Que vantagens competitivas ainda são defensáveis na era da IA?

Título original: Como raciocinar sobre um futuro caótico
Autor original: Longa e Curta Sistemática
Tradução: Peggy, BlockBeats

Nota do editor: À medida que a IA começa a escrever código, otimizar código e até mesmo assumir gradualmente o processo de produção de software, uma mudança estrutural mais profunda está se aproximando: a divisão do trabalho, a organização corporativa e até mesmo as barreiras de conhecimento podem ser redefinidas.

O autor deste artigo fez parte de uma equipa de quase 20 pessoas num fundo de investimento, mas optou por deixar a empresa para se dedicar ao empreendedorismo durante a sua progressão na carreira. Na sua opinião, o verdadeiro sinal não é o sentimento do mercado, mas o salto na capacidade técnica. Quando os modelos conseguem gerar consistentemente código utilizável e possuem capacidade de melhoria recursiva, a lógica do desenvolvimento de software e da produção de conhecimento já começou a mudar.

O artigo, sob a perspetiva das finanças quantitativas, analisa vários tipos de "fossos" de curto prazo que ainda podem existir na era da IA, incluindo dados proprietários, atrito regulatório, endosso de autoridade e atraso no mundo físico. Também apresenta um julgamento fundamental: numa era altamente incerta, mais importante do que prever com precisão o futuro é identificar direções e agir antes que a janela se feche.

Abaixo está o artigo original:

Quando os Modelos Começam a Escrever Código, a Mudança Torna-se Irreversível

A primeira vez que percebi que a indústria estava a aproximar-se de um ponto de viragem foi no meu trabalho anterior. Parecia ouvir a música de fundo a abrandar enquanto todos à minha volta ainda fingiam que nada mudaria.

Nessa altura, eu estava a gerir uma equipa de quase 20 pessoas num fundo de investimento, a fazer o que vinha a fazer há muitos anos. De fora, esta era quase uma trajetória de carreira em constante ascensão. Se eu tivesse ficado lá, provavelmente teria alcançado um sucesso ainda maior. No entanto, no final, escolhi deixar aquela posição com que muitas pessoas sonhavam e começar um novo empreendimento do zero com uma equipe de apenas algumas pessoas. Essa decisão era quase incompreensível na época e foi até vista como uma forma de "suicídio profissional".

Mas, nos últimos meses, demissões em massa, empreendedorismo voluntário após deixar empregos e cada vez mais pessoas trabalhando durante o dia enquanto programam e trabalham em projetos à noite. Tudo isto fez com que a decisão que parecia "louca" na altura parecesse menos absurda.

Durante este tempo, muitas pessoas perguntaram-me: onde é que tudo isto vai levar? Este artigo é a resposta que posso fornecer atualmente.

Francamente, não tenho a certeza de quão significativa a mudança será em última análise. Mas uma coisa que a finança quantitativa me ensinou é: estar no caminho certo é muitas vezes suficiente.

O que realmente me fez perceber que a mudança era irreversível foi o modelo o1 do ChatGPT.

Antes disso, eu sempre me referia a esses sistemas como "LLMs", não "AIs". Eu não achava que eles realmente tinham algum tipo de capacidade semelhante à inteligência. Mas quando o o1 surgiu, algo mudou: esses modelos conseguiram, pela primeira vez, gerar código de forma estável através de prompts estruturados.

O código ainda era imperfeito e podia sofrer de alucinações ou mal-entendidos. Mas a chave era esta: agora podia escrever código útil.

O meu julgamento era simples. Uma vez que a IA pudesse gerar código utilizável, começaria a melhorar recursivamente a sua lógica e a impulsionar o desenvolvimento de software a uma velocidade que mal conseguimos imaginar.

Sempre que faço este ponto, alguém sempre argumenta: "Este código ainda tem erros e está longe de atender aos padrões de produção." Mas isso ignora um facto: o código escrito por humanos também tem erros. Não precisamos de IA para escrever código perfeito para deixarmos de escrever código nós mesmos.

O verdadeiro ponto de viragem é quando a taxa de erro do código escrito por IA é inferior à dos humanos, sendo ao mesmo tempo muito mais rápido. Nesse momento, o ato de escrever código será completamente terceirizado para máquinas.

Após testemunhar as capacidades do o1 em primeira mão, posso estar quase certo: haverá mudanças muito drásticas no futuro.

O fosso que ainda existe na era da IA

Inicialmente, pensei que a IA iria gradualmente erodir a indústria das finanças quantitativas, mas este processo seria relativamente lento. A razão é simples: o código a nível institucional tem quase nenhum dado disponível publicamente para treino.

Na altura, imaginei a engenharia de software como uma pirâmide: na base estava o trabalho básico de codificação; subindo, estavam os engenheiros seniores com capacidades de arquitetura; mais acima estavam os desenvolvedores profissionais, como cientistas de dados, desenvolvedores quantitativos e vários especialistas da indústria. Teoricamente, quanto mais profunda a especialização, mais segura a profissão.

