📈 economics

Crossing into AI: When Incumbents Build, Partner, Acquire, Absorb, or Wait A History-Friendly Agent-Based Model of the Generative-AI Market Transition

Este artigo utiliza um modelo baseado em agentes amigável à história para demonstrar que as escolhas estratégicas das empresas incumbentes no mercado de IA generativa — variando entre construir e adquirir até a nova rota da "absorção" — são determinadas primordialmente pela contratibilidade de capacidades tácitas e pela intensidade do escrutínio regulatório, sem que uma única estratégia domine em todas as condições.

Autores originais: Yingzheng Liu, Shun Cao, Zhen Liu

Publicado 2026-08-28

📖 5 min de leitura🧠 Leitura aprofundada

CC BY 4.0

Autores originais: Yingzheng Liu, Shun Cao, Zhen Liu

Artigo original sob licença CC BY 4.0 (https://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

No mundo dos negócios, as empresas frequentemente enfrentam um momento crítico quando uma nova tecnologia ameaça desestabilizar seu setor. Elas precisam decidir como obter as habilidades necessárias para sobreviver. O roteiro tradicional oferece três caminhos: construir a tecnologia por conta própria do zero, tomá-la emprestada ao fazer uma parceria com alguém que já a possui ou comprar uma empresa que a possua. Essa decisão é geralmente tratada como uma escolha única feita por uma única empresa que observa um mercado estático. No entanto, a ascensão da inteligência artificial generativa entre 2022 e 2026 revelou que essas escolhas não são feitas em um vácuo. Quando muitas empresas correm atrás do mesmo talento e tecnologia escassos ao mesmo tempo, suas decisões mudam o cenário para todos os outros. Se uma empresa trava um parceiro fundamental, os rivais não conseguem alcançá-lo. Se uma compra uma startup, essa startup deixa de existir no mercado. Além disso, à medida que o mercado se torna dominado por alguns grandes players, os reguladores costumam intervir para tornar a compra de empresas mais difícil e cara. Isso cria um ambiente complexo e mutável, onde o melhor movimento para uma empresa depende inteiramente do que as outras estão fazendo.

Para entender como essa corrida caótica ocorreu, pesquisadores construíram uma simulação de computador que atua como um ecossistema digital. Em vez de tentar prever o futuro ou ajustar dados a uma empresa específica, eles criaram um mundo virtual povoado por milhares de empresas concorrentes. Essas empresas digitais seguem regras simples e realistas: elas sentem uma ameaça, analisam suas opções e escolhem um caminho baseado no que parece mais lógico no momento. Os pesquisadores começaram com um modelo básico de como as empresas costumam mudar de tecnologias antigas para novas e, em seguida, adicionaram quatro regras específicas que espelhavam as condições únicas do boom da inteligência artificial. Essas regras incluíam o aumento do custo de compra de empresas à medida que o mercado ficava congestionado, um novo tipo de acordo que havia surgido no mundo real, uma queda súbita no custo de construção de tecnologia e o risco de que uma nova tecnologia pudesse consumir a receita existente de uma empresa. Ao rodar essa simulação milhares de vezes, os pesquisadores puderam observar como a população de empresas evoluía e ver quais estratégias realmente funcionavam.

A simulação revelou que a estratégia vencedora depende inteiramente de quão fácil é redigir um contrato para a tecnologia. Se uma empresa pode simplesmente alugar a tecnologia por meio de um acordo padrão, ela geralmente faz parcerias com um provedor externo. Mas quando a tecnologia é muito complexa ou "tácita" — o que significa que ela reside nas mentes de uma equipe específica e não pode ser facilmente documentada ou alugada — a empresa deve possuí-la. Aqui, os pesquisadores descobriram um novo padrão que havia aparecido no mundo real, mas que não fazia parte da teoria original. Em vez de comprar uma startup integralmente, o que aciona revisões governamentais rigorosas, muitas empresas começaram a "absorvê-las". Nesse arranjo, uma empresa licencia a tecnologia da startup e contrata toda a sua equipe, deixando a empresa original como uma casca vazia. Isso permitiu que capturassem o talento e o conhecimento necessários sem acionar as mesmas barreiras regulatórias de uma aquisição completa. A simulação mostrou que essa rota de "absorção" não era apenas um truque jurídico; era frequentemente a maneira mais econômica de realizar o trabalho, mesmo antes de os reguladores tornarem as compras caras.

