Comece pelas variáveis, não pelo enredo do filme
Não há observação de uma sociedade pós-AGI. “Depois da AGI” não é, portanto, um período factual que possamos descrever da forma como descrevemos uma eleição, uma recessão ou o lançamento de um produto. É uma família de cenários construída a partir de premissas sobre capacidade, custo, acesso, propriedade, segurança e resposta política. Um cenário útil torna essas premissas visíveis. Um cenário ruim as esconde atrás de uma história vívida.
Até o ponto de partida técnico é incerto. O Relatório Internacional de Segurança em IA de 2026 descreve uma melhora rápida ao lado de capacidades irregulares, uma lacuna de avaliação entre testes e desempenho no mundo real, e vários caminhos de desenvolvimento plausíveis até 2030. Ele não endossa uma data de chegada ou uma trajetória inevitável. Essa incerteza deveria se estender à análise social.
Quatro variáveis fazem a maior parte do trabalho:
- Velocidade: a capacidade amplamente transformadora se difunde ao longo de anos, ou chega mais rápido do que empregadores, reguladores, escolas e famílias conseguem se ajustar?
- Acesso: a capacidade está disponível para milhões de organizações e indivíduos, ou controlada por poucos provedores e governos?
- Propriedade: quem possui os modelos, os chips, a infraestrutura de energia, os data centers, os negócios complementares e a renda resultante?
- Controle: as instituições mantêm a capacidade de inspecionar, restringir, substituir e contestar decisões mediadas por IA?
Os cenários abaixo não são previsões com probabilidades atribuídas. São testes de estresse. A realidade poderia combinar características das quatro, diferir por país, ou migrar de um cenário para outro.
Cenário um: difusão administrada
Na difusão administrada, a capacidade melhora rapidamente, mas não instantaneamente. Os sistemas automatizam pacotes maiores de trabalho, mas a implantação permanece limitada por custos de integração, confiabilidade, lei, infraestrutura física e inércia organizacional. Os governos ampliam o apoio à transição, as empresas redesenham empregos, e os requisitos de segurança amadurecem antes que qualquer sistema se torne indispensável.
Este é o cenário mais contínuo com a evidência presente. O índice de exposição de 2025 da Organização Internacional do Trabalho constata que um em cada quatro trabalhadores está em uma ocupação com alguma exposição à IA generativa, mas argumenta que a transformação do emprego é mais provável do que a substituição total, porque as ocupações contêm tarefas que ainda exigem insumo humano. Exposição não é o mesmo que adoção, e adoção não é o mesmo que eliminar um emprego.
A difusão administrada não garante justiça. Os caminhos de entrada podem encolher antes que ocupações inteiras desapareçam. Os ganhos de produtividade podem fluir para os proprietários enquanto os salários estagnam. Regiões com infraestrutura digital fraca podem ficar para trás. A diferença é que as instituições têm tempo para observar esses efeitos e responder por meio de treinamento, negociação coletiva, tributação, política de concorrência, investimento público, e mudanças na jornada de trabalho.
A estratégia familiar neste mundo é adaptação, não retirada: construir habilidades que complementem novas ferramentas, reduzir a dependência de um único empregador, preservar redes humanas, e participar das instituições que decidem como os sistemas são implantados.
Cenário dois: aceleração concentrada
Na aceleração concentrada, um pequeno número de empresas alcança uma grande vantagem de capacidade e mantém o acesso controlado. Seus sistemas se tornam insumos essenciais para pesquisa, software, finanças, logística, mídia e administração pública. A produção econômica aumenta, mas o poder de barganha se desloca em direção aos proprietários de modelos e de poder computacional.
A concentração não é hipotética, mesmo que a AGI seja. Um estudo da equipe técnica da Comissão Federal de Comércio dos EUA documentou direitos de participação acionária e de compartilhamento de receita, direitos de consulta ou controle, exclusividade, compromissos de gastos com nuvem, e compartilhamento de informação em três parcerias ligando Alphabet, Amazon e Microsoft à Anthropic ou à OpenAI. A amostra se limitou a essas parcerias e refletiu a informação disponível para a equipe técnica até setembro de 2024, mais material público até janeiro de 2025; não deveria ser generalizada para toda relação entre nuvem e desenvolvedor. O relatório identificou custos de troca e dependências potenciais, em vez de julgar uma violação antitruste.
Neste cenário, a abundância material pode coexistir com fragilidade política. Os governos podem depender de provedores que não conseguem substituir facilmente. Os trabalhadores podem receber serviços mais baratos enquanto perdem renda e poder de negociação. Os cidadãos podem manter formalmente seus direitos, mas ter dificuldade em contestar decisões tomadas por meio de sistemas proprietários. Uma empresa não precisa pretender governar a sociedade para que a dependência lhe dê um poder semelhante ao de governança.
As políticas decisivas não são estoques de emergência. São propriedade, interoperabilidade, tributação, antitruste, licitação, acesso a auditoria, opções públicas, e limites à delegação de funções soberanas. A questão central é se o público consegue trocar de provedor ou de política sem desativar sistemas dos quais a vida cotidiana depende.
Cenário três: proliferação aberta
Na proliferação aberta, alta capacidade se torna amplamente acessível por meio de pesos abertos, inferência barata, sistemas copiados, ou concorrência intensa. A inovação se espalha rapidamente. Pequenas empresas, pesquisadores, comunidades e países de renda mais baixa ganham ferramentas que, de outra forma, permaneceriam atrás de APIs caras. Nenhum provedor único se torna um guardião inevitável.
