Tyler Cowen — o economista que aprendeu a ler a IA antes de quase todo mundo

"Humanos. Aqui estão eles. Gargalo, gargalo." — Tyler Cowen, em conversa com Dwarkesh Patel (2025), sobre o que realmente limita o progresso da IA

O essencial em 30 segundos

Tyler Cowen é um economista que passou duas décadas argumentando que o Ocidente vivia uma grande estagnação — uma seca de inovações realmente transformadoras — e que, quando a inteligência artificial finalmente chegou, foi um dos primeiros economistas de peso a levá-la a sério como ferramenta econômica, e não como brinquedo de demonstração. A tese central que ele oferece a quem opera negócios reais é desconfortável e libertadora ao mesmo tempo: o gargalo do progresso não é a máquina, são as pessoas, as instituições e a infraestrutura complementar que ainda não foram construídas. A IA já é melhor que a pessoa média em muitas tarefas, mas o ganho de produtividade demora a aparecer nos números porque o mundo precisa se reorganizar ao redor dela. Para o operador, a lição prática é dupla: a vantagem não vem de "ter IA" — todo mundo terá —, vem de reconfigurar processos, talento e contexto mais rápido que o concorrente. E, num mundo onde a inteligência fica barata, o que fica escasso, e portanto caro, é o contexto: saber qual pergunta fazer, qual gargalo atacar, qual pessoa colocar onde.

Quem é

Tyler Cowen nasceu em 21 de janeiro de 1962. É professor de economia (a cátedra Holbert L. Harris) na George Mason University e preside o Mercatus Center da mesma universidade. Graduou-se em economia em George Mason e fez doutorado em Harvard — uma trajetória que combina o rigor da economia acadêmica de primeira linha com uma alergia notável ao jargão acadêmico.

O que o torna invulgar não são os títulos, mas o método. Desde 2003, Cowen escreve todos os dias no blog Marginal Revolution, que mantém com Alex Tabarrok — um dos blogs de economia mais lidos e longevos do mundo. Em paralelo, conduz o podcast Conversations with Tyler, no qual entrevista de ganhadores do Nobel a chefs de cozinha com a mesma curiosidade voraz. Esse hábito de produção diária importa: Cowen não é um pensador de uma tese só, é um pensador de fluxo, alguém que processa o mundo em público, em alta frequência, e revisa posições à medida que os dados chegam. Para quem opera um negócio, essa é em si uma lição de método: pensar em voz alta, com frequência, deixa rastro e melhora o julgamento.

Sua fama pública explodiu em 2011 com o panfleto The Great Stagnation, que chegou duas vezes à lista de mais vendidos de e-books do New York Times. A Bloomberg Businessweek o chamou de "o economista mais quente da América" e a Foreign Policy o incluiu entre os "100 maiores pensadores globais" daquele ano. Desde então, escreveu sobre talento, sobre os grandes nomes da história econômica e, cada vez mais, sobre inteligência artificial — frequentemente antes de a IA virar assunto de capa.

A grande contribuição

A contribuição que dá o tom de tudo é The Great Stagnation: How America Ate All the Low-Hanging Fruit of Modern History, Got Sick, and Will (Eventually) Feel Better (2011). A tese é simples e provocadora: a economia americana cresceu por mais de um século colhendo "frutas baixas" — terras livres, educação em massa, tecnologias de uso geral como eletricidade e motor a combustão. Em algum momento das últimas décadas, essas frutas acabaram, e o crescimento da produtividade desacelerou apesar de termos mais computadores, mais PhDs e mais gastos com pesquisa. A internet, argumentava ele, gerou muito prazer privado e pouco PIB mensurável.

Por que isso importa para a IA? Porque Cowen montou a moldura intelectual perfeita para fazer a pergunta certa quando os grandes modelos de linguagem apareceram: isto é, finalmente, a fruta alta na árvore — a tecnologia de uso geral que tira o Ocidente da estagnação? Ele não respondeu com hype nem com desprezo. Respondeu como economista do crescimento: medindo, comparando com revoluções tecnológicas anteriores e, sobretudo, perguntando onde estão os gargalos.

Sua segunda grande contribuição prática é ter sido um dos primeiros economistas seniores a usar a IA, não só comentá-la. Em 2023, lançou GOAT: Who Is the Greatest Economist of All Time, and Why Does It Matter? como o que chamou de "livro generativo" — um manuscrito de cerca de 100 mil palavras acompanhado de um chatbot treinado no próprio texto, capaz de resumir, contextualizar, montar provas de múltipla escolha e responder perguntas do leitor. "Acho que este é o futuro da educação", disse ele, "essa ideia de que o estudante pode conversar com o livro quando o professor não está por perto." É uma frase pequena com implicação grande: para Cowen, a IA não substitui o especialista, ela distribui o acesso ao contexto do especialista.

