A crise mundial da inteligência em 2028 - Citrini Research
(citriniresearch.com)A Citrini Research apresentou um cenário hipotético em que, mesmo em meio ao otimismo com a IA, a economia baseada em humanos entra em colapso.
Prefácio
- Não é uma “previsão”, mas um cenário que modela um caminho relativamente menos explorado: mesmo que o otimismo com a IA continue se mostrando correto, o resultado pode ser baixista no nível macro (risco de cauda à esquerda).
- O texto é apresentado como um “memo macro fictício” da Citrini Research, escrito em junho de 2028, descrevendo o desenrolar e as consequências da Global Intelligence Crisis.
Memo Macro: As Consequências da Inteligência Abundante
- O ponto de partida é junho de 2028, com desemprego em 10,2% e o S&P em queda de -38% em relação ao pico de outubro de 2026. O enquadramento é que, em “dois anos, um problema setorial se espalhou para uma fase inédita da economia como um todo”.
- As demissões iniciais (início de 2026), do ponto de vista das empresas, produziram um “efeito normal” — expansão de margens, resultados acima do esperado e alta das ações — e os lucros foram reinvestidos em compute de IA.
- O PIB nominal e a produtividade parecem bons, mas, enquanto agentes de IA provocam um salto de produtividade e os custos trabalhistas desaparecem, ocorre um colapso do crescimento salarial real, e profissionais de colarinho branco são empurrados para funções de menor remuneração.
- Surge o conceito de “Ghost GDP” (PIB fantasma) — produção que aparece nas contas nacionais, mas não circula até as famílias e, portanto, não sustenta o consumo real.
- Mecanismo central: capacidade de IA↑ → pessoal↓ → consumo↓ → pressão sobre margens / reinvestimento em IA↑ → capacidade de IA↑ … um loop de feedback negativo sem freio natural (espiral de deslocamento da inteligência).
- O texto propõe que esse loop (1) abala as premissas de renda por trás de US$ 13 trilhões em hipotecas, (2) desperta o mercado de PE/private superaquecerido por 17 anos sem ciclo de defaults significativos (com premissas de ARR), (3) destrói as indústrias de intermediação que monetizavam a “fricção” humana e (4) revela, ao fim, uma “corrente de apostas correlacionadas no crescimento da produtividade dos white-collars”.
- A introdução termina com o alerta de que políticas públicas sempre foram mais lentas que a realidade e que a ausência de um plano abrangente pode acelerar uma espiral deflacionária.
Como Isso Começou
- No fim de 2025, as ferramentas de coding agêntico deram um salto: só com a combinação desenvolvedor+ferramenta, tornou-se possível replicar funcionalidades centrais de um SaaS de médio porte em “algumas semanas”, levando CIOs, diante de renovações caras, a considerar seriamente a opção “e se construirmos nós mesmos?”.
- A partir das revisões orçamentárias de meio de 2026, times de compras passaram a decidir com base na capacidade real observada: o playbook de aumento de 5% esperado pelos vendors quebrou, e a noção de “substituível” mudou o poder de barganha, gerando casos como renovações com 30% de desconto.
- Investidores esperavam impacto no long tail de SaaS, mas achavam que os “systems of record” estariam seguros; no caso da ServiceNow, fica evidente a reflexividade (reflexivity): clientes cortam 15% do quadro → cancelam 15% dos assentos → a base de receita do fornecedor é mecanicamente danificada.
- No nível de cada empresa, a lógica é racional (redução de pessoal → economia reinvestida em IA → manutenção do output), mas, coletivamente, isso faz com que “cada US$ 1 poupado em folha seja direcionado para uma IA que viabiliza a próxima demissão”, destruindo a base total de emprego ainda mais rápido.
- Conclusão: software é apenas a “abertura”; esse loop se espalha para todas as empresas com estrutura de custos de colarinho branco.
Quando a Fricção Foi a Zero
- No início de 2027, as pessoas passam a usar agentes de IA como padrão “mesmo sem saber exatamente o que são” (como autocomplete), e agentes open source de compras transformam decisões de consumo em uma otimização contínua em segundo plano (mediana individual nos EUA: 400 mil tokens por dia).
- O próximo elo é a intermediação (intermediation): a “camada de extração de renda” construída nos últimos 50 anos sobre o incômodo humano, a limitação de tempo e a inércia passa a ter preços e taxas comprimidos por agentes.
- Exemplos concretos:
- Assinaturas com renovação automática, aumento após período promocional etc. passam a ser negociadas ou canceladas por agentes, causando queda no LTV da economia de assinaturas.
- Reserva de viagens: agentes montam passagens, hotel, transporte, reembolsos e até otimização de programas de fidelidade mais barato e mais rápido, tornando as plataformas as primeiras vítimas.
- Renovação de seguros: prêmios sustentados pela “inércia” do cliente (15~20%) são desmontados por agentes que refazem cotações.
- Consultoria tributária/financeira/jurídica rotineira: áreas em que o valor está em “assumir uma complexidade incômoda” ficam vulneráveis porque agentes não sentem esse incômodo.
