Economistas viraram a nova contratação estratégica das empresas de IA. E o cargo de Chief Economist está entrando no centro da guerra pela narrativa
Depois de disputar engenheiros e pesquisadores a peso de ouro, empresas como OpenAI e Anthropic estão colocando economistas-chefes perto do centro da operação. Não apenas para descobrir o impacto da IA na economia, mas para participar da disputa sobre quem terá autoridade para explicar esse impacto ao mundo.
Introdução
Durante boa parte da corrida da inteligência artificial, havia uma profissão que concentrava praticamente toda a atenção do mercado: engenharia. Laboratórios disputavam pesquisadores, especialistas em machine learning e desenvolvedores capazes de treinar modelos cada vez maiores. Os salários chegaram a níveis absurdos, talentos passaram a ser tratados como ativos estratégicos e a sensação era de que a empresa que reunisse os melhores cérebros técnicos teria uma vantagem quase impossível de alcançar.
Só que a IA deixou de ser apenas um problema de engenharia. Ela entrou nas empresas, começou a interferir na produtividade, alterou rotinas profissionais, criou novos mercados e colocou uma pergunta muito mais complicada na mesa: afinal, o que essa tecnologia está fazendo com a economia?
É nesse ponto que aparece uma profissão que até pouco tempo atrás parecia periférica nessa corrida: o economista.
OpenAI possui uma equipe dedicada à pesquisa econômica e desenvolveu programas de colaboração com pesquisadores externos. Anthropic também estruturou uma agenda econômica própria. Google DeepMind vem produzindo pesquisas sobre a utilização da IA em atividades profissionais e científicas. Ao redor desse ecossistema, empresas que possuem dados privilegiados sobre adoção tecnológica também estão contratando economistas para transformar informações internas em análises públicas.
E existe um cargo que merece entrar no radar: Chief Economist, ou economista-chefe.
Peter McCrory ocupa essa função na Anthropic. Ronnie Chatterji ocupa o posto na OpenAI. Ara Kharazian é economista-chefe da Ramp, plataforma financeira que consegue observar uma quantidade enorme de gastos corporativos e, a partir deles, identificar como empresas estão comprando e adotando ferramentas de inteligência artificial.
Quando perguntaram a Kharazian como ele classificaria atualmente a demanda por economistas no universo das empresas de IA, numa escala de zero a dez, sua resposta foi dez.
Isso revela algo maior do que uma simples tendência de contratação.
As empresas de IA perceberam que dominar a tecnologia é apenas metade da guerra. A outra metade será convencer governos, investidores, empresas e trabalhadores sobre o que essa tecnologia está fazendo com produtividade, emprego, salários e crescimento econômico.
Quem conseguir produzir os melhores dados sobre essa transformação terá influência sobre o debate. E quem conseguir interpretar esses dados poderá ter algo ainda mais valioso: autoridade para ajudar a definir a narrativa.
Pontos a Favor
Existe uma razão bastante legítima para economistas estarem migrando para empresas de tecnologia. Os laboratórios de IA possuem dados que seriam praticamente impossíveis de reproduzir dentro de uma universidade, instituto de pesquisa ou órgão público.
Um pesquisador tradicional pode entrevistar trabalhadores, acompanhar indicadores de emprego e analisar estatísticas oficiais. Uma empresa que opera um grande modelo de inteligência artificial consegue observar, de maneira agregada, milhões de interações que mostram como pessoas estão incorporando IA ao trabalho.
Isso cria possibilidades extraordinárias para pesquisa econômica.
• É possível observar a adoção da IA quase em tempo real. Em vez de esperar meses por levantamentos tradicionais, pesquisadores conseguem acompanhar mudanças de comportamento conforme novas ferramentas entram no mercado.
• Os dados podem revelar como a tecnologia realmente está sendo utilizada. Existe uma diferença enorme entre perguntar a alguém se utiliza inteligência artificial e analisar quais tarefas estão efetivamente sendo realizadas com essas ferramentas.
