A Tese da Brain Economy
Brain Capital como Infra-estrutura Produtiva na Era da Inteligência Artificial
Rui de Oliveira e Silva
Working Paper — Setembro de 2026
Resumo
A difusão acelerada da Inteligência Artificial está a alterar não apenas a distribuição das tarefas entre pessoas e máquinas, mas também a natureza da escassez económica. À medida que determinados processos cognitivos — pesquisa, síntese, classificação, tradução, programação, produção textual, comparação ou geração de alternativas — podem ser realizados por sistemas artificiais a custos progressivamente inferiores, torna-se necessário reconsiderar onde residirá a diferenciação económica numa economia caracterizada por abundância crescente de capacidade computacional e cognitiva artificial.
Este paper sustenta que essa transformação aumenta a relevância económica de um activo que os modelos convencionais de produtividade captam apenas parcialmente: Brain Capital. O World Economic Forum e o McKinsey Health Institute definem Brain Capital através da conjugação entre Brain Health e Brain Skills. Brain Health corresponde às condições que suportam um funcionamento cerebral saudável; Brain Skills incluem capacidades cognitivas, interpessoais, de auto-liderança e de literacia tecnológica que permitem às pessoas aprender, adaptar-se, relacionar-se e contribuir de forma significativa. [1]
A tese aqui proposta não pretende redefinir Brain Capital, nem reivindicar a autoria do conceito. Procura antes desenvolver as consequências económicas que resultam da sua combinação com Inteligência Artificial. Defende-se que Brain Capital deve ser entendido como infra-estrutura produtiva: não apenas como fonte directa de saúde, participação e produtividade, mas como capacidade que influencia a forma como outros activos — tecnologia, conhecimento, informação e capital financeiro — são seleccionados, combinados e governados.
A hipótese central é que, à medida que a Inteligência Artificial torna determinadas formas de execução cognitiva mais abundantes, uma parte crescente da diferenciação económica se desloca para capacidades complementares de ordem superior, incluindo formulação de problemas, aprendizagem, interpretação, adaptação, verificação, julgamento e decisão. A questão estratégica deixa, assim, de ser apenas quem possui a melhor tecnologia. Passa também a ser quem possui a capacidade humana e institucional necessária para transformar inteligência disponível em valor económico realizado.
Palavras-chave: Brain Capital; Brain Economy; Inteligência Artificial; produtividade; capital humano; julgamento; decisão; inovação; capacidade de absorção; vantagem competitiva.
1. Da economia do conhecimento à Brain Economy
As economias modernas desenvolveram sistemas progressivamente mais sofisticados para identificar e valorizar os activos considerados determinantes da produção. Terra, recursos naturais, máquinas, infra-estruturas, capital financeiro, tecnologia, propriedade intelectual e dados adquiriram estatuto explícito na análise económica. A teoria do Human Capital representou um avanço particularmente importante ao demonstrar que educação, conhecimento, competências e experiência não constituíam apenas atributos individuais, mas também formas de investimento com consequências sobre produtividade, rendimento e crescimento.
Contudo, Human Capital tende a presumir a disponibilidade funcional do sistema que mobiliza esses recursos. É possível conhecer a escolaridade, as qualificações ou a experiência profissional de uma pessoa sem conhecer a condição cognitiva na qual esse conhecimento terá de ser utilizado. Duas pessoas com formação formal comparável podem diferir substancialmente na capacidade para aprender nova informação, manter atenção, adaptar modelos mentais, integrar perspectivas contraditórias ou exercer julgamento sob condições de incerteza. Competência acumulada e capacidade funcional para a mobilizar não são, portanto, conceitos equivalentes.
É precisamente neste espaço que Brain Capital introduz uma dimensão adicional. O World Economic Forum e o McKinsey Health Institute definem-no através da associação entre Brain Health e Brain Skills e sublinham que ambas as dimensões estão interligadas. O relatório de 2026 inclui dentro de Brain Skills capacidades de ordem cognitiva, interpessoal, de auto-liderança e de literacia tecnológica, enquanto Brain Health abrange promoção do desenvolvimento cerebral saudável e prevenção ou tratamento de condições mentais, neurológicas e relacionadas com o uso de substâncias. [1]
O conceito ganha particular interesse quando deixa de ser interpretado exclusivamente através da saúde individual. O cérebro participa directamente nos processos através dos quais informação é transformada em significado, conhecimento é actualizado, problemas são formulados, alternativas são comparadas e recursos são distribuídos. Por essa razão, a condição funcional do cérebro não é apenas relevante para a qualidade de vida da pessoa que o possui. Tem consequências económicas quando afecta aprendizagem, participação, produtividade, inovação, coordenação e decisão.
A formulação não nasceu com o relatório de 2026. Eyre e colaboradores propuseram em 2021, na revista Neuron, uma agenda de Brain Capital que relacionava saúde cerebral, competências e desenvolvimento económico. [2] Nail-Beatty e colaboradores aprofundaram posteriormente a relação entre Brain Health e as grandes transições económicas contemporâneas, argumentando que a qualidade do capital cerebral se torna particularmente relevante perante transformações digitais, demográficas, ecológicas e sociais. [3] A OECD desenvolveu igualmente trabalho sobre políticas inspiradas pela neurociência e sobre Brain Capital como parte de uma abordagem sistémica ao desenvolvimento. [4]
O que a actual vaga de Inteligência Artificial acrescenta é uma alteração substantiva na estrutura da procura por capacidade cognitiva humana.
2. A Inteligência Artificial altera a localização da escassez
Grande parte da história tecnológica pode ser interpretada como uma sucessão de reduções do custo de determinadas capacidades. A mecanização diminuiu a dependência da força física humana; a electrificação multiplicou a energia disponível; a computação reduziu o custo do cálculo e do armazenamento; a internet alterou radicalmente o custo de reprodução e distribuição da informação. A Inteligência Artificial contemporânea está agora a reduzir o custo de produzir diversas formas de output cognitivo.
A consequência económica não é necessariamente a diminuição proporcional do valor do cérebro humano. Em determinados domínios, poderá ocorrer uma deslocação do valor ao longo da cadeia cognitiva. O documento The Human Advantage in an AI Economy, do McKinsey Health Institute, observa que a transformação do trabalho induzida pela IA pode deslocar actividade da execução para interpretação, priorização e decisão. A automação de tarefas rotineiras reduz uma classe de exigência, mas aquilo que permanece pode ser cognitivamente mais complexo. [5]
Esta observação é economicamente importante. Quando produzir uma primeira análise exige horas de trabalho, a produção dessa análise constitui um recurso escasso. Se um sistema artificial consegue produzi-la em segundos, a escassez desloca-se parcialmente para outras etapas: determinar se a pergunta formulada era adequada, avaliar os pressupostos utilizados, verificar a qualidade da evidência, distinguir uma correlação de um mecanismo causal, compreender factores contextuais ausentes do modelo e decidir se a recomendação deve ou não ser executada.
A mesma lógica aplica-se à geração de alternativas. Num ambiente em que formular dez cenários custa significativamente menos, o valor relativo da capacidade de seleccionar entre eles aumenta. A abundância não elimina a necessidade de escolha; frequentemente aumenta-a.
A investigação do McKinsey Global Institute sobre agentes, robots e reorganização do trabalho aponta numa direcção compatível. O potencial técnico de automação de actividades é elevado, mas automatizar actividades não equivale mecanicamente a eliminar ocupações. Em muitos contextos, o conteúdo da função modifica-se e a fronteira entre trabalho humano e artificial passa a organizar-se em torno de novas complementaridades. [6] O trabalho humano pode deslocar-se para enquadramento de problemas, tratamento de excepções, integração de contexto, interacção social, supervisão e decisão.
Daqui resulta uma proposição que merece investigação sistemática: quando uma camada da capacidade produtiva se torna mais abundante e barata, o valor relativo pode deslocar-se para as capacidades complementares necessárias para a governar. No caso da IA, essas capacidades incluem uma parte importante daquilo que o enquadramento contemporâneo designa como Brain Skills.
