem direção, como qualquer líder experiente sabe, é apenas uma forma mais elegante de errar rápido.

Leia também: