Boom de IA traz riscos de colapso financeiro global, alertam banqueiros centrais

Alertas de bancos centrais e contexto histórico

• Alguns leitores procuram alertas passados de bancos centrais (por exemplo, relatórios do BIS de 1999 e 2007) e sentem que o alerta de IA de 2026 é invulgarmente explícito.
• Outros observam que também seria preciso saber com que frequência tais alertas foram emitidos sem que ocorresse um grande colapso, e que alertas podem tornar-se “profecias autoderrotistas” se reduzirem a assunção de risco.

Escala e estrutura do boom de IA

• Trechos do BIS destacam >$1T em capex de IA por um punhado de hyperscalers em 2025–26, em parte financiado por dívida, com retornos incertos.
• Riscos citados: sobreinvestimento impulsionado por expectativas de “winner-take-most”, estrangulamentos em eletricidade e chips, e o potencial para uma reavaliação sincronizada de ações/crédito e um colapso do investimento.

Dinâmica de bolha e risco sistémico

• Muitos veem uma clara bolha de IA; o debate é se termina num colapso brusco ou numa longa estagnação.
• Alguns argumentam que o impacto é limitado porque a IA é financiada sobretudo por capital próprio; outros receiam efeitos em cadeia via fornecedores, mercados de crédito e investidores de retalho se/quando estas empresas abrirem capital.
• Há cinismo recorrente de que, numa recessão, as elites serão socorridas e os bodes expiatórios voltarão a ser os imigrantes e os pobres.

Trabalho, capitalismo e compatibilidade de longo prazo

• Uma visão: se a IA acabar por automatizar a maior parte do trabalho, o capitalismo — assente na ideia de que o trabalho tem valor positivo — colapsa.
• Outros enfatizam os perigos de curto prazo: deslocação rápida de trabalhadores de colarinho branco a reduzir rendimentos e procura do consumidor, versus um cenário em que a IA fica aquém e aniquila o investimento especulativo.

Valor, rendas e “parasitismo”

• Debate aceso sobre se as empresas de IA de fronteira são “parasitas” a extrair rendas:
  • Críticos argumentam que privatizam ganhos de “saquear os bens comuns” (treinar em trabalhos de terceiros, por vezes com dados pirateados) e podem destruir trabalho intelectual significativo.
  • Defensores contrapõem que o treino foi considerado uso justo até agora e comparam a IA a tecnologias de produtividade do passado (tratores, fertilizantes), que também causaram disrupção mas criaram valor.
• Alguns distinguem criação genuína de valor de rent-seeking mesmo dentro dos mesmos modelos de negócio.

Capacidades, SaaS e produtividade

• Vários praticantes relatam LLMs a “one-shot” ou a iterar rapidamente apps ao estilo SaaS, reduzindo custos e tempo de construção. Outros descartam-nos como sistemas não prontos para produção, “vibe-coded”, que acumulam dívida técnica escondida.
• Há receio de que software ultrabarato encolha partes da economia: substituir uma subscrição SaaS de $XX,XXX/ano por $50 em chamadas de API pode não ser compensado por novas contratações ou novos produtos.
• Céticos argumentam que a engenharia de software não foi “resolvida”: os modelos têm dificuldades com requisitos, compreensão de domínio e manutenção a longo prazo.

Extensões setoriais: terapia, empregos inúteis e última milha

• Alguns preveem seguradoras a pressionar por “terapeutas” de IA como uma primeira linha mais barata; outros veem isto como perigoso dada a falha conhecida e os dados de treino fracos.
• Discussão sobre “bullshit jobs”: a automatização muitas vezes não reduz quadros; as organizações gostam de ter humanos ligados às decisões.
• Vários argumentam que os ganhos da IA estão atualmente concentrados em SWE; outras áreas exigem forte codificação de domínio na “última milha”, o que pode não escalar com as arquiteturas LLM atuais.

Custo de oportunidade e usos alternativos do capital

• Um grande fio lamenta $2T+ em valorização/investimento relacionado com IA face ao financiamento de infraestrutura, energia limpa, habitação, educação ou apoio social.
• Contra-argumentos:
  • Trata-se sobretudo de capital privado a procurar retornos, não dinheiro de impostos.
  • Os governos já gastam biliões em programas sociais e infraestrutura; o problema pode ser ineficiência estrutural e incentivos desalinhados, e não simples falta de dinheiro.
• Entre as propostas estão dinheiro baseado em demurrage para reduzir o entesouramento, e investimentos em grande escala com alto ROI social (transporte ativo, nuclear, solar, habitação) como melhores apostas macro do que uma corrida armamentista em IA.

Reações de finanças pessoais

• Alguns participantes descrevem uma mudança forte para liquidez/T-bills, esperando más notícias à medida que IA, choques energéticos e vulnerabilidades financeiras existentes interagem.
• Outros alertam que o timing é incerto; a exuberância da IA pode ser politicamente sustentada durante anos antes de qualquer acerto de contas.