Revolução Industrial da IA: Ainda estamos usando fluxos de trabalho antigos?

Artigo escrito por: Will 阿望

No último ano, participei de algumas conferências industriais sobre IA. Os palestrantes no palco se alternavam demonstrando os truques da IA, enquanto a plateia segurava os celulares para fotografar as telas, postava no WeChat Moments e continuava rolando o feed. Mas, de volta ao escritório, era a mesma reunião semanal, o mesmo processo de aprovação, o mesmo relatório semanal. Grandes empresas já incorporaram o consumo de tokens nos KPIs, e alguns se tornaram modelos de desempenho apenas com scripts que geram volume. Essas pessoas no WeChat Moments falam hoje da revolução do Claude, amanhã do incrível Codex, depois disso do Gemini como o salvador — será que estão abraçando a revolução ou apenas correndo de evento em evento?

Estes são todos ruídos, não é a resposta que eu quero.

A verdadeira questão não é se a IA é forte o suficiente — a máquina a vapor já foi construída; a questão é quem desmontará primeiro a antiga oficina.

O dia em que a Revolução Industrial realmente começou não foi quando Watt aperfeiçoou a máquina a vapor, mas quando os proprietários de fábricas em Lancashire decidiram afastar-se dos rios e reconstruir suas oficinas em torno da máquina a vapor. Da mesma forma, o momento mais importante da IA não foi o dia em que os grandes modelos foram inventados, mas o dia em que a primeira organização decidiu desmontar os processos antigos e reconstruir sua forma de produção em torno da IA. Esse dia ainda não chegou. Mas já está a caminho.

Duas pessoas viram isso muito cedo. O CEO da Notion, Zhao Yivan, escreveu em finais de 2025 um artigo intitulado “Steam, Steel, and Infinite Minds”, com uma avaliação bastante cética: ainda estamos na fase de “substituir rodas d’água” — adicionando chatbots de IA às ferramentas existentes, mas ninguém redesenhou a fábrica. O ex-funcionário da OpenAI, Leopold Aschenbrenner, seguiu um caminho diferente: escreveu um documento de 165 páginas intitulado “Situational Awareness” e depois criou um fundo, aumentando-o de 225 milhões para 13,68 bilhões de dólares, apostando tudo em infraestrutura de IA. Um olhando para dentro, o outro apostando para fora.

Este artigo não é sobre eles. É sobre nós — onde estamos agora e qual trecho da história estamos repetindo.

(Tecelagem com tear mecânico, gravura de J. Tingle após Thomas Allom, 1835 / Wikimedia Commons)

O dia da maioria das pessoas é assim: de manhã, usa IA para escrever um e-mail, economizando dez minutos; depois, passa duas horas em uma reunião semanal que poderia ter sido evitada; à tarde, copia e cola o mesmo conjunto de dados entre três ferramentas; à noite, posta no WeChat Moments: “IA é realmente ótima”. Os dez minutos economizados são totalmente devorados pelo processo antigo.

Da mesma forma, quando a máquina a vapor foi introduzida, os proprietários de fábricas inicialmente apenas substituíram as rodas d’água por máquinas a vapor, mantendo tudo o mais inalterado — as fábricas ainda eram construídas junto aos rios, ainda eram edifícios de vários andares, e ainda utilizavam um eixo central para movimentar toda a linha de produção. Nós colocamos o ChatGPT no Slack, adicionamos o Copilot ao Office e incorporamos janelas de chat de IA no fluxo de trabalho — estamos fazendo exatamente a mesma coisa. As ferramentas foram atualizadas, mas o chão da fábrica permaneceu o mesmo.

Mas trocar de máquina não é o mesmo que trocar de fábrica. McLuhan disse bem:

Dirigimo-nos para o futuro olhando pelo retrovisor. Tentar acomodar novas ferramentas com processos antigos é como os primeiros filmes, que não eram nada além de peças de teatro filmadas. A verdadeira ruptura só ocorreu quando alguém libertou completamente a máquina a vapor dos rios e redesenhou todo o sistema de produção em torno de nova energia.

Comparando a linha do tempo da Revolução Industrial com a IA, é possível ter uma ideia aproximada de onde estamos no mapa:

O cronograma atual está extremamente comprimido. A Revolução Industrial levou 60 anos para ir da máquina a vapor à febre dos trens, enquanto a IA levou apenas 7 anos para ir do Transformer à onda de construção de data centers.

A velocidade não é o problema; o problema é onde estamos presos — as quatro primeiras linhas ainda estão na fase de instalar novas máquinas em antigas fábricas: a máquina a vapor foi instalada, os trilhos estão sendo colocados, mas o método de produção permanece inalterado. A sexta linha é o verdadeiro ponto de virada. Provavelmente estamos presos entre esses dois passos.

