Em outubro de 1929, o mercado acionário americano não quebrou porque faltavam produtos. Quebrou porque havia produtos demais. As fábricas do país, turbinadas por uma década de eletrificação, crédito farto e otimismo tecnológico, produziam aço, automóveis e bens de consumo em ritmo muito superior à capacidade de a população comprá-los. O resultado foi o oposto do que os entusiastas da época previam: em vez de um mundo de fartura acessível a todos, o excesso de oferta derrubou preços, destruiu margens e apagou o valor de mercado de empresas inteiras na Bolsa de Nova York1. Historiadores continuam divergindo sobre o peso exato de cada causa daquela crise, mas há relativo consenso de que a superprodução industrial e agrícola, combinada à concentração de renda que impedia o consumo de acompanhar a oferta, foi um dos motores centrais do colapso2.
Escrevo isso não como exercício de nostalgia histórica, mas como advertência. Os líderes das grandes empresas de inteligência artificial prometem, hoje, algo estruturalmente parecido com o que os industriais dos anos 1920 prometiam: um mundo de abundância, em que produzir bens, serviços e até inteligência se tornará tão barato que deixará de ser um problema econômico relevante.
A promessa da abundância
Sam Altman, cofundador e CEO da OpenAI, tem repetido essa tese em diferentes formatos ao longo de 2025 e 2026. Ele já afirmou que o custo da inteligência artificial deve convergir para perto do custo da eletricidade, à medida que a produção de data centers se automatiza3. Em outra ocasião, evocou explicitamente a antiga promessa da energia nuclear, "barato demais para medir", para descrever a visão da OpenAI de uma futura abundância de inteligência disponível a todos4. Ele chegou a estimar que os modelos desenvolvidos até 2026 poderiam assumir entre 30% e 40% das tarefas hoje realizadas na economia global5.
A lógica por trás dessas falas é sedutora. Se a IA torna trivial produzir código, textos, design, diagnósticos, peças de engenharia e, em breve, produtos físicos via robótica, o custo marginal de criar coisas despenca. E, historicamente, quando o custo de produção cai drasticamente, a promessa costuma ser democratização: mais gente com acesso a mais coisas por menos dinheiro. Foi essa a promessa da eletrificação industrial dos anos 1920. Foi essa a promessa da internet nos anos 1990. E é essa a promessa da IA agora.
O problema não é a capacidade de produzir mais barato. O problema é o que acontece quando essa capacidade cresce mais rápido do que a capacidade da sociedade de comprar o que é produzido.
Sinais de um desequilíbrio conhecido
Os paralelos com 1929 não são apenas retóricos. Instituições financeiras sérias já apontam para uma divergência crescente entre o volume de capital investido em infraestrutura de IA e a receita efetivamente gerada por essa infraestrutura. Segundo estimativa do economista Jason Furman, de Harvard, citada pela consultoria Oliver Wyman, o investimento em infraestrutura ligada à IA respondeu por cerca de 92% do crescimento do PIB americano no primeiro semestre de 20256. Uma análise publicada na Forbes em agosto de 2026 descreve um gasto de capital em ritmo muito superior à monetização, com fluxo de caixa livre negativo em algumas das maiores empresas de tecnologia do mundo7.
O Banco de Compensações Internacionais (BIS), em seu relatório anual de 2026, alertou para o risco de estouro da bolha de IA e para os perigos do financiamento desse investimento por meio de dívida, num cenário de spreads de crédito em ampliação8. O Federal Reserve americano, em seu cenário de estresse "severamente adverso" para 2026, contempla uma queda de até 54% no mercado acionário caso a confiança dos investidores na IA se reverta abruptamente9. E a gestora Man Group descreve algo notavelmente próximo da lógica de 1929: excesso de capacidade instalada, sobretudo em memória e infraestrutura voltada a treinamento, que pode gerar colapsos catastróficos de preço quando a demanda real não acompanha a oferta criada10.