A minha avaliação inicial era que, dentro de dois anos, os programadores básicos seriam os primeiros a serem eliminados; seguidos pelos engenheiros seniores; mais acima, à medida que os modelos iam absorvendo gradualmente conhecimentos especializados, as posições de nível superior também seriam afetadas.

Mas logo percebi outra coisa: as empresas de modelos de ponta acabariam por contratar diretamente especialistas da indústria para introduzir conhecimentos especializados nos modelos. Em outras palavras, o conhecimento especializado seria de facto uma vantagem a curto prazo, mas a longo prazo, também seria gradualmente absorvido pelos modelos.

Na minha avaliação na altura, havia vários tipos de empresas que eram improváveis de serem facilmente perturbadas nos próximos cinco anos.

Categoria Um: Dados Proprietários

As empresas com uma grande quantidade de dados proprietários são mais difíceis de substituir.

Por exemplo, grandes fundos de hedge de várias estratégias (pod shop), como instituições como a Millennium, geram enormes quantidades de dados todos os dias: pesquisas de analistas, recomendações de investimento, insights de mercado, resultados de negociações reais.

Esses dados podem ser usados para refinar continuamente os modelos, criando uma vantagem competitiva que é difícil de replicar externamente. Enquanto as fontes de dados de uma empresa não estiverem facilmente disponíveis para o modelo, ela ainda mantém uma certa vantagem baseada no tempo.

Categoria Dois: Fricção Regulatória

Qualquer setor que exija uma aprovação humana significativa não é facilmente perturbado. Por exemplo, os mercados financeiros tradicionais.

Para entrar nesses mercados, é necessário: abrir uma conta de corretagem, obter licenças, assinar documentos legais transfronteiriços. Negociar ativos de criptomoedas é fácil, mas uma empresa estrangeira que deseja negociar minério de ferro na China está longe de ser simples.

Enquanto uma indústria ainda exigir assinaturas humanas para aprovação, o seu ritmo de desenvolvimento será limitado pelos processos de aprovação.

Categoria Três: Autoridade como Serviço

Agora, fazer com que a IA escreva um parecer jurídico já não é um desafio. Mas a realidade é que as pessoas ainda estão dispostas a pagar dezenas de milhares de dólares para que um advogado forneça aconselhamento jurídico. A razão é simples: As opiniões da IA atualmente carecem de autoridade.

A mesma lógica se aplica às auditorias de contratos inteligentes. Tecnicamente, a IA já pode corresponder ou até exceder o nível dos melhores auditores. Mas o mercado ainda prefere comprar o "selo" de uma empresa de auditoria bem conhecida.

Porque o que os clientes estão realmente a comprar não é a opinião em si, mas a autoridade por trás da opinião.

Categoria Quatro: Mundo Físico

O progresso do hardware é muito mais lento do que o software, e os problemas de hardware também são mais difíceis de resolver.

Portanto, é improvável que as indústrias que interagem diretamente com o mundo físico sejam rapidamente afetadas pela IA a curto prazo. No entanto, assim que as capacidades de hardware alcançarem o nível necessário, a mesma lógica ainda se aplicará: as posições de nível inferior desaparecerão primeiro, seguidas pelas posições de nível superior.

Estes obstáculos existem. Mas é preciso reconhecer que eles apenas atrasam a mudança, em vez de a impedir.

Agir com base em sinais, não esperando por certeza

Quando o futuro é altamente incerto e o ritmo da mudança é rápido, as pessoas costumam cometer dois erros.

A primeira é esperar por certeza antes de agir. A segunda é simplesmente aplicar analogias históricas, como: "Isto é como a bolha das ponto-com."

Ambas as abordagens podem levar a erros de julgamento.

Em situações de informação incompleta, uma abordagem mais razoável é raciocinar a partir dos primeiros princípios.

Não precisa de conhecer todos os detalhes do futuro. Só precisa de avaliar de forma aproximada a direção, projetar apostas assimétricas, o que significa que, se julgar mal, a perda será gerível; se julgar corretamente, o ganho será enorme.

Num futuro incerto, a assimetria é tudo.

Um método de pensamento prático é primeiro perguntar-se "Quais são as condições prévias para que um determinado resultado ocorra?" e depois perguntar se essas condições prévias já surgiram?

Em retrospectiva, este ponto de viragem da IA não foi difícil de prever. Porque os principais elementos já existiam: código que pode se escrever sozinho, modelos que podem melhorar recursivamente, conhecimento institucional que pode ser comprado em vez de cultivado.

Desde que você observe cuidadosamente esses sinais, você pode avaliar aproximadamente a direção futura.

Você pode até continuar a extrapolar.

