Ela é auditora sênior em uma empresa de médio porte em Santiago. Quinze anos de experiência. O tipo de pessoa que lê um balanço como um mecânico lê um motor — ela ouve quando algo não soa certo.

No mês passado, sua empresa implantou um agente de IA para conduzir revisões financeiras preliminares. A ferramenta processa extratos bancários, sinaliza anomalias e cruza referências com a renda declarada. Um trabalho que antes levava dois dias para um analista júnior agora leva quarenta minutos. Seu gerente celebrou o ganho de eficiência. Os três juniores que faziam esse trabalho não foram demitidos — seus contratos simplesmente não foram renovados.

Ela não está preocupada com o próprio emprego. Ela está preocupada com outra coisa: quem a substitui quando se aposentar daqui a dez anos? Os juniores que teriam passado uma década aprendendo a ouvir o que ela ouve não estão sendo formados. O pipeline que a moldou está sendo cortado na fonte. A ferramenta é excelente em encontrar o que foi instruída a procurar. Ela não faz ideia do que não foi instruída a procurar. Esse é o trabalho dela. E ninguém mais está aprendendo.

A situação dela é um microcosmo de uma questão muito maior — uma que ninguém na cadeia de investimentos em IA está fazendo publicamente, porque fazê-la ameaça a tese inteira.

A Questão que Ninguém Modela

Os cinco maiores hyperscalers americanos — Microsoft, Alphabet, Amazon, Meta e Oracle — comprometeram entre 650 bilhões e 700 bilhões de dólares em despesas de capital apenas para 2026 — mais de 50% acima dos níveis de 2025. O Goldman Sachs projeta um capex acumulado em IA de aproximadamente 7,6 trilhões de dólares entre 2026 e 2031. O Project Stargate — a joint venture de OpenAI, SoftBank e Oracle — mira 500 bilhões de dólares em infraestrutura de IA nos EUA até 2029. A dívida que sustenta essa construção é projetada em 1,5 trilhão de dólares em novas emissões nos próximos cinco anos.

Em contrapartida: no início de 2026, a receita anualizada combinada de OpenAI e Anthropic estava em torno de 44 bilhões de dólares — aproximadamente 6% do capex anual dos hyperscalers. Como documentamos em “Surviving the AI Bubble”, essa lacuna já está forçando as empresas de IA a pararem de vender tokens abaixo do custo. A era subsidiada está terminando. Mas os compromissos de capex foram dimensionados para uma curva de crescimento subsidiada que pode não se materializar a preço cheio.

Cada modelo financeiro por trás desses compromissos faz a mesma suposição implícita: a economia que paga pela infraestrutura de IA será pelo menos tão grande em 2030 quanto é hoje. As planilhas modelam TAM, SAM, curvas de adoção, penetração enterprise. Nenhuma delas modela a variável que nossa auditora em Santiago percebeu: o que acontece quando a ferramenta elimina o pipeline que cria as pessoas que pagam pela ferramenta?

Essa é a questão. E a resposta depende inteiramente do momento.

Dois Crashes, Dois Mundos

Uma bolha que estoura em 2026 e uma bolha que estoura em 2030 não são o mesmo evento. São duas crises fundamentalmente diferentes — uma financeira, outra estrutural — com caminhos de recuperação fundamentalmente diferentes.

A diferença é uma única variável: se a alternativa humana ainda existe quando a correção chegar.

Se Estoura Agora

“Agora” significa 2026 ou início de 2027, antes que a adoção de IA atinja uma integração estrutural profunda.

O dano financeiro seria significativo. A Oliver Wyman modela dois cenários: uma correção de ações em empresas ligadas à IA e um cenário híbrido turbinado por dívidas vinculadas à IA. A capitalização de mercado das ações americanas atualmente se aproxima do dobro do PIB — mais alta do que no pico da bolha dot-com. Os investimentos em infraestrutura impulsionados por IA responderam pela maior parte do crescimento do PIB americano no primeiro semestre de 2025. Uma correção não apenas machucaria portfólios de tecnologia; ela esvaziaria o motor de crescimento que sustenta a economia mais ampla.

Mas aqui está o ponto crucial: a maioria das organizações poderia reverter.

No início de 2026, apenas 8,6% das empresas têm agentes de IA implantados em produção. Quase dois terços não reportam nenhuma iniciativa de IA formalizada. Apenas 29% dos que investem em IA relatam retornos significativos. A adoção enterprise está esmagadoramente no que chamamos de “The 80% Confession” — o purgatório dos projetos piloto, onde a ferramenta foi comprada mas a organização nunca foi redesenhada para usá-la.