• Novos indicadores econômicos podem surgir desse ecossistema. A Ramp, por exemplo, utiliza dados de gastos corporativos para acompanhar quais ferramentas e modelos de IA estão sendo comprados pelas empresas.
• Pesquisadores conseguem observar diferenças entre setores, profissões e países. Isso permite entender se a IA está sendo usada principalmente para automação, complementação do trabalho ou criação de atividades completamente novas.
Uma pesquisa envolvendo dados da Ramp e informações da Revelio Labs encontrou um resultado especialmente interessante: empresas que utilizavam IA intensamente registraram aumento de aproximadamente 10% no número de funcionários nos dois anos posteriores à adoção.
Seria fácil transformar isso numa manchete conveniente dizendo que inteligência artificial cria empregos. O próprio estudo exige mais cuidado. Empresas que adotam novas tecnologias cedo normalmente já são organizações mais agressivas, inovadoras e inclinadas ao crescimento. Portanto, parte da expansão poderia acontecer independentemente da IA.
Os pesquisadores tentaram controlar esse problema comparando empresas que adotaram IA com outras que também acabariam adotando posteriormente, mas ainda não tinham feito isso naquele momento. Mesmo depois desse ajuste, apareceu uma aceleração entre as empresas que utilizavam IA intensamente.
O resultado não encerra a discussão sobre empregos. Faz algo mais interessante: mostra como essa discussão provavelmente será muito menos binária do que o debate público sugere.
A IA talvez não seja simplesmente uma máquina de eliminar empregos nem uma fábrica automática de produtividade. O efeito pode variar brutalmente conforme a intensidade da adoção, o setor, a qualidade da gestão e a maneira como cada empresa reorganiza o trabalho.
É justamente aí que economistas passam a valer dinheiro dentro de empresas de IA.
Pontos Contra
Existe, porém, um problema que torna essa história muito mais interessante.
As empresas que possuem alguns dos melhores dados para investigar os impactos econômicos da inteligência artificial são justamente as empresas que possuem interesse comercial no crescimento da inteligência artificial.
Isso não significa que os economistas contratados por elas estejam manipulando pesquisas. Seria uma conclusão simplista e, provavelmente, errada. O conflito é mais sofisticado porque pode acontecer muito antes de qualquer análise estatística.
Ele começa na escolha das perguntas.
Quais pesquisas recebem recursos? Quais pesquisadores conseguem acesso aos dados? Qual nível de granularidade pode ser divulgado? Quais resultados se transformam em relatórios públicos? Quais assuntos são considerados estratégicos demais, sensíveis demais ou simplesmente pouco interessantes para a empresa?
Não é necessário alterar um número para influenciar uma narrativa. Muitas vezes basta decidir quais números serão produzidos.
Essa diferença importa.
Uma empresa pode publicar pesquisas metodologicamente impecáveis sobre produtividade e, ao mesmo tempo, produzir muito menos conhecimento sobre intensificação do trabalho, ansiedade profissional, aumento da cobrança sobre funcionários ou quantidade de tempo gasta corrigindo erros produzidos por sistemas de IA.
O problema não está necessariamente no estudo publicado. Pode estar no estudo que ninguém teve acesso suficiente para fazer.
John Burn-Murdoch, analista de dados do Financial Times, usou uma comparação particularmente boa para explicar esse risco: quando alguém possui uma caixa de ferramentas cheia de martelos sofisticados, existe uma tendência de começar a enxergar pregos em todos os lugares.
Os laboratórios possuem dados extraordinários sobre utilização de inteligência artificial. Consequentemente, boa parte das pesquisas começa pela utilização da inteligência artificial.
Só que uso não é impacto.
