A Economia da Complexidade Artificial

Na segunda-feira, a IBM perdeu 31 mil milhões de dólares em valor de mercado. As suas ações caíram 13% — a pior queda num único dia em mais de 25 anos.

A causa não foi uma falha de produto, uma brecha de segurança, nem um trimestre abaixo do esperado. Foi um post de blogue. A Anthropic, a empresa por trás do modelo de AI Claude, publicou um texto a explicar como a sua ferramenta Claude Code pode ajudar a modernizar COBOL — a mapear dependências, a documentar fluxos de trabalho, a identificar riscos em bases de código legadas que uma equipa humana levaria meses a trazer à superfície.

Os investidores leram o post. Em horas, as ações da IBM estavam em queda livre. A Accenture e a Cognizant seguiram-se. Todo o setor de serviços de tecnologia legada levou um golpe porque uma empresa de AI disse que conseguia fazer o que as consultoras cobram milhões para fazer.

Isto vale a pena examinar — não pelo que diz sobre a AI, mas pelo que revela sobre como a indústria de tecnologia empresarial realmente funciona.

A «Notícia» Que Não Era Notícia

Comecemos por uma pergunta básica: alguma coisa que a Anthropic anunciou era de facto nova?

A IBM lançou o seu próprio assistente de programação de AI para mainframes em 2023. Em meados de 2025, o CEO da IBM dizia que tinha «adoção muito ampla» — sobretudo para compreender bases de código COBOL existentes e decidir o que modernizar. A AWS tem ferramentas de migração de mainframe. A Microsoft tem ferramentas de migração de mainframe. A Kyndryl, a própria spinoff de infraestrutura da IBM, tem serviços de migração. Na semana passada — dias antes do post de blogue da Anthropic — o presidente da Infosys, Nandan Nilekani, afirmou publicamente que a AI tornou a reescrita de aplicações legadas acessível e imperativa.

A nível pessoal, usei AI para melhorar código COBOL há meses. Não como demonstração. Como trabalho a sério. Os resultados foram tangíveis — lógica mais limpa, melhor documentação, compreensão mais rápida de código que tinha acumulado décadas de modificações. A capacidade tem sido real e está disponível há algum tempo.

O que a Anthropic publicou na segunda-feira não foi um avanço tecnológico. Foi um anúncio de marketing bem calendarizado que reembalou capacidade existente com linguagem polida e a posicionou como uma narrativa de disrupção. A comunidade tecnológica sabe há pelo menos um ano que a AI pode assistir de forma significativa a análise e a modernização de COBOL. Os mercados financeiros, aparentemente, não estavam a prestar atenção.

O que levanta uma pergunta sobre a qualidade da análise que move milhares de milhões de euros em decisões de investimento — mas essa é uma discussão para outro dia.

A Afirmação vs. A Realidade

O post de blogue da Anthropic afirma que «com a AI, as equipas conseguem modernizar a sua base de código COBOL em trimestres em vez de anos». É uma frase cuidadosamente construída que merece uma leitura cuidadosa.

O que o Claude Code faz comprovadamente bem é a fase de análise: mapear dependências em milhares de linhas de código, documentar como os programas interagem, traçar caminhos de execução, e identificar riscos. Este é trabalho genuinamente valioso. É também a primeira fase da modernização, não a modernização em si.

A resposta da IBM foi reveladora. O vice-presidente sénior Rob Thomas assinalou que traduzir COBOL é a parte fácil. O trabalho real é o redesenho da arquitetura de dados, a substituição do runtime, a integridade do processamento de transações, e a replicação de décadas de desempenho que foi otimizado ao nível do hardware. Nada disso foi abordado no post de blogue da Anthropic.

Considere-se o que um projeto de modernização de COBOL de facto envolve em infraestrutura crítica. Um sistema que processa 95% das transações de multibanco de um país não é apenas código. São décadas de regras de negócio embebidas em lógica de programa que nunca foi devidamente documentada. São workarounds para casos-limite descobertos durante crises há vinte anos. É otimização de desempenho que aconteceu na interseção de software e hardware específico. É conhecimento institucional que existe nas cabeças de pessoas que estão a reformar-se ou já se reformaram.