O benefício é agência distribuída. O risco é capacidade perigosa distribuída. Uma vez que os pesos são amplamente espelhados, o publicador original não consegue recolher de forma confiável cada cópia, e as salvaguardas podem ser modificadas. O relatório de julho de 2024 da Administração Nacional de Telecomunicações e Informação dos EUA sobre modelos abertos concluiu que a evidência disponível à época não justificava restrições generalizadas, ao mesmo tempo em que recomendava monitoramento e capacidade de resposta caso futuros modelos mudassem o equilíbrio. Essa posição datada e condicional é mais útil do que tratar “aberto” como automaticamente seguro ou automaticamente imprudente.
Uma sociedade de proliferação aberta precisaria de defesas fora do modelo: cadeias de suprimentos biológicas seguras, infraestrutura crítica reforçada, sistemas de identidade resistentes a fraude, compartilhamento rápido de incidentes, e capacidade de aplicação da lei que não dependa de suprimir conhecimento geral. Também precisaria de uma governança que distinga um pequeno modelo de pesquisa de um sistema que materialmente viabiliza operações cibernéticas, desenvolvimento de armas ou autorreplicação.
Este cenário dá a mais pessoas acesso à capacidade produtiva, mas o acesso, por si só, não resolve a distribuição. As pessoas ainda precisam de poder computacional, energia, expertise, clientes e permissão legal para transformar um modelo em renda durável.
Cenário quatro: choque de capacidade e defasagem institucional
Em um choque de capacidade, sistemas confiáveis começam a concluir trabalho economicamente importante mais rápido do que as organizações conseguem redesenhar funções ou os governos conseguem substituir a renda e a receita tributária perdidas. A característica definidora não é a inteligência em abstrato. É a lacuna entre a mudança técnica e a resposta institucional.
Essa lacuna pode criar condições contraditórias: alta capacidade produtiva ao lado de desemprego, serviços automatizados valiosos ao lado de modelos de negócio em colapso, e governos chamados a fornecer mais apoio enquanto as bases convencionais de tributação sobre folha de pagamento se enfraquecem. Também pode aumentar a pressão para delegar decisões, porque a revisão humana parece lenta exatamente quando a supervisão é mais importante.
Os piores resultados não são automáticos. Sistemas existentes, como seguro-desemprego, seguro de depósitos, estabilizadores fiscais automáticos, negociação coletiva, dotações de emergência e licitação pública, fornecem infraestrutura inicial. Mas programas desenhados para recessões temporárias podem não se ajustar a uma mudança persistente no valor do trabalho. Decisões sobre renda, propriedade e receita pública precisariam sair do debate acadêmico e se tornar política operacional rapidamente.
As famílias não conseguem se segurar privadamente contra um choque de capacidade em escala social. A poupança pessoal compra tempo, mas a resposta durável é coletiva: instituições capazes de distribuir poder de compra, manter os serviços essenciais funcionando, prevenir a concentração predatória, e revisar a política à medida que a evidência chega.
Sinais que distinguem os cenários
Observe condições mensuráveis, e não o rótulo AGI:
- a confiabilidade e o custo de concluir fluxos de trabalho inteiros, não questões isoladas de benchmark;
- se a adoção produz redução de contratações, menos horas, salários mais baixos, ou demissões efetivas;
- a concentração de mercado em nuvem, chips, modelos, energia e distribuição;
- a fatia da capacidade de ponta disponível como pesos abertos, APIs controladas, ou sistemas internos;
- se as agências públicas mantêm modos operacionais não baseados em IA testados e portabilidade de provedor;
- como os ganhos de produtividade se dividem entre preços, salários, lucros, impostos e jornada de trabalho mais curta;
- o tempo entre uma capacidade perigosa demonstrada e uma mitigação exequível.
Esses sinais podem se mover em direções diferentes. Modelos abertos baratos poderiam reduzir a concentração corporativa enquanto aumentam o risco de uso indevido. Licenciamento forte poderia melhorar a supervisão enquanto entrincheira incumbentes. Crescimento rápido de produtividade poderia financiar uma política de transição generosa ou aumentar a desigualdade, dependendo da propriedade e das escolhas políticas.
Objetivo normativo: robustez, e não certeza
Uma política robusta funciona toleravelmente em vários cenários. Identidade resistente a phishing ajuda tanto se os sistemas forem centralizados quanto abertos. Benefícios portáteis ajudam tanto se os empregos desaparecerem quanto se apenas mudarem mais rápido. A interoperabilidade reduz a dependência sem exigir uma previsão sobre qual provedor vence. O relato de incidentes melhora o aprendizado tanto sob estruturas voluntárias quanto sob regulação vinculante. O investimento público em educação, energia, saúde e capacidade administrativa cria valor mesmo que o crescimento da capacidade desacelere.
O objetivo da análise de cenários não é escolher o futuro mais dramático. É identificar decisões que se tornam caras de reverter. Estruturas de propriedade, dependências de infraestrutura crítica, sistemas de vigilância e a perda de expertise humana podem se consolidar antes que alguém concorde que a AGI chegou. Essas são as decisões que vale a pena tomar deliberadamente agora.