Imagine que um profissional consiga produzir um relatório em uma hora que antes exigia três. Parece um enorme ganho de produtividade. Agora imagine que, justamente porque o relatório ficou mais rápido, a empresa passe a exigir quatro relatórios no mesmo período. O sistema economizou tempo ou simplesmente aumentou a intensidade do trabalho?
Os dados de utilização de um chatbot dificilmente contam essa história inteira.
É aí que surge o primeiro grande glitch dessa nova economia de dados: podemos ter uma quantidade inédita de informação sobre aquilo que acontece dentro das ferramentas e, simultaneamente, continuar parcialmente cegos sobre aquilo que acontece com as pessoas ao redor delas.
Como Pode Evoluir
O economista-chefe de uma empresa de IA tende a se tornar uma figura muito mais importante do que o título inicialmente sugere. Não será apenas alguém produzindo projeções macroeconômicas para apresentações internas. Esse profissional pode ocupar uma posição híbrida entre pesquisa, estratégia, políticas públicas, comunicação e reputação.
Na prática, o Chief Economist pode se transformar numa espécie de intérprete oficial da transformação provocada pela própria empresa.
Isso abre vários caminhos.
• Laboratórios podem criar índices próprios de automação, produtividade, exposição profissional e adoção de IA.
• Governos podem começar a utilizar dados dessas empresas para complementar estatísticas oficiais que demoram muito mais para capturar mudanças tecnológicas.
• Economistas de tecnologia podem ganhar uma presença pública comparável à que pesquisadores de inteligência artificial conquistaram nos últimos anos.
• Empresas podem financiar programas acadêmicos, oferecer acesso a dados e construir redes de pesquisadores externos ao redor de suas plataformas.
• Diferentes laboratórios podem produzir leituras diferentes da economia, criando uma verdadeira disputa de indicadores.
Imagine a situação daqui a alguns anos. OpenAI publica um índice mostrando aumento de produtividade. Anthropic apresenta dados sugerindo transformação acelerada de determinadas profissões. Google mostra outro padrão a partir de seus próprios usuários. Plataformas financeiras cruzam gastos empresariais com contratação. Universidades tentam auditar os resultados.
De repente, não existe apenas uma corrida pelos melhores modelos.
Existe uma corrida pela melhor explicação daquilo que os modelos estão fazendo.
É o futuro pirata da estatística econômica: empresas privadas operando infraestruturas tecnológicas gigantescas e, ao mesmo tempo, produzindo parte dos dados necessários para que a sociedade compreenda as consequências dessas infraestruturas.
Como Ganhar Dinheiro com Isso Agora
Cultura
Toda grande transformação tecnológica cria um mercado paralelo de interpretação. Quanto mais confusa a mudança, mais valioso se torna quem consegue explicar o que realmente está acontecendo sem repetir o PowerPoint das consultorias.
A oportunidade está em criar produtos de informação sobre o impacto econômico da IA: newsletters especializadas, relatórios setoriais, índices independentes, comunidades profissionais e análises voltadas para setores específicos.
Não falta conteúdo sobre inteligência artificial. Falta inteligência sobre o conteúdo.
Quem conseguir identificar mudanças antes de elas virarem consenso pode construir audiência, reputação e produtos pagos ao redor disso.
Marketing
Existe outro dado curioso no material: empresas de IA e software representavam 28% dos gastos observados com marketing de influência.
Isso desmonta a ideia de que marketing de influência é território exclusivo de moda, beleza ou consumo.
A IA empresarial está chegando ao mercado por um caminho estranho. Muitas pessoas descobrem uma ferramenta como consumidoras, experimentam individualmente e depois começam a utilizá-la profissionalmente. Em alguns casos, o comportamento B2C está contaminando completamente o tradicional funil B2B.
Isso cria espaço para creators especializados, estudos proprietários, benchmarks, pesquisas de mercado e conteúdo baseado em dados.
Uma empresa que possui dados interessantes pode transformar esses dados em mídia. A mídia gera autoridade. A autoridade facilita distribuição. E distribuição continua sendo uma das coisas mais caras de comprar no mercado de tecnologia.
