O que acontece quando software e inteligência ficam baratos
Este artigo foi traduzido automaticamente do japonês por uma IA (Claude). Pode conter erros. Ler o artigo original em japonês.
(Veja aqui a lista dos outros artigos sobre IA)
Por volta de 1830, eram necessárias cerca de 3 horas de trabalho para obter um pouco de luz à noite. Mas, por volta de 1992, dizem que isso passou a exigir menos de 1 segundo de trabalho. A evolução tecnológica das velas para as lâmpadas incandescentes e depois para as fluorescentes tornou a luz drasticamente mais barata.
Quando a luz ficou barata, as pessoas não simplesmente compraram a mesma quantidade de luz por um preço menor e pararam por aí.
Elas passaram a colocar luz em lugares onde antes nem pensariam em colocá-la, espalhando a luz barata por todos os cantos da sociedade: ruas, fábricas, letreiros. Com isso, as fábricas passaram a funcionar mesmo em dias nublados ou chuvosos, e tornaram-se possíveis novas atividades, como o funcionamento de madrugada e a leitura à noite.
Quem lucrou com isso não foram apenas as empresas que forneciam a luz, mas as que souberam usá-la bem.
Então, quando software e inteligência ficarem baratos, como vamos usá-los?
Acredito que a grande mudança trazida pela IA generativa nos faz justamente essa pergunta.
O que está ficando mais barato
Com o avanço da IA, o custo de certos tipos de trabalho intelectual e da criação de software está caindo rapidamente. O Stanford HAI 2025 AI Index também registra que o custo de inferência para um desempenho equivalente ao do GPT-3.5 caiu mais de 280 vezes nos últimos 18 meses.
Hoje, essa IA está começando a ser usada mais intensamente no desenvolvimento de software. Espera-se que o preço do software caia, e isso já afeta a avaliação de algumas empresas de SaaS (embora haja fatores combinados, como a mudança no cenário de juros e a normalização dos múltiplos, de modo que a culpa não é apenas da IA).
Na prática, se levarmos em conta a operação, a garantia de qualidade, a implantação, a atribuição de responsabilidade e assim por diante, não se pode dizer que "todos os custos do software estão caindo". Ainda assim, o custo inicial do desenvolvimento de software e o de algumas pesquisas e verificações caíram drasticamente.
Não sabemos a que nível chegará esse avanço da inteligência artificial. Mas, mesmo com a IA no nível atual, é quase certo que o custo do desenvolvimento de software e o de algumas pesquisas cairão de forma drástica.
Sendo assim, pensar em "o que acontece quando software e inteligência ficam baratos" me parece uma pergunta que traz grandes pistas também para os negócios daqui em diante.
Quando fica barato, a base se amplia
O que nos serve de referência aqui é a história das tecnologias do passado.
Vejamos, por exemplo, o caso da iluminação do início.
Entre 1800 e 2000, o preço real da iluminação caiu muito e, em consequência, o consumo total aumentou bastante. As pessoas não "compraram a mesma luz por menos": elas estenderam a luz até lugares onde antes não havia nenhuma.
Não é possível aplicar essa analogia diretamente ao software, mas é provável que ocorra uma mudança estrutural semelhante. Ou seja: quando o preço cai, as pessoas não só usam a mesma coisa por menos, como também passam a usá-la em lugares onde antes o custo não compensava.
Eu mesmo, por exemplo, desenvolvo aplicativos com IA para minhas aulas. Tornou-se perfeitamente viável, em termos de custo, criar um aplicativo para uma única aula.
Atividades de difusão do desenvolvimento de software na área sem fins lucrativos (Non-Profit Startup e o Programa de Tecnologia Social da Universidade de Tóquio, por exemplo) também são exemplos de atividades que começaram com a ideia de que "um problema que antes exigiria engenheiros talvez possa ser resolvido agora".
Atividades que até então eram consideradas "não valer o esforço de criar" ou "inviáveis como negócio" talvez estejam começando a se tornar viáveis, por causa do barateamento do software e da inteligência.
Ao ver esses exemplos, penso que a pergunta a fazer não é apenas "quanto podemos baratear o trabalho existente com IA", mas sobretudo "que problemas, em áreas até agora não transformadas em software, passam a poder ser resolvidos por software e inteligência baratos?".
Onde o valor permanece
Por algum tempo, surgirá demanda por esses problemas que podem ser resolvidos de novo por software e inteligência.
No entanto, essa expansão do software para novos espaços de problemas não se tornará necessariamente um grande negócio de software. Alguns problemas talvez tenham ficado sem solução justamente porque davam pouco lucro e, à medida que o software fica mais fácil, seu valor relativo diminui.
O que acontece, como resultado, é um deslocamento do lugar onde o valor é gerado.
O valor nasce da eliminação dos pontos de congestionamento em um fluxo. O software gerou tanto valor até agora porque resolveu gargalos de negócios, como a precisão e a velocidade do processamento de informações e da tomada de decisões. Mas, se o software e certa dose de inteligência se tornarem suficientemente baratos e abundantes, os gargalos passarão para outros lugares.
