A ascensão dos Agentes de IA intensificou a disparidade entre as capacidades da IA e os recursos sociais

Muitas pessoas, ao verem o rápido avanço do desempenho da IA, prevêem entusiasmadas uma mudança rápida no mundo. Na verdade, trata-se de um equívoco sobre os mecanismos operacionais da sociedade moderna, ou seja, superestima-se a importância da inteligência individual e da produtividade pessoal.

Você já notou um fenômeno em que muitas vagas bem remuneradas em instituições e grandes empresas exigem, na contratação, altos níveis educacionais e de QI? No entanto, após a contratação, os profissionais acabam realizando tarefas rotineiras, facilmente executáveis com habilidades comuns. Mesmo hoje, o nepotismo e as relações pessoais frequentemente superam as competências. Em um ambiente competitivo, organizações podem escolher alguém com habilidades médias, mas com uma identidade social e recursos específicos. Embora isso possa gerar indignação, na maioria das vezes tais indivíduos também desempenham adequadamente suas funções.

Por que isso ocorre? Muitos atribuem esse fato à 'inflação de diplomas', mas as razões são mais complexas — chamo isso de 'excesso de produtividade ineficaz'.

A sociedade moderna é uma rede densa de colaboração, em que uma posição de qualidade representa um nó vantajoso na rede de distribuição de recursos sociais e poder. Os recursos e o poder associados a esse nó são escassos na sociedade, mas os requisitos de capacidade individual não são elevados, nem se exige alta produtividade da pessoa nessa posição. Se você tiver a sorte de obter tal posição e se dedicar ao trabalho, perceberá rapidamente que o aumento de sua produtividade não é necessário para esse sistema. Ou seja, por mais capaz que seja, essa rede não o necessita. As organizações estabelecem requisitos tão altos de entrada simplesmente porque, quando muitos conseguem realizar a tarefa, devem selecionar alguém com base em certos critérios — e a capacidade é frequentemente um critério menos controverso, não porque realmente precisem de tais habilidades.

Nessa rede colaborativa da sociedade moderna, cada um é responsável apenas por uma pequena parte do trabalho. Exceto por poucos indivíduos, a maioria desempenha basicamente o papel de rotear recursos dentro dessa rede; a produtividade pessoal precisa apenas atingir um padrão mínimo, e, uma vez alcançado, aumentos adicionais não trazem benefícios significativos ao sistema como um todo.

Assim, como nó em uma rede colaborativa, por mais alto que seja seu QI ou sua produtividade, o excedente constitui um 'excesso ineficaz'. Essa rede não o necessita, não o utiliza nem o absorve.

Portanto, muitas pessoas afirmam entusiasmadas ter aumentado sua produtividade por meio do aprendizado e aplicação da IA, mas, na realidade, superestimam o papel de sua inteligência e produtividade. Um leve aumento na produtividade tem pouco valor para toda a rede e não pode ser distribuído. A organização e a rede colaborativa às quais você pertence não o necessitam nem conseguem absorver esse excesso. Assim, o que muitos especialistas em IA relutam em admitir é que o principal benefício desses ganhos de produtividade é liberar mais tempo para navegar em vídeos curtos — sem gerar aumento de renda, recursos ou status social.

A atual euforia em torno da OPC (Empresa de Pessoa Única) segue o mesmo raciocínio. O gargalo de desenvolvimento dessas empresas não é a produtividade interna, mas sim suas conexões externas de recursos. Dada a posição atual da maioria das OPCs na rede empresarial social, seus produtos e serviços não conseguem ser comercializados, podendo sequer ter valor de satisfação pessoal.

Essa questão é crítica, pois todas as atividades econômicas precisam gerar incentivos econômicos para fechar o ciclo e, assim, impulsionar a evolução do sistema econômico por meio de ciclos de retroalimentação positiva. Contudo, os incentivos positivos que a maioria obtém ao usar IA são meramente emocionais, o que não é sustentável.

Como criar incentivos positivos imediatos? A chave está nas mudanças nas relações de conexão da rede. Essa mudança levará à redistribuição de recursos e poder. Se seu nó tiver mais conexões na rede, mesmo sem usar IA, você sentirá imediatamente um aumento de renda, influência e poder.

Claro, o aumento geral da produtividade dos nós levará, a longo prazo, a mudanças nas relações de conexão. Na era dos Agentes de IA, as diferenças nas capacidades de uso da IA entre indivíduos estão se ampliando rapidamente. Essa lacuna será eventualmente percebida pela rede social e transformada em alterações nas relações de conexão — até mesmo na topologia da rede. No entanto, isso levará tempo e será mais lento do que a maioria dos divulgadores de IA imagina. Se você não acelerar ativamente suas conexões e se contentar apenas com melhorias de eficiência em sua posição atual — feliz por ter mais tempo para assistir vídeos —, não participará dos primeiros dividendos da IA.

Além disso, surge aqui uma interessante disparidade.

Atualmente, quem mais aprende ativamente IA costuma ser composto por nós secundários da rede: programadores, designers, pesquisadores e analistas estudam diariamente Agentes, MCP, Skills e Fluxos de Trabalho, ansiosos para multiplicar sua produtividade por dez. Mas o problema é que, se você escrevia um relatório por dia e agora consegue escrever dez, sua organização não precisa de dez; se criava um protótipo por semana e agora cria um por dia, a velocidade de orçamentação, tomada de decisão, vendas, jurídico e compras não aumentou sete vezes. Assim, grande parte da nova produtividade gerada fica bloqueada nos nós associados, agregando pouco valor ao sistema como um todo.