A máquina a vapor já está na mão, mas a oficina ainda é antiga.

A infraestrutura sempre é superdimensionada. Os investidores são os que acabam falindo, não a infraestrutura.

Em 1846, o Parlamento britânico aprovou 263 leis ferroviárias, autorizando a construção de 9.500 milhas de novas linhas ferroviárias. O pico do investimento ferroviário representou 13% do PIB britânico. Ações ferroviárias podiam ser compradas com apenas 10% de sinal, e a classe média inundou o mercado. A bolha estourou em 1847. Um terço das linhas aprovadas nunca foi construído, e inúmeros investidores perderam todo o seu capital. Darwin perdeu 60% em ações ferroviárias, e sua sorte foi muito melhor do que a da maioria.

Mas o trem permaneceu.

A infraestrutura de IA de hoje segue o mesmo caminho. A última estimativa do Goldman Sachs indica que os gastos de capital globais em infraestrutura de IA atingirão US$ 765 bilhões em 2026 e são esperados em US$ 1,6 trilhão por ano até 2031. A proporção dos gastos de capital das grandes fornecedoras de nuvem em relação ao fluxo de caixa operacional aumentou de cerca de 40% em 2023 para quase 70% em 2025. Os investimentos relacionados à IA já representam cerca de um quarto de todos os investimentos nos Estados Unidos. Os US$ 13,68 bilhões de Aschenbrenner apostam nessa camada — ele não está apostando em qual aplicativo vencerá, mas na própria capacidade de processamento subjacente.

Este ciclo de capital é isomórfico ao desenvolvimento imobiliário. Construir um data center é como construir um prédio: a terra é a energia elétrica, os materiais de construção são GPUs e armazenamento, os empreiteiros são os construtores de data centers, os desenvolvedores são as empresas de nuvem, os inquilinos são as empresas de aplicações de IA e o aluguel é a receita de API. O modelo de negócios das empresas de nuvem é financiar com aluguel — usar a receita de API para cobrir os gastos de capital do data center, aguardando a valorização decorrente da explosão das aplicações de IA.

(Computação imobiliária: cada geração tem sua própria infraestrutura)

O risco central é o mesmo: a taxa de queda no preço unitário da API foi compensada pelo aumento no volume de chamadas? Se o aluguel cair abaixo da linha de pagamento do empréstimo — o pesadelo mais familiar aos desenvolvedores imobiliários. A lição de 2008 não foi construir muitas casas demais, mas sim construir casas que não correspondiam à estrutura da demanda real. O risco equivalente da IA é: excesso de capacidade de computação geral, mas escassez contínua de capacidades especializadas capazes de lidar com cenários de alto valor, como conformidade financeira e diagnóstico médico.

Ferrovia, imóveis, IA — três gerações de investimentos em infraestrutura, compartilhando a mesma regra: superconstrução é a norma, os fornecedores de materiais de construção sempre perdem o poder de precificação, e os retornos de longo prazo sempre pertencem aos proprietários de “localizações centrais”. Dê uma olhada nas posições dos fundos do Wall Street no Q1 — provavelmente 80% estão concentrados nessa camada de infraestrutura: NVIDIA, data centers, infraestrutura em nuvem. Mas o entusiasmo com ferrovias nos ensina: isso não é toda a história da revolução da IA, nem sequer a camada com os retornos mais altos.

O ponto central da IA é o dado setorial único e os fluxos de trabalho profundamente integrados. Para indivíduos, o verdadeiro “ponto central” não são as ações detidas, mas a capacidade de julgamento e o conhecimento setorial insubstituíveis — desde que já tenham reestruturado a forma de usar esses elementos em torno da IA.

O verdadeiro retorno está na próxima camada. Mas entre a infraestrutura e a criação de valor, não há conexão perfeita. Há uma lacuna no meio — historicamente, essa lacuna engoliu décadas.

As pessoas que desmontam oficinas e as pessoas que usam IA para aumentar a eficiência não estão fazendo a mesma coisa.

Simon, cofundador de Zhao Yivan, anteriormente era um "programador de dez vezes", mas agora raramente escreve código diretamente — ele opera simultaneamente três ou quatro Agentes de codificação por IA, alcançando uma eficiência de 30 a 40 vezes. A Notion agora possui 1.000 funcionários e mais de 700 Agentes de IA. A diferença não está nas ferramentas, mas no fato de Simon ter desmontado sua antiga oficina, enquanto a maioria das pessoas apenas trocou de roda d'água.

