Investimento e exposição econômica em uma economia de IA

Duas exposições separadas, não uma preocupação só

“A IA é uma bolha, e estou exposto a ela” na verdade são duas perguntas em uma. A primeira é exposição de portfólio: se contas de aposentadoria e fundos de índice ficaram incomumente concentrados em um punhado de empresas ligadas à IA, e o que acontece se os gastos por trás dessa concentração decepcionarem. A segunda é exposição no mercado de trabalho — se a renda de uma família, não apenas suas poupanças, depende de trabalho que a IA poderia remodelar —, o que as páginas planejamento de renda familiar e deslocamento trabalhista cobrem em profundidade. Esta página trata da primeira pergunta: o que vozes credenciadas dos dois lados do debate sobre a “bolha de IA” estão dizendo, como são os gastos por trás do argumento em dólares divulgados, e como grandes gestoras de ativos atualmente enquadram o risco de concentração.

O argumento de que isto é uma bolha

O grupo cético inclui pessoas pagas para acertar. O investidor Michael Burry divulgou grandes posições vendidas contra Nvidia e Palantir em seu último formulário 13F antes de cancelar o registro da Scion como consultora junto à SEC, e desde então tem alertado sobre uma possível queda “no estilo de 1987” nas ações de IA — embora seus números mais recentes e maiores venham de sua própria newsletter, não de novos registros na SEC. O economista-chefe da Apollo Global Management, Torsten Slok, calcula que o gasto de capital em data centers ligados à IA está subindo de 1,4% do PIB em 2025 para cerca de 3% até 2027 — quase o dobro do ritmo do boom imobiliário dos anos 2000 — e argumenta que um ciclo que se constrói tão rápido pode se desfazer em ritmo semelhante. O cofundador da GMO Jeremy Grantham chama o mercado impulsionado por IA de o mais caro da história americana em relação valor de mercado sobre PIB e, aplicando sua própria estrutura de bolha de “dois sigmas”, vê uma queda plausível de pico a vale de cerca de 70%, com o momento genuinamente incerto.

Vozes institucionais ecoam a preocupação com menos teatralidade. O economista do MIT Daron Acemoglu, laureado com o Nobel em 2024, argumenta que nem a teoria nem os dados sustentam as previsões de crescimento mais exuberantes, modelando o efeito da IA em algo entre 1,1% e 1,6% adicionados ao PIB ao longo de dez anos, bem abaixo de outras estimativas. O Bank for International Settlements, órgão guarda-chuva dos bancos centrais do mundo, constatou que o investimento em IA está disparando como fatia do PIB e concluiu que o risco de estabilidade financeira parece moderado apenas se as empresas de IA atingirem metas de lucro substanciais, ao mesmo tempo em que sinaliza um crescente descompasso entre valuation de ações e de dívida e uma dependência crescente de dívida para financiar a construção. A diretora do Federal Reserve Lisa Cook alertou que um boom sustentado e financiado por dívida poderia se tornar, por si só, uma preocupação de estabilidade, ao mesmo tempo em que credita ao crescimento impulsionado por IA o apoio à estabilidade no saldo geral. A diretora-gerente do FMI Kristalina Georgieva disse a plateias para se prepararem para turbulência, comparando os valuations atuais à exuberância da era pontocom e alertando que uma correção acentuada poderia apertar as condições financeiras muito além da tecnologia.

O argumento de que não é — ou ainda não é

As posições otimistas e mistas vêm de algumas das mesmas mesas de pesquisa que soam os alarmes acima, o que já é informativo por si só. O Goldman Sachs Research estimou que cerca de US$ 19 trilhões em valor de mercado já precificam o retorno econômico da IA à frente de onde os ganhos de produtividade medidos chegaram — um número genuinamente com tom pessimista — enquanto a mesma firma argumentou separadamente que o gasto de capital em IA continua sendo uma fatia menor do PIB dos EUA do que ciclos tecnológicos anteriores, e que a maioria das empresas que gastam em IA, ao contrário de suas predecessoras da era pontocom, ainda geram grande fluxo de caixa livre, recompram ações e pagam dividendos. Até o próprio CEO da OpenAI mantém uma posição mista: Sam Altman disse que os investidores estão “superempolgados” com a IA e comparou o momento à bolha pontocom, ao mesmo tempo em que sustenta que a IA está entre os desenvolvimentos mais importantes em muito tempo, e depois previu que alguns investidores perderão somas enormes enquanto outros fazem fortunas. Nada disso soa como uma indústria fechando fileiras em torno de uma única história — o desacordo atravessa os mesmos prédios, não apenas entre eles.

Como são realmente os gastos

Seja qual for a conclusão sobre valuations, os gastos subjacentes são reais, divulgados e grandes. A Microsoft informou um capex de US$ 41 bilhões no quarto trimestre fiscal de 2026, cerca de dois terços dele em CPUs e GPUs de vida curta, com orientação de que os gastos do ano fiscal de 2027 continuarão crescendo. A teleconferência de resultados do segundo trimestre de 2026 da Meta divulgou capex trimestral de US$ 31,1 bilhões contra um fluxo de caixa livre de apenas US$ 784 milhões, com a orientação para o ano fechado estreitada para US$ 130-145 bilhões e nenhum número ainda oferecido para 2027. Alphabet e Amazon elevaram cada uma mais de uma vez a orientação de capex de 2026 neste ano, segundo seus resultados do segundo trimestre de 2026 e a teleconferência de julho da Amazon, e a carteira de contratos em nuvem da Oracle chegou a US$ 638 bilhões, ao lado de seu próprio capex fortemente maior.

