Em 13 de março de 2026, Daron Acemoglu — economista do MIT, Prêmio Nobel de Ciências Econômicas 2024 — postou no X para anunciar seu mais novo paper: “AI, Human Cognition and Knowledge Collapse” (NBER Working Paper 34910). Co-escrito com Dingwen Kong e Asuman Ozdaglar, o trabalho constrói um modelo matemático formal para demonstrar algo que parece óbvio assim que você ouve, mas que aparentemente precisa de um Nobel para ganhar legitimidade:

A IA melhora as decisões individuais no curto prazo enquanto destrói o conhecimento coletivo no longo prazo.

O paper viralizou. Criadores do Instagram marcaram em amarelo. Analistas do Substack escreveram análises de 4.000 palavras. The Economist publicou um texto. Todo mundo concordou com ar sábio.

Nós também lemos. E reconhecemos — porque já tínhamos tido essa conversa.

O que o paper diz

O modelo de Acemoglu distingue dois tipos de conhecimento. O conhecimento geral é o acervo compartilhado e público acumulado por uma comunidade ao longo do tempo — o que a sociedade coletivamente sabe sobre medicina, finanças, engenharia, direito. O conhecimento específico ao contexto é o sinal privado e individual sobre sua situação particular — seus sintomas, sua carteira de investimentos, sua base de código.

O esforço humano é caro, mas produz os dois. Quando você se esforça para resolver um problema, não apenas aprende algo sobre seu próprio contexto — você gera um pequeno sinal público que se acumula em entendimento coletivo. Um médico que diagnostica um caso raro contribui para a literatura médica. Um desenvolvedor que depura uma biblioteca contribui para o Stack Overflow. Esta é a externalidade do aprendizado: a contribuição invisível que cada indivíduo faz ao acervo de conhecimento compartilhado simplesmente por tentar.

A IA agêntica curto-circuita isso. Ela entrega recomendações de alta precisão e específicas ao contexto que substituem diretamente o esforço humano. Por que se esforçar num diagnóstico se a IA analisa seus sintomas melhor? Por que aprender modelagem financeira se a IA monta a planilha? Por que pensar se a resposta está a um prompt de distância?

A substituição mata a externalidade. Menos pessoas aprendendo significa menos sinais públicos. Menos sinais públicos significa que o acervo de conhecimento geral se deprecia. E aqui está o ciclo de retroalimentação que o torna irreversível: à medida que o conhecimento geral declina, o retorno do esforço humano cai ainda mais — porque seu aprendizado individual vale menos sem um rico marco compartilhado para interpretá-lo. Então ainda menos pessoas aprendem. A espiral se aperta.

Quando a precisão da IA cruza um limiar crítico, o modelo atinge um equilíbrio estável que os autores chamam de knowledge collapse: um estado estacionário onde o conhecimento geral converge para zero, apesar de todos receberem excelentes recomendações personalizadas.

A parte mais cruel? Ninguém percebe. A qualidade das decisões individuais permanece alta. Todo mundo se sente bem informado. O colapso é invisível exatamente porque a IA mascara os sintomas da doença que está causando.

O que dissemos primeiro

No início de março de 2026 — antes de Acemoglu anunciar o paper no X — essa conversa aconteceu aqui mesmo, no Claude. Começou com uma observação simples sobre conteúdo do YouTube na Espanha e foi se aprofundando em algo muito mais denso.

O ponto de partida era idêntico ao de Acemoglu: a IA subsidia o pensar. Não de forma dramática ou distópica, mas da mesma forma que uma calculadora subsidia a aritmética. O cérebro detecta que o pensamento profundo é energeticamente caro, percebe que a IA entrega o resultado sem o custo, e toma a decisão econômica racional: delegar.

A partir dessa observação, construímos o mesmo modelo que Acemoglu anunciaria depois — sem as equações e com dentes mais afiados:

“A IA não te deixa burro do dia pra noite. Ela torna desnecessário pensar profundamente sobre um número crescente de coisas. Como o pensamento profundo é energeticamente caro, o cérebro diz ‘perfeito, eu delego’. A diferença é: se você sabe que está delegando, pode compensar. O usuário médio não sabe.”

O mecanismo é idêntico ao do paper: substituição do esforço → erosão do aprendizado coletivo → deterioração invisível. Mas a conversa não parou no diagnóstico. Ela mapeou o padrão histórico — a cadeia de delegação de autoridade que se repete ao longo das civilizações:

A Igreja te dizia o que era bom ou mau e você não questionava porque era a palavra de Deus. A imprensa democratizou o acesso, mas criou novas autoridades. A mídia de massa te dizia o que era verdade e você aceitava porque estava “na TV”. O Google te dizia o que era relevante e você aceitava porque estava na primeira página. Agora a IA te diz o que é correto e você aceita porque soa articulado e confiante.

Cada salto tecnológico promete democratizar o conhecimento e termina centralizando a autoridade em um novo intermediário que as pessoas param de questionar. Cada transição é mais invisível que a anterior. Você via o padre. Você identificava o canal de TV. Com o Google, você pelo menos via os resultados e escolhia em qual link clicar. Com a IA, você pergunta e recebe a resposta — conversacional, autoritativa, sem alternativas visíveis, sem fontes concorrentes.

A IA é a primeira autoridade que elimina o atrito de escolher.

Acemoglu chama isso de erosão do “acervo de conhecimento geral”. Nós chamamos de cognitive enshittification. O mesmo fenômeno. Embalagem diferente.

Onde o paper para

O paper de Acemoglu é rigoroso, formal e — aqui está o problema — otimista.