Esta proposição não depende da afirmação de que criatividade, julgamento ou outras capacidades permanecerão eternamente impossíveis para máquinas. Seria imprudente definir uma teoria económica com base numa previsão dessa natureza. O argumento é institucional. Enquanto seres humanos mantiverem responsabilidade jurídica, fiduciária, política ou moral sobre decisões, continuará a existir uma diferença relevante entre capacidade de produzir um output e autoridade para determinar o que fazer com ele.
3. Brain Capital como infra-estrutura produtiva
A utilização da palavra capital exige maior rigor do que uma linguagem genérica de bem-estar. A saúde possui valor intrínseco, independentemente da contribuição económica de uma pessoa. Mas um conceito de Brain Capital torna-se economicamente relevante quando podemos identificar mecanismos através dos quais a sua formação ou deterioração altera capacidade produtiva presente e futura.
A evidência disponível já permite identificar parte desses mecanismos. O relatório WEF-McKinsey estima, com base nas projecções utilizadas pelos autores, que condições de Brain Health — incluindo carga primária e associada de perturbações mentais, neurológicas e relacionadas com substâncias, stroke e self-harm — correspondem a aproximadamente 24% da carga global de doença. [1] O mesmo relatório estima que a expansão de intervenções comprovadas poderia reduzir a carga global de doença em mais de 260 milhões de DALYs e gerar até US$6,2 trillion — 6,2 biliões de dólares — de ganhos acumulados de PIB. [1]
Estes números precisam de ser interpretados com cuidado. Não significam que “Brain Capital vale 6,2 biliões de dólares”, nem que qualquer intervenção relacionada com o cérebro possui automaticamente retorno económico. São estimativas modelizadas sobre o impacto potencial de ampliar intervenções específicas de Brain Health. A sua relevância para a presente tese reside noutra coisa: demonstram que condições relacionadas com o cérebro produzem consequências que atravessam saúde, participação económica, rendimento, produtividade e crescimento.
Uma análise mais abrangente sobre saúde da população activa, também utilizada pelo relatório WEF-McKinsey, estima que investimento proactivo na saúde dos trabalhadores — conceito mais amplo do que Brain Health — poderá gerar até US$11,7 trillion de valor económico e corresponder a um aumento potencial de até 12% do PIB global. Não seria metodologicamente correcto atribuir a totalidade desta estimativa a Brain Capital; é, porém, evidência adicional de que condições humanas que durante muito tempo foram classificadas sobretudo como bem-estar possuem consequências económicas materiais.
A formação desse activo começa muito antes da entrada na força de trabalho. O relatório WEF-McKinsey recupera literatura sobre desenvolvimento infantil e investimento em capacidades ao longo do ciclo de vida, incluindo os trabalhos de Heckman e colaboradores. [7] O princípio económico subjacente é importante: parte da produtividade observada num adulto resulta de investimentos e condições acumuladas durante décadas. Uma política de produtividade que começa apenas quando um trabalhador é contratado ignora uma parte importante da formação do activo que pretende utilizar.
Brain Capital permite, neste sentido, relacionar políticas habitualmente separadas. Saúde, educação, aprendizagem contínua, condições de trabalho e participação social podem actuar sobre dimensões diferentes do mesmo sistema produtivo humano. Não significa que sejam equivalentes ou substituíveis, mas que possuem efeitos convergentes sobre capacidade futura.
4. Os canais através dos quais Brain Capital pode produzir valor económico
O valor económico de Brain Capital torna-se mais claro quando se distinguem os mecanismos através dos quais pode afectar resultados. Um primeiro mecanismo é a participação económica. Condições mentais e neurológicas podem reduzir participação laboral através de incapacidade, absentismo, mortalidade prematura ou responsabilidades de cuidado. O McKinsey Health Institute refere, por exemplo, a perda global de aproximadamente 12 mil milhões de dias de trabalho por ano associada a problemas de saúde mental. [5]
Um segundo mecanismo é a produtividade durante a própria participação. Presença não é equivalente a plena capacidade produtiva, e factores que afectam concentração, aprendizagem, colaboração ou flexibilidade podem influenciar a qualidade do trabalho mesmo quando não existe absentismo formal.