A AI consegue ler o código. A AI consegue mapear as dependências. A AI consegue produzir documentação que uma equipa humana levaria meses a compilar. Tudo isto é real, valioso e — criticamente — já possível. O que a AI ainda não consegue fazer é replicar o discernimento contextual necessário para decidir o que migrar, o que reescrever, o que retirar, e o que deixar exatamente como está porque tocar-lhe introduziria mais risco do que elimina.

A análise é a radiografia. Alguém ainda precisa de a ler e decidir se opera, medica, ou deixa o paciente em paz. E essa decisão exige algo que nenhum modelo de AI possui atualmente: trinta anos de compreensão de por que um determinado workaround existe e o que se parte quando é removido.

O Elefante na Sala

Eis a pergunta que a reação do mercado respondeu sem que ninguém a fizesse explicitamente: se a AI consegue genuinamente acelerar a modernização de COBOL, por que foi a reação medo em vez de entusiasmo?

Pense-se no que esta capacidade representa se for real. Sistemas que estiveram presos numa linguagem com sessenta anos podem finalmente ser atualizados. O risco operacional da dependência de especialistas que se reformam diminui. Os custos de manutenção que têm vindo a subir há décadas poderiam colapsar. As organizações poderiam redirecionar recursos de manter as luzes acesas para construir algo melhor.

Isto devia ser boa notícia. Para as organizações que correm COBOL, para os clientes que dependem desses sistemas, para a indústria no seu todo.

Mas 31 mil milhões de dólares evaporaram. E a razão é estrutural.

A IBM, a Accenture, a Cognizant, e dezenas de consultoras mais pequenas construíram enormes fluxos de receita em cima da complexidade do COBOL. Cada dependência não documentada é facturável. Cada subrotina incompreensível exige um especialista. Cada programador reformado que levou o conhecimento consigo cria procura por um projeto de consultoria. A dificuldade não é apenas um problema — é um produto. Gera contratos, sustenta equipas, e justifica projetos plurianuais.

Se a AI elimina a complexidade — ou até a reduz significativamente — elimina o modelo de receita que depende da existência da complexidade.

O mercado não entrou em pânico porque a tecnologia é perigosa. Entrou em pânico porque a tecnologia ameaça o modelo de negócio da inércia. Os investidores não estavam a calcular o risco para os sistemas. Estavam a calcular o risco para os fluxos de receita que dependem de esses sistemas permanecerem difíceis de compreender, caros de manter, e dolorosos de mudar.

Isto vale a pena dizer sem rodeios: uma parte significativa da indústria de serviços de tecnologia empresarial é economicamente incentivada a manter os sistemas legados complexos, opacos e caros. Não por conspiração, mas pela mecânica natural de como os serviços são precificados e vendidos. A complexidade gera âmbito. O âmbito gera contratos. Os contratos geram receita. A simplificação é o inimigo — não porque alguém o diga explicitamente, mas porque a estrutura de incentivos assim o faz.

A Pergunta Que Nunca Se Fez

Os posts de LinkedIn que reagiram aos eventos de segunda-feira seguiram um padrão previsível. Alguns celebraram o poder disruptivo da AI. Outros defenderam o negócio de mainframe da IBM. Uns quantos ofereceram avisos dramáticos sobre empresas que não «abraçam a transformação».

A quarta pergunta quase nunca foi feita — a que de facto explica o que aconteceu: quem beneficia de as coisas ficarem como estão?

Em toda a organização que corre sistemas COBOL críticos, há stakeholders cujos orçamentos, equipas, efetivos e influência dependem de esses sistemas permanecerem complexos. O diretor de TI cujo departamento existe porque a manutenção de mainframe exige uma equipa dedicada. O partner de consultoria cujo contrato renova porque só as suas pessoas compreendem o código. O fornecedor cujo acordo de suporte é precificado com base na escassez de perícia.