Creators
Creators que desejam entrar nesse território deveriam observar menos os influencers que ensinam “dez prompts secretos” e mais os economistas que estão começando a interpretar mudanças estruturais.
Existe espaço para uma nova categoria de creator que mistura tecnologia, economia e comportamento.
Esse profissional pode acompanhar quais profissões estão mudando, quais ferramentas realmente estão sendo adotadas, onde empresas estão investindo e quais promessas de produtividade estão começando a aparecer nos números.
Em vez de disputar atenção apenas com tutorial, pode disputar autoridade.
Num mercado inundado por informação produzida por IA, interpretação humana bem posicionada tende a se tornar mais valiosa, não menos.
Pequenas Empresas
Pequenas empresas provavelmente não precisam contratar um Chief Economist. Mas podem copiar uma parte importante da estratégia.
Quase toda empresa digital acumula dados que podem revelar alguma coisa sobre seu mercado. Uma plataforma de RH observa mudanças nas habilidades procuradas. Uma empresa de e-commerce acompanha comportamento de compra. Uma agência possui dados sobre custo de mídia. Um software para restaurantes consegue enxergar mudanças em consumo e operação.
Essas informações normalmente ficam enterradas em dashboards internos.
Transformá-las em índices, relatórios ou análises periódicas pode criar uma máquina de autoridade muito mais eficiente do que publicar mais um artigo genérico otimizado para busca.
A próxima vantagem competitiva de uma pequena empresa pode estar escondida no banco de dados que ela já possui.
Grandes Empresas
Para grandes empresas, a oportunidade é ainda maior porque volume de dados pode virar infraestrutura de influência.
Criar unidades de pesquisa, contratar economistas, publicar indicadores recorrentes e trabalhar com universidades não serve apenas para gerar conhecimento. Isso posiciona a organização dentro da conversa pública sobre seu próprio mercado.
Existe uma diferença enorme entre ser citado como empresa e ser citado como fonte.
A segunda posição é muito mais poderosa.
Quando jornalistas acompanham seu índice, investidores esperam seu relatório e formuladores de políticas discutem seus números, sua empresa deixa de apenas competir dentro de determinado mercado e começa a participar da maneira como aquele mercado é compreendido.
Esse é um moat difícil de colocar numa planilha.
Qual o Impacto
A chegada dos economistas ao centro da indústria de IA representa uma mudança maior na produção de conhecimento econômico.
Durante décadas, governos, universidades, bancos e institutos de pesquisa concentraram boa parte da capacidade de medir transformações econômicas. Plataformas digitais começaram a mudar essa relação porque passaram a possuir enormes bancos de dados sobre comportamento humano.
A inteligência artificial leva isso para outro patamar.
Os laboratórios não observam apenas compras, buscas ou cliques. Eles podem observar categorias de tarefas intelectuais realizadas com seus sistemas: programação, escrita, pesquisa, análise, planejamento, tradução e inúmeras outras atividades relacionadas ao trabalho.
Isso transforma os dados dessas empresas em algo extremamente valioso para economistas.
Também transforma essas empresas em guardiãs de uma infraestrutura de conhecimento que a sociedade ainda não sabe exatamente como auditar.
Um exemplo aparece na distribuição internacional da tecnologia. Pesquisas da Anthropic identificaram taxas maiores de adoção de Claude em economias de alta renda. Existem razões previsíveis para isso: infraestrutura digital melhor, maior acesso à internet e uma composição profissional mais compatível com as atividades em que modelos de IA são úteis.
Mas a consequência pode ser bem menos confortável.
Se os países mais ricos adotarem IA mais rapidamente e capturarem primeiro os ganhos de produtividade, uma tecnologia vendida como democratizadora pode ampliar diferenças econômicas que já existem.
