EDIÇÃO #207 | NEWSLETTER SEMANAL DA ANÁLISE MACRO

Aos 43, voltei a ser calouro

Fala, Reader, espero te encontrar bem nesse final de domingo :)

Alguns dos meus alunos que me seguem por aqui provavelmente já sabem da estória da minha vida, mas, como tem chegado muita gente nova, vou contar como tudo começou há 27 anos e como tudo está prestes a mudar (de novo)...

Aos 16, entrei como estagiário técnico numa empresa de telecomunicações. Era meu início profissional e eu não poderia estar mais animado...

O último ano da Escola Técnica se passava entre o Centro de Niterói, o Maracanã e Ipanema. Morava em Niterói, estudava no Maracanã e estava começando a vida profissional em telecomunicações...

Uma área que naquela época estava "cheia de oportunidades para jovens que queriam aprender".

Era o boom da privatização do setor, que acabou gerando a abertura de milhares de empresas e milhões de empregos.

Estava eu no lugar certo, na hora certa, porque aos 14 anos havia decidido fazer curso técnico em telecomunicações, o que na época, confesso, não fazia muita ideia do que era.

A própria descrição do caderno da escola tinha mais a ver com "comunicação" do que com "engenharia".

Minha vinda para o Rio, contudo, saindo de uma cidade média que era Niterói, me trouxe experiências que eu levaria pro resto da vida.

Tive contato com todo tipo de gente, aprendi a comer joelho em boteco pé sujo, mas principalmente a andar pela cidade e a definitivamente não me limitar, jamais.

Fazer aquilo que meu coração e (principalmente) minha intituição mandam.

Nove meses depois do início do Estágio, sendo supervisionado pelo grande Geraldão de Ipanema, fui contratado como terceirizado da Telemar, dado que a empresa mesmo só contratava depois de resolvido a questão do serviço militar obrigatório.

No estágio, trabalhei dentro de uma central telefônica de grande porte com na época 20 mil assinantes. Atendia apenas o bairro de Ipanema.

Aquela experiência foi tão enriquecedora para mim que pude construir na minha cabeça exatamente o que levava um assinante A falar com outro B, desde o momento em que tirava o telefone do gancho até o momento em que digitava um número e o outro atendia.

Todos os passos físicos que levavam aquela operação, já conhecida pela humanidade há mais de um século, eu não sosseguei enquanto não entendi.

Conheci o processo desde os "fios" que saiam da casa do assinante A e chegavam até o DG (Distribuidor Geral) em cada unidade da Telemar.

Lá era agrupados para chegarem até a Central de Comutação, onde trabalhava, recebendo o tratamento adequado para seguirem por "cabo" até a transmissão, onde eram despachados para outra transmissão em outro prédio, outra central os recebia e levaria o sinal até um novo DG e, por fim, percorriam a planta externa ao do ponto B.

Passado o período de alistamento do serviço militar (um atraso de vida, diga-se), fui efetivado como Técnico em Gerência de Rede na Telemar e fui trabalhar no CGR, Centro de Gerência de Redes, sendo um dos responsáveis pelas centrais Siemens de todo o país.

Mais do que nunca, precisava ter uma "visão macro" das coisas, garantindo que um assinante A iria conseguir falar com qualquer assinante B, seja ele onde estiver (Brasil ou Exterior).

Foi minha base para construir uma visão sistêmica das coisas e, curiosamente, o que me levaria mais tarde a escolher macroeconomia na faculdade de Economia.

Pois é. Todo mundo achava que eu iria fazer Engenharia, mas acabei prestando vestibular para Economia.

Queria entender outras coisas além de circuitos eletrônicos e programas.

Fui cair na Economia da UFRJ, o que já falei algumas vezes sobre por aqui...

Estagiei em consultoria, energia, incubadora.

Mas acabei não me adaptando à Praia Vermelha por motivos que hoje não valem muito a pena dizer.

Fiz vestibular de novo para a UFF à noite, onde, lá sim, me encontrei na profissão.

