Primeiro colocado entre cerca de 8 mil candidatos no maior concurso público de ciência de dados já realizado no Brasil até então, Thales Mesentier trabalha há quatro anos pesquisando, treinando e colocando em produção soluções de inteligência artificial na Petrobras — empresa que detém supercomputadores listados entre os maiores do mundo e mais de setenta anos de dados acumulados. Nesta entrevista, ele discute por que o valuation (processo de calcular o valor financeiro de uma empresa no mercado) de quase um trilhão de dólares de OpenAI e Anthropic depende de uma premissa que está ruindo, como o discurso de “IA responsável” está sendo utilizado por interesses protecionistas, quem pode ganhar com o estouro da bolha — e quem paga a conta. As opiniões expressas são pessoais e não representam a Petrobras.

Vamos direto ao ponto: existe uma bolha da inteligência artificial?
Tem crescido o entendimento de que há uma bolha econômica em torno da tecnologia de inteligência artificial, especialmente dos grandes modelos de linguagem ou LLMs. Para boa parte dos analistas e de quem acompanha o campo de perto, a questão deixou de ser se a precificação está incorreta. A questão é quando a correção vai se dar. Em algum momento, a expectativa dos investidores em torno da tecnologia precisa encontrar a realidade.

Essa bolha foi mobilizada por um movimento de muita endogenia e de financeirização circular do setor — apenas cinco grandes empresas de tecnologia acumulam mais de 1.65 trilhões de dólares em dívidas que não constam em seus balanços, através de engenharias contratuais complexas e empresas de fachada criadas especialmente para abrigar essas dívidas. A financeirização circular é um mecanismo de propagação. O problema de fundo está na premissa que ficava invisível no discurso de muita gente, mas que é a premissa que sustenta a tese de investimento: a ideia de que haveria controle, um monopólio, sobre os modelos mais avançados. O modelo de negócios de empresas como OpenAI e Anthropic depende de que elas não só estejam e se mantenham na fronteira tecnológica, mas que tenham monopólio sobre essa fronteira.

O que faz dessa promessa uma mina de ouro?
É a primeira vez em muito tempo em que aparece uma nova atividade que pode ser usada por praticamente todo mundo — do usuário individual à grande empresa — e cujo uso poderia estar sujeito ao controle restrito de poucos atores. É quase como se você inventasse uma nova eletricidade e tivesse uma corrida para quem vai controlar todo o mercado mundial de eletricidade. Não à toa, executivos dessas empresas equiparam a IA a um “utility”, um serviço essencial. Essa ideia de que existe um novo serviço essencial sobre o qual eu posso ter monopólio é muito forte do ponto de vista de valuation. Porque, se isso se mostrar verdade, você está sentado numa mina de ouro.

E por que a mina está desmoronando?
Vejo três fatores. O primeiro é que a premissa fundamental do modelo de negócio não se mostra verdadeira: a cada novo modelo de peso aberto que aparece no mundo com desempenho competitivo essa premissa vai sendo dissolvida.

O segundo é a utilidade econômica. Alguns analistas falam, com razão, que estamos há quatro anos discutindo se os modelos de linguagem aumentam a produtividade ou não. Isso é um problema. A essa altura do campeonato a resposta deveria ser mais clara. Eu acho que os modelos vieram para ficar, mas, verdade seja dita, as empresas não conseguiram demonstrar a conversão disso em geração efetiva de valor nos termos do que a economia pede e o valuation das empresas de IA indica. Parte da explicação é que a ferramenta não só faz as pessoas fazerem mais e melhor o que já faziam — ela as faz fazerem coisas que não faziam antes. Antes você revisava o documento uma vez, se tivesse tempo; hoje pede para a IA revisar 3 vezes a cada alteração.Antes você escolhia com cuidado qual e-mail responder; hoje você pode ter um agente lendo e respondendo automáticamente cada e-mail inútil que recebe. Isso pode até trazer alguma vantagem para a humanidade, mas quando você fala de capturar o valor produzido há muitas dúvidas.

O terceiro fator são os limites práticos da tecnologia. Não é novidade para quem acompanha minimamente a discussão acadêmica que a ideia de que os modelos de linguagem vão escalar indefinidamente com investimento não é saudável. À medida que os modelos crescem, o custo de ganhar mais um ponto de performance num benchmark aumenta de forma quase exponencial. Isso não deveria surpreender os executivos dessas empresas — alguns deles participaram dos trabalhos que tratam exatamente sobre isso. O Dario Amodei (CEO da Anthropic), quando ainda estava na OpenAI, é um dos autores do paper de 2020 que é um marco importante na corrida de scale-out das empresas de IA e tecnologia. O próprio trabalho demonstra que o desempenho melhora numa proporção que não é linear. A não ser que haja um novo breakthrough, uma mudança de paradigma, mais dinheiro e mais computação não serão a resposta mágica que vai fazer esses modelos se tornarem ainda mais inteligentes. A ideia de que, continuando nessa toada, vamos alcançar uma superinteligência geral não é real.

Você compara o mecanismo da bolha à crise do subprime de 2008. Não é exagero?
Em termos de magnitude, há analistas que apontam que o tamanho da alocação indevida de capital pode ser 17 vezes maior do que a bolha pontocom e até 4 vezes maior que a bolha do subprime. Existe ainda uma similaridade no mecanismo. No subprime, havia um grau de financeirização circular muito grande: uma interdependência, dentro do sistema financeiro, de ativos de qualidade duvidosa que, quando expostos como tal, levaram a uma quebradeira generalizada. Isso é muito similar ao que vemos hoje: boa parte das empresas de tecnologia faz contratos com expectativas de geração de valor futuro que são duvidosas – é a fabricante de GPU investindo na startup para que a startup compre GPUs, é o hyperscaler investindo no laboratório de IA que vai contratar o hyperscaler para fornecer a computação necessária — parte disso é lançado como ativo nos seus balanços e parte, principalmente a dívida ruim, é omitida dos balanços através de uma engenharia financeira e contratual complexa. A pergunta é: o que acontece quando se evidenciar que essas expectativas não vão se realizar? O que acontece quando um player grande quebra? O que acontece quando uma parcela grande do mercado resolve sair desse risco?

Os próprios bancos, na crise do subprime, sabiam que a coisa estava mal parada. O CEO do Citigroup, Chuck Prince, em Julho de 2007, quando perguntado sobre o estado do mercado de crédito imobiliário, fez uma comparação com uma festa: “enquanto a música estiver tocando, temos que levantar e dançar”. E completou dizendo: “Ainda estamos dançando”. Meses depois a crise estourou. O que, de certa forma, ainda protege um pouco o mercado é o fato de que Anthropic e OpenAI são empresas de capital fechado.

Neste mês, um laboratório chinês liberou para download os pesos do Kimi K3, um modelo equivalente ao estado da arte americano. Por que isso causou um terremoto?

Não foi só o lançamento do Kimi em si — foi um conjunto de fatores. Primeiro, a Anthropic foi vítima do próprio discurso: passaram meses dizendo que o Mythos (comercializado como Fable) representava um perigo à humanidade e ficaram surpresos quando o governo dos Estados Unidos proibiu o uso do modelo por estrangeiros. A volta do Fable ao portfólio veio acompanhada de muita crítica, porque, em vários testes feitos por usuários — sem confirmação formal —, o modelo pós-proibição não parecia o mesmo de antes: voltou muito mais limitado. Além disso, o sucesso comercial ficou abaixo do esperado. A disponibilização do modelo nos planos pagos foi sendo estendida semana a semana e se tornou permanente. Evidentemente, a única razão para esse movimento foi não ter conseguido emplacar a venda do modelo através do preço de API (mais caro do que o custo do crédito no modelo pré-pago). . Quase ao mesmo tempo, a OpenAI lançou a versão 5.6 do GPT, com capacidades comparáveis — então quem já usava ChatGPT não via motivo para mudar.

E aí entra o Kimi, com desempenho equivalente na fronteira e pesos abertos: qualquer um com capacidade de implantar a infraestrutura — o que ainda não é simples, mas é muito mais fácil do que produzir o próprio modelo — pode rodá-lo pagando só pela infraestrutura, sem o royalty da propriedade intelectual associada ao treinamento do modelo. Isso tornou evidente que todos, americanos e chineses, estão mais ou menos no mesmo ponto do desenvolvimento dos modelos de linguagem. A ideia de que uma potência monopolizaria a ponta da tecnologia, como acontece nos semicondutores, não tem garantia nenhuma de acontecer. Para os chineses lançarem algo equivalente em tão pouco tempo, eles não podem ter começado depois dos americanos. O que indica que o desenvolvimento do Kimi K3 já estava em andamento.. A pergunta que fica é: o que acontece quando os chineses apresentarem um modelo de fronteira antes dos americanos?

OpenAI e Anthropic dizem que pedem regulação por causa dos riscos da IA à humanidade. Você acredita nisso?
O que se viu no último mês foi uma mudança de discurso dos principais laboratórios americanos para um discurso protecionista. A ideia deixou de ser “eu vou vencer porque o meu modelo é melhor”. O mesmo discurso que o Dario fazia sobre o perigo e a capacidade do Fable — “não podemos liberá-lo porque representa um grande risco à humanidade” — se virou contra o feiticeiro. A estratégia agora passou a ser publicar posts pedindo restrições a modelos de peso aberto, especialmente os modelos chineses. Executivos da OpenAI fizeram declarações similares, chegando a usar termos como “comunismo de IA” para gerar uma espécie de medo em torno dos modelos abertos.

O discurso foi mudando muito no último mês. Primeiro a negação: os modelos de peso aberto não são tão bons assim. Depois a acusação: os modelos de peso aberto são bons porque fomos roubados, é um grande ataque de destilação. Depois a retaliação: temos que proibir, porque representam um risco existencial à segurança dos Estados Unidos. E vão continuar se movimentando nessa toada.

E dá para proibir? O banimento de modelos abertos funcionaria?
Tenho muita dificuldade de acreditar que mecanismos de governança, por melhores que sejam, resolvam esse problema. Veja a guerra às drogas: bilhões investidos em “vamos erradicar a cocaína, as folhas de coca”. Não é preciso dizer que deu errado. O mesmo vale, em alguma medida, para os acordos armamentistas. Não vivemos hoje em um mundo com menos armas. Fica a pergunta honesta: seremos capazes de impedir que modelos de inteligência artificial sejam amplamente utilizados, inclusive por agentes maliciosos? Porque isso é real: agentes maliciosos usarão esses modelos.

O episódio recente da OpenAI com o Hugging Face é muito elucidativo. Durante a resposta ao incidente, empregados do Hugging Face tentaram usar o serviço da própria OpenAI para responder à vulnerabilidade — e caíram em barreiras, porque os guardrails da OpenAI as impediam de dar conta de responder a uma vulnerabilidade que estava sendo exposta por um modelo da OpenAI. A solução foi fazer o deploy, em máquinas próprias, de um modelo de peso aberto, o GLM 5.2. A própria resposta dá pistas de que o caminho não é manter a tecnologia sob o controle de poucos, mas tê-la aberta, exposta, com uma boa discussão sobre responsabilização. A resposta de parte dessas empresas tem sido o proibicionismo — e a discussão real é como tornar o ecossistema todo mais seguro.

Se a tese do monopólio sobre os modelos de IA avançados morre, para onde vai esse quase trilhão de dólares? Quem ganha?
Se entendermos que os modelos são úteis de alguma forma, o valuation não desaparece por completo: ele migra. Migra de quem controla a propriedade intelectual sobre o modelo para quem controla a infraestrutura de computação. No fim das contas, a resposta depende de onde está o capital. Nesse caso, quem ganha são os hyperscalers — Google, Amazon, Microsoft —, que já fornecem serviços de inferência com os modelos de peso aberto, cobrando basicamente o custo da infraestrutura – e os fabricantes de chips – principalmente a Nvidia.

Não é à toa que o primeiro post do Jensen Huang, CEO da Nvidia, no ex-Twitter, é literalmente um manifesto em defesa dos modelos de peso aberto assinado por algumas das maiores empresas de tecnologia do mundo. Ele diz: os atacantes têm IA de ponta, os defensores também precisam ter um ecossistema de IA de ponta — a solução não é os modelos serem proprietários, é serem abertos, com governança para garantir que funcionem. Boa parte das empresas assinou. Com uma exceção notável: a Anthropic, ausente do manifesto, justamente a líder na percepção de valor do mercado com o Claude. OpenAI e Google, embora inicialmente tenham se omitido na versão inicial da carta, publicada em julho, acabaram cedendo à pressão pública e aderiram ao manifesto.

Sam Altman disse que o plano da OpenAI é construir a melhor IA do mundo e perguntar a ela como fazer dinheiro. Como um investidor deveria ler isso?
A OpenAI está em uma posição muito ruim. Ela tem, teoricamente, a maior fatia de mercado no uso de modelos de linguagem, mas uma capacidade muito fraca de transformar isso em assinatura paga. Estão queimando dinheiro trimestre atrás de trimestre, sem previsão de como o negócio se tornará lucrativo — mesmo no cenário em que supostamente teriam monopólio sobre a tecnologia. Se a gente não estivesse vivendo uma certa distopia intelectual, uma frase dessas seria motivo para o valuation derreter instantaneamente. Qualquer pessoa minimamente sensata entenderia essa frase como um sinal muito ruim. Mas o Sam Altman foi aplaudido. Esse é o cenário de insanidade intelectual que capturou o discurso. Do ponto de vista de um investidor, essa tese de investimento deveria ser extremamente problemática.

Se os modelos de fronteira estão virando commodity, por que a Nvidia não? Por que os chineses não fazem “a Nvidia deles”?
Porque a Nvidia não vende só GPU — essa é uma concepção equivocada. Ela vende um ecossistema, e principalmente o CUDA. Dois fatores seguram esse mercado. O primeiro é o controle sobre a litografia de última geração: os americanos criaram um embargo que impede a ASML de vender as máquinas mais avançadas para a China. A empresa holandesa respeitou, e isso levou a China a criar linhas de investimento enormes em soluções próprias de litografia. É muito difícil imaginar que eles não serão capazes de produzir essa tecnologia.O segundo fator é o ecossistema de software. Praticamente todo o stack de IA está montado sobre o CUDA, consolidado ao longo de anos não só pela Nvidia, mas pelas contribuições da comunidade open source — do paper do AlexNet, que implementou quase tudo na mão em 2012, aos frameworks como PyTorch e TensorFlow. A AMD seria uma concorrente em potencial, mas mesmo fazer os modelos funcionarem nas placas dela não é tão simples. A migração para chips de outros fabricantes não é trivial. A Nvidia controla hoje uma parte muito crítica do stack.

Você tem dito que o “harness” — as ferramentas em volta do modelo — valem tanto quanto o próprio modelo. O modelo de um trilhão de dólares virou commodity?
Não é que o produto de um trilhão de dólares tenha virado acessório. Nada acontece sem ele. A questão é que no último ano ficou evidente que os maiores ganhos deixaram de vir de modelos melhores.  As pessoas têm falado menos que precisam de um modelo maior e mais preciso e tem falado mais que precisam que esse modelo interaja melhor com as tarefas que vai desempenhar. Na prática, um mesmo modelo pode se sair muito melhor ou muito pior dependendo de como interage com a tarefa. A própria Anthropic percebeu isso — daí o foco em ferramentas e produtos desenhados para melhorar a interação dos modelos com atividades específicas. Compare o GitHub Copilot do lançamento, um autocomplete espertinho, com o que existe hoje: uma ferramenta que recebe um comando em linguagem natural, e, a partir de acesso ao projeto inteiro e ao terminal, escreve, testa, válida, revisa e executa o código. O modelo também mudou, mas o que mudou mais drasticamente foi a forma de interagir com o meio.

E isso tem duas consequências. Primeiro: vale mais investir em ferramentas, que custam muito menos, do que em treinar modelos cada vez maiores, o que exige uma quantidade absurda e crescente de computação com grande incerteza sobre o resultado. Se você pode pegar um modelo “pior” e torná-lo bom o suficiente com ferramentas que não dependem de barreira de capital, o portão da concorrência abre — e abre significativamente. Segundo: essas empresas têm tentado ocupar esse espaço ou comprar essa concorrência. Várias aquisições da Anthropic e da OpenAI não são aquisições necessariamente de produto ou da propriedade intelectual, algumas são aquisições do time — compra-se a empresa para impedir, na prática, que aquelas pessoas continuem concorrendo. Só que, com um potencial fim da “torneira de dinheiro infinito”, essa capacidade de absorver iniciativas diminui, enquanto a comunidade open source produz um volume cada vez maior de ferramentas que disputam com as proprietárias.

