📈 economics

AI Premium

Utilizando um massivo conjunto de dados proprietários de 380 trilhões de tokens de IA, este artigo identifica um "Prêmio de IA" significativo e heterogêneo onde empresas com alta exposição a modelos de IA avançados e de código fechado e habilidades de trabalho interativas obtêm retornos acionários subsequentes substanciais, enquanto tais prêmios estão ausentes em mercados emergentes e no uso de IA de pesos abertos ou casual.

Autores originais: Nicola Borri, Yukun Liu, Aleh Tsyvinski

Publicado 2026-06-30

📖 6 min de leitura🧠 Leitura aprofundada

CC BY 4.0

Autores originais: Nicola Borri, Yukun Liu, Aleh Tsyvinski

Artigo original sob licença CC BY 4.0 (http://creativecommons.org/licenses/by/4.0/). ✨ Esta é uma explicação gerada por IA do artigo abaixo. Não foi escrita nem endossada pelos autores. Para precisão técnica, consulte o artigo original. Ler aviso legal completo

Imagine a economia global como uma cidade enorme e movimentada. Durante anos, as pessoas tentaram adivinhar quais bairros prosperariam e quais desapareceriam com a chegada de uma nova tecnologia. Este artigo, escrito por três economistas, decide parar de adivinhar e começar a medir. Eles construíram um microscópio gigante de alta definição para observar exatamente quanto "combustível de IA" (chamado de tokens) está sendo queimado em tempo real e, em seguida, verificaram como o mercado de ações reagiu a esse combustível.

Aqui está a história de suas descobertas, dividida em conceitos simples.

1. O Medidor de "Combustível de IA"

Os autores utilizaram um conjunto de dados único chamado OpenRouter. Pense no OpenRouter como um grande posto de gasolina que vende combustível para centenas de diferentes motores de IA (como GPT, Claude, Llama, etc.) ao mesmo tempo.

Os Dados: Eles observaram 380 trilhões de "tokens" (as unidades básicas de trabalho da IA) sendo usados ao longo de dois anos.
A Escala: Isso não é apenas uma pequena amostra; cobre cerca de 2% de todo o uso de IA globalmente. É como ter uma câmera em cada carro de uma grande cidade, não apenas em alguns.
O "Fator de IA": Eles transformaram essa quantidade massiva de dados em um único "velocímetro" chamado Fator de IA. Este medidor observa a rapidez com que o uso da IA está crescendo em termos de volume (tokens), dinheiro gasto e número de pessoas usando-a.

2. O "Prêmio de IA": Quem é Recompensado?

A descoberta central é que o mercado de ações começou a precificar uma recompensa especial para empresas que estão intimamente ligadas a este combustível de IA. Eles chamam isso de Prêmio de IA.

A Analogia: Imagine que um novo motor elétrico super eficiente está sendo inventado. Algumas empresas de automóveis já estão construindo carros com esses motores; outras ainda estão presas aos antigos motores a combustão. O mercado de ações percebe que as empresas que estão construindo os novos motores estão assumindo um risco (e se a nova tecnologia falhar? e se as regulamentações mudarem?), então os investidores exigem um retorno potencial maior para manter suas ações.
O Resultado: Empresas cujos preços de ações se movem junto com o crescimento do uso da IA (alto "Beta de IA") obtiveram retornos significativamente maiores do que aquelas que não o fizeram.
- O Número: Uma estratégia que comprava as empresas com maior exposição à IA e vendia as de menor exposição rendeu cerca de 64 centavos para cada US$ 100 investidos, toda semana. Isso é uma quantidade massiva de dinheiro no mundo financeiro.

3. Não é Apenas Empresas de "Tecnologia"

Um erro comum é pensar que apenas as empresas do Vale do Silício se beneficiam da IA. Este artigo mostra que o Prêmio de IA é muito mais amplo.

A Metáfora: Pense na IA não como um tipo específico de carro, mas como um novo tipo de eletricidade. Ela não alimenta apenas a fábrica de lâmpadas; ela alimenta a padaria, o hospital e o pátio de carga.
As Descobertas:
- Vencedores: O prêmio foi enorme no varejo, bens de consumo e indústria pesada. Estas são empresas que usam IA para gerenciar cadeias de suprimentos, falar com clientes ou otimizar a logística.
- Perdedores: Surpreendentemente, algumas empresas de saúde e bens não duráveis tiveram uma conexão negativa com a IA. O mercado parece temer que a IA possa interromper seus modelos de negócios específicos mais do que os ajude.
- Geografia: Este prêmio só existe em mercados desenvolvidos (como os EUA e Europa). Em mercados emergentes, incluindo a China, o efeito foi invisível. Parece que os investidores só recompensam a exposição à IA onde a tecnologia está sendo realmente implementada e adotada por usuários sofisticados.

