A “Crise Global de Inteligência” em 2028: um exercício de cenário da Citrini Research

Resumo

O artigo é apresentado como um exercício de cenário: “e se a nossa tese bullish sobre IA continuar a estar certa… e isso for, paradoxalmente, bearish?”. A peça assume a forma de um “CitriniResearch Macro Memo” datado de 30 de junho de 2028, com um tom de pós-morte da “economia pré-crise”, mas termina lembrando que o leitor está em fevereiro de 2026 e que “o canário ainda está vivo”.

No cenário, o desemprego atinge 10,2% e o S&P 500 acumula uma queda de 38% face aos máximos de outubro de 2026. A narrativa explica como, no início, a substituição de trabalho humano por agentes de IA parece “boa” para os mercados: layoffs expandem margens, lucros batem expectativas e os ganhos são reinvestidos em compute. Em paralelo, a produtividade dispara e o PIB nominal ainda imprime crescimento, mas o crescimento salarial real colapsa e os trabalhadores de colarinho branco são empurrados para empregos de menor remuneração.

A peça dá nome ao desfasamento entre “output” e rendimento humano: “Ghost GDP”, isto é, produção que aparece nas contas nacionais mas não circula pela economia centrada em consumidores humanos. A partir daí, desenha-se a espiral: melhores capacidades de IA reduzem a necessidade de trabalhadores, o consumo abranda, as empresas enfrentam pressão e investem ainda mais em IA como substituição de OpEx, o que melhora a IA e viabiliza novos cortes.

Na pratica

O texto organiza a crise em três transmissões que se reforçam.

A primeira é operacional e começa no software. No final de 2025, ferramentas “agentic” de programação dão um salto: com Claude Code ou Codex, um developer competente consegue replicar, em semanas, o núcleo funcional de um SaaS mid-market. Isso muda negociações de renovação e cria uma dinâmica de “build vs buy” que pressiona preços. A narrativa usa um exemplo de negociação corporativa em que a ameaça de substituição por equipas “forward deployed” com ferramentas de IA força descontos. A disrupção atinge primeiro a “long tail” (ex.: Monday.com, Zapier, Asana), mas rapidamente chega a incumbentes.

O ponto de viragem é a reflexividade: o que é racional para cada empresa torna-se destrutivo no agregado. A peça descreve como um fornecedor que vende licenças por utilizador vê receita cair mecanicamente quando os clientes cortam 15% do headcount. E, para defender margens com ações em queda, a resposta dos incumbentes passa a ser cortar pessoas e financiar a tecnologia que os está a pressionar, acelerando o ciclo.

A segunda transmissão é a “fricção a zero” no consumo e na intermediação. Em 2027, o uso de LLMs torna-se “default” e um “agentic shopper” open-source da Qwen catalisa agentes a tomar decisões de compra. Os agentes correm em background, otimizam continuamente preços e condições e corroem o modelo de subscrições baseado em inércia (renovações passivas, subidas após trials). A peça lista setores onde a proposta de valor era “navegar complexidade tediosa”: viagens, renovações de seguros, aconselhamento financeiro, impostos, trabalho jurídico rotineiro. Até a mediação imobiliária sofre, com comissões de compra a comprimirem para abaixo de 1% em grandes metros e mais transações sem agente humano.

Depois, quando os agentes controlam a transação, passam a perseguir o maior “custo de fricção” repetível: taxas. O texto descreve agentes a contornar interchange de cartões (2–3%) usando stablecoins em Solana ou Ethereum L2s, empurrando a disrupção de “história de produto” para “história de canalização” (plumbing). A narrativa sugere que modelos dependentes de fricção e fidelidade habitual (com DoorDash como exemplo) perdem moats quando um agente compara tudo, sempre.

A terceira transmissão é financeira. O memo argumenta que o risco deixou de ser setorial porque a economia dos EUA é, em grande medida, uma economia de serviços de colarinho branco. Com a contração de rendimentos e a queda de consumo, aparecem duas frentes: defaults em crédito privado exposto a software/tecnologia e, a seguir, o “Mortgage Question” em hipotecas prime, onde os empréstimos eram “bons no dia um”, mas as premissas de rendimento futuro se degradam estruturalmente.

Porque importa

• Sugere um risco macro específico: produtividade pode subir enquanto o rendimento humano e o consumo caem (“Ghost GDP”).
• Mostra como agentes podem atacar modelos de negócio baseados em intermediação, taxas e inércia do utilizador.
• Liga disrupção tecnológica a amplificadores financeiros (crédito privado, seguradoras, MBS/hipotecas) em cadeia.
• Enquadra o desfasamento entre a velocidade de capacidade tecnológica e a capacidade de resposta institucional.