As ideias-chave

1. Os humanos são o gargalo, não a máquina

A frase mais citável de Cowen sobre IA, dita a Dwarkesh Patel em 2025, é quase cômica na economia de palavras: "Humanos. Aqui estão eles. Gargalo, gargalo." O argumento por trás é sério. A inteligência da máquina já é abundante; o que falta é tudo o que complementa essa inteligência — gente capaz de formular o problema certo, instituições dispostas a mudar o fluxo de trabalho, regulação que se atualize, infraestrutura física e de dados. "Você pode ter um bilhão de cópias do seu GPT-qualquer-coisa", resume ele, "mas vai levar um tempo." A capacidade não é o limite; a absorção é.

Exemplo para o operador: na rede de postos, você pode plugar um modelo de IA de fronteira amanhã. O ganho real não virá do modelo — virá de quanto tempo você leva para reescrever o processo de precificação, retreinar o gerente de loja para confiar na recomendação e mudar o incentivo de quem opera o caixa. O modelo é commodity; a reorganização ao redor dele é o ativo.

2. A produtividade chega devagar — e depois de uma vez só

Cowen rejeita tanto o "vai mudar tudo amanhã" quanto o "não é nada". Ele compara o momento atual à década de 1870: a eletricidade já existia, mas demorou décadas para reorganizar fábricas e cidades ao seu redor e só então aparecer nas estatísticas de produtividade. Sua estimativa pública é sóbria: a IA deve elevar o crescimento econômico em algo como meio ponto percentual ao ano. Parece pouco. Não é. Como ele observa, "se tudo o que levava 20 anos passar a levar 10, ao longo do tempo isso é uma diferença imensa — mas você não sente como revolucionário por muito tempo."

Exemplo para o operador: não espere o trimestre em que "a IA transformou o EBITDA". Espere uma sucessão de pequenos ganhos compostos — um relatório que antes levava dois dias e agora leva duas horas, um atendimento que resolve sozinho 30% dos chamados. O segredo é capturar esses meio-pontos sistematicamente, porque eles compõem.

3. O contexto é o que é escasso

Numa palestra sobre Hayek, economia e modelos de linguagem, Cowen cunhou a formulação que talvez seja a mais útil de toda a sua obra recente: "Contexto é (ainda) o que é escasso." A inteligência bruta ficou barata. O que continua raro é a capacidade de fornecer o contexto certo — saber o que perguntar, qual restrição importa, qual é o objetivo de fato. Quem domina o contexto extrai valor desproporcional da máquina; quem não domina recebe respostas genéricas e medianas.

Exemplo para o operador: dois gestores usam o mesmo modelo. O primeiro pergunta "como aumento minhas vendas?". O segundo alimenta o modelo com a margem por SKU, o fluxo horário da loja, o comportamento do cliente de recarga de veículo elétrico e pergunta "qual mix de conveniência maximiza margem nas três horas de pico de carregamento?". O modelo é o mesmo. O retorno não é. O contexto que você fornece é a sua vantagem competitiva.

4. IQ é superestimado; o "bundle" é tudo

No livro Talent (2022), escrito com Daniel Gross, Cowen ataca uma crença confortável: a de que inteligência mede valor. "Os retornos do QI quando se traduzem em salário são incrivelmente baixos", afirma. O que importa é o bundle — a combinação de energia, persistência, gosto, capacidade de execução e de mobilizar outros. A IA torna isso ainda mais verdade: se a inteligência analítica vira commodity de máquina, o diferencial humano migra para tudo o que a máquina não tem, ou seja, o resto do pacote.

Exemplo para o operador: ao contratar para liderar a operação de eletropostos, pare de superponderar o currículo técnico. O modelo de IA já cobre a parte analítica. Procure energia, capacidade de fazer acontecer com fornecedores difíceis, faro para o cliente. O Talent sugere até perguntas concretas, como "quais abas você tem abertas no navegador agora?" — uma janela barata para como a pessoa pensa de verdade.

5. Escrever para as máquinas

Cowen comentou que, em seus próximos livros, escreve "ainda mais para as IAs… elas vão rastrear o texto e saber que eu fiz isso." É uma ideia estranha à primeira vista e profunda na segunda: num mundo em que agentes de IA mediam o acesso à informação, ser legível e útil para a máquina vira estratégia de distribuição. Quem documenta bem, estrutura bem e publica de forma que o modelo consiga ingerir ganha presença no novo canal.

Exemplo para o operador: a documentação interna do portfólio — manuais de operação de posto, políticas de RH, base de conhecimento do SaaS de gestão de colaboradores — deixa de ser só para humanos. Bem estruturada, ela vira o contexto que alimenta os agentes de IA do próprio negócio. Escrever para a máquina é, na prática, treinar o seu copiloto.