Conforme a simulação progredia, ela reproduzia a sequência exata de eventos observados na verdadeira corrida da inteligência artificial. Começou com uma onda de parcerias, conforme as empresas tentavam alugar a tecnologia enquanto ela ainda estava disponível. À medida que o mercado se concentrava e os reguladores começavam a examinar fusões de grande porte, a simulação mostrou uma mudança acentuada para a estratégia de "absorção". A quantidade total de capacidade que as empresas consegravam trazer para dentro de seus próprios muros permaneceu estável, mas o método de obtê-la mudou. Em vez de comprar empresas inteiras, elas compravam partes delas por meio de licenciamento e contratação. Os pesquisadores também testaram o que aconteceria se o custo de construção de tecnologia caísse subitamente, como ocorreu quando alguns modelos foram lançados ao público. A simulação mostrou que essa queda de preço só revivia a estratégia de "construção" se ocorresse cedo, antes que a indústria tivesse se estabelecido em um design padrão único. Se a queda viesse tarde demais, após um design dominante já ter se consolidado, ela tinha muito pouco efeito.

Finalmente, o estudo analisou o destino das empresas que optaram por esperar e ver. Os resultados foram drásticos e dependiam do que a empresa realmente vendia. Se o produto de uma empresa pudesse ser diretamente substituído pela nova inteligência artificial, esperar era um desastre. A simulação mostrou que essas empresas perdiam quase todo o valor de seu negócio principal, embora não viessem à falência. Sua receita era simplesmente consumida pela nova tecnologia. No entanto, para empresas cujos produtos não eram facilmente substituíveis, esperar era uma estratégia segura que custava muito pouco. A pesquisa sugere que o perigo de esperar não é uma regra universal, mas uma armadilha específica para aqueles cujos negócios estão diretamente expostos à nova tecnologia. O estudo conclui que não existe uma única melhor maneira de cruzar para um novo mercado. Em vez disso, o caminho que uma empresa percorre é moldado por uma combinação de quão fácil é contratar a tecnologia, quanta pressão regulatória existe, o tempo das mudanças de custo e o quão vulnerável o negócio atual da empresa é de ser substituído.

Resumo Técnico: Cruzando para a IA: Quando Incumbentes Constroem, Fazem Parcerias, Adquirem, Absorvem ou Esperam

Definição do Problema
O artigo aborda o dilema estratégico enfrentado por empresas incumbentes ao entrar no mercado de IA generativa entre 2022 e 2026. Os frameworks tradicionais de obtenção de capacidades (construir, tomar emprestado, comprar) são amplamente estáticos e centrados na firma, falhando em capturar a dinâmica ecológica da corrida da IA, onde a escolha de uma empresa remodela as opções disponíveis para outras. Especificamente, os autores buscam explicar a sequência observada de estratégias de entrada no mercado: a dominância inicial de parcerias, a subsequente ascensão de uma estratégia híbrida de "absorção" (licenciar tecnologia enquanto se contrata talentos, deixando o alvo juridicamente intacto), o impacto do aumento do escrutínio antitruste nos custos de aquisição, o efeito dos choques de pesos abertos (open-weights) nos custos de construção e os resultados diferenciais para firmas que optam por esperar. A questão central é quais condições determinam a rota ótima (construir, fazer parceria, adquirir, absorver ou esperar) e se um modelo de nível populacional consegue reproduzir a sequência histórica observada sem ser ajustado para se adequar a ela.

Metodologia
Os autores utilizam um modelo baseado em agentes (ABM) amigável à história (history-friendly). Esta abordagem é escolhida porque a transição da IA de 2022–2026 representa uma realização única, sem controles contrafatuais para mudanças regulatórias ou choques de pesos abertos, tornando impossível a estimação econométrica tradicional. Em vez disso, o modelo gera contrafatuais ao ligar e desligar sistematicamente os mecanismos.

O Núcleo: O modelo é construído sobre um núcleo de transição geral que representa como as incumbentes obtêm capacidades à medida que um mercado dá lugar a outro. Apresenta um loop de capacidades dinâmicas (sentir, filtrar, capturar, transformar, selecionar), onde as firmas fazem escolhas de racionalidade limitada baseadas em um kernel de posição compartilhada ( $pos = q \cdot \sqrt{C}$ ). Este núcleo é validado contra regularidades clássicas de evolução industrial (ex: shakeouts do tipo Klepper, concentração crescente) sem qualquer parâmetro específico de IA.
O Regime de IA: O núcleo é re-parametrizado para o cenário de IA (fronteira rápida, alta contratualidade, alvos escassos) e estendido por quatro mecanismos alternáveis:
1. Fricção Regulatória (M1): Os custos de aquisição aumentam endogenamente conforme a concentração (HHI) do mercado emergente cresce.
2. Rota de Absorção (M2): Uma nova forma de governança onde uma firma licencia a tecnologia de um alvo e contrata sua equipe, transferindo uma fração da capacidade ( $\phi$ ) sem adquirir a empresa inteira. Esta rota é isenta da fricção M1.
3. Choque de Pesos Abertos (M3): Uma redução única e permanente no custo fixo de construção de modelos.
4. Substituição pelo Lado da Demanda (M5): A tecnologia em maturação erode a receita legada das não-adaptadoras proporcionalmente à substituibilidade de seus produtos.
Validação: O modelo é validado através de "eliminações de mecanismos" (mechanism knockouts). Se um resultado principal (ex: a ascensão da absorção) desaparece quando seu mecanismo correspondente é desligado, o resultado é considerado gerado pelo mecanismo e não imposto pelo código. Negócios do mundo real (2023–2026) são mapeados no plano de fase simulado para verificar a correspondência, não o ajuste de curva (curve-fitting).