Vários números de megaacordos manchete merecem cautela: são cartas de intenção e carteiras divulgadas, não contratos fechados. O próprio anúncio da Nvidia de “até US$ 100 bilhões” destinados à OpenAI era explicitamente não vinculante; até o fim do ano, o próprio CFO da Nvidia disse que não existia acordo definitivo, e reportagens posteriores constataram que o acordo que de fato se concretizou ficou bem abaixo desse número. O também noticiado acordo Stargate de US$ 300 bilhões e cinco anos entre OpenAI e Oracle igualmente remonta a termos de acordo relatados, não a um contrato público totalmente detalhado. O economista Noah Smith levantou separadamente a questão do financiamento circular — investimento da indústria de chips em laboratórios de IA que retorna como receita de compra de poder computacional — e, embora uma estimativa para tais arranjos chegue a “mais de US$ 800 bilhões”, esse número remonta a sites agregadores de mercado, não a nenhum banco, economista ou regulador nomeado, e deveria ser lido como ilustrativo, não confirmado.

Concentração: por que “o mercado” cada vez mais significa um punhado de empresas

A exposição de portfólio à IA raramente é uma escolha deliberada; costuma chegar por meio da exposição comum a índices. As Magnificent Seven alcançaram cerca de 34,3% da capitalização de mercado do S&P 500 até dezembro de 2025, ante cerca de 12,3% em 2015, e contribuíram com cerca de 42% do retorno total do índice somente em 2025 — o que significa que um fundo de índice S&P 500 “diversificado” é, na prática, uma aposta em IA cada vez mais concentrada. Por que tão poucas empresas ficam no centro dessa aposta — controle de chips, capacidade de data centers e modelos de fronteira — é abordado separadamente em concentração de poder: por que poucos laboratórios importam.

Grandes gestoras de ativos começaram a dizer isso explicitamente, em linguagem semelhante apesar de competirem entre si. A Vanguard distingue o verdadeiro potencial econômico positivo da IA — sua própria modelagem dá chances reais a um cenário de crescimento do PIB de 3% — do que considera valuations excessivos de ações de tecnologia, projetando retornos médios modestos de 4-5% para ações de tecnologia dos EUA ao longo de cinco a dez anos, mesmo em um cenário otimista. O BlackRock alerta que a concentração elevada corrói o benefício de diversificação da exposição a índices, atrelando portfólios a um conjunto estreito de resultados, e recomenda combinar exposição às líderes de IA com diversificação mais ampla. A J.P. Morgan Asset Management coloca de forma mais direta: o argumento estrutural para a IA permanece intacto, mas a exposição em nível de índice concentra risco, e recomenda diversificar para setores adjacentes à IA, geografias e mercados privados. Nenhuma das três pede uma retirada das ações; todas as três chamam a própria concentração de um risco, independente do que a IA entregar.

O lado do salário na equação

A outra exposição — se a renda familiar depende de trabalho exposto à IA — repousa sobre uma base de pesquisa mais fina do que o debate de concentração de mercado acima, e este manual prefere dizer isso a emprestar falsa precisão de qualquer um dos lados. A evidência direta mais citada é um estudo dinamarquês dos economistas Anders Humlum e Emilie Vestergaard, que ligou respostas de pesquisa de cerca de 25.000 trabalhadores em ocupações expostas ao ChatGPT aos registros administrativos de renda da Dinamarca e encontrou efeitos nulos, estimados com precisão, sobre renda e horas trabalhadas, descartando efeitos maiores que cerca de 2% nos dois anos após o lançamento do ChatGPT. É um conjunto de dados, um país, uma janela — um ponto de dado, não um veredito sobre como isso se resolve em outros lugares ou em um horizonte mais longo. Para evidência mais recente e afiada sobre a pipeline de contratação nos EUA e passos concretos de planejamento familiar, veja planejamento de renda familiar para um mercado de trabalho incerto e deslocamento trabalhista: o que os dados realmente mostram.

Uma estrutura, não uma previsão

Alinhando os nomes acima, emerge um padrão mais útil do que a alegação-manchete de qualquer um dos lados: este argumento atravessa as mesmas instituições, não corre claramente entre elas. O Goldman Sachs publicou tanto o argumento da bolha quanto sua refutação; diretores do Federal Reserve creditam à IA o apoio ao crescimento em uma frase e a sinalizam como um risco de estabilidade financiado por dívida na seguinte; o próprio CEO da OpenAI mantém as duas posições sobre sua própria indústria ao mesmo tempo. Isso não é evidência de que o debate é ruído irresolúvel — é evidência de que ninguém, incluindo aqueles com o melhor acesso aos dados subjacentes, tem atualmente um modelo validado de como isso se resolve. Uma resposta familiar razoável não é apostar que um dos lados vai resolvê-lo, mas notar onde a concentração se infiltrou nas contas de aposentadoria por padrão, e levar isso a um consultor licenciado — em seus próprios termos, não nos de uma manchete.