IA, concentração de capital e a volta do analógico

“A IA não é mais apenas uma camada de software: ela virou disputa por eletricidade, terra, capital e capacidade computacional.”

onde o capital está se concentrando

A formulação “big tech feudal” é forte como imagem, mas não é a categoria usada por economistas, reguladores e pesquisadores. O vocabulário mais preciso é outro: concentração de mercado, gatekeeping, efeitos de lock-in, barreiras de entrada ligadas a dados e computação, distribuição por padrão e dependência de infraestrutura privada. A própria UNCTAD afirma que os mercados digitais ficaram mais concentrados e que sete das dez empresas mais valiosas do mundo já são gigantes digitais; a União Europeia, por sua vez, criou o Digital Markets Act justamente para regular o poder de “gatekeepers” e designou Alphabet, Amazon, Apple, ByteDance, Meta e Microsoft como tal. [1]

O dinheiro do mundo não migrou inteiro para as grandes empresas de tecnologia. O movimento verificável é outro: capital, infraestrutura, distribuição e padrões digitais estão se concentrando em poucos atores que controlam nuvem, chips, dados, interfaces e configurações padrão. A lógica lembra o caso antitruste da Microsoft. O Departamento de Justiça dos Estados Unidos descreveu a applications barrier to entry, barreira criada quando uma plataforma vira base para aplicativos e prende usuários e desenvolvedores por custos de troca, compatibilidade e escala instalada. [2]

Essa fase pode ser descrita como capitalismo de plataforma intensificado por IA. A metáfora do “tecnofeudalismo” captura a dependência, mas os fenômenos mensuráveis são concentração, controle de infraestrutura e poder privado de intermediação. [3]

para onde o dinheiro está indo de fato

Os dados mais recentes confirmam que a IA deixou de ser só uma moda de produto e virou um regime de investimento. O AI Index 2026, de Stanford, informa que o investimento corporativo global em IA mais que dobrou em 2025, com crescimento de 127,5% no investimento privado; a IA generativa cresceu mais de 200% e já capturava quase metade do financiamento privado em IA. No mesmo período, a IEA registrou que o capex de cinco grandes empresas de tecnologia passou de US$ 400 bilhões em 2025 e deve crescer mais 75% em 2026. Reuters, citando analistas de mercado, mostrou ainda que quatro hyperscalers já respondiam por mais de US$ 10 trilhões em valor de mercado e cerca de 17% do S&P 500. [4]

Esse movimento já está transbordando para crédito, energia e redes físicas. A Morgan Stanley projetou emissão global de dívida ligada à IA acima de US$ 570 bilhões em 2026. A IEA estima que o consumo elétrico de data centers deve chegar a cerca de 945 TWh em 2030, quase o dobro do nível atual, crescendo mais de quatro vezes mais rápido que a demanda elétrica dos demais setores. Isso significa que a IA não é mais apenas uma camada de software: ela virou disputa por eletricidade, por terra, por capital e por capacidade computacional. [5]

O crescimento desproporcional está na alocação de capital para infraestrutura de IA, nuvem, chips, energia para centros de dados e produtos que incorporam IA como camada padrão. É a parcela estratégica do investimento que organiza o futuro próximo do capitalismo digital. [6]

por que esta onda parece mais estrutural que o metaverso

A comparação com a Revolução Industrial faz sentido quando bem feita. Economistas do NBER tratam IA como uma general-purpose technology, na linhagem de eletricidade e tecnologia da informação: tecnologias que atravessam muitos setores, exigem investimentos complementares e só depois mostram seus ganhos de produtividade em larga escala. O modelo da Productivity J-Curve, de Brynjolfsson, Rock e Syverson, explica justamente isso: no começo, empresas gastam com reorganização, treinamento, dados, processos e integração; só depois vêm os ganhos mensuráveis. A própria IEA afirma que a IA está emergindo como uma tecnologia de propósito geral “muito semelhante à eletricidade”. [7]