O terceiro mecanismo é a formação e actualização de competências. O Future of Jobs Report 2025, citado pelo WEF-McKinsey, estima que 59% dos trabalhadores necessitarão de formação adicional até 2030. [8] A lista de competências cuja importância tende a crescer inclui pensamento analítico, criatividade, resiliência, flexibilidade, curiosidade e literacia tecnológica. O próprio relatório de Brain Capital enquadra muitas destas capacidades como Brain Skills.
Um quarto mecanismo é a adaptação. Num ambiente em que tecnologia, mercados e modelos de negócio mudam rapidamente, possuir conhecimento deixa de ser suficiente se esse conhecimento não puder ser revisto. A capacidade para abandonar uma regra quando deixa de funcionar, reconhecer uma alteração de regime ou incorporar uma ferramenta nova sem abdicar do julgamento sobre a finalidade dessa ferramenta constitui um activo económico.
Um quinto mecanismo é a inovação. Criatividade não acontece isoladamente da capacidade para manter curiosidade, combinar conhecimento, tolerar ambiguidade e persistir sobre problemas sem resposta imediata. Estas características também não são independentes das condições em que o sistema cognitivo funciona.
Existe, finalmente, um mecanismo menos frequentemente incluído nas discussões sobre Brain Capital, mas potencialmente de enorme valor: a qualidade da alocação. Algumas pessoas não produzem apenas uma unidade adicional de trabalho; decidem sobre a distribuição dos restantes activos da organização. Determinam onde o capital financeiro é investido, que pessoas ocupam posições críticas, que tecnologia é adquirida, que mercados recebem recursos e que riscos são aceites. A consequência económica de uma alteração marginal na qualidade da decisão de alguém com elevada alavancagem sobre recursos pode ser muito superior à de uma alteração marginal numa tarefa operacional de baixa consequência.
Por esta razão, o valor de Brain Capital não depende apenas da quantidade de cognição produzida. Depende também do lugar que essa cognição ocupa na arquitectura de decisão.
5. A Inteligência Artificial e o problema da capacidade de absorção
O acesso a uma tecnologia não determina automaticamente o valor económico extraído dessa tecnologia. Esta constatação é bem conhecida na história das tecnologias de uso geral: frequentemente existe um intervalo entre investimento tecnológico e ganhos de produtividade porque organizações precisam de alterar processos, competências, estruturas e modelos de negócio.
A IA acrescenta uma particularidade. Consegue aumentar extraordinariamente a quantidade de output cognitivo disponível. Uma organização pode passar a gerar mais análises, previsões, alternativas, documentos, simulações e recomendações sem aumentar proporcionalmente o número de pessoas responsáveis por interpretar ou validar esse material.
É precisamente aqui que a McKinsey identifica um potencial value leakage: quanto maior a diferença entre aquilo que a IA consegue produzir e aquilo que as pessoas conseguem absorver, menor a proporção do potencial tecnológico que se converte efectivamente em valor.
Esta observação permite introduzir Brain Capital como parte do problema de absorptive capacity. A organização pode possuir capacidade tecnológica superior à sua capacidade humana e institucional para integrar essa tecnologia no processo de decisão. Nesse caso, mais inteligência disponível não garante proporcionalmente mais inteligência organizacional.
O paradoxo é importante. A diminuição do custo marginal da produção de informação pode aumentar o valor marginal da atenção capaz de a seleccionar. A proliferação de alternativas pode aumentar o prémio sobre hierarquização. A automatização da análise pode aumentar a importância da verificação. A multiplicação de recomendações pode aumentar a necessidade de julgamento.
Assim, uma empresa pode tornar-se tecnologicamente muito sofisticada e continuar cognitivamente fraca. Pode possuir modelos avançados, agentes, automação e grandes volumes de dados, mas manter baixa capacidade para formular problemas, detectar erros, compreender segunda ordem, desafiar premissas ou decidir sob incerteza. A tecnologia e o julgamento não devem, portanto, ser tratados como substitutos perfeitos.