- Imobiliário: com MLS + dados de transação, a assimetria de informação é replicada, e a comissão é comprimida de 2,5~3% para menos de 1%; o que parecia “relacionamento” era, na prática, “fricção com um rosto simpático”.
- Colapso da “intermediação habitual” (habitual intermediation): a DoorDash tinha como fosso o hábito de estar na tela inicial, mas agentes passam a buscar sempre a menor taxa e a entrega mais rápida, enquanto agentes de coding reduzem a barreira para lançar apps concorrentes, fazendo as margens convergirem a zero.
- O contágio chega à infraestrutura de pagamentos: em transações M2M, agentes evitam as taxas de interchange de cartão de 2~3% e migram para stablecoins (Solana/Ethereum L2 etc.), abalando o modelo de redes de cartão e emissores.
- Bancos centrados em cartão e emissores monoline sofrem um golpe duplo: a base de clientes encolhe com a redução dos white-collars, e o modelo de receita encolhe com o desvio das taxas.
De Risco Setorial a Risco Sistêmico
- Em 2026, o mercado tratava software/consultoria/pagamentos como uma história setorial, com consenso de que a destruição criativa era inevitável e de que, apesar de alguma dor, o efeito líquido positivo da IA superaria os impactos negativos.
- O autor argumenta que esse modelo mental está errado: os EUA são uma economia de serviços de colarinho branco (50% do emprego, 75% do consumo discricionário), e os empregos que a IA está devorando não são a “periferia”, mas o próprio núcleo da economia.
- Sobre a objeção de que “tecnologia destrói empregos, mas depois cria mais”:
- No passado, os novos empregos ainda exigiam execução humana; desta vez, a IA é uma inteligência geral que se aprimora justamente nas tarefas para as quais humanos seriam realocados, enfraquecendo a rota de absorção.
- Existem novos papéis criados pela IA (prompt engineer, pesquisa em segurança, infraestrutura etc.), mas o cenário assume que, “para cada um criado, dezenas são substituídos”, e com salários mais baixos.
- Há deterioração na ‘composição’ dos dados do mercado de trabalho: queda nas vagas JOLTS, despencada nos anúncios white-collar (Indeed) etc. sinalizam ruptura, mas a bolsa fica dividida entre esse quadro e os ventos favoráveis da infraestrutura de IA, enquanto o mercado de bonds — mais conservador ou mais sábio — precifica antes o choque no consumo.
- “Este ciclo não é cíclico”: a razão de a queda na demanda agregada não frear o investimento em IA é explicada como substituição de OpEx (o custo total cai, mas o orçamento para IA sobe).
- Ironia: mesmo enquanto danifica a economia, o complexo de infraestrutura de IA vai bem em resultados (semicondutores / CapEx de hyperscalers), e economias “puramente convexas” como Coreia e Taiwan superam o mercado.
- A Índia aparece como caso vulnerável oposto: seu modelo de exportação de serviços de TI é atingido, levando a forte queda da rúpia e discussões com o FMI.
A Espiral de Deslocamento da Inteligência
- Em 2027, “a história deixa de ser sutil”: white-collars demitidos fazem downshift e migram para serviços/gig economy, pressionando os salários também nesses setores; o choque setorial se transmite para uma compressão salarial em toda a economia.
- A gig economy, que era o primeiro amortecedor, também sofre com entregas autônomas e direção autônoma, provocando um segundo ajuste.
- Mesmo profissionais ainda empregados passam a pensar “eu sou o próximo”, elevando poupança e cortando gastos, enquanto desaparecem as expectativas de promoção e aumento.
- O elemento mais perigoso é o lag: famílias de renda alta conseguem parecer normais por 2~3 trimestres graças à poupança, mas, quando os dados finalmente confirmam o colapso, o mercado despenca de uma vez.
- Característica desta recessão: as demissões se concentram na faixa de renda alta, então o impacto sobre o consumo discricionário fica desproporcionalmente grande em relação à queda no emprego (os 10% mais ricos respondem por 50%+ do consumo; os 20% mais ricos, por 65%).
- Por isso surge uma “matemática de segunda ordem” como “queda de 2% no emprego white-collar → impacto de 3~4% no consumo discricionário”, que age com mais atraso que no blue-collar, mas de forma mais profunda.
A Corrente de Apostas Correlacionadas
- O private credit cresce de menos de US$ 1 trilhão em 2015 para mais de US$ 2,5 trilhões em 2026, e uma parte relevante disso, no cenário, foi para LBOs de SaaS baseados na premissa de crescimento permanente de médio a alto.
- O problema começa quando “a premissa morreu, mas a marcação demorou para acompanhar”: enquanto SaaS listadas em bolsa são reavaliadas para 5~8x EBITDA, ativos privados reduzem suas marcas de valuation muito lentamente, ampliando o descolamento da realidade.
- Após rebaixamentos da Moody’s em 2027, defaults em empréstimos garantidos por software se espalham para portfólios de serviços de informação e consultoria, seguidos por grandes reestruturações de LBO.
