a16z: A IA reescreveu por completo a metodologia de inovação dos últimos 75 anos

Os sócios da a16z consideram que a IA está a reescrever a lógica económica subjacente à inovação: de restrições de engenharia para restrições de capital, uma equipa de 20 pessoas pode agora aplicar eficazmente mil milhões de dólares. Este julgamento afeta diretamente a avaliação da concorrência entre startups e grandes empresas, a lógica do capital de risco e até os limites das capacidades da IA. Os três admitem também que, perante o treino de modelos à escala de dezenas de mil milhões de dólares, ninguém sabe realmente o que vai surgir, «é um artefacto digital que a humanidade nunca criou».

Recentemente, no mais recente podcast da a16z, os sócios gerais Martin Casado, Erik Torenberg e o sócio do conselho Steven Sinofsky tiveram uma conversa aprofundada: o que significa o avanço da IA na matemática? A lógica subjacente à inovação está a ser reescrita? Como evoluirá a concorrência entre startups e grandes empresas?

Os três intervenientes consideram que os pressupostos básicos que sustentaram toda a indústria informática nos últimos 75 anos estão a ser reexaminados um a um pela IA. O mais crítico — a inovação é um problema de engenharia, não de capital — já não se aplica. A IA está a reescrever a lógica económica subjacente à inovação: de restrições de engenharia para restrições de capital, uma equipa de 20 pessoas pode agora aplicar eficazmente mil milhões de dólares. Este julgamento afeta diretamente a avaliação da concorrência entre startups e grandes empresas, a lógica do capital de risco e até os limites das capacidades da IA.

Do ábaco à IA: 75 anos de saltos nos níveis de abstração

Sinofsky mostra um folheto promocional da IBM de 1953.

Na capa, órbitas atómicas rodeiam uma cabeça humana, e a primeira frase é: «A humanidade levou milhões de anos a perceber a utilidade da roda.»

Nesse folheto, a IBM dedica uma página inteira a explicar o que é um «computador digital» — entrada, armazenamento, processamento, controlo, saída.

Sinofsky diz: «É assim que entendemos os computadores há 75 anos.»

Do ábaco à régua de cálculo, da máquina diferencial ao computador pessoal, da calculadora gráfica à computação em nuvem — cada salto tecnológico é, na essência, uma «subida no nível de abstração». Os problemas de nível inferior são encapsulados e a humanidade resolve novos problemas num nível superior.

Quando a calculadora gráfica TI-85 apareceu, os professores de matemática entraram em pânico coletivo: «A nossa profissão está condenada.» Sinofsky diz:

Mas não se queixaram do aparecimento do cálculo, porque o cálculo já era para eles o ponto de partida. As pessoas reagem muito mais intensamente à mudança do que à linha de base.

O pânico causado pela IA a resolver problemas matemáticos difíceis é muito semelhante ao da calculadora gráfica de então.

IA a resolver matemática: avanço ou «jogador de elite»?

Recentemente, alguém pediu ao Claude para tentar resolver a hipótese de Riemann, o que gerou ampla discussão na comunidade matemática.

Casado deita imediatamente um balde de água fria.

Somando os salários de todos os pós-doutorados que estudaram estes problemas ao longo dos anos, o montante total não é significativo. Isto significa que o mercado nunca considerou prioritário resolver estes problemas. Por isso, não tenho a certeza de que resolvê-los prove que a IA ultrapassou alguma barreira com grande valor económico.

Compara a capacidade matemática da IA a um campeão de StarCraft: «É o melhor jogador de StarCraft de sempre — impressionante, mas tenho dificuldade em ligá-lo diretamente a valor económico real.»

Sinofsky oferece outra perspetiva. Considera que os avanços na matemática podem estar a «gerar novas ferramentas de abstração».

Como a prova do teorema das quatro cores — não é uma dedução matemática elegante, mas sim o uso de computadores para esgotar todos os casos finitos, obtendo a resposta através do poder de computação.

Assim que se tem um novo nível de abstração, ninguém precisa de começar do zero; pode-se construir ferramentas diretamente nesse nível.