Acabei me especializando em econometria, uma disciplina que acabei me apaixonando, por sintetizar meu lado técnico de uma forma bastante importante.

Logo depois, fiz Anpec e decidi continuar na UFF para o Mestrado, por motivos pessoais que um dia toco por aqui.

Terminei o Mestrado com a honra de ter na banca o professor Gustavo Franco e uma dissertação que em 2015 já usava muito do que hoje chamamos de NLP (Processamento de Linguagem Natural).

A verdade é que na economia, meu coração sempre foi de um técnico sem tempo para Marx ou para Keynes...

Tanto é assim que a despeito de ter trabalhado muito tempo com macro e conjuntura, desde o final do mestrado, me considero muito mais um Cientista de Dados do que propriamente um Economista.

Hoje, aos 43, depois de terminar uma pós-graduação recente em IA e LLMs na PUC aqui do Rio e de passar pelo primeiro ano do Doutorado em Economia na EPGE/FGV, eu olhei para aquele menino de 16 anos e tomei uma decisão que está me deixando bastante feliz: voltei a ser calouro.

Estou frequentando as aulas do curso de graduação em engenharia de software do Infnet e estou adorando.

No fundo, eu "sempre fui meio desenvolvedor". Sempre gostei de ir a fundo e entender de verdade como A fala com B.

Então, aquele menino que saiu de Niterói para o mundo, que só queria dar uma vida melhor para a mãe, esse moleque corajoso, ele sempre me persegue e nunca me deixa me acomodar.

Agora, ele quer porque quer que eu, esse velho de 43 que está ficando careca e acorda toda a noite para mijar, entenda como se coloca modelos fundacionais em produção.

Na cabeça dele, isso vai ajudar a destravar o mercado de economia e finanças, vai ajudar pessoas e empresas a melhor entender e de fato colocar agentes de IA verdadeiramente em produção.

E ele quer que eu participe da revolução... :)

🎯 Por que uma graduação, e não mais um curso

Essa é a pergunta que quase todo mundo me faz. "Vítor, você já tem mestrado, tá no doutorado, tá numa pós na PUC. Por que graduação?"

A resposta curta: não estou atrás de diploma. Estou atrás de base.

O objetivo é específico. Quero unir análise de dados, IA, economia e finanças para construir soluções que ajudem pessoas e empresas a lidar com agentes de IA. Isso não é curso rápido. Isso é engenharia. E engenharia se aprende do chão.

Comecei técnico em telecom aos 16. Passei 20 anos em economia e dados. Estou voltando ao desenvolvimento levando tudo o que aprendi no caminho. Não é largar tudo. É fechar um círculo.

⚙️ E logo agora, que "a AGI chegou"

Semana passada, a OpenAI lançou o GPT-6 Astra. É o primeiro modelo classificado como "crítico" no próprio framework de cibersegurança da empresa. Lidera os benchmarks de fronteira, achou vulnerabilidades zero-day durante testes internos, e Jensen Huang saiu dizendo que "a AGI chegou".

A ironia aparente é grande: eu, aos 43, matriculado numa graduação de engenharia de software na semana em que a máquina programa sozinha.

Só que tem um contrapeso. Um paper novo do NBER, Benchmark Mineability and the Financing of AI Innovation, mostra que benchmarks são "mineráveis" — dá para otimizar em cima deles sem que isso reflita capacidade real. Ou seja: o "99,9% no ARC-AGI-3" precisa ser lido com pinça. O sinal de qualidade que o mercado está precificando pode estar distorcido.

Mas mesmo tirando o hype, sobra máquina muito boa. E aí a pergunta vira outra: o que faz um humano continuar relevante quando a execução vira commodity?

É aqui que os dados aparecem.

📊 O que o experimento do Autor mostra

Saiu esse mês o Does AI Assistance Enhance or Erode Expertise? Evidence from a Three-Month Field Experiment in Patent Drafting, do David Autor com um time grande de coautores. É um dos experimentos mais rigorosos que já vi sobre IA no trabalho cognitivo.

Desenho: 133 advogados de patentes, 11 escritórios de propriedade intelectual nos EUA, 3 meses com um assistente de IA personalizado. Mediram o desempenho com e sem IA.