600 milhões de usuários na China já utilizaram ferramentas de IA generativa, um aumento de 142% em relação ao ano anterior — este é o maior pool de demanda por IA do mundo. Contudo, quase nenhuma empresa chinesa reestruturou seus fluxos de trabalho centrais em torno da IA. A maior demanda global, combinada com quase nenhuma mudança organizacional na oferta. Esse contraste em si é um sinal: não são as ferramentas que faltam, é a organização que não acompanhou. O contexto do trabalho baseado em conhecimento está disperso em dezenas de ferramentas e dezenas de cérebros, os resultados não são verificáveis, e ninguém sabe como avaliar se um memorando estratégico é eficaz.

(Impactos no mercado de trabalho da IA: Uma nova medida e evidências iniciais)

A Anthropic já está agindo em uma escala maior. Eles lançaram o Economic Index, que mapeia, com dados reais de uso, quais tarefas e setores a IA substituirá primeiro, e depois construíram com base nesse mapa: formaram uma joint venture com a Goldman Sachs, Blackstone e Hellman & Friedman para criar uma empresa de serviços empresariais nativa da IA; estabeleceram uma aliança global com a KPMG, conectando 276.000 funcionários ao Claude; e a Accenture criou um grupo de negócios, treinando 30.000 pessoas, com foco em finanças, ciências da vida e saúde.

Essas consultorias desempenham o papel de engenheiros ferroviários da IA — não constroem máquinas a vapor nem assentam trilhos, mas ajudam as empresas a demoler fábricas antigas e reconstruir linhas de produção em torno de novas fontes de energia. Sem esse papel, a maioria dos proprietários de fábricas não sabe por onde começar.

Os sinais já estão piscando. O mais agudo vem do mercado de trabalho.

Jovens de 22 a 25 anos que entram em profissões com alta exposição à IA têm 14% menos probabilidade de encontrar emprego do que seus pares que entram em profissões com baixa exposição. Os cargos de nível inicial já estão sendo pressionados.

Se eu for um recém-formado, esse número afeta diretamente minha busca por emprego. Se eu for um gestor, o próximo lote de cargos júnior que contratar pode não ser mais pessoas.

A organização está sendo desmontada, e o indivíduo? Minha formação acadêmica, meu currículo, a experiência profissional que acumulei ao longo dos anos — esses são os meus rodízios. Eles já impulsionaram toda a minha linha de produção, mas a máquina a vapor já chegou. 985 e 211 não são mais uma muralha defensiva; são apenas a prova de que uma vez construí uma fábrica decente à beira do rio.

A questão agora é se temos a capacidade de sair daquele rio.

Os dados da Anthropic mostram que usuários que utilizam ferramentas de IA há mais de 6 meses têm 10% mais sucesso nas tarefas do que novos usuários. Quem começou seis meses antes já está à frente em 10%, e essa diferença se multiplicará ao longo do tempo.

Mas até agora, nenhuma empresa falhou por não usar IA — pelo menos, meu escritório de advocacia ainda está avançando vigorosamente em torno da IA. Os vencedores ainda não foram escolhidos pelo mercado. A curva de aprendizado é real — os que começaram primeiro já estão acumulando vantagens, mas a maioria ainda está no início.

O título profissional que tenho agora ainda existirá daqui a dez anos? Quantos dos instrumentos que eu usava diariamente há cinco anos ainda estão disponíveis hoje? A resposta provavelmente é não para ambos. Mas não sei o que os substituirá — porque essas coisas ainda não existem.

Sempre foi assim na história. Coisas novas não são planejadas; surgem espontaneamente quando as antigas restrições desaparecem.

Antes da construção das ferrovias, a Grã-Bretanha era composta por economias locais isoladas. O preço do algodão em Manchester podia diferir em 30% do de Londres. Cada cidade tinha seu próprio padrão horário, e ninguém via problema nisso. Nos vinte anos seguintes à construção das ferrovias, tudo mudou. Pela primeira vez, surgiu um mercado nacional unificado, e as diferenças de preço foram eliminadas; o horário padrão foi imposto pelas ferrovias, não inventado; trabalhos como chefe de estação, operador de telégrafo e agente de viagens não existiam antes das ferrovias.

Ninguém previu lojas de departamentos quando construía ferrovias. Ninguém previu o horário padrão quando construía máquinas a vapor.

(Vapor, aço e IA inteligência infinita)

A história das cidades contou a mesma história. Cidades há centenas de anos eram à escala humana — quarenta minutos a pé para atravessar Florença. A estrutura de aço tornou os arranha-céus possíveis, os trens conectaram as cidades ao interior, e elevadores, metrôs e rodovias surgiram em sequência. Tóquio, Chongqing, Dallas — essas não são Florenças maiores, são novos modos de vida.