Isso ajuda a entender por que a IA parece mais durável que o metaverso. Stanford mostra que a IA generativa atingiu 53% de adoção populacional em três anos, mais rápido do que PC e internet, e que a adoção organizacional chegou a 88%. Já a OCDE, ao analisar realidade virtual, sugere um enquadramento bem mais restrito: VR é especialmente transformadora em casos “dangerous, impossible, counterproductive or expensive”, isto é, em contextos de alto valor, mas mais específicos. Ao mesmo tempo, a Meta reportou que sua division Reality Labs, responsável por hardware e software de VR/AR, teve US$ 19,2 bilhões de prejuízo operacional em 2025. [8]

A diferença é simples: o metaverso exigia mudança de comportamento, compra de equipamento e adaptação a uma interface nova. A IA entra onde o hábito já existe. Novos computadores com Windows 11 trazem o Copilot instalado; o Microsoft 365 Copilot opera em Word, Excel, PowerPoint, Outlook e Teams; e o Google integrou o Gemini a Gmail, Docs, Sheets, Slides e Meet. A IA ocupa o fluxo de trabalho existente. [9]

A analogia com Windows e Office ajuda a entender o movimento. A força histórica da Microsoft veio da base instalada, da compatibilidade e da dependência de aplicações construídas sobre sua plataforma. A integração atual de copilotos e assistentes sugere uma tentativa parecida: transformar a IA em camada obrigatória da alfabetização digital, aprendida antes mesmo da entrada plena no mercado de trabalho. É uma inferência apoiada pelo padrão histórico de lock-in - dependência que dificulta a troca de fornecedor - e pela incorporação da IA aos sistemas operacionais e às suítes de trabalho dominantes. [10]

os sinais futuros que já são visíveis

O primeiro sinal futuro é o do trabalho. O FMI estima que a IA afeta quase 40% dos empregos no mundo, chegando a cerca de 60% nas economias avançadas. Ainda assim, o NBER, ao pesquisar quase 6 mil executivos em EUA, Reino Unido, Alemanha e Austrália, encontrou um paradoxo importante: cerca de 70% das firmas já usam IA, mas mais de 80% relatam que ela ainda não teve impacto sobre emprego ou produtividade nos últimos três anos. Essa combinação - adoção alta com impacto agregado ainda pequeno - é exatamente o que esperaríamos de uma fase inicial de instalação de uma tecnologia de propósito geral. [11]

O segundo sinal é que os efeitos tendem a aparecer primeiro nas bordas mais frágeis da hierarquia ocupacional. O Stanford Digital Economy Lab encontrou uma queda relativa de 16% no emprego de trabalhadores de início de carreira, entre 22 e 25 anos, nas ocupações mais expostas à IA. Isso sugere que o primeiro choque pode não ser a substituição massiva de profissionais seniores, mas o estreitamento das portas de entrada. Em termos sociológicos, isso é decisivo: a IA pode reorganizar o funil de formação profissional antes de reorganizar completamente o topo das carreiras. [12]

O terceiro sinal é a virada da IA generativa para a IA agêntica. Stanford mostra que sistemas agênticos já estão em produção, mas eram apenas 20% dos casos bem-sucedidos na amostra de 51 deployments estudada; ainda assim, eles exibiam ganho mediano de produtividade mais alto do que abordagens de alta automação. Outra pesquisa do mesmo laboratório mostra que tarefas agênticas de programação consomem cerca de 1000 vezes mais tokens do que tarefas de code reasoning ou code chat, o que indica uma fronteira importante: agentes podem ser mais poderosos, mas também mais caros, mais imprevisíveis e mais dependentes de governança. [13]

O quarto sinal é político. O AI Index 2026 mostra que a indústria produziu mais de 90% dos modelos de fronteira notáveis em 2025; ao mesmo tempo, a transparência média das grandes empresas de IA caiu em 2025, e os incidentes documentados de IA subiram de 233 para 362. Em paralelo, estratégias nacionais de IA seguem se expandindo, e a ideia de “AI sovereignty” ganhou centralidade nas políticas públicas. O padrão é claro: quanto mais a tecnologia se torna infraestrutural, mais o conflito sai do marketing e entra em terreno regulatório, energético, educacional e geopolítico. [14]

o analógico como contracultura plausível

A sua leitura de contracultura faz sentido, e aqui a literatura ajuda. Revisões sistemáticas já tratam a desconexão digital voluntária como um campo consolidado de estudo, e uma revisão sistemática com meta-análise de 2024 encontrou efeitos positivos de intervenções de “digital detox” sobre dimensões de bem-estar subjetivo e psicológico, ainda que os resultados não sejam uniformes em todos os contextos. O que isso sugere não é que “desligar” resolve tudo, mas que já existe base empírica para afirmar que parte das pessoas buscará, de forma recorrente, zonas de menor saturação digital. [15]

