PONTOS-CHAVE
Atualmente, a maioria das pessoas consegue identificar um e-mail redigido por IA por um novato: o travessão longo usado em excesso ou a frase «eis uma versão mais humana» que alguém se esqueceu de apagar antes de clicar em «enviar». Em Wall Street, o problema mais grave é mais difícil de detetar, porque reside no raciocínio. E quando esse raciocínio determina para onde vai o capital, uma falha é muito mais difícil de perceber.
Os edifícios de Wall Street podem parecer todos iguais, mas não devem ser vistos dessa forma, e não há nada que Wall Street deteste mais do que um mercado desprovido de tensão. A tensão é o que faz o mercado funcionar. Quando todos estão de acordo, o mercado deixa de gerar preços e estabiliza-se num consenso, e esse consenso é eliminado pela arbitragem numa tarde.
É isso que torna o novo eixo que se está a formar neste mercado tão silenciosamente perigoso. As comissões de risco já estão atentas à concentração setorial, mas esta é de natureza diferente. Uma parte crescente do processo de tomada de decisões nas empresas concorrentes passa agora pelo mesmo pequeno conjunto de sistemas de IA: a mesma arquitetura, o mesmo treino, o mesmo raciocínio, logótipos diferentes.
Por que razão as empresas do setor financeiro estão a recorrer aos mesmos modelos de IA
Para a maioria das empresas, a escolha resumiu-se a uma questão de responsabilidade civil, em vez de uma conclusão de que um modelo fosse o melhor. A questão subjacente é saber que raciocínio poderão defender mais tarde, tanto perante os seus advogados e juízes em futuros litígios, como perante os seus clientes. Escolham o fornecedor com um nome reconhecido e um registo de auditoria, para que o nome associado a qualquer falha não seja o vosso. A mentalidade de rebanho implicaria que ninguém está a pensar. Trata-se mais de uma questão de segurança no número, em que cada empresa raciocina de forma independente e chega à mesma postura defensiva. Um inquérito da KPMG de 2026 revelou que 93% das empresas norte-americanas planeiam implementar ou expandir a IA na área financeira no prazo de dezoito meses, e 94% já recorrem a uma entidade terceira para garantir os resultados.
A objeção óbvia é que isto não é novidade. A tecnologia converge sempre para alguns poucos fornecedores, e a computação em nuvem já funciona através de um punhado de plataformas. Mas a nuvem era o «terreno» sobre o qual uma empresa se construía e não tinha opiniões próprias. A IA, por sua vez, tem opiniões e, cada vez mais, dirige o negócio, razão pela qual a convergência passou das infraestruturas para o próprio pensamento.
As empresas apontarão os seus dados exclusivos como a exceção e, embora isso constitua uma vantagem real, alterar o que o modelo lê não altera a forma como este raciocina. Uma biblioteca distinta não faz um bibliotecário distinto.
Quando o raciocínio partilhado se depara com as tensões do mercado
As consequências disto já são visíveis nos dados. Um artigo do NBER de 2025, da autoria de Dou, Goldstein e Ji, concluiu que os agentes de negociação baseados em IA que utilizam aprendizagem por reforço podem, de forma independente, chegar a preços colusivos e supracompetitivos «sem acordo, comunicação ou intenção». Não houve qualquer coordenação. Foi o raciocínio partilhado que, por si só, levou a isso.
A amostra mais clara de como isto se traduz na prática surgiu em julho de 2026, quando a Situational Awareness LP, um fundo de cobertura baseado em apostas concentradas em infraestruturas de IA, perdeu 67 por cento num mês e vendeu a maior parte da sua carteira de ações cotadas, no valor aproximado de 16 mil milhões de dólares, à Citadel; a Sandisk caiu 54 por cento ao longo do mesmo mês. Foi a alavancagem a colidir com um tema comum, o que constitui a forma mais superficial deste risco. A tendência de todos seguirem o mesmo raciocínio tem raízes mais profundas e ainda não provocou um colapso por si só. Tendo em conta a violência com que a versão superficial se desmoronou, há poucas razões para esperar que a versão mais profunda seja mais suave.
Se aplicarmos o mesmo mecanismo de raciocínio de forma suficientemente abrangente num mercado, os participantes tenderão a ignorar o mesmo sinal ao mesmo tempo, ou a corrigir na mesma direção ao mesmo tempo. Qualquer uma destas situações pode resultar numa queda brusca do mercado. Uma investigação recente sobre ataques adversariais contra sistemas de negociação baseados em LLM revelou que a manipulação de manchetes num único dia, num backtest que abrangeu 14 meses, reduziu os retornos anuais em até 17,7 pontos percentuais: uma vulnerabilidade comum, desencadeada uma única vez, que se fez sentir em todos os locais onde o mesmo raciocínio foi implementado.
O que as empresas podem fazer a esse respeito
No entanto, o primeiro passo é encarar isto como um risco de concentração. As comissões de risco já acompanham a exposição a setores e contrapartes, e a dependência de modelos deve fazer parte dessa mesma lista. Isso significa saber quais as decisões que passam por quais sistemas e em que medida isso se sobrepõe aos concorrentes e às contrapartes . Significa também rever a lógica que levou as empresas a esta situação: o fornecedor reconhecido parece seguro porque é justificável, mas quando todas as empresas fazem a mesma escolha, a opção justificável torna-se um ponto de falha comum.
Acompanhar o risco é apenas metade do caminho. O que ajuda é uma equipa que saiba quando recorrer à IA e quando confiar no seu próprio discernimento, uma distinção que poucas pessoas estão preparadas para fazer. A IA nem sempre sabe melhor. Quando a Elm Wealth testou o Claude e o ChatGPT contra traders de macroeconomia de elite, os modelos previram corretamente a direção do mercado em mais de metade das vezes, com um desempenho semelhante ao dos traders, mas apresentaram uma volatilidade diária de 20 a 40 por cento, quando o perfil de investidor que lhes foi fornecido exigia cerca de 7,5 a 15 por cento. «Treinamos as IAs para serem como as pessoas», escreveram os investigadores, «e depois descobrimos que as IAs são como as pessoas: excessivamente confiantes.» Utilizar bem a IA significa saber exatamente o que manter, e parte disso é humano.
Neste momento, a maior parte do mercado encontra-se no mesmo veículo, a seguir o mesmo GPS, e ainda não se apercebeu disso. As empresas que se aperceberem irão encostar antes da colisão e seguir por um caminho diferente, mesmo que esse não seja necessariamente o caminho certo. Um mercado em que todos chegam à mesma conclusão deixa de funcionar como um mercado e começa a parecer uma monocultura.
Se todos ganharem, não há vencedor.
Informações do autor