Em outras palavras: a mesma engenharia financeira e o mesmo excesso de confiança que inflaram a produção industrial americana há um século hoje inflam a capacidade computacional. A diferença é que, em vez de aço e automóveis, o produto em excesso pode ser capacidade de geração de conteúdo, código, análise e, cada vez mais, produção física automatizada.
Contraponto
Nem todos os economistas veem o mesmo risco. A tradição associada a Daron Acemoglu e Pascual Restrepo argumenta que a automação não apenas destrói tarefas, mas também cria novas funções intensivas em trabalho humano, num efeito de "reinstalação" que compensa parcialmente o deslocamento11. Análise da FGV IBRE, publicada em 2026, observa que estudos com dados de vagas nos Estados Unidos mostram reconfiguração da composição das tarefas, não necessariamente destruição líquida de emprego, com crescimento de funções ligadas à supervisão e curadoria da própria IA12. E a OCDE, segundo a mesma análise, não identificou sinais claros de desaceleração da demanda agregada por trabalho atribuível à IA em países avançados12. O risco de superprodução, portanto, é uma hipótese plausível diante dos dados de investimento, mas está longe de ser consenso entre economistas do trabalho.
O recorte brasileiro
No Brasil, o quadro atual é, paradoxalmente, quase o inverso do temor de excesso de oferta. Dados da Confederação Nacional da Indústria mostram que 23% das indústrias brasileiras enfrentavam falta de mão de obra qualificada em 2026, ante apenas 5% em 202013. Um estudo do Ipea, do pesquisador Luis Kubota, publicado em 2026, indica que o Brasil não está entre os países mais expostos aos efeitos de curto prazo da IA generativa, o que afasta, por ora, o risco de desemprego massivo no país14.
Essa diferença de exposição não elimina o risco descrito neste artigo, apenas o distribui de forma desigual. Se a superprodução de bens e serviços digitais e físicos se concentrar nas economias que lideram o investimento em IA, o Brasil pode sofrer os efeitos indiretos, via comércio exterior, preços de commodities industriais e fluxos de capital, sem necessariamente ser o epicentro da crise. Foi assim em 1929: o estouro em Nova York se espalhou pelo mundo através do comércio e do crédito internacional, atingindo com mais força justamente os países mais integrados à cadeia produtiva americana e alemã da época15.
A lição que 1929 deveria ter deixado
Não escrevo isto para prever um colapso inevitável, nem para validar o catastrofismo que também ronda o debate sobre IA. Escrevo para propor uma pergunta desconfortável aos líderes que vendem a narrativa da abundância: se a inteligência e a produção realmente vão ficar baratas o suficiente para estarem ao alcance de todos, por que os sinais econômicos atuais parecem, com uma regularidade inquietante, os mesmos sinais que precederam 1929? Concentração de capital, dívida crescente para financiar capacidade produtiva, promessas de democratização que ainda não se converteram em renda disponível para a maioria da população.
A tecnologia pode, de fato, tornar a produção radicalmente mais barata. Isso não é motivo de alarme por si só. O que a história de 1929 ensina é que capacidade produtiva sem poder de compra correspondente não gera abundância. Gera excesso. E excesso, quando encontra um mercado financeiro alavancado e otimista demais, não se traduz em prosperidade compartilhada. Traduz-se em quebra.
Perguntas frequentes
A crise de 1929 foi causada apenas pela superprodução?
Não. A maioria dos historiadores aponta uma combinação de fatores, incluindo especulação acionária excessiva, crédito fácil e compra de ações com margem, além da superprodução industrial e agrícola que já pressionava preços antes do crash1.
Existem sinais concretos de uma bolha de investimento em IA hoje?
Sim. Bancos centrais e instituições financeiras, incluindo o BIS e o Federal Reserve, já sinalizaram publicamente o risco de correção nos ativos ligados a IA, motivados pelo descompasso entre investimento e monetização89.
O Brasil está mais ou menos exposto a esse risco?
Segundo o Ipea, o Brasil não figura entre os países mais expostos aos efeitos de curto prazo da IA generativa sobre o emprego, embora possa sentir efeitos indiretos via comércio e fluxos financeiros14.