Somos uma espécie de carne e osso num planeta coberto de água, girando em volta de uma estrela comum, tentando há uns trezentos mil anos entender onde estamos e o que fazemos aqui. Passamos a maior parte desse tempo sem escrita. Passamos quase todo o resto acumulando conhecimento na única velocidade possível: a velocidade em que uma pessoa aprende, ensina e morre.

Nos últimos quatro anos, construímos algo que quebrou essa regra. Não é ficção nem exagero de palestrante: em 2025, um sistema de IA encontrou um jeito de multiplicar duas matrizes 4x4 com 48 multiplicações, batendo um recorde de 49 que estava de pé desde 1969. Cinquenta e seis anos de matemáticos humanos não haviam conseguido. Outro sistema previu a estrutura de mais de 200 milhões de proteínas, praticamente todas as catalogadas pela ciência, e deixou tudo de graça na internet. Um terceiro propôs 2,2 milhões de cristais novos, dos quais 381 mil considerados estáveis, o equivalente a cerca de 800 anos de descoberta no ritmo anterior.

Então a pergunta que eu quero fazer neste texto não é "a IA vai tirar meu emprego". É anterior e maior: o que acontece com uma espécie quando o conhecimento passa a crescer mais rápido do que ela consegue absorver? E, dentro dela, as perguntas que tiram o sono de quem trabalha e de quem tem um negócio: como agir sem saber o resultado, quem fica com o ganho, o que a lei faz com o pequeno, e o que muda nos próximos doze meses em como trabalhamos, pensamos, assistimos, aprendemos e nos relacionamos.

Vou tentar responder com o máximo de dado e o mínimo de fé, e dizer onde eu mesmo não sei.

• A mudança é de natureza, não de grau. Pela primeira vez, separamos o conhecimento de quem conhece. Livro guarda; isto produz.

• Tecnologia muda em meses, cultura em décadas, e a dor mora no intervalo. Foram 150 anos da prensa, 38 da eletricidade, 21 da internet. A IA comprimiu o lado técnico e deixou o lado humano na mesma velocidade de sempre.

• Sob incerteza, a jogada racional não é prever, é ser robusto: escolhas que funcionam em muitos futuros diferentes.

• Concentração e difusão acontecem ao mesmo tempo, em camadas diferentes. Quatro empresas vão gastar um terço do PIB brasileiro em infraestrutura de IA em 2026; ao mesmo tempo, o custo de "pensar" caiu 286 vezes em dois anos.

• A lei brasileira de IA perdeu cinco datas de votação e ficou para depois das eleições. Isso não é neutro: sem regra, ganha quem tem advogado para operar na dúvida.

• Em doze meses, agentes devem executar tarefas de semanas, se a curva atual continuar. A unidade do trabalho deixa de ser a tarefa e vira o resultado.

Parte 1: o que mudou de natureza

Toda tecnologia anterior de conhecimento fez a mesma coisa: guardou e transportou. A escrita guardou. A prensa multiplicou. A internet transportou instantaneamente. Mas em todas elas o conhecimento novo continuava saindo do mesmo lugar: uma cabeça humana, uma de cada vez, depois de anos de formação.

O que temos agora é diferente em espécie. Os três exemplos da abertura não são casos de uma máquina achar rápido o que já estava escrito. São casos de produção: um resultado matemático que ninguém tinha, uma estrutura biológica que ninguém havia medido, um material que ninguém havia sintetizado. Pela primeira vez na história da espécie, conhecimento novo está sendo gerado por algo que não é uma pessoa, em escala, e barato.

Isso tem uma consequência filosófica que ainda não digerimos. Durante toda a história, "saber" e "quem sabe" eram inseparáveis: o conhecimento morava em alguém e morria com alguém, ou era passado adiante com esforço. Agora ele mora em um sistema que roda de madrugada enquanto dormimos. Separamos o conhecimento do conhecedor. É um evento da ordem da invenção da escrita, e estamos vivendo os primeiros quatro anos dele.