Nenhuma destas pessoas é vilã. São atores racionais dentro de uma estrutura de incentivos que recompensa manter a complexidade e pune a simplificação. O diretor de TI que moderniza com sucesso o seu mainframe acabou de eliminar a justificação para metade da sua equipa. O partner de consultoria que torna o código legado transparente acabou de tornar o seu próprio projeto desnecessário. O fornecedor que permite uma migração fácil acabou de dar ao cliente uma razão para sair.

É por isto que a modernização de sistemas legados estagna — não porque a tecnologia não esteja pronta, mas porque os humanos à sua volta têm incentivo para adiar. E é isto que 31 mil milhões de dólares de reação do mercado de facto mediram: não o risco de a AI falhar a modernizar COBOL, mas o risco de ter sucesso.

O Que Deveria de Facto Acontecer

Se a capacidade da AI é real — e a parte da análise comprovadamente é — então a resposta racional não é o pânico. É a preparação.

Comece com um diagnóstico honesto, não com planos de migração.

Antes de qualquer projeto de modernização, compreenda o que de facto tem. Não o diagrama de arquitetura de 2015 — a realidade. O que faz o código? Onde estão as dependências não documentadas? Que regras de negócio estão embebidas em lógica de programa cujas origens foram esquecidas? As ferramentas de AI podem acelerar dramaticamente esta fase. Use-as para aquilo em que são boas.

Separe a compreensão da ação.

A capacidade de analisar e documentar uma base de código COBOL não é o mesmo que a capacidade de a migrar em segurança. São fases diferentes que exigem competências diferentes, perfis de risco diferentes, e calendários diferentes. Comprimir a análise de meses para semanas é uma melhoria genuína. Comprimir a migração para acompanhar é uma receita para o tipo de incidente de produção que faz a queda das ações de segunda-feira parecer trivial.

Pergunte quem beneficia do adiamento.

Em qualquer discussão de modernização de sistemas legados, mapeie os incentivos. Quem ganha com a continuação do estado atual? Quem perde se a modernização tem sucesso? Não para atribuir culpa, mas para compreender por que as tentativas anteriores estagnaram e para desenhar uma governação que tenha estas dinâmicas em conta. Se as pessoas que avaliam se se deve modernizar são as mesmas cujos papéis dependem de não modernizar, o resultado é estruturalmente previsível.

Invista na camada de discernimento.

A AI consegue ler o código. A AI consegue documentar o código. A AI consegue até sugerir como reescrever o código. O que a AI não consegue é decidir se reescrever é a escolha certa para um sistema específico num contexto operacional específico com tolerâncias de risco específicas. Esse discernimento exige experiência humana — profunda, contextual, e cada vez mais escassa. As organizações deveriam estar a investir nessa capacidade agora, antes de a última geração de pessoas que compreendem estes sistemas desaparecer por completo.

A Verdadeira Disrupção

A verdadeira disrupção não é que a AI consiga modernizar COBOL. É que a AI está a tornar visível a economia que manteve o COBOL no lugar.

Durante décadas, o custo de compreender os sistemas legados era tão alto que funcionava como uma barreira — a proteger os prestadores de serviços instalados, a justificar projetos de consultoria contínuos, e a tornar «não fazer nada» a escolha financeira racional para a maioria das organizações.

Se a AI faz colapsar esse custo — e está a começar a fazê-lo — então a pergunta que todas as organizações têm vindo a adiar torna-se inevitável: por que ainda corremos isto, e a quem está a servir?

A resposta, para muitos sistemas, será «porque funciona e o risco da mudança excede o benefício». É uma resposta legítima. COBOL a correr infraestrutura de pagamentos crítica à escala não é um problema a resolver — é infraestrutura a respeitar.

Mas para outros, a resposta honesta será mais incómoda: «porque mudá-lo perturbaria as pessoas e os contratos que dependem de ele ficar na mesma».

Os 31 mil milhões de dólares de segunda-feira não foram o mercado a descobrir que a AI consegue modernizar COBOL. Foram o mercado a descobrir que a economia da complexidade artificial — todo o ecossistema de receita, papéis e relações construído em manter os sistemas legados opacos — pode ter uma data de validade.

Isso não é uma crise. É uma correção. E as correções, embora dolorosas, tendem a apontar na direção da realidade.