O trabalho baseado em conhecimento atual também é de escala humana. Equipes de dezenas de pessoas, reuniões e e-mails definem o ritmo; acima de centenas de pessoas, torna-se insustentável. Estamos construindo Florença com pedra e madeira. A IA torna possível "Tóquio" — organizações compostas por milhares de agentes de IA e pessoas, com fluxos de trabalho operando continuamente跨越 fusos horários. Reuniões semanais, planejamentos trimestrais e revisões anuais podem não fazer mais sentido.

Simon já não escreve código — seu trabalho virou "gerenciar AI Agent". Dois anos atrás, esse cargo não existia. Meu próximo título profissional talvez ainda não tenha um nome. Mas alguém já está construindo o futuro que ainda não sabemos como chamar.

Após desmontar o antigo galpão, o que construir? A resposta da YC é: deixe a empresa melhorar a si mesma.

Seu sistema interno agora altera automaticamente seu próprio código à noite. Um funcionário enviou uma consulta durante o dia, que falhou. Um agente de supervisão detectou essa falha, remontou a causa, escreveu automaticamente o código para corrigi-la, enviou para revisão e implantou em produção. No dia seguinte, a mesma consulta foi executada com sucesso. Todo o processo foi concluído enquanto todos dormiam.

Não é a IA ajudando as pessoas a produzirem 30% a mais. É o sistema completando todo o ciclo sozinho e descobrindo como se tornar melhor.

O sócio da YC, Tom Blomfield, chamou esse modelo de empresa de “ciclo recursivo de autoaperfeiçoamento de IA” em uma palestra interna. Seu julgamento é direto: a maioria das empresas ainda é como as legiões romanas—transmissão hierárquica descendente e relatórios ascendentes, com pessoas atuando como canais de informação. A IA não apenas melhora a eficiência de um único elo, mas destrói a própria base sobre a qual toda essa estrutura hierárquica existe.

O novo raciocínio dele é: queime tokens, não cabeças. O gargalo está passando de mão de obra para poder computacional. Os dados vistos pelo YC mostram que as empresas que chegaram ao Demo Day têm uma receita per capita cerca de cinco vezes maior do que há 18 meses. O papel da gestão intermediária está sendo assumido pela IA — a tarefa de "coordenação" já não precisa ser feita por pessoas. Cada um deve ser um IC, builder ou operator, e cada tarefa deve ter um responsável nomeado, não um comitê.

Há ainda uma premissa: a empresa deve ser “legível” pela IA. O que não for registrado é equivalente a não ter acontecido para a IA. A YC agora arquivou todos os e-mails dos parceiros, gravou todas as mensagens do Slack e as gravações das horas de escritório. Um parceiro usou 2.000 horas de gravação acumuladas em três meses para fazer a IA recriar um manual interno de 150 páginas — muito melhor que a versão original. Esse manual é atualizado automaticamente mensalmente, tornando-se um “cérebro vivo” sempre atualizado.

Tom deixou uma pergunta:

Se você começasse sua empresa do zero hoje, construiria da mesma forma? Se sua empresa já possui uma estrutura hierárquica, precisa responder a outra pergunta mais difícil — o sofrimento de reconstruir tudo seria menor do que o custo de continuar operando como uma legião romana?

As pessoas não estão no centro da fábrica, mas na periferia—responsáveis por áreas onde a IA ainda não consegue atuar: julgamentos offline, situações novas e momentos de alta aposta e intensa emoção. O núcleo da empresa é o “cérebro da empresa”, composto por dados, registros e conhecimento setorial. Os softwares que operam sobre ele são descartáveis: se podem ser gerados, podem ser gerados novamente. O valor real está na mente das pessoas—como os negócios realmente funcionam, quais etapas envolvem julgamento; essas compreensões são os verdadeiros ativos.

Zhao Yivan descreve, em "Steam, Steel, and Infinite Minds", o outro lado desse caminho — uma organização com 1.000 funcionários e mais de 700 Agentes de IA, onde os humanos são responsáveis pelo julgamento e os Agentes pela execução. Aschenbrenner apostou na infraestrutura de poder de computação, enquanto Zhao Yivan apostou na reestruturação organizacional. Duas rotas que levam ao mesmo destino final: um novo modo de produção reconstruído em torno da IA.

Entre as décadas de 1840 e 1850 — as ferrovias já estavam concluídas, mas as fábricas ainda não haviam sido reconstruídas.

Onde estamos? Simon já não escreve mais código. Sua roda d'água foi desmontada por ele mesmo.

A questão nunca foi se a máquina a vapor era boa o suficiente; a questão é quem removeu primeiro a antiga oficina.

Não pretendo prever o futuro dos grandes armazéns; só quero me concentrar em fazer o meu melhor — basta garantir que estou ao longo da linha férrea, e não à beira de um rio que está secando.

E você?