A mesma ambiguidade aparece no trabalho científico. Pesquisas sobre cientistas indicam que IA pode acelerar etapas da pesquisa, mas essa aceleração cria novos gargalos. Mais hipóteses podem ser produzidas do que pesquisadores conseguem testar. Mais resultados exigem verificação. A velocidade de uma tarefa aumenta sem que todo o sistema avance na mesma proporção.
Esse padrão pode se repetir em inúmeras profissões.
Talvez a grande transformação da IA não seja simplesmente substituir trabalho humano. Pode ser aumentar violentamente a quantidade de trabalho intelectual que uma organização consegue produzir e, como consequência, criar novos gargalos de revisão, decisão e responsabilidade.
Por que Isso é Importante
A contratação de economistas pelas empresas de inteligência artificial importa porque estamos entrando na fase em que a discussão deixa de ser apenas tecnológica e passa a ser política, econômica e cultural.
Quando uma tecnologia começa a interferir em empregos, salários e produtividade, os números utilizados para descrevê-la passam a influenciar decisões de governos, investidores e empresas.
Por isso não basta perguntar se determinada pesquisa está correta. Precisamos entender quem possui os dados, quem consegue acessá-los, quais perguntas estão sendo feitas e quais perguntas continuam invisíveis.
Pesquisa corporativa não deve ser descartada simplesmente porque nasceu dentro de uma empresa. Isso seria preguiça intelectual. Alguns dos dados mais importantes sobre a economia da IA provavelmente virão exatamente desses laboratórios.
Mas aceitar esses estudos sem observar os incentivos envolvidos seria igualmente ingênuo.
Transparência metodológica ajuda. Colaboração acadêmica ajuda. Disponibilização de dados ajuda. Nenhuma dessas coisas elimina completamente o fato de que existe uma organização comercial no centro do processo.
E essa organização não está apenas estudando o futuro.
Ela está tentando construí-lo.
Conclusão
A nova obsessão das empresas de inteligência artificial por economistas mostra que a corrida tecnológica entrou numa fase muito mais sofisticada. Depois de gastar fortunas para contratar quem constrói os modelos, os laboratórios agora precisam de gente capaz de explicar o que acontece quando esses modelos começam a reorganizar empresas, profissões e economias inteiras.
É por isso que o cargo de Chief Economist merece atenção.
O economista-chefe pode se tornar uma das figuras mais estratégicas da próxima fase da IA, justamente porque ocupa a fronteira entre aquilo que a tecnologia promete e aquilo que os dados conseguem provar.
O risco aparece quando confundimos essa produção de conhecimento com uma fotografia completamente neutra da realidade. Empresas escolhem quais dados abrir, pesquisadores escolhem quais perguntas investigar e organizações possuem incentivos econômicos que não desaparecem simplesmente porque um relatório tem metodologia sofisticada.
A verdadeira guerra talvez não seja sobre provar se IA é boa ou ruim para o emprego. Será sobre definir quais indicadores merecem confiança para responder essa pergunta.
Durante a primeira fase da revolução da inteligência artificial, poder significava possuir modelos, chips e engenheiros. Na próxima, poder também poderá significar possuir os dados capazes de explicar o que esses modelos fizeram com o mundo.
Se as empresas de IA começarem a contratar os economistas, possuir os dados e produzir os indicadores usados para medir sua própria revolução, quem vai auditar a história que elas contarão sobre o futuro?
Sem Tech Gossip™, você consome a narrativa depois que ela já foi higienizada, transformada em relatório e servida em PowerPoint. Aqui o radar está apontado para uma disputa muito mais interessante: não apenas quem vai construir a próxima tecnologia, mas quem terá poder para explicar ao mundo o que ela causou.
#economistas #chiefeconomist #inteligenciaartificial #IA #tecnologia #economia #futurodotrabalho #bigtech #OpenAI #Anthropic #GoogleDeepMind #startups #inovacao #dados #produtividade #futuro