Mais importante: o analógico não tende a voltar como negação total da tecnologia, e sim como espaço de fricção valiosa. Um paper de 2026 encontrou que redes sociais raramente geram estados genuínos de flow e que uso mais intenso previa menos episódios diários de flow. Em termos culturais, isso importa muito: quando a experiência digital dominante se torna ruidosa, fatigante, opaca e pouco proprietária, cresce o apelo de objetos e práticas que devolvem senso de ritmo, de posse, de ritual e de controle. [16]

É por isso que o sinal mais interessante do “analógico” aparece em nichos premium, afetivos e identitários, e não como substituição macro do digital. A RIAA informa que a receita com vinil nos EUA ultrapassou US$ 1 bilhão em 2025, com 19 anos consecutivos de crescimento. Isso não derrota o streaming; ao contrário, convive com ele. Mas mostra que, dentro de um regime profundamente digital, formatos físicos podem ganhar valor simbólico, status cultural e até peso econômico justamente por oferecerem algo que o feed não oferece: materialidade, coleção, ritmo mais lento e uma sensação mais nítida de pertencimento. [17]

A melhor formulação, então, é esta: o analógico será uma contracultura seletiva, não uma restauração do passado. Ele deve crescer onde houver fadiga algorítmica, desejo de autenticidade, busca por privacidade, premiumização da experiência e necessidade de marcar distância da lógica da captura total da atenção. [18]

o que ainda pode ser disputado

Se a maré tecnológica é forte, isso não significa que tudo esteja dado. A disputa real não é “parar a IA”, mas definir em que termos ela entra na vida social. A União Europeia já colocou isso em prática: o cronograma do AI Act prevê aplicação progressiva, com obrigações para modelos de propósito geral desde agosto de 2025 e novas exigências de transparência e regras centrais a partir de 2026. O Artigo 53 exige documentação técnica atualizada, informações sobre capacidades e limitações, política de copyright e um resumo público suficientemente detalhado do conteúdo usado no treinamento. Nos EUA, o NIST mantém o AI Risk Management Framework como referência para gestão de risco e publicou inclusive um perfil específico para GenAI; no plano concorrencial, o DMA europeu enfrenta o poder dos gatekeepers; e a FTC já alertou que usuários têm pouco controle sobre como seus dados são usados por sistemas com IA. [19]

Traduzindo isso em agenda prática, as frentes mais importantes são bem objetivas: exigência de trilhas de auditoria; documentação sobre dados, limitações e risco; governança de permissões; interoperabilidade para reduzir lock-in; proteção de trabalhadores de entrada; e critérios de compra pública e corporativa que obriguem transparência e responsabilização. No Brasil, mesmo sem um quadro único completamente consolidado no conjunto de materiais que consultei aqui, já há movimento setorial: a Anatel aprovou em junho de 2026 uma política própria de governança de IA com foco em uso ético, seguro, transparente e responsável. [20]

Será difícil conter a centralidade da IA porque capital, distribuição, educação, infraestrutura e incentivos empresariais apontam na mesma direção. Ainda há disputa sobre regulação, transparência, condições de uso, proteção do trabalho e espaços de contracultura analógica. O conflito está na naturalização da tecnologia sem prestação de contas nem alternativas culturais. [21]

limites e perguntas em aberto

Há três cautelas importantes. A primeira é que estudos com forte ênfase em casos bem-sucedidos de adoção empresarial - como o relatório de Stanford sobre IA agêntica - não descrevem a média da economia; eles ajudam a ver a fronteira, mas não substituem dados amplos de produtividade. A segunda é que os dados macro ainda mostram um descompasso entre adoção e resultado econômico realizado, o que é compatível com a J-Curve, mas não garante automaticamente um boom distribuído de prosperidade. A terceira é que, no caso brasileiro, os sinais de governança setorial estão visíveis, porém o desenho regulatório nacional mais amplo continua sendo um campo em movimento e merece monitoramento contínuo. [22]