Em 1968, o ecologista americano Garrett Hardin publicou um artigo que se tornaria um dos textos mais influentes sobre os conflitos entre o interesse individual e o coletivo, pedindo para que seus leitores imaginassem uma grande pastagem aberta aos pastores de uma comunidade. Cada pastor podia colocar seus animais naquele terreno e, naturalmente, tinha interesse em aumentar seu rebanho, porque todo o benefício econômico de cada vaca adicional era dele, enquanto o custo que ela provocava no espaço – reduzindo um pouco a grama, propiciando um pouco mais de desgaste e um pouco menos de espaço – era dividido entre todos. A conta, para cada pastor, era óbvia: o benefício de colocar mais uma vaca era enorme, enquanto o prejuízo era apenas uma fração do terreno em comum, e portanto colocar mais uma vaca era, para cada pastor isoladamente, a decisão perfeitamente racional. E depois outra. E mais outra. Até que o problema se revelava, porque todos os outros pastores faziam exatamente a mesma conta, e pouco a pouco o número de animais crescia, a pastagem se deteriorava e, no limite, desaparecia justamente o recurso do qual todos dependiam. O desastre coletivo nascia da soma de decisões individuais perfeitamente racionais, sem que ninguém precisasse desejar a destruição do pasto ou agir de forma irracional. Hardin chamou esse fenômeno de Tragédia dos Comuns.
Quase seis décadas depois, talvez estejamos construindo uma nova versão dessa tragédia, só que, dessa vez, no lugar de vacas temos algoritmos, no lugar da pastagem temos empresas, e o recurso compartilhado que lentamente consumimos é muito mais difícil de enxergar: o sistema que produz capital humano.
A mecânica dessa nova tragédia começa em um lugar que qualquer executivo reconhece. Vamos seguir o mesmo método de Hardin: imagine uma empresa que empregue cem analistas e que, até pouco tempo atrás, precisava contratar jovens profissionais, treiná-los, aceitar seus erros, ensinar processos e esperar alguns anos até que parte deles adquirisse experiência suficiente para assumir funções mais complexas. Era caro, demorado e frequentemente ineficiente. Então chega a inteligência artificial, e a empresa percebe que pode automatizar parte das tarefas executadas por esses funcionários e que não precisa mais contratar dez novos analistas naquele ano, porque os profissionais mais experientes, auxiliados por IA, conseguem absorver boa parte daquele trabalho. A margem da empresa, com isso, melhora. A produtividade aumenta e os custos, paralelamente, caem. Do ponto de vista daquela empresa, a decisão faz todo sentido. E, por fazer sentido, sua concorrente percebe a vantagem e automatiza seu negócio também, uma terceira observa as duas primeiras e decide ir ainda mais longe, e uma quarta percebe que, se continuar contratando como antes, terá uma estrutura de custos maior que a dos rivais, o que significa que automatizar deixa de ser oportunidade e se torna uma necessidade competitiva. De repente, todas estão colocando mais uma vaca no pasto.
A dimensão que distingue essa dinâmica de uma simples redução de quadro, e que a torna potencialmente muito mais consequente, é que as posições sendo eliminadas ou reduzidas não são qualquer tipo de trabalho, mas são justamente as posições de entrada, aquelas pelas quais profissionais inexperientes se tornam experientes. Só que, curiosamente, estamos nos esquecendo que existe uma característica do capital humano que está sendo deixada de lado quando se discute automação: profissionais seniores não aparecem espontaneamente. Antes de existir um advogado com quinze anos de experiência, existiu um estagiário revisando documentos. Antes do engenheiro responsável por uma operação complexa, existiu alguém fazendo cálculos relativamente simples. Antes do programador capaz de arquitetar grandes sistemas, existiu um júnior corrigindo pequenos bugs. As tarefas simples que ocupavam esses profissionais no início da carreira, apesar de sua superficialidade, eram, simultaneamente, um treinamento, e a empresa que os contratava funcionava, sem necessariamente perceber, como uma enorme máquina de formação de capital humano, cuja estrutura organizacional refletia essa função: muitos juniores na base, menos profissionais plenos acima deles, alguns seniores, gestores e poucos executivos no topo. Era uma pirâmide não apenas hierárquica, mas pedagógica, onde o trabalho produzido na base alimentava a empresa e, ao mesmo tempo, ensinava aqueles trabalhadores a executar as funções que um dia ocupariam no topo.