4. Quem Usa o "Bom" Combustível?

Nem todo uso de IA é igual. O artigo descobriu que o mercado de ações só recompensa o uso de IA sério e de alta intensidade, não o chat casual.

A Margem "Intensiva": O prêmio vem de:
- Modelos de Código Fechado: Usar a IA mais avançada, cara e proprietária (como o GPT ou Claude mais recentes) em vez das versões gratuitas e abertas.
- Usuários Experientes: Empresas e desenvolvedes que utilizam IA há muito tempo, não apenas novatos tentando usá-la pela primeira vez.
- Tarefas Complexas: Usar IA para prompts longos e complicados (como programação ou pesquisa científica) em vez de perguntas curtas e simples.
A Conclusão: O mercado está apostando que a IA será uma ferramenta poderosa para especialistas e indústrias pesadas, não apenas um brinquedo para usuários casuais.

5. Empregos: Os "Faladores" vs. Os "Pensadores"

Os autores mapearam estes resultados das empresas até as competências profissionais específicas. Eles perguntaram: "Quais habilidades humanas o mercado pensa que se tornarão mais valiosas conforme a IA cresce?"

A Reviravolta Surpreendente: Você poderia pensar que a IA valorizaria habilidades analíticas "inteligentes" (matemática, ciência, lógica). Os dados dizem o oposto.
Os "Faladores" Vencem: As habilidades com a maior exposição positiva à IA são interação, persuasão, instrução e comunicação. Empregos que envolvem falar com pessoas, negociar, ensinar ou coordenar sistemas complexos são vistos como os "elos fracos" que a IA não consegue substituir facilmente.
Os "Pensadores" Perdem: Habilidades envolvendo análise profunda, raciocínio científico e controle de operações tiveram, na verdade, uma exposição negativa. O mercado parece temer que a IA automatize essas tarefas, potencialmente reduzindo o valor de empresas que dependem fortemente delas.
A Analogia: Se a IA é uma calculadora super inteligente, o mercado está apostando que a pessoa que consegue explicar a resposta ao cliente e convencê-lo a comprar o produto é mais valiosa do que a pessoa que apenas calculou a resposta.

6. A Ascensão dos "Agentes"

Finalmente, o artigo detectou uma nova tendência: a IA Agêntica.

O que é? Em vez de apenas responder a uma pergunta, esses "agentes" de IA podem planejar uma viagem, reservar um voo, verificar a previsão do tempo e enviar um e-mail sozinhos. Eles são como funcionários digitais que tomam decisões e agem.
O Crescimento: Em 2024, isso era quase inexistente. Até 2026, mais de 50% de todos os tokens de IA estavam sendo usados para essas tarefas de "agente".
O Custo: Curiosamente, à medida que esses agentes se tornaram mais comuns, o custo por tarefa caiu. É como um serviço de entrega que fica mais barato à medida que se torna mais rápido e automatizado.
O Sinal do Mercado: Embora os dados ainda sejam iniciais, há sinais de que o mercado está começando a recompensar empresas que utilizam com sucesso esses agentes autônomos.

Resumo

O artigo argumenta que estamos em um período de transição. O mercado de ações está atualmente pagando um "prêmio de risco" para empresas que estão profundamente integradas com o uso real e intensivo de IA. Isso não é apenas sobre empresas de tecnologia; é sobre como a IA está remodelando o varejo, a manufatura e os serviços. O mercado acredita que, neste novo mundo, a interação humana e a coordenação serão as habilidades mais valiosas, enquanto o trabalho puramente analítico pode enfrentar a maior disrupção.

Resumo Técnico: "AI Premium"

1. Problema e Motivação

O artigo aborda uma lacuna fundamental na compreensão do impacto econômico da Inteligência Artificial (IA): embora o consumo de IA esteja crescendo rapidamente, não existe uma medida de alta frequência, granular e realizada de como esse consumo se traduz em risco e valor para empresas, mercados e trabalhadores. A literatura existente frequentemente se baseia em pontuações de automação baseadas em tarefas, contagem de patentes ou dados de pesquisas, que podem não refletir a precificação em tempo real do mercado em relação à exposição à IA.