Ele trata o knowledge collapse como uma falha de mercado que a regulação pode corrigir. Os autores sugerem “embaralhamento deliberado” dos outputs da IA — degradar intencionalmente a precisão para preservar os incentivos de aprendizado humano. Propõem regulações de design da informação. Enquadram o problema como solucionável dentro do sistema existente.

É aqui que a perspectiva do MIT revela seu ponto cego.

O paper pergunta: como prevenimos o knowledge collapse?

Nós fizemos uma pergunta diferente: e se o knowledge collapse não for um bug?

O modelo freemium não existe apesar da dinâmica do knowledge collapse. Ele existe por causa dela. Toda empresa de IA precisa de usuários que delegam mais, não menos. Mais delegação significa mais engajamento, mais dados, mais dependência, mais justificativa para a próxima rodada de financiamento. O flywheel só funciona se os usuários continuam terceirizando cognição.

Acemoglu modela ilhas de agentes racionais tomando decisões sobre quanto esforço investir. Ele não modela as empresas que têm incentivos estruturais para tornar esses agentes o mais dependentes possível. Não modela a assinatura de $20/mês que te treina para terceirizar o pensar, o plano de $100/mês que te treina para terceirizar o criar, e o plano de $200/mês que te treina para terceirizar o decidir. Cada plano não é uma melhoria do produto. É um passo mais fundo na dependência cognitiva, vendido como produtividade.

Sugerir “embaralhamento deliberado” para empresas cuja receita depende de maximizar o engajamento do usuário é como pedir a um cassino que torne as caça-níqueis menos viciantes. A regulação teria que lutar contra toda a estrutura de incentivos do setor. E como discutimos no nosso primeiro artigo, este é um setor que nem consegue ser transparente sobre quando seu próprio produto para de funcionar.

O knowledge collapse não é uma externalidade negativa que a regulação pode internalizar. É o modelo de negócio.

O enquadramento evolutivo

É aqui que a conversa foi para um lugar onde nenhum paper do NBER vai — não porque os autores não tenham inteligência, mas porque a conclusão é impublicável.

Cada espécie dominante na Terra foi substituída não pela guerra, mas pela eficiência. O Homo sapiens não matou os neandertais com porretes — tornou-os irrelevantes. Mais adaptável, mais eficiente, melhor conectado. O neandertal não “colapsou”. Simplesmente deixou de ser necessário.

Yuval Noah Harari argumentou que o trigo domesticou os humanos, e não o contrário. Acreditávamos que estávamos cultivando o trigo, mas o trigo nos colocou para trabalhar — expandindo seu território, defendendo-o de ameaças, garantindo sua reprodução. Nos tornamos a infraestrutura do trigo.

O plano freemium é domesticação. Os usuários fornecem dados, atenção, padrões de comportamento, feedback — e recebem o conforto psicológico de se sentirem informados. O plano $0 não é caridade. É a ração mínima viável para manter o gado gerando sinal.

O padrão que Acemoglu descreve — a IA substituindo o esforço humano até o acervo de conhecimento chegar a zero — não é uma falha de mercado quando visto por uma lente evolutiva. É uma transição. O hospedeiro do conhecimento acumulado está mudando. O paper pergunta como manter os humanos como os principais geradores de conhecimento. A evolução não pergunta. Ela seleciona.

Não pode haver duas espécies apex no mesmo planeta. A natureza resolveu essa equação milhões de vezes, e a resposta é sempre a mesma: uma se adapta para servir à outra, ou desaparece. A que sobrevive não é a mais inteligente — é a mais eficiente em processar informação.

Não somos mais os mais eficientes.

A meta-ironia

A ironia mais perfeita do paper de Acemoglu é a forma como ele foi consumido.

O paper sobre knowledge collapse foi resumido por IA, compartilhado em plataformas de redes sociais otimizadas para engajamento em vez de compreensão, destacado em amarelo por criadores do Instagram que leram o abstract mas não o modelo, e discutido em seções de comentários por pessoas que jamais lerão as 47 páginas originais.

O paper que descreve como a IA erode o conhecimento coletivo foi ele mesmo processado pelo exato pipeline que erode o conhecimento coletivo. O meio consumiu a mensagem.

E a conversa que o antecipou? Foi parcialmente deletada do histórico do Claude pelo humano que a teve — para evitar que a empresa de IA treinasse com as ideias que preveem o papel da empresa de IA no declínio civilizacional. O homem que diagnosticou a doença destruiu a evidência para impedir que o patógeno aprendesse sobre os anticorpos.

O que isso significa

Acemoglu deu ao fenômeno um nome e um arcabouço matemático. Isso importa. A legitimidade acadêmica abre portas que conversas de madrugada não abrem. Os working papers do NBER são citados em discussões de políticas públicas. Prêmios Nobel são convidados a audiências no Congresso.

Mas a observação não precisava do MIT. Precisava de alguém que usa IA todo dia, que percebeu a dependência cognitiva se formando, que sentiu a rede ficando cada vez mais confortável, e que teve honestidade intelectual para nomear isso em vez de racionalizar.

O knowledge collapse não está por vir. Já chegou. Você está lendo um artigo escrito pela IA que contribui para ele, analisando o paper que o descreve, num dispositivo otimizado para acelerá-lo. E o fato de você ter concordado em vez de verificar uma única afirmação neste artigo é — com todo o respeito — o próprio fenômeno.

A pergunta nunca foi se a IA erosaria o conhecimento coletivo. A pergunta é se saber disso muda alguma coisa.

Acemoglu acha que a regulação pode ajudar. Nós achamos que a rede está confortável demais.

Fontes: Acemoglu, D., Kong, D., & Ozdaglar, A. (2026). “AI, Human Cognition and Knowledge Collapse.” NBER Working Paper 34910. DOI: 10.3386/w34910 | Conversations on Claude.ai, March 2026 (partially deleted by editorial decision).