6. A hipótese do Brain Capital Multiplier
A partir desta relação propõe-se uma hipótese que designaremos, por conveniência, Brain Capital Multiplier. A expressão é utilizada como rótulo conceptual e não como reivindicação de originalidade lexical ou como nome de um coeficiente já demonstrado empiricamente.
A hipótese consiste em afirmar que níveis mais elevados de Brain Capital podem não apenas produzir efeitos directos sobre participação, aprendizagem e produtividade, mas também aumentar o retorno realizado sobre activos complementares, particularmente tecnologia, conhecimento e capital financeiro.
Em termos económicos, a proposição forte não é simplesmente que mais Brain Capital esteja associado a melhor desempenho. É que o retorno marginal de determinados investimentos tecnológicos poderá variar em função da capacidade humana disponível para os compreender, adoptar, supervisionar e integrar em decisões.
Considere-se duas organizações com acesso a sistemas de IA comparáveis. Se uma delas possuir maior capacidade de aprendizagem, adaptação, pensamento crítico, colaboração e julgamento, é plausível que consiga redesenhar processos mais rapidamente, reconhecer melhor erros ou limitações da tecnologia e escolher aplicações de maior valor. A diferença de performance não resultaria, nesse caso, apenas do volume de capital tecnológico; resultaria da complementaridade entre o capital tecnológico e o Brain Capital existente.
Esta hipótese é compatível com o enquadramento do WEF-McKinsey, que recomenda combinar alterações habilitadas por IA com investimento deliberado em Brain Skills e afirma que a integração de formação e workflows pode tornar a adopção de IA mais efectiva. Contudo, o Brain Capital Multiplier, tal como formulado aqui, permanece uma extensão teórica. A demonstração exigiria investigação empírica que comparasse organizações, sectores e funções com diferentes níveis de exposição tecnológica, capacidade humana e resultados.
A prudência é central. Não existe actualmente um “Brain Capital Multiplier” quantificável que possa ser aplicado a uma empresa. Transformar a hipótese prematuramente numa fórmula comercial enfraqueceria, em vez de fortalecer, o conceito.
7. Formação, utilização e depreciação de Brain Capital
Se Brain Capital é tratado como capital, a análise não pode limitar-se à sua formação. Activos também podem depreciar.
Nail-Beatty e colaboradores utilizam a distinção entre ambientes económicos brain-positive e brain-negative para salientar que certas condições podem fortalecer Brain Capital enquanto outras contribuem para a sua erosão. [3] A implicação é particularmente relevante para organizações contemporâneas, que podem investir simultaneamente em formação e criar ambientes operacionais que fragmentam atenção, dificultam reflexão ou tornam a aprendizagem contínua estruturalmente improvável.
Uma economia pode aumentar anos médios de educação enquanto deteriora outros factores que condicionam capacidade cognitiva funcional. Uma empresa pode contratar pessoas altamente qualificadas e organizar o trabalho de forma que essas qualificações sejam utilizadas predominantemente em reacção, coordenação fragmentada e processamento administrativo. Em ambos os casos existe uma diferença entre o activo teoricamente acumulado e o activo efectivamente mobilizável.
O campo ainda está longe de possuir uma contabilidade satisfatória para esta questão. O próprio WEF-McKinsey reconhece que não existe uma framework amplamente adoptada para definir sucesso, comparar resultados ou medir Brain Capital. O Brain Capital Dashboard representa uma tentativa de construir indicadores para mais de cem países, cruzando Brain Health, Brain Skills, ambientes e factores de política e inovação. O relatório sugere inclusivamente que, no futuro, contas satélite de Brain Capital poderiam complementar medidas económicas tradicionais e tornar mais visíveis custos de inacção e retornos de investimento.
Uma agenda madura de investigação deveria, assim, procurar distinguir formação, utilização, depreciação e retorno de Brain Capital. Não é necessário presumir que cada uma destas dimensões possa ser resumida por um único índice. Pelo contrário, a interdisciplinaridade do fenómeno sugere que medidas diferentes serão necessárias para diferentes escalas de análise.