Principais Contribuições

Teórica: O artigo desloca a unidade de análise da firma para a população. Demonstra que a rota vencedora não é determinada apenas pelos atributos da firma, mas pela configuração da população, incluindo contratualidade, o preço regulatório da integração, o tempo do design dominante e a exposição à substituição.
Mecanismo (Absorção): Identifica a "absorção" (licenciamento e contratação) como uma forma de governança distinta entre parceria e aquisição. O modelo mostra que esta rota é atraente principalmente porque internaliza capacidades tácitas a um custo menor do que a aquisição total. Crucialmente, demonstra que o aumento do escrutínio de aquisições inclina endogenamente as firmas para a absorção, mas não cria a rota em si.
Metodológica: Fornece um template para validar ABMs generativos que privilegia nenhum caminho por construção. Baseia-se em eliminações de mecanismos e faixas de padrões pré-estabelecidos para distinguir entre suposições e resultados emergentes.

Resultados
O modelo reproduz a sequência observada da corrida da IA e produz quatro descobertas primárias correspondentes às proposições do artigo:

Seleção de Rota (P1): A rota dominante é determinada pela contratualidade. As firmas fazem parcerias onde as capacidades podem ser alugadas (alta contratualidade) e absorvem onde as capacidades são muito tácitas para serem alugadas (baixa contratualidade). A velocidade da transição não altera a rota modal.
Internalização Conservada (P2): À medida que a fricção de aquisição aumenta, o volume total de capacidade internalizada (Adquirir + Absorver) permanece conservado (próximo a 0,46 na simulação). A fricção desloca a forma da internalização da aquisição para a absorção, mas não o volume total de internalização. Se a absorção for bloqueada, a fricção empurra as firmas para parcerias, reduzindo o volume total internalizado. Tributar a absorção como a aquisição mal reduz seu uso, indicando que a rota é impulsionada pela eficiência econômica (internalizar conhecimento tácito de forma barata) e não meramente pelo arbitramento regulatório.
Tempo do Choque (P3): Uma redução nos custos de construção (choque de pesos abertos) revive a rota de "construir" apenas se ocorrer antes que um design dominante tenha se estabelecido. Se o choque chega após um padrão ter se consolidado, a revitalização da construção é mínima.
O Corredor de Espera (P4): Esperar não é uniformemente seguro. Seu custo é determinado pela exposição à substituição. Firmas cujos produtos podem ser diretamente substituídos pela fronteira perdem quase todo o valor legado (perda de aprox. 88%) se esperarem, embora raramente enfrentem falência (a solvência é mantida). Firmas com baixa exposição ou que já fizeram parcerias sobrevivem à espera com perda mínima de valor.

Significância e Alegações
O artigo afirma oferecer um relato de nível de mecanismo de como a obtenção de capacidades evolui como um processo de nível populacional. Argumenta que a estratégia de "absorção" não é uma brecha regulatória, mas uma resposta econômica racional ao alto custo de internalizar capacidades tácitas, o que é exacerbado pela fricção regulatória.

Em relação à política pública, os autores sugerem que focar apenas em aquisições tradicionais pode falhar em reduzir o volume total de consolidação de capacidades, pois as firmas simplesmente migrarão para a absorção. Além disso, estender o escrutínio à absorção pode não deter a tendência, pois a rota é economicamente preferida independentemente da regulação.

Os autores são explícitos sobre as limitações do artigo: ele não prevê o mercado, não ajusta parâmetros a firmas individuais, não modela o deslocamento de mão de obra nem simula agentes de IA dentro do modelo. Sua credibilidade reside na capacidade de reproduzir padrões observados (como a sequência de negócios e a conservação da internalização) através de dinâmicas emergentes, em vez de design. O artigo conclui que nenhuma rota única vence sob todas as condições; em vez disso, a ecologia da transição organiza conjuntamente essas rotas com base em condições estruturais específicas.

Mais como este