🍻 Vamos marcar!

Nos anos 1970, um americano recebia amigos para jantar em casa, ou ia à casa de alguém, cerca de 7x por ano. No fim dos anos 1990, esse número tinha caído quase pela metade. No último ano, 43% das pessoas disseram que não receberam nem foram a nenhum jantar.

Os motivos são conhecidos: achar uma data que funcione para todo mundo, decidir quem chamar, montar um cardápio (sempre tem alguém que não come glúten, camarão ou castanha), arrumar a casa, garantir que ninguém fique deslocado e lavar a louça no fim. Dá trabalho. E, enquanto isso, a frase mais dita quando a gente encontra um amigo continua sendo a mesma: “Vamos marcar!”.

Ninguém marca.

Julie Zhuo, ex-VP de design de produto do Facebook, faz uma provocação: se os agentes de IA já compram passagem e reservam restaurante, por que quase ninguém está usando essa capacidade para cuidar da parte mais importante da vida, que são as nossas relações?

O Vale do Silício está construindo o agente errado

O ponto de partida é um post que viralizou da Sonia Baschez. A queixa dela: o Vale do Silício continua construindo para ela um “marido”, quando o que ela queria era uma “esposa”. Traduzindo a piada: os agentes de hoje são bons em tarefas pontuais, como reservar um voo ou comprar um ingresso. O que ninguém resolveu são as tarefas contínuas e invisíveis, como perceber que está na hora de comprar um presente, decidir o que vai ter no jantar da semana e acompanhar quem você não vê faz tempo.

Segundo Zhuo, o próximo salto dos agentes pessoais não está em executar melhor o que você pede, e sim em perceber o que você esqueceu de pedir.

Todo grupo de amigos tem aquela pessoa que organiza o churrasco. Ela não cozinha melhor que ninguém. Ela só é quem lembra que faz três meses que o grupo não se vê, joga uma data no WhatsApp, cobra quem não respondeu e pergunta quem vai levar o quê. Sem ela, o grupo existe, mas não se encontra. Os agentes de hoje são ótimos convidados: chegam na hora e levam o que você mandou. O que falta é o agente que organiza o churrasco.

Juntar, aproximar, apresentar

Zhuo divide o trabalho de um agente realmente social em três tarefas, da mais simples à mais difícil:

  1. Juntar as pessoas: é a parte logística, e a primeira que os agentes já conseguem resolver. Para reunir colegas da faculdade, ela pôs agentes para descobrir quem ia ao evento, achar os e-mails que faltavam, mandar convite e lembretes e devolver uma lista de pendências. O que antes levaria de 5 a 10 horas caiu para menos de uma hora, segundo ela. O Instinct já entra em grupos de mensagem para combinar viagem, carona e divisão de ingressos, mesmo quando os amigos não usam o app. O Muse, da Meta, promete lembrar as restrições alimentares dos seus amigos, sugerir o cardápio e transformar receitas salvas em lista de mercado.

  2. Aproximar quem já se conhece: aqui o agente para de executar e começa a perceber. Você levou as crianças num passeio e tem vinte fotos novas no celular: ele sugere mandar para os avós. Você vai a uma conferência em outra cidade: ele avisa que três amigos moram perto do evento e pergunta se vale marcar um café. Zhuo cita pesquisas mostrando que uma mensagem pessoal de um amigo próximo faz mais pelo bem-estar do que ler posts ou receber curtidas.

  3. Apresentar quem ainda não se conhece: é a tarefa mais difícil. Zhuo lembra dos parques de Xangai, onde mães aposentadas negociam o casamento dos filhos elogiando o emprego e o temperamento deles. Elas são agentes no sentido original: alguém que representa os interesses de outra pessoa. A distinção que ela propõe é entre o agente pessoal, que defende só o que você quer, e o agente mediador, que conhece os dois lados e percebe que você e alguém vão se dar bem mesmo que essa pessoa não esteja na sua lista. Como um bom anfitrião que apresenta dois convidados e já entrega o assunto em comum.

