A academia americana começa a tratar a inteligência artificial como objeto de análise econômica estrutural — não apenas como ferramenta de produtividade ou risco regulatório. O curso MS&E435 de Stanford, Economics of the AI Supercycle, ministrado por Apoorv Agrawal no departamento de Management Science & Engineering na primavera de 2026, é um sinal disso. O título já é uma tomada de posição: "superciclo" é linguagem de commodities e macroeconomia, não de ciência da computação. A escolha implica que a IA segue uma lógica de expansão e contração de capital semelhante à do petróleo nos anos 1970 ou dos semicondutores nos anos 1990 — com vencedores estruturais, não apenas vencedores tecnológicos.
A IA como fenômeno de economia política
O enquadramento de "superciclo" carrega peso analítico preciso. Em economia de recursos, superciclos descrevem períodos prolongados — tipicamente de 15 a 30 anos — em que a demanda estrutural supera a capacidade de oferta, elevando preços e reorganizando cadeias produtivas globais. Aplicar esse conceito à IA sugere que Agrawal não está interessado no desempenho de modelos individuais, mas na dinâmica de quem controla infraestrutura, quem acumula dados proprietários e quem define os termos de acesso ao mercado.
Essa lente distingue o MS&E435 de cursos técnicos de ML e até de disciplinas de ética em IA, que dominaram os syllabi universitários nos últimos cinco anos. A pergunta econômica central — quem captura o valor gerado pela IA? — é diferente da pergunta técnica (o que os modelos conseguem fazer?) e da pergunta normativa (o que deveriam fazer?). Stanford, ao alocar esse curso no departamento de MS&E em vez de CS ou economia pura, sinaliza uma abordagem interdisciplinar que mistura teoria dos jogos, organização industrial e política de inovação.
O precedente mais próximo é o surgimento de cursos sobre "economia da internet" no final dos anos 1990, quando professores como Hal Varian — depois economista-chefe do Google — começaram a formalizar conceitos como efeitos de rede, mercados de dois lados e lock-in de plataforma. Boa parte do vocabulário regulatório usado hoje contra Big Tech foi gerado naquele ciclo acadêmico.
O que um curso assim produz — e para quem
Cursos inaugurais em Stanford têm histórico de definir agenda. O CS229 de Andrew Ng, lançado nos anos 2000, formou uma geração de engenheiros de ML que depois fundaram empresas e fundos. O MS&E435 opera numa camada diferente: seu produto não são engenheiros, mas analistas, investidores, formuladores de política e executivos capazes de raciocinar sobre IA em termos de estrutura de mercado, barreiras de entrada e distribuição de renda.
Apoorv Agrawal, cujo perfil público está associado ao canal The Frontier | AI, não é um acadêmico tradicional de economia — o que pode ser tanto limitação quanto vantagem. Practitioners que cruzam para o ambiente universitário tendem a trazer problemas reais antes que a literatura os formalize. O risco é o oposto: frameworks ad hoc que não sobrevivem ao escrutínio empírico.
A ausência de transcrição disponível impede avaliar o conteúdo substantivo da primeira aula. Mas o próprio ato de estruturar um curso semestral sobre o tema — com número de disciplina, syllabus e gravação pública — é um dado. Significa que há demanda institucional suficiente em Stanford para justificar a oferta, e que o debate sobre a economia da IA está maduro o bastante para ser ensinado de forma sistemática, não apenas debatido em conferências.
O que permanece em aberto é a questão mais difícil: se a IA de fato segue a lógica de um superciclo, quais são as implicações para países como o Brasil, que chegam tarde à infraestrutura de computação e aos dados em escala? Essa pergunta o curso provavelmente não responde — mas ao menos agora existe um lugar em que ela pode ser feita com rigor.
Fonte · The Frontier | AI