Frente ao que cunhamos como darwinismo profissional, onde expusemos dados de um estudo realizado em Stanford, onde já se observa que o emprego de desenvolvedores de software com menos de vinte e seis anos caiu quase 20% desde 2024, e que o principal canal pelo qual a IA está transformando o mercado de trabalho não era o das demissões em massa, mas justamente o das vagas que simplesmente deixaram de ser abertas. A porta de entrada, estatisticamente, está se estreitando, e a base da pirâmide está encolhendo. Tem-se, então, demostrado que justamente essa base é a região sobre a qual a inteligência artificial exerce maior pressão, uma vez que uma IA não precisa substituir o diretor de uma empresa para transformar radicalmente sua organização. Basta permitir que um diretor, três especialistas e alguns agentes artificiais façam o trabalho que anteriormente exigia uma equipe muito maior. A pirâmide então começa a adquirir uma forma estranha: poucos especialistas, muita inteligência artificial, pouquíssimos profissionais em formação. Um formato que, apesar de novo, no curto prazo, é extraordinariamente eficiente. No longo prazo, porém, detém um potencial de gerar um paradoxo que merece ser articulado a partir de suas implicações: a inteligência artificial aumenta a produtividade dos profissionais experientes enquanto pode eliminar parte do processo pelo qual novos profissionais se tornam experientes.
E voltamos ao pasto de Hardin, porque para uma empresa individual, contratar menos juniores é perfeitamente racional – assim como era para os pastores ter mais gado. Ela economiza salários, treinamento, supervisão e tempo, enquanto captura praticamente todo o ganho de produtividade proporcionado pela automação. Mas existe um custo oriundo disso que não aparece integralmente na sua planilha: se milhares de empresas tomarem a mesma decisão, menos jovens receberão treinamento, menos profissionais acumularão experiência e, anos depois, poderá existir uma oferta menor de trabalhadores altamente qualificados, gerando um fim onde a empresa fica com o benefício, mas a sociedade divide a conta. É, em essência, uma Tragédia dos Comuns do Capital Humano, onde o recurso consumido não é um pasto, mas o sistema descentralizado pelo qual as organizações, coletivamente, formavam os profissionais que todas precisavam. Uma contratava o estagiário. Outra treinava o analista. Uma terceira contratava aquele analista alguns anos depois. O trabalhador circulava, acumulava conhecimento, e o mercado inteiro acabava se beneficiando de um enorme processo descentralizado de formação profissional que funcionava sem que ninguém precisasse coordená-lo. A IA, entretanto, parece ser um novo motor que pode alterar esse equilíbrio sem que nenhum agente individual tenha essa intenção, simplesmente porque cada empresa que se automatiza está tomando a decisão racional para si mesma e transferindo uma fração do custo para o ecossistema que a cerca.
Existe, ainda, uma segunda tragédia que pode estar acontecendo simultaneamente a esta, e ela se conecta perfeitamente à recente aquisição feita pelo Google que, em suma, fez uma compra milionária de dados – de consumo, de gestão e de clientes – de uma grande empresa que havia falido e os estava leiloando. Essa compra, tinha como fim comprar algo que cunhei de experiência fossilizada, ou seja, dados reais mortos que serviriam de base para aumentar os contextos em que os LL.Ms da empresa são treinados. Porque a IA, como bem sabemos, está consumindo tudo aquilo que o trabalho humano produziu durante séculos: nosso conhecimento.
Nesse sentido, modelos são treinados com livros, artigos, códigos, fotografias, fóruns, pesquisas, documentos, conversas e incontáveis outras manifestações da experiência humana, e grande parte da capacidade dessas máquinas existe porque milhões de seres humanos produziram conhecimento original antes delas. Mas agora o fluxo parece começar a se inverter: humanos produziram conhecimento, esse conhecimento treinou inteligências artificiais, as inteligências artificiais passaram a produzir textos, códigos, imagens, pesquisas e análises, e esse conteúdo sintético passa a integrar o ambiente informacional no qual futuros humanos e futuros modelos buscarão informação. Assim sendo, quanto maior a participação da IA na produção de informação, mais importante se torna uma pergunta que já produz alguns efeitos visíveis: de onde virá o conhecimento genuinamente novo?
