No modelo econômico do Google DeepMind, competência é o que um agente consegue fazer, enquanto coordenação determina como o resultado muda quando uma organização cresce. A diferença importa porque melhorar uma habilidade pode elevar a produção sem mudar o tamanho eficiente de uma empresa; coordenar melhor pode alterar os ganhos de ampliar a equipe.
O Google DeepMind publicou esse argumento em 29 de outubro de 2026, no ensaio “The Economics of Intelligence”, acompanhado pelo artigo Organizing Intelligence. O Instituto DeepMind, onde o ensaio foi publicado, também é tema de nossa cobertura sobre o lançamento do instituto.
Por que o desempenho individual não basta
Empresas combinam capacidades complementares e competem como organizações. Por isso, a análise dos autores se concentra não apenas no que um agente faz sozinho, mas também em como as tarefas são divididas e coordenadas.
O ensaio relata um questionário com 100 pessoas em seis áreas: matemática, raciocínio verbal, ciência, padrões, cultura e economia. Na tarefa descrita, pares formados por pessoas com pontos fortes complementares superaram pares aleatórios em 32%. Os autores chamam essa combinação de capacidades de inteligência em mosaico. O resultado se refere àquela tarefa, não a um aumento geral de produtividade.
Competência e coordenação afetam a escala de maneiras diferentes
No artigo, competência altera a produção por trabalhador em uma empresa de tamanho fixo. Coordenação afeta como a produção varia quando a organização acrescenta integrantes. Essa diferença sustenta as consequências econômicas distintas do modelo:
| Dimensão | O que modifica | Possível consequência no modelo |
| Competência | A produção para um dado tamanho de empresa | Mudanças em produtividade, salários, preços e composição da força de trabalho podem ocorrer gradualmente. |
| Coordenação | Como a produção muda conforme a organização cresce | Acima de uma condição específica do modelo, equipes maiores podem elevar a produção por trabalhador e favorecer empresas de IA em certos mercados. |
O artigo descreve três fases de escala: trabalho individual, escala limitada e escala ilimitada. Na fase limitada, a divisão de tarefas pode ajudar a empresa a crescer, mas os custos de coordenação acabam restringindo esse crescimento. Na fase ilimitada do modelo, cada integrante adicional pode aumentar a produção por trabalhador.
O que significa o limiar superior a 1
Na equação ilustrativa do artigo, a condição para retornos crescentes conforme a empresa aumenta é uma coordenação média superior a 1. Esse valor é um parâmetro daquela equação, não uma medida universal para avaliar agentes de IA. Os autores dizem que saber se a IA ultrapassa esse limiar é uma questão empírica.
O ensaio também organiza os cenários em quatro regimes: AGI mínima, IA supercompetente, IA supercooperativa e superinteligência artificial (ASI). São categorias analíticas para discutir diferentes níveis de capacidade, não uma classificação de sistemas atuais.
Como os cenários podem afetar empresas e trabalho
As consequências dependem do tipo de mercado. Em mercados grandes e escaláveis, superar a condição de coordenação do modelo pode favorecer empresas de IA maiores e mais concentradas. Em nichos, a demanda limitada pode restringir a escala; em serviços relacionais, a participação humana pode continuar contribuindo para o valor do que é oferecido.
O modelo também diferencia os efeitos sobre o emprego. Ganhos de competência podem reduzir gradualmente a participação humana em empresas mistas. Em um cenário específico, a transição para empresas compostas apenas por IA pode provocar uma mudança mais abrupta no emprego. São resultados condicionais do modelo, não mudanças econômicas observadas.
O artigo Organizing Intelligence foi escrito para discussão acadêmica; seus autores dizem que ele não é uma previsão corporativa nem uma declaração sobre as operações atuais ou futuras do Google.