Não é que a máquina ficou inteligente. É que o conhecimento ficou independente de nós. São coisas diferentes, e a segunda é a que muda tudo.

Parte 2: a regra que a história ensina

Existe um padrão em toda grande tecnologia, e ele explica a angústia atual melhor que qualquer previsão. A tecnologia chega rápido. A cultura que sabe usá-la chega devagar. E o intervalo entre as duas é onde as pessoas sofrem.

Tecnologia	Intervalo até a cultura absorver	O que aconteceu no meio
Prensa (1450)	Cerca de 150 anos	Alfabetização em massa, mas também um século de guerras religiosas alimentadas por panfleto
Eletricidade (1882)	Cerca de 38 anos	Fábricas só se reorganizaram em torno do motor elétrico nos anos 1920; antes, trocaram o vapor pelo dínamo e mantiveram o mesmo layout
Internet (1995)	Cerca de 21 anos	Web, depois celular, depois rede social reconfigurando a política por volta de 2016
IA generativa (2022)	Menos de 4 anos até aqui	A tecnologia avançou em ciclos de meses; a cultura, as leis e o trabalho ainda estão na primeira década

O caso da eletricidade é o mais instrutivo. O economista Paul David mostrou que as fábricas americanas levaram quase quarenta anos para ganhar produtividade com o motor elétrico, porque no começo elas só trocaram a fonte de energia e mantiveram a arquitetura do vapor: um eixo central, máquinas em fila, tudo perto da fonte. O ganho só veio quando alguém redesenhou a fábrica em volta da nova possibilidade, com um motor pequeno em cada máquina e o chão de fábrica livre.

Estamos exatamente nesse ponto com a IA. A maioria das empresas colou um assistente em cima do processo antigo. É o dínamo no lugar do vapor. O redesenho, o equivalente ao motor em cada máquina, ainda não aconteceu na maior parte dos lugares, e é ali que estão tanto o ganho quanto a ruptura.

O que é novo, e preocupante, é a largura do intervalo. Nas tecnologias anteriores, a técnica andava em décadas e a cultura em décadas: o descompasso era grande, mas da mesma ordem. Agora a técnica anda em meses, e a cultura continua andando na velocidade de gente. O intervalo nunca foi tão largo, e é nele que moram a ansiedade do trabalho, a desigualdade e a lei mal feita.

Parte 3: como agir quando não se sabe

A pergunta honesta de quem trabalha hoje é: como eu planejo minha vida se ninguém sabe o resultado disso no médio prazo? E a resposta honesta começa admitindo que ninguém sabe mesmo, inclusive quem está construindo. As declarações de quem saiu de dentro dos laboratórios vão do otimismo radical ao pessimismo radical, e organizei isso em os melhores e piores cenários segundo quem saiu da OpenAI.

O economista Frank Knight fez, há um século, uma distinção que ajuda aqui. Risco é quando você não sabe o resultado, mas conhece as probabilidades: um dado, um seguro. Incerteza é quando você não conhece nem as probabilidades. Estamos em incerteza, não em risco. E sob incerteza, a jogada racional muda: não é prever melhor, é escolher coisas que funcionam bem em muitos futuros diferentes. Robustez, e não acerto.

O que isso significa na prática, para uma pessoa:

1. Invista no que vale em todos os cenários. Julgamento para avaliar o que a máquina produz, conhecimento profundo de um setor, e relação de confiança com pessoas. Esses três pagam se a IA acelerar, se estagnar e se der errado. Habilidade de ferramenta paga só em um cenário e envelhece em meses.

2. Mantenha opções abertas. Não dependa de um único empregador, de um único fornecedor de IA, de uma única fonte de renda. Opcionalidade é o que se compra quando não se sabe o futuro.

3. Reduza custo fixo. Quem tem custo fixo baixo aguenta mais tempo em qualquer tempestade e aproveita mais rápido qualquer oportunidade.

4. Construa o que acumula. Reputação, audiência, sistema próprio, base de clientes. Coisas que valem mais amanhã do que hoje, independentemente do modelo que estiver na moda.