8. Brain Capital como questão de estratégia e governance
Enquanto Brain Capital permanecer classificado essencialmente como assunto de People & Culture ou wellness, parte substancial do argumento económico ficará perdida. O relatório WEF-McKinsey identifica explicitamente esta fragmentação como uma barreira e defende que Brain Capital evolua para uma prioridade do CEO e do conselho de administração, integrada com estratégia, desenho organizacional, liderança e transformação tecnológica.
Esta mudança de nível não implica que conselhos de administração devam monitorizar cérebros, recolher dados biométricos ou medicalizar liderança. Uma interpretação dessa natureza confundiria uma tese económica com intervenção clínica e poderia criar problemas éticos sérios.
A implicação é institucionalmente mais simples. Uma organização que depende de decisões críticas deve reconhecer que a qualidade dessas decisões não é independente das condições sob as quais são tomadas. Governance tradicional preocupa-se com distribuição de autoridade, independência, qualidade da informação, conflitos de interesses, compliance, sucessão, tecnologia e concentração de risco. Uma perspectiva de Brain Capital acrescenta uma pergunta complementar: a arquitectura organizacional cria condições compatíveis com o nível de cognição que exige nos seus principais pontos de decisão?
Essa pergunta inclui a quantidade e qualidade de informação disponibilizada, a existência de contraditório, a distribuição de decisões, a concentração de aprovações, o tempo disponível para questões irreversíveis e a forma como outputs de sistemas artificiais chegam aos responsáveis humanos. Não substitui governance existente; torna explícita uma condição humana que a governance frequentemente presume.
A qualidade cognitiva da decisão torna-se, neste sentido, parte legítima do desenho institucional.
9. Uma nova dimensão da vantagem competitiva
A Brain Economy Thesis não afirma que Brain Capital substituirá capital financeiro, tecnologia, propriedade intelectual, escala ou dados. Afirma algo diferente: Brain Capital influencia a qualidade com que esses activos são escolhidos, combinados e governados.
Duas empresas podem comprar o mesmo modelo de IA e formular problemas diferentes. Podem receber acesso à mesma informação e reconhecer sinais diferentes. Podem possuir recursos financeiros comparáveis e alocá-los de forma distinta. Podem contratar profissionais com qualificações equivalentes e construir ambientes onde essas competências se combinam de maneira radicalmente diferente.
Quanto mais rapidamente uma tecnologia fundamental se dissemina, menos sustentável tende a ser a vantagem baseada exclusivamente no acesso à ferramenta. Parte da diferenciação desloca-se para complementaridades organizacionais, humanas e institucionais.
É nesse sentido que Brain Capital pode tornar-se uma nova variável da vantagem competitiva. Não porque o cérebro humano seja apresentado como superior à Inteligência Artificial, mas porque sistemas artificiais não entram na economia de forma autónoma. São escolhidos, treinados, configurados, supervisionados, integrados e utilizados dentro de instituições humanas.
A questão fundamental da Brain Economy deixa então de ser apenas quanta inteligência está disponível. Passa a ser quanta dessa inteligência pode ser transformada em valor sem que a organização perca a capacidade de a compreender e governar.
10. Proposições para investigação
A utilidade científica desta tese dependerá da sua capacidade de produzir proposições que possam ser rejeitadas pela evidência. A primeira hipótese é que Brain Capital se relacionará positivamente com determinados indicadores de capacidade de absorção tecnológica, mesmo depois de controladas variáveis tradicionais de Human Capital. A segunda é que o retorno sobre investimento em Inteligência Artificial apresentará complementaridade com competências humanas de adaptação, pensamento crítico e julgamento, em vez de depender apenas da qualidade técnica do sistema. A terceira é que funções de elevada alavancagem decisional apresentarão uma relação mais forte entre determinadas dimensões de Brain Capital e resultados económicos do que funções em que as decisões possuem consequências mais limitadas. A quarta é que ambientes organizacionais caracterizados por maior fragmentação de atenção, baixa oportunidade de aprendizagem e elevada carga de supervisão apresentarão menor capacidade de converter AI output em AI value, mesmo perante investimentos tecnológicos semelhantes.