Os autores postulam que a IA representa um "risco de transição" (Aghion e Howitt, 1992; Pastor e Veronesi, 2009). À medida que a IA realoca rendas entre empresas, setores e habilidades, os investidores devem exigir compensação por manter empresas expostas a essa realocação sistemática. A questão central é se um "Prêmio de IA" (AI Premium) mensurável existe nos mercados de ações — especificamente, se empresas cujos retornos covariam com o crescimento do consumo de IA realizado obtêm retornos subsequentes mais elevados.

2. Dados e Metodologia

Fontes de Dados

O núcleo do estudo é um conjunto de dados proprietário e licenciado da OpenRouter, Inc., cobrindo 380 trilhões de tokens de consumo de IA realizado de janeiro de 2024 a abril de 2026.

Granularidade: Os dados são estruturados no nível usuário–modelo–dia, cobrindo milhões de contas anonimizadas interagindo com mais de 400 grandes modelos de linguagem (LLMs).
Escopo: Inclui tanto modelos de fronteira de código fechado (ex: OpenAI, Anthropic, Google) quanto modelos de pesos abertos (ex: Meta, DeepSeek), além de requisições agênticas (chamadas de ferramentas/tool calls).
Realização: Diferente de estimativas relatadas, estes são pedidos pagos realizados, capturando gastos e contagens de tokens reais.
Dados de Patrimônio Líquido (Equity): Mapeados para CRSP/Compustat para empresas dos EUA e Compustat Global para mercados internacionais.

Construção do Fator de IA

Os autores constroem um Fator de IA de alta frequência que representa o crescimento do consumo global de IA.

Inputs: Três séries semanais: total de tokens ( $\Delta \ln Tok$ ), dólares de uso ( $\Delta \ln Dol$ ) e usuários ativos distintos ( $\Delta \ln User$ ).
Agregação: O fator de IA base é o primeiro componente principal da variação semanal padronizada do log de crescimento dessas três séries. Este fator captura a variação comum na quantidade, no gasto e no alcance da adoção da IA.
Subfatores: A granularidade permite a construção de subfatores baseados em:
- Tipo de modelo (Código fechado vs. Pesos abertos).
- Intensidade de uso (Pago/Principal vs. Novo; Experiente vs. Não experiente).
- Complexidade do prompt (Longo vs. Curto).
- Atividade agêntica (Chamadas de ferramentas vs. Requisições comuns).

Estratégia Empírica

Estimativa do Beta de IA: Para cada empresa pública, os autores estimam um Beta de IA ( $\beta_{AI}$ ) móvel, regredindo o excesso de retorno semanal logarítmico da empresa sobre o Fator de IA e o fator de mercado sobre uma janela de 13 semanas. Este beta mede a sensibilidade da empresa aos choques de consumo de IA.
Ordenação de Portfólio: As empresas são ordenadas em quintis com base em seu $\beta_{AI}$ . Os autores analisam o spread high-minus-low (H-L) nos retornos subsequentes.
Regressões de Fama-MacBeth: Regressões transversais são executadas semanalmente para estimar o preço de mercado do risco de IA (o prêmio de IA), controlando para fatores padrão (tamanho, valor, lucratividade, investimento, momentum, etc.).
Mapeamento para Tarefas/Habilidades: Os betas de nível de empresa são mapeados para ocupações usando pesos de emprego do BLS e, em seguida, para habilidades usando classificações O*NET para derivar um mapa de exposição implícito pelo mercado para o trabalho.

3. Principais Contribuições

Granularidade de Dados Sem Precedentes: O artigo utiliza o maior registro cross-provider de consumo de IA realizado (380T tokens) para ir além de medidas teóricas ou baseadas em pesquisas.
Exposição Implícita pelo Mercado: Ao contrário das medidas baseadas em tarefas (ex: Acemoglu e Restrepo, 2019) ou pontuações de automação técnica, este estudo deriva a exposição à IA diretamente da comovimentação dos preços das ações, refletindo a avaliação prospectiva do mercado sobre o risco da IA.
Decomposição do Risco de IA: O estudo distingue diferentes margens de consumo de IA (ex: fronteira vs. pesos abertos, intensivo vs. casual), revelando que o mercado precifica componentes específicos da adoção de IA de forma distinta.
Evidência da Economia Agêntica: O artigo fornece evidências empíricas iniciais sobre o crescimento da IA "agêntica" (modelos executando fluxos de trabalho de múltiplos passos), rastreando seu rápido crescimento de negligenciável para mais de 50% do volume total de tokens.