A linha entre lembrar e escrever

Mas se o agente lembra, sugere a mensagem e ainda escreve por você, de quem é o carinho? A própria Zhuo põe o freio: experimentos com respostas sugeridas por IA mostraram que as pessoas avaliam pior o interlocutor quando desconfiam que a mensagem foi escrita por uma máquina. Na prática, existe uma diferença enorme entre um agente que ajuda uma intenção sincera (“faz tempo que você não fala com a sua mãe”) e um agente que normaliza a mensagem pronta de um clique. O primeiro aproxima. O segundo vira mais uma notificação.

🚂 Ninguém que ficou rico com a ferrovia construiu uma locomotiva

Gutenberg, o inventor da prensa, imprimiu cerca de 180 Bíblias na primeira tiragem e vendeu todas antes de ficarem prontas. A prensa se espalhou pela Europa e mudou o mundo. Só que, depois de inventada, qualquer um podia montar uma oficina e imprimir também. Gutenberg morreu falido.

Will Manidis e Joe Roberts, dois investidores de Nova York, partem dessa história para defender uma tese: quem inventa uma tecnologia raramente fica com o dinheiro que ela gera. O dinheiro vai para quem controla o caminho por onde essa tecnologia chega a todo mundo. E, segundo eles, com a IA vai ser igual.

O dinheiro da ferrovia não estava na locomotiva

O exemplo preferido dos autores é a ferrovia americana do século 19. A locomotiva era a grande invenção, mas logo vários fabricantes sabiam construir uma. Era um produto que dava para copiar e comprar. O que não dava para copiar era a linha de trem. Quem era dono dos trilhos entre duas cidades, ou financiava a construção deles, cobrava de todo mundo que precisava levar carga ou passageiro por ali. E, conforme a economia crescia, passava mais carga, e o dono da linha ganhava mais sem precisar inventar nada. Por isso, os grandes nomes daquela época fizeram fortuna com os trilhos e com o dinheiro que os financiou, e não com as máquinas.

A Standard Oil, de Rockefeller, não foi desmembrada pelo governo americano por achar petróleo. O que pesou foi ela controlar os oleodutos e o transporte, por onde o petróleo de todo mundo tinha que passar.

Resumindo: a invenção vira coisa comum, mas o caminho por onde ela passa continua escasso.

Por que o modelo de IA é a “locomotiva”

Agora aplique isso à IA. Treinar um modelo de ponta custa bilhões e, conforme os modelos vão ficando mais complexos, esse custo sobe cerca de 3,5 vezes por ano. Só que, poucos meses depois do lançamento, os concorrentes alcançam o mesmo nível. Às vezes copiam treinando um modelo novo em cima das respostas do anterior, outras vezes simplesmente melhoram a própria tecnologia.

O resultado é que usar IA fica cada vez mais barato. Segundo dados citados no ensaio, o preço para chegar a um mesmo nível de qualidade cai quase pela metade a cada três meses. E a China acelera isso: distribui modelos abertos, que qualquer um pode baixar, baratos e bons o bastante para a maioria das tarefas (falamos disso na edição #27).

Na prática, quando muita gente vende a mesma coisa, o preço cai até perto do custo de produzir (no caso o custo de computação). É o que os autores querem dizer ao comparar o modelo com a locomotiva: uma invenção incrível que, para quem vende, tende a dar pouca margem. Fica difícil pagar trilhões em investimento com assinaturas de 20 dólares.

A IA é o brinde

Então como se ganha dinheiro? Para os autores, a IA vai funcionar como brinde. É a lógica do supermercado que vende um produto quase a preço de custo para você entrar na loja e comprar o resto. A IA barata atrai usuários e dados, e o lucro fica com quem controla por onde essas pessoas passam.

Para mostrar isso, eles contam a história de Malena, uma personagem do texto. Ela é designer em Buenos Aires e atende clientes nos EUA. Com a IA, triplica o número de clientes. Recebe os pedidos pelo WhatsApp e é paga em stablecoin, uma moeda digital atrelada ao dólar, que protege o dinheiro dela da inflação argentina. Só que o modelo aprende com o trabalho dela e de milhões de outros designers. A versão seguinte é vendida direto aos clientes dela, mais barata, e eles param de precisar da Malena.

Repare em quem ganhou nas duas etapas. Quando Malena usou a IA, ganharam o dono do modelo e o dono do sistema de pagamento. Quando os clientes trocaram Malena pela IA, os dois ganharam de novo. Malena era passageira. Os donos do caminho cobraram a passagem nas duas viagens.