Teste final, sem IA: tratados superaram controles em +0,32 SD (p=0,04)

Dia 10: +0,34 SD (p=0,03)

Dia 90: +0,38 SD (p=0,01)

Sêniores: +0,45 SD (p=0,02)

Juniores: efeito nulo, mas com bifurcação — menos medianos, mais péssimos e mais excelentes

Leia com calma o achado dos juniores. Não é que "a IA não ajuda os novatos". É que ela bifurca: uma parte decola, outra afunda. A média fica em zero, mas a variância explode.

A leitura para mim é esta: a IA amplifica quem já tem base e bifurca quem não tem. Quem tem repertório usa a ferramenta como alavanca. Quem não tem, ou o repertório se forma junto com o uso — e aí decola — ou o uso substitui o esforço de aprender, e aí afunda.

Isso muda tudo na conversa sobre educação.

🔓 O aluno que não usa supera o que usa (e quando isso se inverte)

Dia 8 de setembro saiu o PISA 2025. Amostra de 760 mil alunos em 91 países. O achado que virou manchete: alunos que não usam chatbots para trabalho escolar superam os que usam.

Mas o achado inteiro é mais interessante que a manchete.

• Usuários moderados às vezes superam tanto os ocasionais quanto os intensivos. A relação não é linear.
• Usuários frequentes ganham vantagem quando a escola ensina a avaliar criticamente o que a IA produz.
• O mecanismo tem nome: cognitive offloading — descarregar a tarefa difícil no chatbot — e metacognitive laziness, que reduz o engajamento e trava o desenvolvimento de habilidade no longo prazo.
• A própria OCDE conclui: quando a GenAI é incorporada a boas estratégias de ensino, ela melhora o aprendizado.

Ou seja, não é "IA burra aluno". É o uso que é a variável. Consumo passivo de resposta destrói aprendizado. Uso crítico, com repertório para julgar o que saiu, amplifica.

Que é exatamente o achado do Autor, só que na escola em vez do escritório.

E é exatamente por isso que eu volto para a sala de aula em vez de só perguntar ao modelo.

📄 Papers da semana

• ​Does AI Assistance Enhance or Erode Expertise? Evidence from a Three-Month Field Experiment in Patent Drafting — Autor et al. (NBER w35720). O experimento que ancora esta edição: IA construiu expertise, mas de forma heterogênea. Sêniores amplificaram, juniores bifurcaram.
• ​Benchmark Mineability and the Financing of AI Innovation — NBER w35641. Se benchmarks são "mineráveis", o sinal de qualidade que o mercado precifica em IA pode estar distorcido. Leitura obrigatória para relativizar o "99,9%".
• ​AI Adoption, Regional Productivity, and Inflation: Evidence from Korea and Implications for Monetary Policy — conecta choque de IA a produtividade e preços regionais. Se IA é desinflacionária, mas com heterogeneidade regional, o output gap fica bem mais difícil de ler.
• ​Aging Economies and AI Adoption: Firm-Level Evidence from the World Bank Enterprise Surveys — Ha Minh Nguyen, IMF WP 2026/176. 89 mil firmas em 144 países. Firmas em economias envelhecidas adotam mais IA. Tema quente para o Brasil pós-bônus demográfico.
• ​Inference with AI-Generated Covariates — problemas de inferência quando variáveis explicativas vêm de LLMs. Metodologia essencial para quem começa a usar texto classificado por IA em pesquisa aplicada.
• ​Financial advice behaviour: humans versus AI — comparação entre aconselhamento humano e por IA. Relevante para o desenho de wealth management no Brasil.
• ​From Financial Sentiment Classification to Return Predictability: A QLoRA Benchmark of Large Language Models — benchmark de LLMs ajustados via QLoRA para sentimento financeiro e previsão de retornos.
• ​Communicating Credit Risk with Large Language Models — avalia como LLMs explicam decisões de modelos de risco de crédito. Agenda direta de open finance e supervisão prudencial.

