Quais vantagens competitivas ainda são defensáveis na era da IA?

Título original: Como raciocinar sobre um futuro confuso
Autor original: Systematic Long Short
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 equipe de quase 20 pessoas em um fundo de hedge, mas optou por deixar a empresa para se dedicar ao empreendedorismo durante o avanço de sua carreira. Em sua opinião, o verdadeiro sinal não é o sentimento do mercado, mas o salto na capacidade técnica. Quando os modelos puderem gerar consistentemente código utilizável e possuir capacidade de melhoria recursiva, a lógica do desenvolvimento de software e da produção de conhecimento já terá começado a mudar.

O artigo, sob a perspectiva da finança quantitativa, 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. Ele também apresenta um julgamento central: em uma era altamente incerta, mais importante do que prever o futuro com precisão 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 se torna irreversível

A primeira vez que percebi que a indústria estava se aproximando de um ponto de virada foi no meu trabalho anterior. Parecia ouvir a trilha sonora diminuir enquanto todos ao meu redor ainda fingiam que nada mudaria.

Naquela época, eu estava gerenciando uma equipe de quase 20 pessoas em um fundo de hedge, fazendo o que eu vinha fazendo há muitos anos. De fora, isso era quase um caminho 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 a qual 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 isso fez com que a decisão que parecia "louca" na época parecesse menos absurda.

Durante esse tempo, muitas pessoas me perguntaram: aonde tudo isso vai levar? Este artigo é a resposta que posso fornecer atualmente.

Francamente, não tenho certeza de quão significativa a mudança será no final. 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 ChatGPT o1.

Antes disso, eu sempre me referia a esses sistemas como “LLMs”, e não como “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 por meio de prompts estruturados.

O código ainda era imperfeito e podia sofrer de alucinações ou mal-entendidos. Mas o importante era que agora eles podiam escrever código útil.

Meu julgamento foi simples. Uma vez que a IA pudesse gerar um código utilizável, ela começaria a melhorar recursivamente sua lógica e impulsionaria o desenvolvimento de software em uma velocidade que mal podemos imaginar.

Toda vez que eu faço esse ponto, alguém sempre argumenta: "Este código ainda tem bugs e está longe de atender aos padrões de produção." Mas isso ignora um fato: o código escrito por humanos também tem bugs. Não precisamos que a IA escreva um código perfeito para pararmos de escrever código nós mesmos.

O verdadeiro ponto de virada é quando a taxa de erro do código escrito por IA é menor do que a dos humanos, sendo muito mais rápido. Nesse momento, o ato de escrever código será completamente terceirizado para máquinas.

Depois de testemunhar as capacidades do o1 em primeira mão, posso ter quase certeza: haverá mudanças muito drásticas no futuro.

A Trinchera Que Ainda Existe na Era da IA

Inicialmente, pensei que a IA erodiria gradualmente a indústria de finanças quantitativas, mas esse processo seria relativamente lento. O motivo é simples: o código de nível institucional quase não tem dados disponíveis publicamente para treinamento.

Na época, eu imaginava 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.

Minha avaliação inicial foi que, em dois anos, os programadores básicos seriam os primeiros a serem eliminados; seguidos pelos engenheiros seniores; mais adiante, à medida que os modelos absorviam gradualmente o conhecimento especializado, as posições de nível superior também seriam impactadas.

Mas logo percebi outra coisa: as empresas de ponta com modelos acabaria contratando diretamente especialistas da indústria para inserir conhecimento especializado nos modelos. Em outras palavras, o conhecimento especializado seria, de fato, um fosso de curto prazo, mas, a longo prazo, também seria gradualmente absorvido pelos modelos.

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

Categoria Um: Dados Proprietários

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

Por exemplo, grandes fundos de hedge de múltiplas 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 reais de negociação.

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 indústria que exija uma aprovação humana significativa não é facilmente interrompida. Por exemplo, os mercados financeiros tradicionais.