Dezenas de milhares de demissões foram anunciadas “porque a IA aumentou a produtividade”. Aumentou?
Houve, muito acelerada pela pandemia, uma contratação significativa de trabalhadores de tecnologia.Mesmo antes disso, já havia manifestações de executivos dessas grandes empresas de que existia “muito poder de barganha” do trabalhador de tecnologia na hora da contratação. Isso, para as empresas desse setor, era um problema. O que estamos vendo hoje em termos de layoffs justificados pela produtividade da IA é, em boa medida, uma correção ou ajuste nas políticas de contratação. A “IA” como mecanismo é, no fim das contas, uma boa justificativa para você não ter que dizer que fez uma contratação errada no passado e está corrigindo no presente. Um layoff sempre provoca questões relacionadas ao volume de investimentos e previsão de crescimento do negócio. Hoje essas perguntas são respondidas com uma declaração genérica de “aumento de produtividade com IA”. Virou a melhor desculpa do mundo para demitir em massa sem precisar se explicar – nem para trabalhadores, nem para o mercado.

Evidentemente, esses processos não são perfeitamente combinados: existem executivos que acreditam nesse discurso — e alguns estão descobrindo que não funciona bem assim. Já começam a aparecer notícias de empresas recontratando empregados demitidos em layoffs – geralmente com salários menores do que antes. Parte do motivo é que os modelos ainda dependem de um humano operando. Salvo casos muito específicos, com ponto de chegada muito bem definido, não há boas experiências de deixar um modelo rodar indefinidamente e produzir algo completo por conta própria. Boa parte desses experimentos menosprezam a quantidade de trabalho humano envolvido a priori para viabilizar os loops ou execuções autônomas bem sucedidas, ou a quantidade de trabalho a posteriori para corrigir as partes incorretas.

E o futuro em que o agente de IA compra a passagem, pede o café, responde os e-mails?
Tem muita euforia nessa discussão, e ela vai precisar ser digerida. Vi recentemente uma comparação ótima: o tempo de pedir um café pelo aplicativo do Starbucks contra o tempo de pedir pelo agente de IA do Starbucks — você leva muito mais tempo conversando com uma IA do que clicando três botões. Estamos numa era de euforia descontrolada de achar que o chat é a melhor interface para tudo, quando ele não é. Em algum momento vem a fadiga: “eu só quero apertar um botão”. Conheço gente cujo agente monitora o e-mail, responde automaticamente e manda um resumo para o próprio WhatsApp da pessoa. O que acontece quando estivermos configurando agentes para escrever e-mails para que eles sejam lidos e respondidos por outros agentes? Vamos continuar aprofundando esse processo ou vamos realizar que talvez isso não seja tão útil assim?

O que muda de verdade, para mim, é a recuperação de informação — a capacidade de encontrar em um universo crescente de informações aquilo que realmente precisamos. Aí um preditor do próximo token mais provável faz sentido. O próprio Google, que muita gente achou que ia desaparecer, foi competente em produzir respostas por IA que são rápidas e muitas vezes eliminam a necessidade de abrir um link adicional —às vezes você não quer esperar dois minutos por uma resposta de trezentas linhas quando só queria saber o número de telefone da pizzaria mais próxima.

Você afirma que a bolha já começou a estourar. Onde?
Existem sinais de que a coisa está mal parada nos mercados mais expostos às dinâmicas especulativas da IA. O índice da bolsa sul-coreana, o KOSPI, caiu quase quarenta por cento no último mês e subiu quase dezoito por cento em um único dia. Isso indica muito movimento especulativo, e movimento especulativo é um sinal forte: uma bolha estourando nada mais é do que um grande movimento de capital acontecendo de uma hora para outra e arrastando o preço junto. Descidas vertiginosas chamam atenção, mas subidas vertiginosas também deveriam ser um grande sinal de alerta. Além disso, temos hedge funds que quebraram ou estão perto de quebrar, anunciando que vão precisar captar capital porque as apostas deram errado.