E existe um dado que ajuda a dimensionar a urgência. A METR mede o tamanho da tarefa que um agente de IA consegue completar sozinho com 50% de acerto. Em fevereiro e março de 2026, os agentes mais fortes estavam em torno de 16 a 20 horas de trabalho humano, e esse horizonte vem dobrando a cada quatro meses aproximadamente. Se a curva continuar, o que é premissa e não fato, em setembro de 2027 estaremos falando de tarefas de duas a três semanas executadas de ponta a ponta.

O que isso muda no trabalho não é "quem some". É a unidade. Hoje trabalho se organiza em tarefas. Quando a máquina absorve a tarefa, o que sobra para a pessoa é o resultado: decidir o que vale fazer, verificar se ficou bom, responder pela consequência. Quem já opera assim está pronto. Quem vende tarefa está vendendo o que está ficando barato. Escrevi sobre esse deslocamento em como ganhar dinheiro com IA: os caminhos reais.

Parte 4: ricos mais ricos, pobres mais pobres?

Essa é a pergunta que mais gera resposta fácil e a que mais merece resposta difícil. Porque as duas coisas estão acontecendo ao mesmo tempo, em camadas diferentes.

A camada que concentra

Amazon, Alphabet, Meta e Microsoft planejam gastar entre US$ 720 e 745 bilhões em investimento de capital em 2026, a maior parte em infraestrutura de IA. Isso é 77% acima dos US$ 410 bilhões de 2025 e equivale a cerca de um terço do PIB brasileiro, gasto por quatro empresas em um ano, ou uns US$ 2 bilhões por dia. Nenhum país, nenhuma universidade e nenhuma empresa fora desse círculo consegue acompanhar. A capacidade de fronteira já é racionada: a OpenAI acabou de fechar a venda do próprio plano mais caro porque faltou máquina.

O FMI estimou em 2024 que cerca de 40% dos empregos do mundo estão expostos à IA, chegando a 60% nas economias avançadas, e alertou que a tecnologia pode agravar a desigualdade se nada for feito. No Brasil, o estudo do FGV Ibre que citei em outro texto mostra a automação já reduzindo a chance de contratação de jovens.

A camada que difunde

Ao mesmo tempo, o custo de "pensar" caiu 286 vezes em 23 meses. Uma pessoa no Brasil, com R$ 39,99 por mês, acessa o mesmo modelo de fronteira que um analista em Nova York. O AlphaFold, com suas 200 milhões de estruturas, é gratuito para qualquer pesquisador do planeta. Um mecânico em Rondônia consegue hoje um diagnóstico técnico, um contrato revisado e uma tradução que há cinco anos custariam três profissionais. Nunca uma ferramenta de tamanho poder chegou tão barata a tanta gente tão rápido.

O padrão que reconcilia as duas

A história resolve o aparente paradoxo. Na eletricidade, a luz chegou a todo mundo e a rede ficou com poucos. Na internet, todo mundo publica e três empresas distribuem. O padrão é sempre o mesmo: a ferramenta difunde, a infraestrutura concentra. A pergunta certa não é se a IA vai concentrar ou distribuir riqueza. É em qual camada cada coisa acontece.

O acesso ao modelo difunde, e isso é uma boa notícia real. A computação, os dados de treinamento e os canais de distribuição concentram, e isso é uma má notícia real. A desigualdade que vem não será principalmente entre quem tem e quem não tem IA, porque todo mundo vai ter. Será entre quem tem algo próprio para colocar dentro dela e quem só tem a ferramenta.

Para uma pessoa ou um pequeno negócio, a consequência é prática e até libertadora: a sua vantagem nunca vai ser o modelo, porque ele é o mesmo para todos. Vai ser o que você alimenta nele: o seu conhecimento do seu setor, os seus dados, a sua relação com os seus clientes. Isso a empresa de US$ 200 bilhões não tem sobre o seu bairro. O que a OpenAI oferece para o pequeno negócio brasileiro, inclusive de graça, eu detalhei em ChatGPT para pequenos negócios.

Parte 5: leis que sufocam o pequeno?

Aqui eu tenho uma opinião formada, e vou colocá-la com os fatos na frente.

O Brasil tem um projeto de lei geral de IA, o PL 2338/2023, aprovado por unanimidade no Senado em 10 de dezembro de 2024. Ele está na Câmara desde março de 2025. Em 7 de setembro de 2026, a ficha oficial de tramitação mostrava a situação "aguardando parecer do relator", dezesseis meses depois da instalação da comissão especial, com cinco datas de votação perdidas desde novembro de 2025. A previsão agora é para depois das eleições de outubro. Enquanto isso, a lei europeia está em vigor desde agosto de 2024, com obrigações entrando em fases.

O texto brasileiro segue o modelo europeu: classifica sistemas por risco, cria direitos de transparência e contestação, institui um sistema nacional de governança e prevê multas de até R$ 50 milhões por infração. E aqui está o alerta que entidades do setor levaram ao Congresso: na redação atual, um pequeno varejista que apenas usa uma ferramenta de IA contratada poderia ser enquadrado pelos mesmos critérios de quem desenvolveu a tecnologia. Estimativas do próprio mercado, que registro como estimativa e não como fato, colocam um programa estruturado de conformidade para uma empresa com cinco a quinze sistemas entre R$ 350 mil e R$ 1,5 milhão no primeiro ano.

Isso descreve o mecanismo clássico pelo qual regulação escrita para o grande cai sobre o pequeno: o grande absorve o custo fixo de conformidade e o transforma em barreira de entrada; o pequeno não absorve e sai do jogo, ou opera na ilegalidade. Regulação mal desenhada é subsídio para quem já é grande.

Mas a leitura oposta também é verdadeira, e é a que se esquece: a ausência de lei também favorece o grande. Sem regra clara, quem tem departamento jurídico opera na dúvida com conforto; quem não tem, trava por medo ou avança às cegas. A incerteza regulatória é um custo, e ele também é regressivo.

Então o atraso brasileiro não é neutro. É uma decisão por omissão, e ela beneficia quem consegue agir sem regra. O que uma lei boa faria: obrigação proporcional ao risco e ao porte; responsabilidade em quem desenvolve e opera o sistema, não em quem contrata a ferramenta; ambiente de teste supervisionado para quem está começando; e prazo de adaptação que respeite o intervalo da Parte 2. Nada disso é impossível. Só exige que a lei seja escrita para o país que existe, e não para o que tem advogado.

Enquanto ela não vem, o que vale é o que já existe: proteção de dados, defesa do consumidor, direito autoral e de imagem. Sobre esse último, e como a IA o tensiona, escrevi em direito de imagem na era da inteligência artificial.

Parte 6: os próximos doze meses

Você perguntou o que muda em como trabalhamos, pensamos, assistimos, aprendemos e nos relacionamos. Vou responder por verbo, com o que já está em curso e com a previsão datada no fim, no formato que uso nos outros posts: grau de confiança, verificação em setembro de 2027, erro registrado e não apagado.

Trabalhar

A mudança visível será o agente que recebe um objetivo e volta dias depois com o resultado, e não a resposta em segundos. Se o horizonte de tarefa seguir dobrando a cada quatro meses, saímos de menos de um dia de trabalho para semanas. A habilidade que passa a valer é delegar bem: especificar, dar contexto, definir o critério de pronto, revisar. A reunião de alinhamento encolhe, porque o alinhamento vira documento que a máquina lê. E o que eu já vejo nos meus próprios sistemas: a fila de trabalho passa a ser gerida por resultado esperado, não por hora alocada. O que funciona e o que ainda é teatro nisso, deixei em agentes em looping infinito: funciona mesmo?.

Pensar

Este é o que mais me preocupa, e é o menos discutido. Quando o carro chegou, andar deixou de ser necessidade e virou exercício, coisa que se faz de propósito para não perder a capacidade. Pensar vai pelo mesmo caminho. Existe um dado inquietante: em um estudo de Stanford com desenvolvedores, os que mais confiavam na ferramenta produziram o pior resultado, e os que menos confiavam, o melhor. A variável que previu qualidade foi desconfiança. Nos próximos doze meses, a diferença entre pessoas vai ser cada vez menos o acesso à resposta e cada vez mais a disposição de pensar antes de aceitá-la. Quem terceirizar o raciocínio inteiro vai ficar mais rápido e mais errado ao mesmo tempo.

Assistir

Vídeo gerado indistinguível de vídeo filmado já existe, e os incidentes de deepfake saltaram de meio milhão em 2023 para mais de oito milhões em 2025. A consequência inevitável: procedência vira infraestrutura. Plataformas passam a exibir a origem do conteúdo, e mídia sem credencial começa a ser tratada como anônima. Ao mesmo tempo, o conteúdo personalizado por espectador, um vídeo diferente para cada pessoa, deixa de ser experimento. Assistir deixa de ser um ato coletivo, e isso tem um custo cultural que ainda não medimos: o fim do "todo mundo viu a mesma coisa".

Aprender

A promessa é a mais antiga da educação: um tutor paciente para cada pessoa, que explica de dez formas diferentes até entrar. Ela está tecnicamente resolvida e barata. O que muda é o outro lado: quando a resposta está sempre disponível, a escola deixa de avaliar resposta e passa a avaliar raciocínio, presencialmente, em conversa. Prova escrita em casa morre. E a habilidade que a educação precisa ensinar deixa de ser "saber" e passa a ser "verificar", que é exatamente a que a Parte 3 diz que vale em todos os cenários.

Interagir

Cada vez mais conversas terão uma máquina no meio: agente marcando com agente, resposta rascunhada, negociação intermediada. O efeito colateral previsível é que presença vira prêmio. Quando tudo pode ser gerado, o encontro presencial, a voz que você reconhece e a relação de anos passam a valer mais, não menos. É a mesma inversão que aconteceu com a fotografia: quando a imagem ficou infinita, o original ficou caro.

As previsões, com data

Verificação em setembro de 2027.

• Agentes comerciais executam tarefas de mais de uma semana com 50% de acerto. Confiança: 65%. Exige que a curva da METR se mantenha por mais quatro duplicações; ela desacelerou antes e pode desacelerar de novo.

• Prova escrita não presencial é abandonada pela maioria das universidades brasileiras em cursos de graduação. Confiança: 60%. A pressão já existe; falta a decisão institucional.

• Pelo menos uma grande plataforma de vídeo exibe a procedência do conteúdo por padrão no Brasil. Confiança: 70%. O padrão técnico existe e o volume de deepfake força a mão.

• A lei brasileira de IA é aprovada na Câmara, mas com texto substancialmente diferente do que saiu do Senado. Confiança: 55%. Aprovar, provável; aprovar igual, improvável, depois de dezesseis meses de disputa.

• O gasto das quatro grandes em infraestrutura de IA passa de US$ 1 trilhão em 2027. Confiança: 60%. Sustentado pelo mesmo ritmo de 2026; a dúvida é se a receita acompanha.

• Surge no Brasil um produto de "presença verificada", encontro ou conversa com prova de humano, com adoção real. Confiança: 45%. É a previsão em que menos acredito e mais gostaria de acertar.

Parte 7: o que eu acredito

Prometi dizer onde eu fico, então aqui vai, em primeira pessoa.

Acredito que estamos vivendo o evento mais importante desde a escrita, e que a maior parte das pessoas ainda o está tratando como uma ferramenta nova de produtividade. Não é. É uma mudança na relação da espécie com o próprio conhecimento, e a gente vai levar uma geração para entender o que isso significa.

Acredito que o resultado não está decidido. Não é otimismo nem pessimismo, é observação: em toda tecnologia anterior, quem viveu o intervalo achou que estava vivendo o fim de algo, e estava vivendo o meio. A prensa parecia o fim da autoridade; virou a alfabetização universal. A eletricidade parecia o fim do trabalho manual; virou a jornada de oito horas. O que decidiu o resultado, nas duas, não foi a tecnologia. Foram as escolhas feitas no intervalo: lei, educação, organização do trabalho. Estamos no intervalo agora. É a única fase em que escolher ainda importa.

Acredito que a desigualdade vai piorar antes de melhorar, porque o intervalo favorece quem já tem infraestrutura, e que a resposta não é frear a tecnologia, que não freia, mas encurtar o intervalo: educação que ensina a verificar, lei que protege o pequeno em vez de enquadrá-lo como grande, e trabalho reorganizado em torno do resultado, e não da tarefa.

E acredito numa coisa que soa menor e não é: a única vantagem competitiva durável de uma pessoa ou de um pequeno negócio vai ser o que ela sabe que a máquina não sabe. O seu setor, a sua exceção, o seu cliente, a sua cidade. É pouco glamouroso e é o que sobra quando a inteligência genérica custa centavos. Eu construí o meu negócio inteiro em cima dessa aposta, e organizo o custo disso do jeito que descrevi em gerenciar um SaaS é equilibrar funcionalidade e custo.

Parte 8: onde eu posso estar errado

• A curva pode parar. Toda extrapolação exponencial deste texto assume continuidade. Curvas de capacidade já desaceleraram antes, e a de horizonte de tarefa pode bater em limite de dado, de energia ou de custo.

• O intervalo pode ser mais curto do que eu penso. A cultura talvez esteja aprendendo mais rápido do que nas revoluções anteriores, justamente porque a ferramenta ensina a usar a ferramenta.

• A analogia histórica pode não valer. Prensa e eletricidade amplificaram o corpo e a comunicação. Isto amplifica o pensamento. Pode ser que o padrão "ferramenta difunde, infraestrutura concentra" quebre, para melhor ou para pior.

• Meu viés é de quem se beneficia. Trabalho com tecnologia, uso IA todo dia e ganho com ela. Quem está do outro lado da transição pode ter uma leitura mais dura e mais correta que a minha.

• A coisa mais importante dos próximos doze meses provavelmente não está nesta lista. Em setembro de 2022, ninguém teria listado "conversar com uma máquina" como a mudança do ano seguinte.

O fecho

Somos uma espécie num planeta de água que passou trezentos mil anos acumulando conhecimento na velocidade em que morre e nasce gente. Em quatro anos, construímos algo que acumula na velocidade em que roda máquina, e que já produz o que nós não havíamos conseguido produzir. Não sabemos o que isso dá. Ninguém sabe, e quem diz que sabe está vendendo alguma coisa.

O que sabemos é o padrão: a tecnologia chega antes, a cultura chega depois, e o que acontece no intervalo é decidido por gente, não por máquina. Estamos dentro do intervalo. Ele é desconfortável por definição, e é também o único momento em que as escolhas de uma pessoa, de um negócio e de um país ainda mudam o resultado.

Volto a este texto em setembro de 2027 para conferir as seis previsões. O que eu errar fica escrito, porque errar em público, com data, é a única forma honesta de falar sobre o futuro.

Perguntas frequentes

A IA já criou algo que humanos nunca criaram?

Sim, e em áreas verificáveis. Em 2025, o AlphaEvolve encontrou um algoritmo de multiplicação de matrizes 4x4 com 48 multiplicações, superando o recorde de 49 de Strassen, que durava desde 1969. O AlphaFold previu a estrutura de mais de 200 milhões de proteínas e disponibilizou tudo gratuitamente. O GNoME propôs 2,2 milhões de cristais, com 381 mil considerados estáveis, o equivalente a cerca de 800 anos de descoberta no ritmo anterior.

A IA vai aumentar a desigualdade?

Nas duas direções ao mesmo tempo, em camadas diferentes. O acesso ao modelo difunde: o custo de inferência caiu 286 vezes em 23 meses e uma assinatura de R$ 39,99 dá acesso ao mesmo modelo usado em Nova York. A infraestrutura concentra: quatro empresas vão gastar de US$ 720 a 745 bilhões em 2026, cerca de um terço do PIB brasileiro. O padrão histórico é que a ferramenta difunde e a infraestrutura concentra, e a desigualdade que vem tende a ser entre quem tem algo próprio para colocar na ferramenta e quem só tem a ferramenta.

Como planejar a carreira se ninguém sabe o que vai acontecer?

Trocando previsão por robustez: escolhas que funcionam em muitos futuros diferentes. Investir em julgamento, conhecimento profundo de um setor e relações de confiança, que pagam em qualquer cenário; manter opções abertas em vez de depender de um único empregador ou fornecedor; reduzir custo fixo; e construir o que acumula com o tempo, como reputação, audiência e sistema próprio.

O que é o intervalo entre tecnologia e cultura?

É o tempo entre a chegada de uma tecnologia e o momento em que a sociedade aprende a usá-la, reorganizando trabalho, lei e educação. Foram cerca de 150 anos para a prensa, 38 para a eletricidade e 21 para a internet. A IA generativa tem menos de quatro anos, e o intervalo é o mais largo da história, porque a técnica avança em meses e a cultura continua avançando na velocidade de gente. É nesse intervalo que moram a ansiedade do trabalho, a desigualdade e a lei mal feita.

Qual é a situação da lei de IA no Brasil?

O PL 2338/2023 foi aprovado por unanimidade no Senado em 10 de dezembro de 2024 e está na Câmara desde março de 2025. Em 7 de setembro de 2026, a tramitação oficial mostrava "aguardando parecer do relator", dezesseis meses após a instalação da comissão especial, com cinco datas de votação perdidas desde novembro de 2025 e previsão para depois das eleições de outubro. O texto segue o modelo europeu, com classificação por risco e multas de até R$ 50 milhões, e entidades do setor alertam que a redação atual pode enquadrar o pequeno usuário pelos mesmos critérios do desenvolvedor.

A regulação de IA prejudica pequenas empresas?

Pode prejudicar de dois jeitos. Regulação escrita para o grande cria custo fixo de conformidade que o grande absorve e o pequeno não, virando barreira de entrada; estimativas do setor falam em R$ 350 mil a R$ 1,5 milhão no primeiro ano para empresas com cinco a quinze sistemas. Mas a ausência de lei também prejudica, porque quem tem departamento jurídico opera na dúvida com conforto e quem não tem trava. Lei boa é proporcional ao risco e ao porte, responsabiliza quem desenvolve e não quem apenas usa, e dá prazo de adaptação.

O que muda no trabalho nos próximos doze meses?

A unidade do trabalho tende a migrar da tarefa para o resultado. Os agentes de IA mais fortes completavam, no início de 2026, tarefas de 16 a 20 horas de trabalho humano com 50% de acerto, e esse horizonte vem dobrando a cada quatro meses aproximadamente. Se a curva continuar, em setembro de 2027 estaremos falando de tarefas de semanas. A habilidade que passa a valer é delegar bem: especificar, dar contexto, definir o critério de pronto e revisar.

Como a IA muda a forma de pensar e aprender?

Quando a resposta está sempre disponível, pensar vira uma prática deliberada, como andar depois do carro. Um estudo de Stanford mostrou que desenvolvedores que mais confiavam na ferramenta produziram o pior resultado, e os que menos confiavam, o melhor. Na educação, a avaliação tende a migrar da resposta escrita para o raciocínio demonstrado presencialmente, e a habilidade central deixa de ser saber e passa a ser verificar.

Os fatos científicos citados vêm das publicações originais do Google DeepMind e de bases públicas; os dados de investimento, das projeções divulgadas pelas próprias empresas para 2026; o horizonte de tarefa, das medições da METR; a tramitação legislativa, da ficha oficial do PL 2338/2023 em 7 de setembro de 2026. As estimativas de custo de conformidade são do mercado e estão sinalizadas como tal. As extrapolações e as previsões são minhas, com verificação pública em setembro de 2027. Última atualização: 12 de setembro de 2026.