Isto Não É a Bolha Dot-Com. Também Não É Almoço Grátis.

A cada poucos anos, alguém pergunta se a onda tecnológica do momento é uma bolha. A resposta quase sempre é a mesma, e quase sempre está errada da mesma forma: sim e não, com a ênfase no lugar errado.

Em uma conversa recente no The Pragmatic Engineer, Martin Fowler e Kent Beck — duas pessoas que atravessaram mais ciclos de tecnologia do que a maioria — colocaram a adoção de IA em contexto histórico. Beck lembrou de segurar o Intel 4004 e pensar “esse chip é um computador?”. Fowler traçou os padrões de resistência desde a programação orientada a objetos, passando pela internet, pelo Agile, até o presente. A conclusão dos dois não é a que os vendedores de hype nem os céticos querem ouvir.

É a conclusão madura. E ela exige sustentar duas verdades ao mesmo tempo.

Verdade Um: A Tecnologia É Real

A comparação com a dot-com é invocada por reflexo sempre que o investimento em infraestrutura ultrapassa a receita visível. O capex dos hyperscalers passou de US$ 300 bilhões em 2025. O Goldman Sachs já alertava em 2024 que aproximadamente US$ 1 trilhão seria gasto em infraestrutura de IA “com pouco para mostrar até agora”. A iniciativa NANDA do MIT reportou que 95% dos pilotos corporativos de IA generativa falham em mover o P&L. Esses números são reais. Parecem sim algo próximo de uma bolha.

Mas é aí que a analogia quebra.

A Pets.com abriu capital em fevereiro de 2000 e entrou em liquidação em novembro do mesmo ano. Seu modelo de receita era uma esperança. A maior parte das perdas emblemáticas da era dot-com veio de empresas sem motor econômico por baixo. A camada de infraestrutura — a fibra, os servidores, as redes de publicidade nascentes — sobreviveu e alimentou os quinze anos seguintes de crescimento. A bolha financeira foi real. A tecnologia também era real. As duas coisas eram verdadeiras ao mesmo tempo.

A IA em 2026 não é a Pets.com. OpenAI e Anthropic estão registrando bilhões em receita. Desenvolvedores de fronteira são seis vezes mais produtivos que os retardatários dentro das mesmas empresas. A Ramp, uma fintech de US$ 32 bilhões, empurrou a adoção interna de IA acima dos 99% — e o trabalho que fizemos sobre esse caso mostrou que o ganho é real quando a organização se reorganiza em torno das ferramentas. A adoção de ferramentas de IA para código nas Fortune 500 já está adiante do ponto onde a computação em nuvem estava em um momento comparável da curva.

A tecnologia está entregando valor hoje, para as empresas que sabem recebê-lo. Essa é a parte que a narrativa de bolha ignora.

Verdade Dois: A Indústria ao Redor Está Repetindo Velhos Erros

É aqui que Fowler e Beck ganham crédito. Fowler chama isso de “complexo industrial ágil” — a camada de consultores, certificações, frameworks e circuitos de conferências que cresceu em torno do Agile e, eventualmente, enterrou sua intenção original sob uma encenação de processo. Ele vê o mesmo padrão se formando em volta da IA.

Ele está certo. O óleo de cobra já está grosso.

Fornecedores estão vendendo roadmaps de “transformação com IA” que são PowerPoint embrulhado em GPT. Consultorias cobram por workshops de engenharia de prompt como cobravam por implantações de SAFe. Conselhos estão sendo avisados de que suas organizações estão “atrasadas em IA” por pessoas cujo modelo de negócio depende dessa afirmação ser verdadeira. A camada do meio — aquela entre a tecnologia e seu uso produtivo — está sendo industrializada em uma máquina de extrair taxas do medo.

Isso não é novo. A observação de Beck é a mais afiada: “as pessoas não querem mais rápido, mais barato, melhor” quando os incentivos organizacionais apontam para outro lugar. O Agile morreu na maioria das organizações não porque as ideias estivessem erradas, mas porque os incentivos em torno de headcount, promoção e compras apontavam para o resultado oposto. A IA vai morrer da mesma forma, nas mesmas organizações, pelas mesmas razões — a menos que a liderança seja honesta sobre o que está de fato medindo.

O sinal denunciador já está visível: empresas acompanhando volume de pull requests, linhas de código e “percentual de uso de IA” como se fossem resultados. Não são resultados. São atividade. Um time entregando mais pull requests de código pior não é mais produtivo. Apenas faz mais barulho.

O Que os Ciclos Anteriores Realmente Ensinam

Cada ciclo que Fowler e Beck atravessaram — microprocessadores, programação orientada a objetos, internet, nuvem, mobile, Agile — seguiu aproximadamente o mesmo arco. Uma capacidade real emerge. As pessoas mais próximas do trabalho a reconhecem imediatamente. Um complexo industrial se forma em volta dela e começa a vender certeza para quem se sente atrasado. Um desgaste eventualmente limpa os consultores que não adicionavam valor. O substrato sobrevive. Os praticantes que focaram no substrato sobrevivem com ele.