Estas proposições são deliberadamente mais modestas do que uma “teoria total” de Brain Capital. O objectivo não é produzir uma narrativa impossível de falsificar, mas identificar uma zona de intersecção entre economia, neurociência, psicologia organizacional, estratégia e tecnologia que justifique investigação mais precisa.
Conclusão
Brain Capital acrescenta uma dimensão necessária à análise económica da era da Inteligência Artificial. Ao combinar Brain Health com Brain Skills, torna explícito que a capacidade produtiva humana não pode ser reduzida a qualificações formais ou conhecimento acumulado. O sistema que utiliza esse conhecimento possui condições funcionais, limites, potencial de aprendizagem e vulnerabilidades próprias.
A Inteligência Artificial aumenta a importância deste problema porque reduz o custo de determinadas formas de execução cognitiva e desloca uma parte do valor para outras etapas: formulação, interpretação, verificação, julgamento e decisão. Em consequência, a tecnologia pode aumentar a capacidade total disponível de uma organização sem aumentar proporcionalmente a sua capacidade para compreender e governar aquilo que a tecnologia produz.
A Brain Economy Thesis propõe, assim, compreender Brain Capital como infra-estrutura produtiva e complementar a outras formas de capital. A hipótese do Brain Capital Multiplier leva esta ideia um passo mais longe: o retorno sobre tecnologia, conhecimento e capital financeiro poderá depender parcialmente da capacidade cognitiva humana existente para orientar esses activos. Esta hipótese precisa de ser testada, não celebrada.
Se a proposição se confirmar, a transformação económica induzida pela IA exigirá uma alteração importante na forma como empresas e Estados pensam investimento. Construir maior capacidade artificial e construir maior capacidade humana não serão estratégias concorrentes. Serão componentes da mesma arquitectura produtiva.
A grande questão económica da Brain Economy poderá, portanto, não ser quem consegue produzir mais inteligência. Será quem consegue converter mais inteligência em melhores decisões e maior valor.
Referências
[1] World Economic Forum; McKinsey Health Institute. The Human Advantage: Stronger Brains in the Age of AI. Geneva: World Economic Forum; 2026.
[2] Eyre HA, Ayadi R, Ellsworth W, et al. Building brain capital. Neuron. 2021;109(9):1430-1432. doi:10.1016/j.neuron.2021.04.007.
[3] Nail-Beatty O, Ibanez A, Ayadi R, et al. Brain health is essential for smooth economic transitions: towards socio-economic sustainability, productivity and well-being. Brain Commun. 2024;6(6):fcae360. doi:10.1093/braincomms/fcae360.
[4] Hynes W, Linkov I, Love P, editors. A Systemic Recovery. Paris: OECD Publishing; 2022. Chapter 6, Build Back Brainier: Base Policies on Brain Science. doi:10.1787/62830370-en.
[5] McKinsey Health Institute. The Human Advantage in an AI Economy. McKinsey & Company; July 2026.
[6] Yee L, Madgavkar A, Smit S, et al. Agents, robots, and us: Skill partnerships in the age of AI. McKinsey Global Institute; 2025.
[7] Garcia JL, Heckman JJ, Leaf DE, Prados MJ. Quantifying the life-cycle benefits of an influential early-childhood program. J Polit Econ. 2020;128(7):2502-2541. doi:10.1086/705718.
[8] World Economic Forum. The Future of Jobs Report 2025. Geneva: World Economic Forum; 2025.
[9] McKinsey Health Institute. The new case for brain health: Scaling interventions for health and economic growth. McKinsey & Company; 2025.
[10] Jeffery B, Weddle B, Brassey J, Thaker S. Thriving workplaces: How employers can improve productivity and change lives. McKinsey Health Institute; 2025.
[11] World Health Organization. Optimizing brain health across the life course: WHO position paper. Geneva: World Health Organization; 2022. ISBN:9789240054561.