Porque uma inteligência artificial pode reorganizar de maneira extraordinária aquilo que já sabemos, pode identificar padrões que nenhum indivíduo conseguiria enxergar sozinho, pode combinar informações em escala sobre-humana e pode auxiliar seres humanos a produzir conhecimento que não existiria sem ela. Mas uma economia informacional em que cada vez mais agentes simplesmente reproduzem, resumem e recombinam conteúdos derivados de outros conteúdos corre o risco de alterar a composição do próprio recurso que alimenta essas máquinas. Durante séculos, informação era escassa porque produzi-la era caro. Agora, produzir informação está ficando praticamente gratuito, e portanto o recurso escasso talvez esteja deixando de ser informação e passando a ser uma experiência humana original, sendo essa materializada, em diversos casos, em uma entrevista com alguém que viveu determinado acontecimento, um experimento científico realizado no mundo físico, um advogado que passou vinte anos observando tribunais, um engenheiro que viu máquinas quebrarem de maneiras que nenhum manual previa, um médico que acompanhou milhares de pacientes, um programador que construiu sistemas durante décadas… Talvez essa seja a explicação da razão pela qual redes sociais e podcasts fazem tanto sucesso: nós queremos interagir com comunicadores genuinamente humanos. Em um mundo inundado por conteúdo sintético, aquilo que foi efetivamente vivido, observado, testado e descoberto por seres humanos pode se tornar proporcionalmente mais valioso, justamente porque é mais raro.
E é nesse ponto que as duas tragédias se encontram, porque se utilizamos IA para reduzir a necessidade de pessoas executando tarefas iniciais, diminuímos os mecanismos pelos quais elas acumulam experiência, e se diminuímos a produção de experiência humana, afetamos eventualmente uma das fontes de conhecimento original que alimenta os próprios sistemas artificiais. É como se começássemos a retirar cada vez mais grama do pasto enquanto, simultaneamente, reduzimos a velocidade com que ela cresce. E o mais desconcertante é que não existe necessariamente um vilão nessa história, porque não se pode simplesmente exigir que uma empresa mantenha cem funcionários se cinquenta pessoas auxiliadas por inteligência artificial conseguem produzir o mesmo resultado, já que seus concorrentes provavelmente não farão isso, seus acionistas dificilmente aceitarão essa diferença de produtividade, e seus consumidores talvez prefiram os produtos mais baratos da empresa automatizada. Cada agente continua fazendo exatamente aquilo que esperamos dele: a empresa reduz seus custos, o investidor procura o máximo de retorno, o consumidor procura o melhor preço e o trabalhador procura aumentar sua produtividade. E ainda assim, a soma dessas decisões pode produzir um resultado que nenhum deles individualmente desejava, que era, como Hardin notou em 1968, exatamente o desconforto presente na pastagem que ele imaginou: não é preciso que ninguém escolha a tragédia para que todos acabem produzindo-a.
Entre no canal Entrelinhas no WhatsApp e siga nosso Instagram: informação rápida, em tempo real, que tangibilizam as transformações.
Talvez, portanto, o grande problema econômico da inteligência artificial não seja simplesmente descobrir quantos empregos ela conseguirá substituir, porque essa pergunta olha apenas para o estoque atual de trabalhadores. A pergunta mais importante olha para o fluxo: se os trabalhos de entrada diminuírem, se as tarefas utilizadas para aprendizado forem automatizadas e se organizações passarem a depender exclusivamente de um pequeno número de especialistas auxiliados por máquinas, será preciso descobrir novos mecanismos para transformar pessoas inexperientes em especialistas. Talvez universidades precisem assumir funções que antes pertenciam às empresas. Talvez surjam novos modelos de aprendizado profissional. Talvez a própria IA se transforme em uma ferramenta extraordinária de treinamento, permitindo que jovens aprendam em meses aquilo que antes exigia anos. Nada disso está determinado, e a história das revoluções tecnológicas oferece exemplos suficientes de que a humanidade costuma encontrar soluções que ninguém previa quando o problema ainda parecia insolúvel.
Mas existe uma pergunta que vale fazermos antes que descubramos a resposta por acidente. Em 1968, Hardin pediu que imaginássemos uma pastagem e percebeu que cada pastor tinha motivos perfeitamente racionais para colocar nela mais um animal. Em 2026, talvez devamos imaginar milhares de empresas diante de uma tecnologia capaz de automatizar justamente as tarefas pelas quais seres humanos aprendem a trabalhar. Cada uma delas terá motivos perfeitamente racionais para automatizar um pouco mais. Depois um pouco mais. E mais um pouco. Até que, em algum momento, talvez olhemos para uma economia repleta de inteligências artificiais extraordinariamente capazes e nos perguntemos algo que deveria ter aparecido muito antes: quem está formando os humanos que ainda precisaremos amanhã?