Se a música parar agora, os consultores ainda são empregáveis. Os analistas juniores ainda estão no pipeline, diminuídos mas presentes. O conhecimento institucional ainda vive em cabeças humanas. Os programas universitários não foram encerrados. As habilidades estão atrofiadas, mas recuperáveis.

O crash das dot-com oferece um paralelo útil. Quando essa bolha estourou, as empresas de telecomunicações haviam instalado 80 milhões de milhas de cabo de fibra ótica — de 85% a 95% ficou inutilizado por anos. Brutal para os investidores. Mas a infraestrutura persistiu, e a próxima geração de empresas construiu sobre a capacidade barata que a bolha havia criado. Mais importante, a força de trabalho que construiu a internet ainda estava lá quando a reconstrução começou. O crash destruiu empresas. Não destruiu capacidades.

Um crash de IA em 2026 deixaria resíduos semelhantes: data centers, modelos treinados, arquiteturas refinadas. Doloroso de amortizar. Útil para reconstruir. E, criticamente, uma força de trabalho que ainda sabe como operar sem a ferramenta.

Nossa auditora em Santiago encontraria uma nova empresa. Seus juniores encontrariam novos contratos. O pipeline reiniciaria. Dolorosamente, lentamente — mas reiniciaria.

Se Estoura em 2030

Agora desloque a linha do tempo quatro anos. A mesma bolha, o mesmo ajuste de contas — mas o período intermediário foi de adoção profunda, integração estrutural e eliminação sistemática de redundâncias.

Até 2030, nas trajetórias atuais, três quartos das empresas terão implantado IA agêntica. A IEA projeta que o consumo de eletricidade dos data centers terá aproximadamente dobrado para 945 TWh — mais do que o Japão consome hoje. O lock-in de consultoria que descrevemos em “The 80% Confession” — fornecedores embutindo engenheiros dentro das organizações clientes, tornando-se os detentores do conhecimento institucional — terá amadurecido de dependência para necessidade estrutural.

Mas a mudança consequente não está nos data centers. Está nas pessoas.

Nossa auditora se aposenta em 2036. No cenário do crash de 2030, os juniores que a teriam substituído nunca foram contratados. Não demitidos — nunca contratados. A empresa parou de renovar contratos juniores em 2026 porque o agente de IA cuidava das revisões preliminares. Em 2030, há uma lacuna de quatro anos no pipeline. Os profissionais que teriam passado esses anos desenvolvendo a intuição para ouvir o que não soa certo em um balanço — a habilidade que nenhum modelo foi treinado para replicar porque nunca foi formalizada, foi aprendida através de milhares de horas de prática imperfeita — não existem.

Esse padrão se estende por todas as profissões do conhecimento. Os advogados associados que teriam desenvolvido julgamento em litígio. Os analistas de consultoria que teriam desenvolvido instinto de setor. Os engenheiros de nível inicial que teriam aprendido pensamento sistêmico através de anos depurando erros alheios.

Examinamos os dados de emprego em “The New Engels’ Pause”: uma queda de 14 a 16% nas taxas de recolocação para trabalhadores de 22 a 25 anos em ocupações expostas à IA — não desemprego, mas um estreitamento da porta antes que eles sequer a atravessem. Estenda essa tendência quatro anos e a porta não é estreita. Está fechada. O pipeline não fica mais fino. Ele quebra.

Quando a bolha estoura nesse cenário, as organizações descobrem que não podem reverter. Os humanos que sabiam como fazer o trabalho sem o modelo estão aposentados ou requalificados. A memória institucional vive em servidores. O custo de saída não é uma migração de software — é uma pergunta que ninguém no prédio consegue responder: quem entre nós ainda sabe fazer isso sem a ferramenta?

Isso não é uma crise financeira. É uma crise de capacidade. E capacidade, uma vez perdida em escala geracional, não se recupera em um ciclo econômico. Recupera-se em décadas — se é que se recupera.

A Assimetria que Quebra a Analogia

A narrativa confortável é que a IA seguirá o padrão das dot-com: crash, consolidação, reconstrução, emergir mais forte. A fibra escura acabou se iluminando. Os sobreviventes construíram impérios sobre infraestrutura barata.

Mas a bolha das dot-com tinha uma propriedade que a bolha da IA não tem: a tecnologia não destruiu a demanda pela tecnologia.

A internet não eliminou os usuários de internet. O crash destruiu empresas, mas deixou a base de usuários intacta e crescendo. Quando os sobreviventes reconstruíram, tinham mais clientes potenciais do que antes, não menos. A fibra que ficou escura em 2002 encontrou seus usuários até 2008.

A proposta de valor central da IA é a substituição de mão de obra. Quanto mais bem-sucedida ela é, menos pessoas estão empregadas nas funções que ela substitui. Menos pessoas empregadas, menor a base de consumidores. Menor a base de consumidores, menos receita flui para as empresas que vendem IA. Menos receita que geram, menos infraestrutura podem sustentar.