Nem todo gargalo é um pedágio

Mas nem tudo que está em falta vira lucro duradouro. Hoje falta energia para ligar data centers, e quem tem energia cobra caro. Esse lucro, porém, atrai concorrentes. As big techs começam a construir usinas próprias, e o gargalo muda de lugar: depois da energia vêm as linhas de transmissão, depois os chips. Margem alta atrai concorrente, e o concorrente derruba a margem.

O que os autores procuram é outra coisa: uma posição que todo mundo é obrigado a usar, que é difícil de copiar e que lucra mais conforme a economia cresce. Eles chamam isso de commanding heights, os “picos de comando” da economia.

Pense na taxa de conveniência do ingresso. O artista muda a cada show e a turnê acaba, mas a taxa é cobrada de todo mundo, sempre. Quanto mais shows, mais taxa. Segundo os autores, o Google Ads fez isso na internet: cobrava uma parte de quase todo o dinheiro que passava por ela.

Na era da IA, os candidatos a esse papel seriam, por exemplo, apps que bilhões de pessoas já usam todo dia, como o WhatsApp, por onde a IA chega até as pessoas.

Então, quem fica com o dinheiro da IA?

Juntando os argumentos, a conclusão dos autores é esta: a IA vai ficar cada vez melhor e mais barata, e justamente por isso é difícil ganhar muito dinheiro vendendo IA. O dinheiro grande deve ir para quem controla por onde a IA passa até chegar às pessoas e às empresas.

É o que aconteceu com a ferrovia, com a prensa e com o petróleo. A invenção se espalha e vira coisa comum. O caminho continua tendo dono, e esse dono cobra de todo mundo que passa.

Repare no que isso significa. A pergunta mais importante deixa de ser “quem tem o melhor modelo?” e passa a ser “quem está no meio do caminho?”. É o app onde a conversa acontece, o sistema por onde o pagamento passa, o dado que ninguém mais tem.

O alerta de realidade

Os próprios autores fazem duas ressalvas. A primeira é que os modelos mais avançados não vão perder valor: vão continuar valendo muito mais que os comuns e devem virar assunto de governo, nos EUA e na China. A segunda é que ninguém sabe ainda quais serão os novos pedágios. O ensaio é uma aposta, não um fato.

E os pedágios também mudam de lugar. Por décadas, Warren Buffett ganhou dinheiro com jornais, porque o jornal dominante de uma cidade cobrava de todos os anunciantes locais. Quando a publicidade foi para a internet, ele continuou comprando jornais até 2012. Gastou cerca de US$ 340 milhões e vendeu tudo em 2020 por US$ 140 milhões.

Quem herdou aquele pedágio foi o Google. Agora é o próprio Google que vê as buscas migrando para os agentes de IA. Nenhum pedágio é para sempre. A IA está abrindo caminhos novos, e quem cobra no caminho antigo pode ficar sem ninguém passando.

❝

Na edição #26, contamos que a Cloudflare está criando uma espécie de pedágio inteligente para a internet dos agentes: cada vez que um agente acessa uma página ou uma API, paga alguns centavos, em stablecoin, sem passar por nenhum checkout. Repare que a Cloudflare não tenta ter o melhor modelo. Ela tenta ficar no meio do caminho por onde todos os modelos passam. A tese dos autores pode ou não se confirmar, mas algumas empresas já estão agindo como se ela fosse verdade.

🏦 O primeiro banco feito para Agentes de IA

Anne Boden fundou em 2014 o Starling, banco digital britânico que funciona só pelo app (algo como um Nubank do Reino Unido) e hoje tem mais de 6 milhões de clientes. Ela deixou o cargo de CEO em 2023 e, no mês passado, vendeu o que restava da sua participação. Em vez de se aposentar, está colocando parte do dinheiro num banco novo, o Lockwood, feito para um cliente específico: quem deixa agentes de IA fazerem compras por ele.

Se agentes vão gastar dinheiro por você, alguém precisa poder dizer “não” a eles. A aposta do Lockwood é que esse alguém seja o banco.