- Como smoking gun, o texto cita a Zendesk: com atendimento ao cliente automatizado por agentes, a própria categoria definida pela Zendesk passa a ser substituída, e surge um default histórico sob a lógica de que “ARR já não é mais recorrente”.
- Mesmo assumindo a tese de que “deveria ser possível aguentar” (veículos fechados, lock-up, ausência de venda forçada), o texto explica por que isso ainda vira risco sistêmico ao destrinchar a natureza do permanent capital.
- A realidade do permanent capital: grandes gestoras de ativos alternativos canalizam recursos de seguros de vida (pensões) para private credit em uma estrutura de fee-on-fee, e a premissa central é que esse crédito precisa ser money-good.
- Reguladores endurecem o tratamento RBC → seguradoras enfrentam pressão para levantar capital ou vender ativos, e estruturas opacas de resseguro offshore/SPVs agravam a incerteza, tornando difícil responder em tempo real “quem está arcando com as perdas”.
A Questão das Hipotecas
- O texto levanta como pergunta central: “as hipotecas prime ainda são money-good?” Observa-se aumento de inadimplência inicial em regiões com grande peso de tomadores 780+ e hipotecas jumbo, abalando a premissa central do underwriting hipotecário: manter renda por 30 anos.
- Diferentemente das crises hipotecárias do passado (especulação, choque de juros, colapso industrial localizado), esta seria uma crise em que o empréstimo era ‘bom no começo’, mas o mundo mudou depois da concessão.
- Junto com sinais de “estresse invisível” (HELOC, saques de 401k, aumento da dívida no cartão), as famílias aguentam cortando consumo discricionário e queimando poupança para pagar a hipoteca, até que a inadimplência dispara em cidades específicas.
- Ainda não é 2008, mas “a verdadeira ameaça não é o nível, e sim a trajetória”; substituição de trabalho + preocupação com hipotecas + turbulência nos mercados privados se reforçam mutuamente em um acelerador financeiro que aprofunda a queda da economia real.
- Conclusão: ferramentas tradicionais de política (corte de juros/QE) podem lidar com o motor financeiro, mas não com o motor real — “a IA tornando a inteligência humana menos escassa e menos valiosa”.
A Batalha Contra o Tempo
- O loop negativo da economia real (IA↑ → massa salarial↓ → gasto↓ → margens↓ → compra de IA↑) transborda para o sistema financeiro (renda deteriorada → hipotecas → perdas bancárias → aperto de crédito → colapso do efeito riqueza), e a resposta confusa do governo piora ambos.
- O dilema estrutural das finanças públicas: a base federal de arrecadação é, na prática, a tributação do “tempo humano” (renda do trabalho); quanto mais a substituição avança, mais caem imposto de renda e payroll tax, enquanto cresce a necessidade de gasto com transferências.
- O texto apresenta como pressão central da crise o fato de que “justo quando é preciso transferir mais para as famílias, arrecada-se menos em impostos”.
- Ideias de política:
- Transition Economy Act: gasto deficitário + imposto sobre compute de inferência de IA para transferência direta a trabalhadores substituídos.
- Shared AI Prosperity Act: criação de um direito público sobre os lucros da infraestrutura de inteligência (algo como fundo soberano/royalties) para redistribuição via dividendos às famílias.
- Mas fissuras políticas (direita: contra redistribuição e imposto sobre compute / esquerda: receio de captura regulatória / falcões fiscais vs pombas) atrasam o tempo de resposta, enquanto a coesão social se deteriora ainda mais rápido.
O Occupy Silicon Valley
- Surge uma reação social que chama mais atenção do que os próprios dados de desemprego, com manifestantes bloqueando entradas de grandes laboratórios de IA etc. (“Occupy Silicon Valley”).
- O núcleo da percepção pública: os ganhos do boom de produtividade se concentram nos donos de compute e acionistas de laboratórios, enquanto o acúmulo de riqueza por fundadores e investidores iniciais amplia a desigualdade em escala sem precedentes.
- “Os vilões variam conforme o campo político, mas o verdadeiro vilão é o tempo” — a velocidade da evolução tecnológica supera a capacidade de resposta das instituições e da política.
O Desmonte do Prêmio da Inteligência
- O texto resume que, na economia moderna, o que era escasso era a capacidade humana de analisar, decidir, criar, persuadir e coordenar — a inteligência —, e que todo o desenho institucional do mercado de trabalho, das hipotecas e da tributação partia dessa escassez.
- Agora, com a inteligência das máquinas se tornando um “substituto competente e em rápida melhoria” para uma ampla gama de tarefas, entramos em um processo em que o prêmio da escassez está sendo desfeito (reprecificado).
- O colapso não é inevitável, mas o documento fecha com o alerta de que, “se a política não conseguir concordar nem sobre a definição do problema, o loop de feedback escreverá o próximo capítulo”.
1 comentários
No fim do texto, a recomendação dos autores foi cortada; acho que vale citar, então deixo aqui nos comentários: