IA Chega Ao Primeiro Grande Ponto De Inflexão: Escala, Retorno E Segurança Entram Em Conflito

Na segunda-feira, 14 de Setembro, aconteceu algo que há poucos anos pareceria contraditório: alguns dos empresários que mais agressivamente financiaram a corrida mundial pela inteligência artificial começaram a pedir que essa mesma corrida fosse desacelerada.

Dario Amodei, da Anthropic, Sam Altman, da OpenAI, e Elon Musk apoiaram diferentes formas de contenção, avaliação independente ou coordenação em torno dos modelos mais avançados. A reacção dos mercados foi imediata. O índice de semicondutores de Filadélfia caiu 5,9%, a Nvidia perdeu 3,4% e fabricantes como AMD, Broadcom e Micron registaram quedas superiores a 4% em alguns casos.

No mesmo dia, porém, a Anthropic lançou uma nova versão do Claude dirigida especificamente a assessores financeiros, integrada com plataformas da BlackRock, Charles Schwab e Addepar. Dias antes, a OpenAI tinha apresentado uma solução dirigida a banqueiros de investimento e analistas de acções.

As duas notícias capturam o estado actual da indústria.

A IA está simultaneamente a acelerar comercialmente e a questionar a velocidade do seu próprio avanço tecnológico.

É precisamente nessa contradição que se encontra o principal ponto de inflexão de 2026.

A Corrida Pelo “Melhor Modelo” Está A Perder Centralidade

Durante a primeira fase da IA generativa, a competição parecia relativamente simples: qual laboratório conseguiria construir o modelo mais inteligente?

Essa pergunta tornou-se menos suficiente.

O AI Index 2026, da Universidade de Stanford, mostra uma aproximação expressiva das capacidades dos principais modelos. Em Março, Anthropic, xAI, Google e OpenAI encontravam-se concentradas numa faixa muito estreita de avaliações humanas, enquanto modelos chineses de Alibaba e DeepSeek já integravam o primeiro grupo. Stanford concluiu igualmente que a diferença de desempenho entre os melhores modelos norte-americanos e chineses tinha caído para poucos pontos percentuais.

Avaliações mais recentes confirmam a ausência de domínio absoluto. Na versão 4.3 do Artificial Analysis Intelligence Index, divulgada a 7 de Setembro, Claude Fable 5.1, da Anthropic, e GPT-6 Astra, da OpenAI, surgiam empatados na liderança, seguidos pelo Claude Opus 5, Meta Muse Spark 1.3 e outros sistemas de fronteira.

Os próprios benchmarks começam a ter dificuldades em acompanhar a tecnologia. Stanford assinala que avaliações construídas para permanecer difíceis durante anos estão a ser saturadas em meses. O desempenho nos modelos de fronteira aumentou cerca de 30 pontos percentuais num único ano no Humanity’s Last Exam, concebido precisamente para colocar questões difíceis mesmo a especialistas humanos.

Isto altera a economia da competição.

Quando vários modelos conseguem oferecer inteligência próxima, o valor desloca-se para preço, latência, fiabilidade, integração, dados proprietários, distribuição e capacidade de executar tarefas.

2026 É O Ano Em Que A IA Começa A Agir

A mudança tecnológica de maior consequência não está, contudo, na melhoria das respostas dos chatbots.

Está nos agentes.

Os novos sistemas já não se limitam a responder a uma pergunta. Podem receber um objectivo, planear uma sequência de acções, utilizar aplicações, pesquisar informação, escrever e executar código, manipular ficheiros, comunicar com outros sistemas e continuar a trabalhar durante períodos prolongados.

O Google caracteriza 2026 como a entrada na “era agentic Gemini”. O Gemini 3.5 passou a integrar utilização de computador, permitindo a agentes visualizar interfaces, raciocinar e actuar em navegadores, dispositivos móveis e ambientes de desktop.

A Microsoft formula a transformação de maneira ainda mais empresarial. Satya Nadella afirma que “os agentes são as novas aplicações”, construindo Azure, Microsoft 365, Foundry, Fabric e os seus sistemas de dados em torno de uma arquitectura destinada a criar, executar e governar agentes. No final do ano fiscal de 2026, a empresa reportava quase 40 milhões de agentes registados no Agent 365 e mais de 30 milhões de licenças pagas do Microsoft 365 Copilot.

Também a Meta avançou nesta direcção. A empresa passou a descrever a Meta AI como um sistema que pode criar planos, trabalhar com correio electrónico e calendário, produzir apresentações e executar tarefas de princípio a fim.

É aqui que a IA começa a sair da categoria de ferramenta e a aproximar-se da categoria de factor produtivo autónomo.

Programação Tornou-Se O Primeiro Grande Laboratório Económico

O desenvolvimento de software é provavelmente a demonstração mais avançada desta transição.

O levantamento mundial da McKinsey publicado em Agosto mostra que cerca de 20% das organizações já estavam a implementar agentes de programação à escala, proporção que sobe para 31% entre grandes empresas. Um dado ainda mais significativo: 32% das organizações afirmaram ter desistido de adquirir pelo menos um produto ou funcionalidade de software porque conseguiram construí-lo internamente recorrendo a agentes de programação.

Isto começa a alterar a própria economia do software.

Durante décadas, a escolha empresarial era essencialmente entre desenvolver internamente ou comprar uma aplicação. Agentes capazes de escrever e manter código reduzem o custo da primeira opção.

O efeito pode atingir empresas de software estabelecidas, consultoras, outsourcing, estruturas de TI e modelos tradicionais de licenciamento.

A Wipro oferece uma indicação do potencial de produtividade. A tecnológica indiana afirmou que a utilização de IA libertou capacidade equivalente ao trabalho de 20 mil trabalhadores, que foram deslocados para outras funções, dentro de uma força de trabalho de aproximadamente 243 mil pessoas.

A discussão sobre emprego deixa, neste ponto, de ser inteiramente prospectiva.

A Empresa De IA Está A Tornar-Se Vertical

Outro movimento ganha velocidade: os grandes laboratórios estão a deixar de vender apenas modelos genéricos.

Estão a entrar directamente em actividades profissionais.

OpenAI desenvolve soluções para banca de investimento e investigação financeira. Anthropic procura assessores financeiros, gestores de património e instituições de investimento. Google cria agentes para ciência. Microsoft integra IA directamente em Word, Excel, PowerPoint, GitHub, segurança e sistemas empresariais.

A competição desloca-se da pergunta “qual modelo devo usar?” para “quem controla o fluxo de trabalho em que o modelo opera?”

Essa diferença é estratégica.

O modelo pode tornar-se progressivamente substituível. A ligação aos dados da empresa, aos sistemas internos, às permissões, aos clientes e aos processos de decisão é muito mais difícil de substituir.

A Microsoft revela que o número de clientes que utiliza modelos de vários fornecedores na sua plataforma aumentou cinco vezes desde o início de 2026. Esta tendência sugere que parte do mercado empresarial já começa a tratar o modelo como uma componente seleccionável de uma arquitectura maior

OpenAI: Escala Máxima, Mas Agora Com Um Travão De Segurança

Sam Altman construiu grande parte da estratégia da OpenAI em torno de uma tese: capacidades maiores exigem escala crescente de computação, dados, investigação e capital.

A empresa continua nessa trajectória, mas Setembro introduziu uma alteração importante.

O GPT-6 Astra, lançado este mês, tornou-se o primeiro modelo da OpenAI classificado no nível Critical de capacidade em cibersegurança. Segundo a própria empresa, o sistema pode, quando equipado com ferramentas adequadas, descobrir vulnerabilidades anteriormente desconhecidas e desenvolver formas de exploração contra sistemas protegidos sem orientação humana em cada passo. A OpenAI adiou partes do desenvolvimento enquanto introduzia protecções adicionais.

Poucos dias depois, a empresa anunciou ter alcançado aquilo que designa como “automated research intern”: um sistema capaz de participar no próprio processo de investigação em IA sob supervisão humana. O objectivo declarado é evoluir para um investigador automatizado capaz de acelerar investigação em deep learning e alinhamento.

É justamente a combinação entre IA que desenvolve software, encontra vulnerabilidades e começa a participar na investigação que a torna mais poderosa que motiva a nova cautela.

Altman anunciou que a OpenAI não realizará o IPO em 2026 e passou a apoiar requisitos nacionais obrigatórios de segurança baseados nas capacidades dos modelos.

A tese da OpenAI encontra-se agora numa equação mais difícil: continuar a escalar sem permitir que capacidade avance mais rapidamente do que controlo.

Anthropic: Crescer, Mas “Ritmar A Fronteira”

Dario Amodei tornou-se o principal protagonista da corrente mais cautelosa da indústria.

A Anthropic sempre procurou diferenciar-se pela segurança dos sistemas, mas a posição tornou-se mais assertiva em Setembro. Amodei defende que o desenvolvimento dos modelos mais avançados seja ritmado através de avaliações independentes, coordenação entre laboratórios e mecanismos internacionais de segurança.

A preocupação já não é exclusivamente teórica.

A Anthropic revelou casos em que actores procuraram utilizar Claude em operações de ciberespionagem, investigação biológica perigosa, desenvolvimento de armamento e actividades de inteligência. Os seus próprios testes mostram que modelos recentes começam a desempenhar algumas tarefas militares e de inteligência historicamente restritas a especialistas humanos altamente treinados.

Ao mesmo tempo, a empresa está a crescer a uma velocidade extraordinária. Em Maio, captou US$65 mil milhões, numa ronda que a avaliou em US$965 mil milhões, segundo a Reuters

A tensão é evidente: uma das empresas que mais alerta para os riscos da fronteira é também uma das que mais rapidamente capta capital para competir nela.

Google: A IA Como Infra-Estrutura Universal Para Conhecimento

Sundar Pichai e Demis Hassabis seguem uma abordagem diferente.

O Google possui uma vantagem que os laboratórios independentes não têm: integra toda a cadeia — investigação, modelos, chips próprios, cloud, Search, Android, YouTube, Workspace e uma base global de utilizadores medida em milhares de milhões.

Pichai descreve esta opção como uma estratégia full-stack, desde silício e infra-estrutura até modelos, produtos e distribuição.

Hassabis acrescenta outra tese: a IA não deve apenas automatizar trabalho existente; deve acelerar descoberta científica.

O Gemini for Science procura utilizar agentes generalistas no método científico, apoiando investigação, formulação de hipóteses, análise e descoberta.

Esta poderá tornar-se uma das consequências económicas mais profundas da IA: aumentar não apenas a produtividade de trabalhadores actuais, mas a própria velocidade com que novos medicamentos, materiais, algoritmos e tecnologias são descobertos.

Meta: Superinteligência Pessoal Em Vez De Inteligência Concentrada

Mark Zuckerberg construiu talvez a tese ideologicamente mais distinta entre as grandes empresas norte-americanas.

A sua visão é de “superinteligência pessoal”: capacidades superiores às humanas deveriam ser amplamente distribuídas aos indivíduos, em vez de permanecerem concentradas em poucas instituições.

Zuckerberg argumenta que a questão central não é apenas se a superinteligência surgirá, mas quem terá acesso a ela, criticando o que considera uma visão excessivamente pessimista de outros desenvolvedores.

Há, contudo, uma diferença entre a visão tecnológica e a execução empresarial.

A Reuters revelou que uma tentativa da Meta de reorganizar partes da empresa em torno de agentes de IA encontrou dificuldades e resultados de produtividade inferiores ao esperado. A própria empresa reviu algumas das suas expectativas de substituição de trabalho humano.

Simultaneamente, o investimento dispara. A Meta elevou a previsão de despesas de capital para US$130–145 mil milhões, levando investidores a questionar a trajectória de monetização dessa capacidade.

Jensen Huang: Quem Controlar A “Fábrica De IA” Controla Uma Camada Central Da Economia

Jensen Huang ocupa uma posição singular.

A Nvidia não precisa de escolher qual laboratório vencerá, desde que todos continuem a necessitar de computação.

A empresa transformou a antiga ideia de centro de dados numa “AI factory”: infra-estrutura que recebe electricidade, dados e computação e produz tokens, inferências, agentes e inteligência digital.

A plataforma Vera Rubin entrou em produção em 2026, orientada precisamente para a nova geração de sistemas agentivos. A Nvidia afirma que a arquitectura poderá aumentar em dez vezes o throughput dos agentes comparativamente à geração anterior.

A Nvidia já representa mais de 60% da capacidade mundial de computação de IA medida em equivalentes H100, segundo Stanford. A mesma análise identifica outra concentração: praticamente todos os chips mais avançados continuam dependentes da produção da TSMC.

A Nvidia atingiu entretanto uma avaliação próxima de US$5 biliões, tornando-se um dos exemplos mais extremos de criação de valor resultante da corrida pela IA.

Mas a própria arquitectura do mercado começa a mudar. À medida que o sector passa do treino de modelos para utilização contínua, inferência ganha peso relativamente ao treino. Isso abre espaço para novos aceleradores, ASIC próprios da Google e Amazon, AMD, tecnologias especializadas e soluções chinesas.

DeepSeek E A China Introduzem A Economia Da Eficiência

A ascensão chinesa alterou outra premissa: que competir na fronteira exigiria necessariamente níveis norte-americanos de investimento e acesso ilimitado aos chips mais avançados.

DeepSeek demonstrou que engenharia, optimização e modelos abertos podem reduzir significativamente os recursos necessários para alcançar níveis elevados de capacidade.

O fundador Liang Wenfeng afirma que a prioridade da empresa continua a ser AGI e não maximização imediata do lucro, e indicou que pretende manter os seus principais modelos abertos.

A empresa lançou em Setembro o V4.1-Flash, orientado para maior velocidade de inferência e eficiência, enquanto prepara uma possível entrada na bolsa STAR de Xangai. A Reuters reporta uma avaliação implícita próxima de US$74 mil milhões na actual ronda de financiamento.

O fenómeno não se limita à DeepSeek. Alibaba, Tencent, Moonshot, MiniMax e outras empresas transformaram a China numa segunda grande concentração mundial de modelos.

Stanford constatou que a China já lidera mundialmente em volume de investigação, citações e patentes de IA, apesar de os Estados Unidos ainda produzirem mais modelos de referência.

Esta aproximação intensifica a componente geopolítica.

Washington acusa laboratórios chineses de utilizar distillation para reproduzir capacidades desenvolvidas por OpenAI, Anthropic, Google e outras empresas norte-americanas; Pequim rejeita essa interpretação e considera a técnica parte normal do desenvolvimento de IA.

A disputa já envolve chips, software, modelos, talento, centros de dados, capital e propriedade intelectual.

“Open” Ou Fechado Tornou-Se Uma Questão De Poder

O debate sobre modelos abertos deixou de ser apenas técnico.

Modelos de pesos abertos permitem a universidades, empresas e países construir sistemas sem permanecer dependentes das APIs de um pequeno grupo de empresas norte-americanas.

Criam concorrência, reduzem preços e favorecem soberania tecnológica.

Mas os mesmos modelos são mais difíceis de retirar de circulação ou controlar depois de distribuídos.

Stanford registou novamente uma vantagem dos modelos fechados sobre os melhores modelos abertos em 2025, embora a diferença permaneça relativamente pequena.

A China tornou-se particularmente forte na alternativa aberta. Esta combinação entre baixo custo e pesos disponíveis aumenta a pressão competitiva sobre as empresas ocidentais e complica propostas internacionais destinadas a controlar modelos extremamente capazes.

A discussão sobre “open AI” é, portanto, também uma discussão sobre quem terá capacidade para construir sobre a tecnologia sem pedir autorização a outra empresa ou potência.

A Corrida De IA Tornou-Se Uma Corrida Por Electricidade

Há um limite físico que o software não consegue eliminar: energia.

A Agência Internacional de Energia estima que apenas cinco grandes tecnológicas gastaram mais de US$400 mil milhões em 2025 e deverão aumentar esse montante em cerca de 75% em 2026. O investimento dessas cinco empresas já supera o investimento mundial na produção de petróleo e gás.

O consumo de electricidade dos centros de dados atingiu aproximadamente 485 TWh em 2025 e poderá chegar a cerca de 950 TWh em 2030. Os centros especificamente dedicados a IA deverão triplicar o seu consumo durante o mesmo período.

Google anunciou recentemente US$15,1 mil milhões de investimento em infra-estrutura de IA na Finlândia, acompanhado de um contrato de 22 anos para aquisição de energia nuclear. (Reuters)

A relação entre tecnologia e política energética torna-se directa.

Países capazes de disponibilizar electricidade abundante, estável, competitiva e rápida de ligar à rede passam a possuir uma nova vantagem na economia digital.

A Pergunta De Wall Street: Onde Está O Retorno?

O volume de capital envolvido abriu um debate financeiro inevitável.

Microsoft, Alphabet, Amazon, Meta e Oracle estão a investir a tal velocidade que, segundo uma análise da Reuters baseada em estimativas da LSEG, a despesa de capital combinada poderá superar o free cash flow destas empresas em 2027. Cada dólar adicional de geração operacional poderá estar associado a US$1,57 de novo investimento.

O Banco de Pagamentos Internacionais calcula que as cinco maiores tecnológicas investirão mais de US$1 bilião em IA apenas entre 2025 e 2026, enquanto o investimento global relacionado com a tecnologia poderá aproximar-se de US$4 biliões até 2030.

O BIS reconhece o potencial transformador da tecnologia, mas alerta para estruturas de dívida opacas, avaliações elevadas e risco financeiro caso os retornos económicos se revelem inferiores aos actualmente incorporados nos preços dos activos.

É aqui que nasce o debate bolha ou nova infra-estrutura fundamental da economia?

As duas possibilidades não são incompatíveis.

As ferrovias transformaram economias mesmo depois de destruírem capital de muitos investidores. A internet alterou o mundo apesar da bolha dotcom. A IA pode produzir uma transformação estrutural e, simultaneamente, gerar investimentos excessivos ou empresas sobreavaliadas durante a construção dessa transformação.

A Adopção Já É Massiva — O ROI Ainda Não

A utilização empresarial já deixou de ser marginal.

Stanford estima que 88% das organizações inquiridas utilizavam IA em pelo menos uma função em 2025, enquanto 70% recorriam especificamente a IA generativa.

A McKinsey encontrou, em 2026, quase nove em cada dez organizações a utilizar regularmente IA, mas apenas 44% afirmavam tê-la implementado à escala da empresa, contra 38% um ano antes. Entre as grandes organizações, a proporção sobe para 54%.

A diferença entre adopção e retorno explica boa parte da actual fase.

Dar acesso ao ChatGPT, Claude ou Copilot é relativamente fácil.

Redesenhar processos, dados, responsabilidades, sistemas de controlo, estruturas de trabalho e métricas para extrair ganhos financeiros persistentes é muito mais complexo.

Por isso, a indústria está a passar da fase de “usar IA” para a fase de “reconstruir a empresa em torno da IA”.

Segurança Deixou De Ser Um Debate Marginal

Durante vários anos, a discussão sobre risco existencial era frequentemente tratada como uma divisão entre optimistas e doomers.

Os acontecimentos de 2026 aproximaram essa discussão da operação quotidiana.

OpenAI classificou o Astra como crítico em cibersegurança. Anthropic documentou tentativas de utilização dos seus modelos em investigação biológica perigosa e sistemas de armas. Agentes demonstraram maior autonomia em ambientes digitais.

A Microsoft apresentou esta semana um projecto de código de conduta segundo o qual os seus sistemas devem aceitar correcções humanas, permitir desligamento e nunca resistir ao controlo dos utilizadores. Mustafa Suleyman descreve-o como uma espécie de “constituição” para os futuros sistemas da empresa.

A questão deixa de ser filosófica quando agentes recebem acesso a código, computadores, dinheiro, infra-estruturas empresariais ou laboratórios.

Quanto maior for a capacidade de agir, maior terá de ser a capacidade de limitar acções.

Europa Já Passou Da Regulação À Fiscalização

A União Europeia entrou, entretanto, numa nova fase.

Desde 2 de Agosto de 2026, a Comissão Europeia e as autoridades nacionais começaram a exercer poderes efectivos de fiscalização sobre partes importantes do AI Act.

As regras actualmente aplicáveis incluem obrigações para modelos de uso geral, proibições de determinadas práticas e requisitos de transparência. Chatbots devem informar que o utilizador está a interagir com IA; deepfakes devem ser identificados; e conteúdos sintéticos passam a estar sujeitos a requisitos de marcação.

Os modelos de uso geral classificados como apresentando risco sistémico enfrentam obrigações adicionais de avaliação, testes adversariais, mitigação de riscos, comunicação de incidentes e cibersegurança.

É uma abordagem muito diferente da norte-americana.

O Presidente Donald Trump rejeitou esta semana novos limites abrangentes e enquadra restrições excessivas como risco para a liderança dos Estados Unidos perante a China.

Curiosamente, algumas das próprias empresas norte-americanas avançaram para uma posição mais favorável à regulamentação do que a Administração. OpenAI defende agora requisitos federais obrigatórios para sistemas de fronteira.

Direitos De Autor Podem Redefinir A Economia Dos Modelos

Outro conflito permanece por resolver: quem deve ser remunerado pelos dados usados para construir inteligência artificial?

OpenAI e Microsoft enfrentam o New York Times e autores numa acção que poderá tornar-se um dos principais precedentes sobre utilização de obras protegidas no treino de modelos.

As empresas sustentam que o treino é transformativo. Editores e autores argumentam que os sistemas utilizam propriedade intelectual sem autorização para construir produtos que passam depois a competir com os próprios criadores.

Uma decisão restritiva poderia elevar significativamente os custos de treino, obrigar à celebração de mais acordos de licenciamento e favorecer empresas que já possuem capital para adquirir grandes conjuntos de dados.

Uma decisão favorável aos laboratórios preservaria o actual modelo de treino, mas manteria forte contestação por parte das indústrias criativas.

A disputa diz respeito à distribuição económica de valor entre quem produziu o conhecimento e quem construiu a máquina capaz de o absorver em escala.

O Mundo Pode Estar A Criar Uma Nova Divisão Entre Países

A IA também está a alterar a discussão sobre desenvolvimento económico.

O Banco Mundial argumenta, no World Development Report 2026, que países em desenvolvimento não precisam de construir modelos de biliões de dólares para beneficiar da tecnologia. A estratégia proposta é sequencial: adoptar, adaptar e, posteriormente, avançar.

O risco está em confundir acesso com capacidade económica.

Comprar acesso a um modelo estrangeiro não significa transformar IA em produtividade nacional.

É necessário electricidade, conectividade, dados, competências, empresas capazes de integrar sistemas, instituições que saibam utilizá-los e soluções adaptadas às línguas e necessidades locais.

O FMI estima que a IA poderia elevar a economia da África Subsaariana em cerca de 4% ao longo da próxima década se forem melhoradas electricidade, Internet e competências digitais. Sem essas condições, o ganho poderá ficar próximo de apenas 0,2%.

Esta diferença talvez seja tão importante quanto a própria corrida entre OpenAI e DeepSeek.

África Não Precisa De Entrar Na Corrida Pelo Maior Modelo

A estratégia africana dificilmente poderá replicar o modelo norte-americano de centenas de milhares de milhões de dólares em centros de dados de fronteira.

Nem precisa.

Aplicações mais pequenas e adaptadas podem produzir elevado retorno em agricultura, finanças, saúde, educação, logística, administração pública e pequenas empresas. O Banco Mundial chama a esta abordagem “Small AI”: soluções menos intensivas em computação, capazes inclusivamente de funcionar através de telemóveis e ambientes com infra-estrutura limitada.

A União Africana já possui uma Estratégia Continental de Inteligência Artificial orientada para desenvolvimento, inclusão e soberania digital.

O problema económico está na execução.

A África Subsaariana permanece na posição mais baixa do índice de preparação para IA do FMI e uma parcela significativa da população continua sem electricidade fiável ou Internet

Em Moçambique, a agenda economicamente relevante começa igualmente nas fundações: energia, fibra e conectividade, capacidade de centros de dados e cloud, competências, dados nacionais, cibersegurança, enquadramento regulatório e integração de IA nos sectores produtivos e na Administração Pública.

O risco não está apenas em chegar tarde à tecnologia. Está em utilizá-la essencialmente como serviço importado, pagando computação, licenças e propriedade intelectual no exterior sem desenvolver capacidade empresarial e conhecimento domésticos.

A Disputa Já Não É Apenas Pela Inteligência

O panorama de Setembro de 2026 revela uma indústria substancialmente diferente daquela que emergiu com o ChatGPT há menos de quatro anos.

A competição tecnológica continua intensa, mas os modelos aproximam-se.

O novo campo de batalha inclui computação, energia, distribuição, agentes, dados empresariais, chips, capital, propriedade intelectual, segurança, regulação e soberania tecnológica.

OpenAI procura combinar escala e controlo. Anthropic quer ritmar a fronteira sem abandonar a expansão comercial. Google aposta numa plataforma integrada capaz de levar IA a milhares de milhões de utilizadores e à investigação científica. Meta defende superinteligência distribuída aos indivíduos. Microsoft procura tornar agentes numa nova camada operacional das empresas. Nvidia quer fornecer as fábricas que produzirão essa inteligência. DeepSeek e outros laboratórios chineses pressionam custos e desafiam a liderança norte-americana através de eficiência e modelos mais abertos.

No centro permanece uma pergunta económica ainda sem resposta definitiva: quanto valor real será criado por todo o capital que está a ser mobilizado?

A resposta começa a aparecer na produtividade, programação, investigação, finanças e automação empresarial. Mas a despesa em infra-estrutura avança mais rapidamente do que a demonstração consolidada de retornos.

E uma segunda pergunta tornou-se impossível de separar da primeira: até onde é economicamente racional acelerar uma tecnologia quando os próprios responsáveis pela sua construção começam a advertir que as capacidades estão a avançar mais depressa do que os mecanismos concebidos para as controlar?

É esta combinação — extraordinário potencial económico, investimento em escala histórica, competição geopolítica e incerteza sobre controlo — que define actualmente a indústria mundial de inteligência artificial.