Ninguém quer dar a chave do cofre pra um agente

Agentes são programas que recebem acesso às suas contas para resolver tarefas por você: marcar compromissos, fazer compras, pagar contas. Mas para pagar, o agente precisa de acesso ao banco. Segundo o The Times, os grandes bancos britânicos estão recusando esse acesso, com medo de que um agente saia do controle e faça transações não autorizadas. A própria Boden entende o medo. Ela cita o Muse, assistente de compras da Meta, e diz que não colocaria a conta principal dela nas mãos dele. Então como um agente faz compras sem ter a chave do cofre?

Como funciona na prática

A resposta do Lockwood é dar ao agente uma permissão, não a conta. Por exemplo: o cliente define que o Muse só pode comprar no supermercado e gastar até £100 por mês. Se ele tentar pagar £200 de combustível, o banco recusa. Traduzindo: o agente não recebe o dinheiro. Recebe uma regra.

É a lógica do cartão adicional que os pais dão ao filho adolescente: ele pode gastar, mas só até o limite e só onde os pais deixam. Com isso, o banco deixa de ser só o lugar onde o dinheiro fica e vira o lugar onde se decide o que cada agente pode fazer com ele.

Por que um banco novo faria isso melhor do que os bancões? Boden responde com uma imagem. Os grandes bancos são como um castelo enorme, com 400 portas, um monte de puxadinhos e muros de tamanhos diferentes. Cada porta é um sistema antigo, uma integração ou um produto acrescentado ao longo de décadas, e cada uma precisa ser vigiada. A Lockwood seria construída do zero, com tecnologia nova e uma porta só, sem frestas. Quando os invasores também forem agentes, testando cada brecha sem cansar, vigiar uma porta é muito mais fácil do que vigiar 400.

Menos banco, mais porteiro

O Lockwood vai oferecer conta corrente, mas não vai emprestar dinheiro nem ter produtos de investimento. Também não vai cobrar pelos serviços: o lucro viria dos juros sobre o dinheiro depositado. Para ganhar tempo, ela começa com uma licença de dinheiro eletrônico, parecida com a nossa instituição de pagamento. O plano é lançar o app até o fim de 2027 e virar banco no ano seguinte, com a meta de 1 milhão de clientes no primeiro ano.

⚡ Quick Hits

  • A ata agora se escreve sozinha, e vem com slide. A Anthropic lançou na última semana o Claude Meetings. Ele entra na sua reunião, faz as anotações, responde perguntas e monta docs, whiteboards e slides enquanto a reunião ainda está rolando, em vez de entregar só o resumo depois. 🎙️ (beta para planos Team e Enterprise; por enquanto só funciona no Google Meet, mas em breve no Microsoft Teams também).

  • O Google Meu Negócio do ChatGPT chegou. A OpenAI agora deixa empresas criarem o próprio perfil dentro do ChatGPT, corrigirem as informações que aparecem lá e verem quantas vezes a marca é mencionada, vista e clicada. 🏪

  • Van Gogh de bicicleta, dentro da própria tela. Ebby Amir transformou “A Noite Estrelada” num jogo em que você pedala pela vila do quadro, embaixo do céu em espiral. Ele fez tudo com o Claude Fable 5.2 e o jogo funciona de verdade. 🚴

  • Previsão do tempo com trilha de elevador dos anos 90. O The Weather Channel, canal de meteorologia dos EUA, lançou um site retrô que mostra o clima da sua cidade ao som de smooth jazz. ☀️

  • Um robô com IA que deixa o peixe mais gostoso. A Shinkei, startup americana com investimento de Peter Thiel, automatizou o ikejime, técnica japonesa centenária de abate do peixe logo depois da pesca. Funciona assim: a IA identifica a espécie, sabe onde ficam o cérebro e as guelras, e o robô faz o abate em uns 7 segundos, ali mesmo no convés. O peixe não passa pelo estresse da asfixia, que estraga o sabor e a textura da carne, e, segundo a empresa, dura até três vezes mais. 🐟

🔧 Cool AI tools

  • Marqly: você salva links e a IA etiqueta, organiza em pastas e responde perguntas sobre o que você guardou, mostrando as fontes. Importa favoritos antigos e conecta com o Claude e o ChatGPT. 🔖

Por hoje é só.

Obrigado por ler o AI Around the Horn.

Perdeu alguma edição? Recupere todos os posts anteriores aqui.