E tem o caso da SpaceX. O IPO foi acompanhado de uma subida grande no início, mas depois vimos uma queda significativa no valor das ações — o Elon Musk, na data de hoje, já não é mais um trilionário. É curioso, porque a SpaceX lista inteligência artificial como sua principal atividade  através da xAI, mas essa é justamente a parte menos lucrativa e mais deficitária do negócio inteiro. O problema das bolhas, como dos esquemas de pirâmide, é que quem sai por último antes de quebrar sai melhor. A dificuldade é saber o que é o “antes de quebrar”.

O que acontece se OpenAI e Anthropic, avaliadas perto de um trilhão de dólares cada, abrirem capital?
De um lado, quem botou dinheiro nessas empresas está um pouco desesperado para que aconteça um IPO, porque esse é o mecanismo de saída, de realização do investimento. Do outro, há atores no mercado dizendo que não se pode deixar esses IPOs acontecerem. E aqui está a parte dramática da equação: vários fundos de pensão estão montados, inclusive por restrições estatutárias e de análise de risco, sobre a compra de índices considerados mais seguros. Quando empresas entram na bolsa com um valuation altíssimo de partida, entram por consequência em vários índices, em especial, no caso dos EUA, se estiverem entre as 500 maiores empresas passam a compor o S&P 500, que é o índice de bolsa mais conhecido do mundo.. Na prática, a aposentadoria de muita gente está pagando por isso. Quando você olha a equação, tem um fundo de venture capital ganhando dinheiro — e um aposentado descobrindo que vai ter que trabalhar mais dez anos porque a aposentadoria dele foi para o brejo em um crash do mercado. É uma receita cruel porque grandes fundos de capital privado, bancos e instituições financeiras frequentemente têm capacidade de se sustentar e inclusive aproveitar períodos de baixa, enquanto investidores individuais não costumam ter a mesma resiliência financeira ou psicológica e tem maior tendência a vender em períodos de baixa, concretizando as perdas. Isso aconteceu recentemente na Coreia do Sul, quando vários investidores individuais que estavam alavancados foram obrigados a realizar perdas após as quedas significativas dos índices.

A gente já viu esse filme na bolha pontocom. O que sobra depois do estouro?
A tecnologia é útil e vai continuar fazendo parte da vida das pessoas. Estamos no pico das expectativas infladas e em breve devemos atingir o vale da desilusão — e depois a sociedade vai entender melhor o lugar dessas ferramentas no cotidiano. Isso não significa que não haverá traumas, nem que os atores do final serão os mesmos do início. A bolha pontocom mostra isso: muita gente com valuation extremamente inflado simplesmente não existe mais. Os cenários são curiosamente parecidos — acordos comerciais completamente sem sentido e expectativas de receita fora da casinha, como hoje se constrói data center sobre uma expectativa de consumo que pode não acontecer. Quando a coisa vai para o vinagre, essas empresas podem ir junto.

Continuando no ritmo atual, os hyperscalers sobrevivem — e podem sobreviver bem. Mas existe uma chance razoável das empresas que hoje são os principais laboratórios de inteligência artificial deixarem de existir neste processo.

Que oportunidade esse cenário abre para o Brasil?
Para países fora do centro e para organizações de grande porte, é um cenário que pode ser interessante se bem aproveitado. Modelos de peso aberto permitem se proteger de um risco que é real: ficar sujeito a um provedor que de repente dobra o preço, muda a política unilateralmente ou deixa de existir — como esses provedores têm feito a partir das pressões para tornar o negócio de IA rentável; a correção abrupta de preços do GitHub Copilot pegou muita gente de surpresa, por exemplo. É uma redução do risco de lock-in. E ter computação própria permite a esses países se aproximarem da corrida tecnológica sem ficar tantas casas atrás. Essa corrida depende de três fatores: computação, dados e pessoas.

Neste cenário, as empresas podem até trabalhar com uma lógica de capacidade ociosa: se você planejou suas GPUs para atender a demanda do expediente comercial, o que elas fazem de madrugada? Do ponto de vista de grandes empresas desses países, é uma oportunidade de usar esses parques de máquinas para se aproximar da fronteira e treinar modelos próprios.