Por outro lado, quem realmente controla os recursos — empreendedores, executivos, investidores e líderes institucionais — já possui, originalmente, o maior número de clientes, capital, autoridade sobre pessoal e conexões sociais. Se esses indivíduos puderem multiplicar suas capacidades com IA por dez, a alavancagem gerada superaria amplamente a de um funcionário comum. No entanto, a lacuna entre eles e o estado da arte em aplicações de IA está se ampliando rapidamente.

Um motivo importante para isso é que, a partir do segundo semestre de 2025, com a ascensão dos Agentes de IA, a inovação em aplicações de IA tornou-se cada vez mais orientada à programação.

Anteriormente, a IA envolvia conversação, redação, busca e geração de imagens — atividades acessíveis tanto a CEOs quanto a programadores. Já na fase dos Agentes, muitas novidades surgem inicialmente por meio da programação em IA: Agentes, MCP, Skills, Harness, CLI, API, Git, IDE, diversos fluxos de trabalho e orquestração. A IA está deixando de ser um software e se tornando mais um sistema de gestão que você precisa construir e dirigir pessoalmente.

Isso cria um problema.

Um CEO de cinquenta anos pode ser excelente na gestão de uma empresa, no financiamento e na mobilização de recursos, e compreender plenamente a importância da IA. Mas, se lhe pedirem para abrir um terminal, instalar um agente de programação, configurar o MCP, executar vários agentes em paralelo e conectar APIs, GitHub e diversas ferramentas, é bem provável que desista imediatamente.

Isso não é uma questão de QI, mas sim de lacuna de habilidades.

Assim, surgiu uma situação estranha: quem entende IA carece de recursos, enquanto quem tem recursos não sabe como usá-la.

O primeiro grupo tenta desesperadamente aumentar a produtividade, mas não dispõe de uma rede suficientemente ampla para absorver esse ganho; o segundo grupo possui uma vasta rede de recursos, mas não consegue integrar a produtividade das máquinas mais recentes. Acredito que essa desconexão será um problema particularmente relevante nos próximos anos.

A China enfrenta um problema adicional. Os dois ecossistemas de aplicações de IA mais ativos atualmente são o OpenAI e o Anthropic. Por diversos motivos, a China continental não pode usar diretamente e de forma estável esses dois sistemas; assim, o que fica isolado não são apenas os dois modelos, mas também os agentes, as ferramentas de programação, as cadeias de ferramentas e os ecossistemas de desenvolvedores que cresceram rapidamente em torno deles.

Esse impacto pode ser mais problemático do que a própria lacuna entre os modelos. Pois, na era dos agentes, muito conhecimento é acumulativo: hoje outros avançam da conversação para a invocação de ferramentas, amanhã da invocação de ferramentas para a orquestração de agentes e, depois de amanhã, começam a permitir que os agentes desenvolvam ferramentas por si mesmos. Se você entrar seis meses atrasado, a lacuna pode não ser apenas de alguns pontos em benchmarks, mas sim de todo um conjunto de métodos de trabalho.

Portanto, o verdadeiramente interessante no futuro será quando essa desconexão começar a ser superada.

Por um lado, será possível que indivíduos atualmente em nós secundários, mas com fortes capacidades em IA, aproveitem essa habilidade para conquistar mais clientes, capital, atenção e conexões sociais, alterando assim sua posição na rede? Por outro lado, será possível que os já centrais na rede dominem efetivamente os agentes e combinem suas capacidades de alocação de recursos com a produtividade das máquinas?

Assim que essas duas coisas começarem a ocorrer em larga escala, o impacto da IA na sociedade deixará de ser apenas “todos trabalhando um pouco mais rápido” para envolver mudanças nas estruturas organizacionais, nos limites das empresas e nos métodos de alocação de recursos.

Nesse aspecto, podemos observar claramente muitas figuras proeminentes da área de IA. Elas costumam entusiasmar-se com novas tecnologias e avanços e fazer previsões sensacionalistas. Em retrospectiva, a maioria dessas previsões revela-se falsa, mas elas ganham muita atenção e conexões de recursos justamente por isso. Trata-se de uma estratégia inteligente: seu ganho real não são habilidades ou produtividade em IA, mas sim sua atenção. Em contraste, quem se concentra exclusivamente em aprimorar habilidades em IA sem expandir suas conexões sociais é excessivamente ingênuo.

Portanto, acredito que as mudanças trazidas pela IA à sociedade provavelmente passarão por três etapas.

A primeira etapa é a mudança nos nós: sua produtividade pessoal triplica, quintuplica ou até aumenta dez vezes — é o que ocorre agora.

A segunda etapa é a mudança nas conexões: alguns indivíduos obtêm mais clientes, capital, atenção e capacidade organizacional graças à IA, alterando assim sua posição na rede.

A terceira etapa é a mudança na topologia da rede: uma organização que antes precisava de cem pessoas pode agora funcionar com apenas uma dúzia; tarefas que anteriormente exigiam uma empresa podem hoje ser realizadas por poucas pessoas e um grupo de agentes, levando ao desaparecimento de certos nós intermediários e ao surgimento de novos super-nós.

Somente na terceira etapa a IA transforma verdadeiramente as estruturas sociais.