📈 Modelo da semana — VAR

Escolhi o VAR essa semana meio de propósito.

O Vetor Autorregressivo foi a resposta do Sims à econometria estrutural dos anos 70. A ideia: em vez de você impor a priori quem causa quem, deixe todas as variáveis dependerem das defasagens de todas. Os dados mostram a teia de retroalimentações.

Carreira é isso. Não é uma relação causal simples ("fiz X, virei Y"). É um sistema dinâmico. A decisão de voltar à graduação hoje depende da defasagem de ter feito mestrado, de ter passado 10 anos como cientista de dados, de ter entrado no doutorado, de ter começado como técnico em telecom aos 16.

Cada escolha realimenta as outras com defasagem. VAR modela isso melhor que qualquer regressão de decisão única.

📘 Livros da semana — econometria de séries temporais

Selecionei uma prateleira que atravessa da fundação ao estado da arte. Se você fizer só essa sequência com calma, sai do outro lado sabendo previsão de verdade.

• ​Time Series Analysis: Forecasting and Control — Box, Jenkins, Reinsel (Wiley). O tratado fundador. Se você quer entender ARIMA a partir dos princípios, e não como caixa-preta, começa aqui. Aprender o fundamento em vez de só operar a ferramenta — essa é a tese da edição inteira, aliás.
• ​Practical Time Series Analysis — Aileen Nielsen (O'Reilly). A ponte honesta entre teoria estatística e trabalho aplicado. Para o analista que precisa limpar dado real e escolher modelo sem se perder em formalismo.
• ​Time Series Forecasting in Python — Marco Peixeiro (Manning). Do ARIMA ao SARIMAX e VAR em Python. Para quem já entende a lógica e quer botar previsão em produção.
• ​Modern Time Series Forecasting with Python (2ª ed.) — Joseph, Tackes (Packt). O panorama mais atual da área. Deep learning e larga escala para quem trabalha com muitas séries.
• ​Machine Learning for Time Series Forecasting with Python — Francesca Lazzeri (Wiley). Introdução ao uso de ML em previsão, para o economista curioso sobre onde algoritmos superam modelos lineares.

🧠 Insight final

Volto para o achado do Autor. A IA construiu expertise nos sêniores (+0,45 SD) e bifurcou os juniores. Amplifica quem tem base, e joga na roleta quem não tem.

Isso muda o cálculo de qualquer carreira daqui pra frente. Se a máquina executa cada vez mais, o valor do humano se desloca para ter a base que permite julgar o que a máquina fez. Cognitive offloading virou a doença profissional do nosso tempo. E o antídoto é chato, lento e antigo: estudar, exercitar, errar em ambiente controlado, formar repertório.

Aos 43, voltar a ser o calouro da sala é meu jeito de garantir que continue havendo base para amplificar. É admitir que a próxima década vai cobrar habilidades que eu ainda não tenho, e que o único jeito honesto de tê-las é fazer o percurso.

Deixo a pergunta para você fechar a semana: o que você aprenderia do zero, hoje, se não tivesse vergonha de ser o mais velho da sala?

📎 Material da semana

📄 Resumo da semana (PDF) — o digest completo das newsletters que embasou esta edição.

🎧 Ouça em podcast — esta edição em áudio.

🎂 11 anos de Análise Macro

Falando em continuar aprendendo: estamos comemorando o aniversário da Análise Macro com uma condição especial no AM Black, o plano com acesso a todos os cursos passados e, principalmente, os futuros. Depois de tudo o que te contei, você vai ficar mesmo de fora?

👉 Ver os detalhes e assinar o AM Black com 60% OFF​

Um abraço,

Vítor Wilher​
Análise Macro

A verdade está nos dados.

Qual tópico você tem maior interesse? Selecione abaixo:

• ​Estatística e Probabilidade​
• ​Análise de Dados na Prática​
• ​Macroeconomia e Conjuntura​
• ​Econometria e Previsão​
• ​IA Aplicada​
• ​Mercado Financeiro​

Saber suas preferências me ajuda a direcionar o melhor conteúdo pra você :)