Ainda não vimos verdadeiramente os seguintes cenários: IA que pode se treinar sozinha, IA que pode se replicar, IA que opera inteiramente de forma autónoma.

Se uma IA puder melhorar suas próprias capacidades em 0,1% através de uma série de ações, isso pode parecer insignificante. Mas, enquanto esse número não for 0, ele continuará a se amplificar. Este é um efeito típico da lei de potência.

Nos mercados financeiros, uma vez que um sinal se torna óbvio, a negociação já está frequentemente saturada.

Em investimentos, você troca incerteza por crença em estágio inicial. Na carreira e no empreendedorismo, é fundamentalmente o mesmo.

Portanto, a verdadeira questão não é o que vai acontecer no futuro? mas sim, o que eu já sei? Para que direção estas informações apontam? Qual é a diferença de custo entre agir agora e esperar?

Há também um facto frequentemente negligenciado de que a própria ação cria informação.

A ação não acontece no vácuo. Quando você age no mundo, o mundo fornece feedback. Esse feedback traz novas informações. As informações impulsionam a iteração. A iteração leva a ações melhores. Este é o mecanismo básico do progresso.

Permanecer ainda na incerteza é uma forma de decadência lenta. A ação, por outro lado, significa exploração.

Se eu só quiser continuar a desfrutar dos dividendos do sistema existente, talvez consiga manter-me por mais alguns anos. Mas eu sempre quis fazer algo verdadeiramente meu, e sinto que esta janela está a fechar rapidamente.

Claro, os maiores fundos de hedge do mundo ainda se sairão bem, pois possuem dados proprietários que são difíceis de replicar. Os mercados financeiros tradicionais também ainda são limitados pela regulamentação e processos manuais.

Mas acredito que, eventualmente, essas instituições usarão a IA para substituir a maioria de seus funcionários, incluindo gestores de carteiras.

Isso não acontecerá da noite para o dia, mas acontecerá mais cedo ou mais tarde.

Minha avaliação na época era que eu tinha aproximadamente uma janela de 4 a 5 anos. Uma vez que as empresas fundamentais de IA absorvam talento suficiente da indústria, será um desafio para novas startups entrarem neste espaço. Em alguns mercados, como o mercado de ações dos EUA, esta tendência já é muito evidente. O nível de eficiência daqui a alguns anos será quase inimaginável.

Em breve, não haverá mais espaço para um "segundo lugar" neste mundo. Poderia continuar a trabalhar para instituições de topo, mas prefiro mudar para um campo onde ainda tenho uma vantagem.

Portanto, demiti-me e dediquei-me totalmente ao empreendedorismo. Mais tarde, essa empresa tornou-se a OpenForage.

Agora, a janela está a fechar-se rapidamente. O ritmo da mudança deixou de ser gradual. O que antes demorava meses a progredir agora demora apenas semanas.

Não acredito que os empregos desapareçam por completo nos próximos anos. Os seres humanos ainda precisam de outros seres humanos. Somos criaturas sociais e, atualmente, os seres humanos ainda não confiam na IA. A validação de autoridade ainda precisa vir dos seres humanos.

Nos próximos anos, podemos até ver CEOs de IA, mas provavelmente ainda será necessário um CEO humano para aprovar as decisões da IA. Esta "validação humana" irá infiltrar-se na estrutura organizacional. Gestores humanos supervisionarão um grupo de agentes de IA.

No entanto, a lógica de contratação irá mudar. Se o CEO achar mais fácil comandar a IA do que comandar você, então é improvável que seja contratado, e os trabalhos básicos de codificação tornar-se-ão cada vez mais difíceis de encontrar.

Se quiser tornar-se insubstituível, precisa de alcançar duas coisas. Primeiro, supere a IA em termos de escala temporal. Por exemplo, planeamento estratégico a longo prazo, tomada de decisões complexas, gestão de ciclos plurianuais. Em segundo lugar, supere a IA em termos de abrangência sistémica. O contexto da IA ainda é limitado; eles conhecem muitos factos, mas têm dificuldade em compreender os efeitos em cascata de sistemas complexos.

Se conseguir pensar a longo prazo, absorver informações rapidamente, tomar decisões estratégicas e colaborar eficazmente, então, num futuro previsível, ainda terá um emprego.

O ponto de viragem é, na verdade, visível antes de chegar. No entanto, a maioria das pessoas ou não olha, vê, mas não age, ou só reage quando os sinais se tornam ensurdecedores. Nesse momento, as oportunidades já estão frequentemente incorporadas no preço pelo mercado.

Não ignore o terreno instável, não permaneça numa posição que está a perder vantagem, dizendo a si mesmo para esperar por um momento melhor para agir. A verdadeira oportunidade raramente dá aviso prévio. Quando todos se apercebem, a janela já está frequentemente fechada.

Vi o sinal, fiz a aposta. Agora, estou a viver o resultado dessa aposta — para melhor ou para pior.

[Link do artigo original]