Qual seria o seu programa de política pública para a IA no Brasil?
O Brasil talvez seja uma das maiores economias do planeta com um mercado digital extremamente forte e com poucos falantes de inglês e que ainda não buscou desenvolver sua capacidade nessa fronteira de forma mais sistemática. E temos histórico de empresas fortemente associadas a inovações tecnológicas que venceram a briga com concorrentes globais: o Uber Eats perdeu a briga com o iFood no Brasil; o Pix talvez seja o melhor sistema de pagamentos do planeta. O Mercado Livre, embora seja uma empresa Argentina, possui uma fatia do mercado brasileiro maior que a Amazon. O Brasil é um consumidor voraz de tecnologia. É o terceiro maior mercado da OpenAI atrás apenas de EUA e Índia. É o segundo maior mercado do Whatsapp no mundo. Há espaço para provedores nacionais de tecnologia, mas isso depende de computação mais acessível — e não acho que a solução seja importar apenas o data center, que gera pouco emprego e muita externalidade — e de investimento em pessoas e em iniciativas nacionais capazes de ocupar espaços que estão se abrindo.

E há ainda o risco de soberania, que renderia dez horas de conversa: hoje está todo mundo dependente dos provedores americanos de computação, sujeitos ao Cloud Act. Os três maiores provedores de nuvem do planeta são Google, Amazon e Microsoft — não é uma cadeia de fornecimento global, é uma cadeia extremamente dependente de uma única nação. Isso é saudável? Os chineses entenderam  que não, e fizeram os seus. Vimos a confusão do Tribunal Penal Internacional correndo para baixar seus arquivos da nuvem da Microsoft, após a aplicação de sanções pelo governo dos EUA. Várias empresas estão percebendo que todo o seu sistema de autenticação depende de um provedor que pode sancioná-las a qualquer momento, por decisão de governo estrangeiro. A estratégia brasileira da nuvem de governo, através do Serpro, distribui o risco geopolítico ao contratar múltiplos provedores, mas continua dependente de atores estrangeiros: isso pode ser chamado de mitigação de risco, mas não de soberania. Além disso, não está claro como isso acontecerá na prática. Existem restrições técnicas que impedem uma simples migração de um provedor para o outro. Hyperscalers passaram décadas construindo ecossistemas que são muito eficientes em capturar consumidores e ainda mais eficientes em criar dificuldades para que esses consumidores saiam deles.
. Boa parte das empresas responsáveis pelos maiores investimentos em IA no Brasil tem como objetivo utilizar IA para otimizar o nosso velho modelo primário-exportador. É esse o caminho ou a IA apresenta oportunidades para diversificar nossa economia? 

No fundo essa pergunta retoma uma discussão que sempre foi difícil na sociedade brasileira: O Brasil deve possuir um projeto para ser mais do que um exportador de commodities? Eu diria que sim. Mais do que isso, eu diria que esse é um desejo legítimo da maioria dos brasileiros, mas que encontra uma severa resistência geopolítica. O Pix, talvez uma das poucas unanimidades nacionais hoje, representa isso. Um avanço que coloca o Brasil em uma vanguarda global – a de meios de pagamento – e que está sendo questionado geopoliticamente. 

Já fomos e voltamos nessa pergunta algumas vezes, sem nunca sair muito do lugar. Os países do Sudeste Asiático, que nos anos 1980 tinham economias mais fracas que a brasileira, fizeram investimentos massivos para vencer a defasagem tecnológica. As obrigações regulatórias de investimento em P&D — como o 1% da lei do petróleo — têm importância enorme na construção do ecossistema: pessoas que sabem pesquisar, tratar dados, operar supercomputadores. Mas, sozinhas, não resolvem. Não adianta, por exemplo, formar os pesquisadores se não conseguimos mantê-los aqui. O financiamento é uma parte importante dessa equação, mas não é a única. Se o Brasil quiser fazer parte do grupo de nações que estão na ponta do desenvolvimento tecnológico é preciso haver política pública para fomentar a construção dessas alternativas tecnológicas nacionais. Para além do financiamento, é preciso estabelecer um projeto de longo prazo que depende de participação significativa do Estado – como aconteceu em países desenvolvidos. Semicondutores, internet e inteligência artificial precisaram de muito mais do que uma garagem para se tornar realidade.  

* Thales Mesentier é cientista de dados. As opiniões expressas nesta entrevista são pessoais e não representam a Petrobras.