Para entrar nesses mercados, você precisa: abrir uma conta de corretagem, obter licenças, assinar documentos legais transfronteiriços. Negociar ativos criptográficos 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, 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 não é mais 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 igualar ou até superar 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 comprando 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 que o do 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 impactadas pela IA no curto prazo. No entanto, uma vez que as capacidades de hardware se equiparem, a mesma lógica ainda se aplicará: as posições de nível inferior desaparecerão primeiro, seguidas pelas posições de nível superior.

Esses obstáculos existem. Mas é preciso reconhecer que eles apenas retardam a mudança, em vez de impedi-la.

Atuar 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.

O primeiro é esperar por certeza antes de agir. A segunda é simplesmente aplicar analogias históricas, como: "Isso é como a bolha das empresas de 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.

Você não precisa saber todos os detalhes do futuro. Você só precisa avaliar grosseiramente a direção, projetar apostas assimétricas, o que significa que, se você julgar errado, a perda será gerenciável; se você julgar corretamente, o ganho será enorme.

Num futuro incerto, a assimetria é tudo.

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

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

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

Você pode até continuar a extrapolar.

Podemos não ter visto verdadeiramente os seguintes cenários ainda: IA que pode se treinar sozinha, IA que pode se replicar, IA que opera inteiramente de forma autônoma.

Se uma IA puder aprimorar suas próprias capacidades em 0,1% por meio 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 lotada.

Em investimentos, você troca incerteza por crença em estágio inicial. Tanto na carreira quanto no empreendedorismo, é fundamentalmente o mesmo.

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

Há também um fato frequentemente negligenciado de que a ação em si cria informações.

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 melhores ações. Esse 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 quiser continuar a desfrutar dos dividendos do sistema existente, talvez eu consiga manter por mais alguns anos. Mas eu sempre quis fazer algo verdadeiramente meu, e sinto que essa janela está se fechando rapidamente.

Claro, os maiores fundos de hedge do mundo ainda vão bem, pois eles têm dados proprietários que são difíceis de replicar. Os mercados financeiros tradicionais também ainda são limitados por regulamentações 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 uma janela de aproximadamente 4 a 5 anos. Uma vez que as empresas fundamentais de IA absorvam talento suficiente da indústria, será um desafio para novas startups entrarem nesse espaço. Em alguns mercados, como o mercado de ações dos EUA, essa 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. Eu poderia continuar trabalhando para instituições de primeira linha, mas prefiro me aventurar em um campo onde ainda tenho uma vantagem.

Então, renunciei e me dediquei totalmente ao empreendedorismo. Mais tarde, essa empresa se tornou a OpenForage.

Agora, a janela está se fechando rapidamente. O ritmo da mudança não é mais gradual. O que costumava levar meses para progredir agora leva apenas semanas.

Não acredito que os empregos desaparecerão completamente 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 de 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. Essa "validação humana" se espalhará pela estrutura organizacional. Os gerentes humanos supervisionarão um grupo de agentes de IA.

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

Se você quiser se tornar insubstituível, precisa alcançar duas coisas. Primeiro, sobreviver à IA em uma escala de tempo. Por exemplo, planejamento estratégico de longo prazo, tomada de decisão complexa, gestão de ciclo plurianual. Em segundo lugar, superar a IA em um escopo sistêmico. O contexto da IA ainda é limitado; eles conhecem muitos fatos, mas lutam para entender os efeitos em cascata de sistemas complexos.

Se você conseguir pensar a longo prazo, absorver informações rapidamente, tomar decisões estratégicas e colaborar de forma eficaz, então, no futuro previsível, você ainda terá um emprego.

O ponto de virada é realmente 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 ao preço pelo mercado.

Não ignore o terreno instável, não permaneça em uma posição que está perdendo vantagem, dizendo a si mesmo para esperar por um momento melhor para agir. A verdadeira oportunidade raramente avisa com antecedência. Quando todos percebem, a janela já está fechada.

Eu vi o sinal, fiz a aposta. Agora, estou vivendo o resultado dessa aposta — para melhor ou para pior.

[Link do artigo original]