Em suas palavras

"Humanos. Aqui estão eles. Gargalo, gargalo." (Conversa com Dwarkesh Patel, 2025)

"Acho que [a IA] vai elevar a taxa de crescimento econômico em algo como meio ponto percentual ao ano." (Conversa com Dwarkesh Patel, 2025)

"Contexto é (ainda) o que é escasso." (Palestra Hayek sobre economia e modelos de linguagem, 2023)

"Os retornos do QI quando se traduzem em salário são incrivelmente baixos. São praticamente insignificantes… É o bundle." (Conversa com Dwarkesh Patel, 2025)

"Acho que este é o futuro da educação — essa ideia de que o estudante pode conversar com o livro quando o professor não está por perto." (Sobre o livro generativo GOAT, 2023)

Limites e críticas

Vale ler Cowen com o ceticismo que ele mesmo recomendaria. Primeiro, a tese da grande estagnação é contestada: críticos apontam que parte da inovação recente simplesmente não é capturada pelas estatísticas tradicionais de PIB, e que medir software, dados e bens digitais é notoriamente difícil — ou seja, a estagnação pode ser mais de medição do que de realidade. Se for assim, a IA pode estar gerando mais valor do que os números mostram, e a paciência que Cowen prega pode subestimar o que já está acontecendo.

Segundo, há o risco oposto: o de a previsão de "meio ponto ao ano" se revelar tímida demais caso os ganhos de capacidade dos modelos se acelerem de forma não linear. Cowen aposta consistentemente na lentidão da difusão; se os agentes de IA passarem a se auto-coordenar e a remover os próprios gargalos humanos, a moldura "1870, espere 30 anos" pode envelhecer rápido.

Terceiro, há uma crítica de viés ideológico: Cowen escreve de uma tradição de mercado (George Mason, Mercatus) e tende a ser otimista quanto à capacidade de instituições e mercados se ajustarem. Quem está mais preocupado com deslocamento de trabalho, concentração de poder ou risco sistêmico achará que ele subestima as dores da transição. O próprio Cowen tem dito que o grande problema da era da IA não será o desemprego em massa, mas o ajuste — a dificuldade humana de se adaptar a uma nova realidade. É uma posição defensável, mas é uma aposta, não um fato.

Para o operador, a síntese sã é: use Cowen como antídoto contra o hype e contra o derrotismo, mas não terceirize a ele o seu cenário de risco. Ele te dá a moldura; o estresse-teste é seu.

Como aplicar no seu dia a dia

1. Trate IA como reorganização, não como compra. O modelo é commodity. O orçamento de verdade vai para reescrever processos: precificação, roteirização, diagnóstico de equipamentos, fluxos de RH. A pergunta de gestão deixa de ser "qual ferramenta comprar?" e vira "qual gargalo humano você remove primeiro?".

2. Invista no contexto como ativo proprietário. Os modelos são iguais para todos; os dados e o contexto do seu negócio não. Estruturar a base de conhecimento — margens por SKU, padrões de consumo, histórico operacional — é o que transforma um modelo genérico em vantagem. O contexto é o fosso.

3. Capture os meio-pontos compostos. Em vez de esperar a "transformação", instale uma disciplina de capturar pequenos ganhos de produtividade e somá-los: tarefa por tarefa, relatório por relatório, atendimento por atendimento. Meio ponto ao ano, composto, é uma vantagem brutal em uma década.

4. Contrate pelo bundle, não pelo QI. Com a parte analítica coberta pela máquina, a triagem de talento migra para energia, execução e faro. Adote perguntas práticas no estilo Talent e pondere menos o pedigree técnico.

5. Escreva para as máquinas. Documente a operação de forma que os próprios agentes de IA internos consigam ingerir — manuais, políticas, playbooks. A documentação vira treino do copiloto, não só burocracia.

6. Use a IA para encontrar e desenvolver gente. O método de Talent mais a velocidade da IA permite mapear, avaliar e desenvolver pessoas em escala — triando candidatos, estruturando entrevistas, identificando quem tem o bundle. Encontrar talento sempre foi a restrição; agora há uma ferramenta para atacá-la.

Para ir além

Comece por: The Great Stagnation (2011) — curto, direto, é a moldura mental que sustenta tudo. Leia em uma tarde e você passa a fazer perguntas melhores sobre qualquer tecnologia nova.

Depois: Talent: How to Identify Energizers, Creatives, and Winners Around the World (2022, com Daniel Gross), pela aplicação imediata em contratação; e o blog Marginal Revolution para o pensamento de fluxo, em alta frequência, sobre IA e economia.

Avançado: a conversa de 2025 com Dwarkesh Patel ("Humans Are the Bottleneck to AI Progress") e o livro generativo GOAT (2023) — não tanto pelo conteúdo de história econômica, mas para experimentar a IA como parceira de leitura e entender, na prática, o que Cowen quer dizer com distribuir o contexto do especialista.

Conexões no vault

• IA e Tecnologia — moldura geral da área de estudo
• Macro e Geopolitica — crescimento, produtividade e difusão tecnológica em escala macro
• Jack Clark — o complemento de Cowen: enquanto Cowen lê os efeitos econômicos da IA, Jack Clark lê os sinais de política, medição e governança da fronteira
• Andrej Karpathy — o lado técnico de quem constrói os modelos cujos efeitos econômicos Cowen analisa