Por exemplo: a implantação no campo, a assunção de responsabilidade, a garantia de qualidade, a conformidade regulatória, os dados próprios, a integração aos fluxos de trabalho e a implementação no mundo físico.
De fato, no contexto da IA, os gargalos estão se deslocando para as GPUs, os transformadores dos data centers, a energia e a água e a fila de espera para conexão à rede (regulação). A IA até agora se apoiou em recursos físicos abundantes, mas as restrições físicas estão se tornando o gargalo.
Ou seja, o valor talvez se desloque do software isolado para aquilo que o faz funcionar na realidade.
Inovação complementar
Esse argumento se conecta com a ideia de "inovação complementar", que também citei em obras como Implementando o Futuro.
Diz-se que o aumento da produtividade trazido pela eletricidade e pelos motores elétricos não veio apenas da eletricidade em si, mas, por exemplo, da inovação na disposição das máquinas-ferramentas nas fábricas, que os motores elétricos tornaram possível.
Uma tecnologia de propósito geral (GPT: General Purpose Technology) não gera valor pela invenção em si, mas por funções complementares, como as invenções complementares que surgem ao seu redor, a reestruturação das organizações, as pessoas e a governança.
O mesmo deve valer para a IA atual. Mesmo na situação presente, em que todos têm acesso aos mesmos modelos, o valor que se consegue extrair depende muito de elementos complementares: como se projetam os prompts e os fluxos de trabalho, em quais atividades a IA é incorporada e com que nível de qualidade é operada.
Além disso, enquanto o desempenho e o custo da tecnologia mudam de forma não linear, os mecanismos complementares, como organizações e instituições, mudam apenas de forma linear. É por causa dessa lacuna que quem consegue promover adequadamente a inovação complementar obtém uma grande vantagem.
As "empresas AI-native" também podem ser entendidas por esse arcabouço.
Nesse contexto, uma empresa AI-native é aquela que possui um conjunto de mecanismos complementares à IA. Assim como a disseminação dos motores elétricos nas fábricas levou ao aumento da produtividade, penso que as organizações que conseguirem realizar novos mecanismos e instituições, tornando possível a presença onipresente de software e inteligência, serão justamente as que se beneficiarão da IA.
(Isso, porém, só vale enquanto se puder usar essa infraestrutura. Dependendo da situação da política internacional daqui em diante, o acesso à IA dos países de média potência pode ficar limitado, e por isso faço esta ressalva.)
Deep tech pode ser o caso típico
Pensando assim, o que é interessante são áreas como o deep tech.
Primeiro, no curto prazo, o uso da IA generativa tornou bem mais rápida parte da verificação das tecnologias empregadas em negócios de deep tech (em especial a verificação inicial no nível de estimativas de Fermi e análises simples de viabilidade técnico-econômica). Um trabalho que antes exigia encontrar especialistas e pedir ajuda passou a devolver resultados em poucas horas. Pode-se dizer que é uma mudança que reduz bastante a barreira da fase inicial de quem busca criar uma startup de deep tech.
Além disso, se a AI for Science realmente decolar, mais descobertas científicas aparecerão. Nesse caso, o gargalo surgirá na comercialização de parte dessas descobertas.
Também me parece provável que, com as organizações se tornando AI-native, o grande aumento de produtividade ocorra não nas empresas de software, mas em setores que não são de software. Isso porque as empresas de software já têm muito software instalado, enquanto as demais ainda vão incorporá-lo, e por isso têm mais margem para melhorar.
Para tornar AI-native os negócios desses setores que não são de software e, ao mesmo tempo, implementá-los de fato na sociedade, é preciso continuar executando trabalhos ainda pesados, como instalações experimentais, manufatura, regulação e segurança. Mas o valor permanece nos lugares difíceis de implementar, e isso também tende a se tornar um Moat.
É também por esse contexto que se pode ter expectativas em relação à startup de deep tech full stack e ao deep tech em que importa algo além da pesquisa.
Conclusão
O que está acontecendo agora é que o custo de certos trabalhos intelectuais e da geração de software está caindo rapidamente. Como resultado, o software vai se expandir até problemas que antes não compensavam. Assim como a luz se espalhou até os lugares escuros, acredito que o software e a inteligência também serão espalhados por espaços de problemas que antes não alcançavam.
Por isso, a pergunta a fazer não é o que podemos automatizar com IA, mas quais problemas passam a poder ser resolvidos por software graças a software e inteligência baratos, o que acontece então e o que se torna a nova escassez.
No curto prazo, a demanda por IA em si e por software que a utiliza vai crescer. Mas, olhando além disso, acredito que o valor provavelmente virá de outros lugares, até mais do que dessas áreas.
Nesse momento, o deep tech, que vai atrás dos gargalos do mundo físico, é uma das maiores oportunidades. Nesse sentido, gostaria que mais pessoas voltassem os olhos para a área de deep tech que usa IA e software.
Realmente ficou mais fácil pesquisar, então, se alguém se interessou, por favor dê uma olhada também na área de deep tech.
Aviso
Faço um podcast que apresenta startups de deep tech do exterior e artigos de think tanks. Se tiver interesse, fique à vontade para ouvir.