4. Principais Resultados

O Prêmio de IA nos Mercados de Ações

Positivo e Significativo: Empresas com betas de IA mais altos ganham retornos subsequentes significativamente maiores. Uma estratégia de compra-venda (long-short) ponderada pelo valor (Long High $\beta_{AI}$ , Short Low $\beta_{AI}$ ) rende 64,1 pontos base por semana (t-estatística 2,84).
Robustez: O prêmio persiste após o controle pelos cinco fatores de Fama-French, momentum, tamanho, valor, lucratividade, investimento, alavancagem e provisões (accruals). Ele permanece significativo mesmo após o controle para retornos do setor de tecnologia, portfólios de semicondutores e ETFs temáticos de IA.
Heterogeneidade: O prêmio não é uniforme; ele é impulsionado pela margem intensiva e orientada à fronteira do consumo de IA:
- Modelos de código fechado geram um prêmio maior (53,4 bps/semana) do que modelos de pesos abertos (32,3 bps/semana).
- Usuários Pagos/Principais e Experientes geram um prêmio mais forte do que usuários novos ou casuais.
- Prompts longos (tarefas complexas) são mais precificados do que prompts curtos.

Distribuição Geográfica e Setorial

Geografia: O prêmio está concentrado em mercados desenvolvidos (17,9 bps/semana), onde as empresas estão mais próximas da fronteira da IA. Ele é ausente em mercados emergentes, incluindo a China, onde o spread H-L é estatisticamente insignificante.
Setores: O prêmio estende-se além das empresas de tecnologia. É mais positivo em varejo e bens de consumo duráveis e mais negativo em saúde e bens não duráveis. Notavelmente, o setor de tecnologia mostra exposição mista, com empresas de semicondutores tendo exposição positiva, enquanto outras empresas de tecnologia mostram exposição negativa ou neutra.

Implicações para o Mercado de Trabalho

Mapeamento de Habilidades: A exposição à IA implícita pelo mercado é positiva para habilidades interativas não rotineiras (comunicação, persuasão, instrução, instalação/reparo) e negativa para habilidades analíticas e científicas não rotineiras (raciocínio dedutivo, uso de informação).
Impacto Quantitativo: Uma ocupação um desvio padrão acima em conteúdo de interação e comunicação tem uma exposição ao mercado 0,36 desvios padrão maior em termos de IA.
Comparação com Medidas Existentes: A exposição implícita pelo mercado explica menos de 2% da variação nas medidas de exposição técnica de IA existentes (ex: Felten et al., 2021; Eisfeldt et al., 2023), sugerindo que o mercado precifica uma dimensão distinta de risco relacionada aos padrões de consumo realizado, em vez de apenas automação técnica.

A Ascensão da IA Agêntica

Crescimento: A participação de tokens agênticos (requisições que invocam ferramentas externas) cresceu de quase zero em 2024 para 52,2% do total de tokens em abril de 2026.
Precificação: A exposição aos componentes de consumo agêntico (chamadas de ferramentas, leituras de cache, tokens de raciocínio) mostra estimativas de ponto positivas e economicamente relevantes (0,3–0,5% por semana), embora a significância estatística seja limitada pelo curto período de amostra. Isso sugere um emergente "prêmio agêntico".

5. Significância e Alegações

O artigo afirma fornecer o primeiro mapeamento de exposição à IA implícito pelo mercado através de empresas, tarefas e habilidades, utilizando dados de consumo realizado. Sua significância reside em:

Validação do Risco de Transição: A existência de um prêmio de IA positivo apoia a visão de que a IA é um risco sistemático que requer compensação, consistente com as teorias de destruição criativa e realocação de risco.
Refinamento da Narrativa: Os resultados desafiam a noção de que a IA é puramente um fenôみ de "setor tecnológico". Em vez disso, é uma força econômica ampla que afeta indústrias voltadas para o consumidor e intensivas em capital, com vencedores e perdedores distintos baseados na natureza de suas tarefas (interativas vs. analíticas).
Insight Baseado em Dados: Ao utilizar o consumo de tokens realizado, em vez de intenções declaradas ou capacidades técnicas, o estudo oferece uma medida mais precisa, embora prospectiva, de como o mercado percebe o impacto econômico da IA.

Os autores mantêm a modéstia, observando que a amostra cobre uma fase inicial e de rápida movimentação da difusão da IA, portanto, as estimativas refletem o preço atual da exposição à IA, em vez de um equilíbrio de longo prazo. Eles também reconhecem que os dados da OpenRouter podem representar excessivamente usuários sofisticados, implicando que o prêmio está ligado ao preço pelo mercado do consumo intensivo e observado de IA.