Três disciplinas separaram os sobreviventes das vítimas em cada um desses ciclos:

Eles mediam resultados, não atividade. Na era Agile, os times que prosperaram acompanhavam frequência de deploy, taxa de falha em mudanças e tempo de recuperação. Os times que morreram acompanhavam story points e velocity. Na era da IA, os equivalentes são tempo de ciclo em trabalho real, taxa de defeitos e resultados para o cliente. Contagem de PR é o novo story point. Resista.

Eles investiram na camada chata enquanto outros corriam atrás de demos. Na era dot-com, as empresas que sobreviveram foram as que mantiveram a arquitetura de banco de dados sã enquanto as concorrentes gastavam em comerciais de Super Bowl. Na era da IA, a camada chata é teste, observabilidade, harnesses de avaliação e governança. Kent Beck não está errado ao dizer que TDD é mais relevante agora do que nunca — os testes são a camada de contrato entre humanos e agentes que não lembram do que escreveram ontem.

Eles compraram a tecnologia, não o discurso do fornecedor. As empresas que acertaram a nuvem em 2010 foram as que aprenderam os primitivos da AWS, não as que compraram “nuvem privada” do fornecedor de datacenter que já tinham. As empresas que vão acertar a IA são as que estão aprendendo como modelos de fundação, avaliação e orquestração de agentes realmente funcionam — não as que compram “transformação com IA” da mesma consultoria que lhes vendeu transformação digital, transformação em nuvem e transformação ágil nos três ciclos anteriores.

O Que É Genuinamente Diferente Desta Vez

Análise madura exige reconhecer o que os ciclos anteriores não tinham.

A velocidade de adoção é real. O ChatGPT chegou a 100 milhões de usuários em dois meses. Nenhuma tecnologia de propósito geral anterior chegou perto. Isso não é marketing; é um fato mensurável. A velocidade comprime a janela em que as organizações podem se dar ao luxo de errar.

A camada de commodity em código aberto é sem precedentes. Llama, DeepSeek, Qwen e seus sucessores empurraram os custos de inferência para baixo mais rápido do que qualquer curva de infraestrutura anterior. O lock-in de fornecedor que definiu os anos intermediários da nuvem é estruturalmente mais fraco aqui. Isso é subestimado.

A camada regulatória chegou cedo. O AI Act europeu está plenamente em vigor em 2026. Nenhum ciclo anterior teve obrigações de compliance tão cedo na sua curva de maturidade. Governança não é um acessório tardio desta vez; é obrigatória desde o dia zero. As empresas que tratarem isso como obstáculo vão perder para aquelas que tratarem como restrição de design.

E, finalmente, a dimensão geopolítica é nova. IA é o primeiro grande ciclo tecnológico que é simultaneamente uma corrida comercial e uma disputa entre Estados, com controles de exportação, computação soberana e estratégias nacionais embutidas desde o início. Isso muda a aritmética da dependência de formas com que a era da internet nunca precisou lidar.

A Posição Madura

Não é “a IA vai mudar tudo”. Não é “a IA é uma bolha”. É sustentar as duas afirmações juntas, sem a satisfação emocional de escolher um lado.

A tecnologia é real. As taxas extraídas em torno da tecnologia, muitas vezes, não são. O valor fica com as organizações que investem no substrato — teste, governança, medição, redesenho de fluxo de trabalho — enquanto as concorrentes investem na encenação. Líderes que transformarem adoção de IA em uma decisão de compras vão perder para líderes que a transformarem em uma decisão operacional.

Fowler tem uma heurística discreta que merece lugar em toda conversa de conselho sobre IA: observe quando você está produzindo valor negativo e pare. A mesma disciplina vale no nível organizacional. Se o programa de IA está gerando atividade sem resultado, está produzindo valor negativo, e o movimento certo é pausar, medir e redesenhar — não comprar mais ferramentas.

Os ciclos sempre rimam. Os vencedores são sempre os que lembraram do verso anterior.

Fontes

Orosz, Gergely. “Cycles of Disruption in the Tech Industry.” The Pragmatic Engineer, com Martin Fowler e Kent Beck, Abril 2026.
Goldman Sachs. “Gen AI: Too Much Spend, Too Little Benefit?.” Junho 2024.
MIT NANDA. “The State of AI in Business 2025.” 2025.
Beck, Kent et al. “Manifesto para Desenvolvimento Ágil de Software.” Fevereiro 2001.

Victorino Group ajuda líderes a separar sinal de ruído em IA e a construir a camada chata que faz a adoção compor ao longo do tempo: contato@victorino.com.br | www.victorino.com.br