A maior mudança de paradigma: do gargalo de engenharia ao gargalo de capital

A ideia central desta conversa vem de uma experiência mental de Casado.

Há 20 anos, se desses mil milhões de dólares a uma startup de 10 pessoas, eles não conseguiam gastá-los. Compravam servidores e o dinheiro esgotava-se.

Há 10 anos, com mil milhões, contratavas engenheiros, escrevias código, mas o mito do homem-mês é real — mais pessoas tornam tudo mais lento.

Agora, dá mil milhões a 20 pessoas e elas conseguem utilizá-los eficazmente.

A sua conclusão é:

Transformámos esta indústria de um gargalo de engenharia num gargalo de capital. É uma diferença fundamental. Nunca tivemos este estado antes.

Sinofsky acrescenta que não é a primeira vez que há um gargalo de capital — os primeiros 30 a 40 anos da indústria informática foram precisamente uma era de limitações de capital. «Se querias fazer algo com um computador, o primeiro passo era obter um.»

Depois veio a era do gargalo de engenharia, e agora voltámos ao gargalo de capital.

Porque é que as startups ainda não foram esmagadas pelos gigantes?

Pelo senso comum, a Microsoft, a Google e a Meta, com capital, dados e canais de distribuição, deveriam dominar tudo.

Mas a realidade é que a Cursor, a Anthropic e a OpenAI estão a crescer «à velocidade de um meteoro».

Casado dá duas razões.

Primeiro, a IA resolveu o problema da distribuição.

Antes, não sabias se o orçamento de marketing estava a ter efeito. Agora, a procura de poder de computação e GPUs é infinita, podes decidir diretamente quanto investir para impulsionar o crescimento.

Segundo, as startups conseguem agora angariar dinheiro suficiente para ficarem verdadeiramente na mesma linha de partida que os gigantes.

E os gigantes? Sinofsky é direto:

A Microsoft preocupa-se mais com o que a Amazon e a Google estão a fazer, não se importa com qualquer startup. As startups não competem diretamente com os gigantes, e os gigantes não reparam nas startups.

Revela ainda um pormenor: há grandes empresas que, para dar prioridade de poder de computação aos clientes empresariais, deixam as suas equipas internas de produto em «escassez de IA», «enquanto nenhum dos seus concorrentes está em escassez».

Sinofsky usa a sua experiência pessoal na Microsoft como exemplo. Quando levou o primeiro Surface a executivos da Intel, assim que ouviram que tinha um chip ARM, a atitude tornou-se fria imediatamente.

Acharam que era um chip para impressoras. Eles só fazem a lei de Moore, tal como a Google só faz hiperescala — se a IA se deslocar para a borda, isso não é problema deles.

Sinofsky resume:

A essência da disrupção é a constante cultural das grandes empresas. O scorecard, o sistema de vendas, a estrutura de remuneração, o fardo histórico, os compromissos com clientes — nada disto se muda. É uma lei da física.

Despejam-se 20 mil milhões e ninguém sabe o que vai sair

No final da conversa, os três tocam num desconhecido mais profundo.

Casado admite que cometeu um erro antes:

Pensei que a auto-melhoria recursiva e a ascensão rápida não aconteceriam, e isso estava certo. Mas não previ que pudéssemos continuar a despejar dinheiro infinitamente e que as leis de escala continuassem a verificar-se.

Pegas em 20 mil milhões de dólares e despejas num modelo. Nós os dois olhamos para ele, testamo-lo aleatoriamente — não acho que consigamos compreender o que isso significa. Tanto poder de computação, tantos dados, não sei o que ele consegue fazer.

Sinofsky concorda e compara isto ao crescimento exponencial: «Ninguém consegue modelar exponenciais.»

Dá ainda um cenário concreto: a enumeração exaustiva de combinações de proteínas, antes um «problema infinito», pode agora tornar-se um «problema de capital».

Podemos transformar problemas antes infinitos em finitos por meio do capital. É uma coisa muito estranha.

Casado diz que é por isso que já não tenta prever o limite das capacidades da IA:

Decidi que não consigo prever onde está a fronteira das capacidades de algo criado com 20 mil milhões de dólares.