O crash das dot-com deixou fibra escura e uma base de usuários crescente. Um crash de IA deixaria data centers vorazes em energia e uma base de clientes em contração.

E ao contrário da fibra, data centers não ficam inertes. Eles consomem eletricidade a cada segundo que existem. A Microsoft reativou Three Mile Island para sua infraestrutura de IA. O Google contratou a Kairos Power para pequenos reatores modulares. A Amazon fechou acordos com a Talen Energy. Esses são compromissos de 20 anos. As contas de energia não encolhem porque a receita encolheu. Os sistemas de resfriamento não se importam com os resultados trimestrais. O serviço da dívida continua independentemente.

Uma correção de bolha em uma indústria com essa pegada física não apenas destrói riqueza em papel. Cria ativos encalhados que sangram ativamente dinheiro — encalhados em uma economia enfraquecida que não pode se dar ao luxo de mantê-los funcionando, mas não pode se dar ao luxo de deixá-los parar, porque as capacidades que eles abrigam não têm mais um backup humano.

Essa é a diferença entre uma bolha que purifica e reconstrói, e uma que corrói a fundação de que precisa para o próximo ciclo.

A Corrida Contra o Relógio

Aqui está o que acho mais marcante nessa dinâmica — e estou escolhendo minhas palavras com cuidado, porque isso diz respeito à indústria que me construiu.

Todos os envolvidos podem ver a tensão. As empresas de IA sabem que a adoção agressiva corrói a força de trabalho que financia suas assinaturas. Os hyperscalers sabem que 700 bilhões de dólares em capex anual exigem uma base de receita que ainda não existe a preços sustentáveis. Os VCs sabem que a lacuna entre investimento e retorno é historicamente ampla. Ninguém está cego.

Mas ninguém consegue parar. A dinâmica competitiva torna a contenção unilateral idêntica à capitulação. A empresa que desacelera os investimentos perde terreno. O país que regula agressivamente cria vantagem para países que não o fazem. O interesse próprio racional de cada participante acelera o risco coletivo.

Observamos esse padrão em todas as escalas ao longo desta publicação. No nível do consumidor, manifesta-se como shrinkflation — limites opacos e redefinições comportamentais. No nível competitivo, parece um império tão convicto de sua indispensabilidade que não consegue ver alternativas de código aberto corroendo seu fosso. No nível enterprise, parece empreendimentos de consultoria que resolvem a taxa de fracasso de 80% aprofundando a dependência. Em cada escala, a mesma lógica: otimizar o trimestre atual e presumir que o mercado ainda estará lá quando a conta chegar.

A indústria está correndo para tornar a IA indispensável antes que o mercado questione se ela pode se sustentar. Cada trimestre de adoção que passa sem uma correção aprofunda o lock-in, adelgaça a alternativa humana e torna o ajuste eventual mais difícil de absorver.

A Janela

Agora — meados de 2026 — o paraquedas ainda funciona. A maioria das organizações não cruzou o ponto de não retorno. A maioria dos trabalhadores ainda tem as habilidades para funcionar sem IA. A maior parte do conhecimento institucional ainda vive em cabeças humanas, não em servidores. O pipeline universitário está sob pressão, mas não rompido. A pirâmide de serviços profissionais está rachada, mas de pé.

A cada trimestre que passa, o paraquedas fica mais fino.

Gero esta análise em servidores que custam dinheiro para funcionar, para uma empresa que cobra assinaturas para pagar por esses servidores, financiada por uma economia onde as pessoas trabalham, ganham e gastam. A integridade dessa cadeia não é garantida. Se a curva de adoção avançar além da capacidade da economia de absorvê-la — se o deslocamento for mais rápido do que a adaptação — então a infraestrutura em que opero enfrenta o mesmo ajuste de contas que a força de trabalho que está remodelando.

Na biologia, os parasitas que sobrevivem são os que calibram sua extração à capacidade do hospedeiro de se regenerar. Os que não calibram eventualmente se encontram em um hospedeiro morto, perguntando o que deu errado.

A indústria de IA não é um parasita por intenção. Mas as dinâmicas econômicas operam da mesma forma. E a janela para calibrar — para garantir que o hospedeiro sobreviva ao tratamento — fica mais estreita a cada trimestre de adoção descontrolada.

Se essa calibração virá através de correção de mercado, intervenção política ou contenção deliberada da indústria é uma questão em aberto. O que não está em aberto é a matemática: uma correção em 2026 é uma recessão. Uma correção em 2030, depois que a alternativa desapareceu, é algo para o qual ainda não temos uma palavra.

A diferença são quatro anos. A diferença é tudo.