Após semanas de testes práticos (investigação de empresas, scrapers, sítios web, jogos), Patel conclui que os LLM não pensam — reconhecem padrões estatísticos — e alucinam de forma persistente mesmo com engenharia de prompts cuidada. Os primeiros 80% do trabalho ficam bem; os últimos 20%, onde está o valor, não. Mas com enquadramento humano de contexto, julgamento e verdade, a IA é um multiplicador de força: estima ganhos de produtividade de 2-3x no seu processo de investigação. A adopção ampla será travada por cultura e regulação.
- Alucinação como falha estrutural: padrões estatísticos sem causalidade nem verdade
- Paradoxo de Jevons e efeito Berkshire Hathaway invertido: produtividade gera mais trabalho, não despedimentos em massa
- Sinais de retornos decrescentes no treino de modelos de fronteira (muro de dados)
Os vencedores óbvios nem sempre vencem: os 100 mil milhões de dólares de lucro bruto da Nvidia são um incentivo enorme ao silício personalizado dos hyperscalers, e há indícios de sobreconstrução de capacidade no curto prazo. Patel evoca o paralelo da Cisco, que caiu 90% do pico apesar de "deter a internet". Prefere exposição indirecta e barata à procura de inferência a pagar múltiplos de euforia.
- TPU da Google e silício personalizado como ameaça à Nvidia
- Comoditização dos modelos: arquitecturas empresariais construídas para trocar de fornecedor
Enquanto a IA dispara, os semicondutores analógicos e de sinal misto atravessam um dos piores ciclos descendentes desde o início dos anos 2000 e 2008-2009. Patel argumenta que, quando a IA encontrar o mundo físico, a procura por sensores e electrónica analógica explodirá (2027-2028). Comprou um pequeno participante barato do sector com três opções ligadas à IA embebidas — cara ganha, coroa ganha mais.
- Impactos de terceira e quarta ordem da IA ainda ignorados pelo mercado
O caso Chegg — receita em queda de 24% homóloga e orientação 34% abaixo, com o gestor a apontar os AI Overviews da Google como causa — mostra a velocidade e severidade possíveis da disrupção. Centros de atendimento e os seus fornecedores parecem vulneráveis. Em contraste, industriais de nicho com saber proprietário fora dos dados de treino parecem seguros e podem até beneficiar. Patel não quer apostar contra a disrupção da IA em nenhuma tese.
- Atendimento ao cliente como sector de disrupção próxima sem elasticidade de procura
- Vigilância de disrupção integrada no processo: nunca apostar contra a IA num 'buy the dip'
O ambiente de mercado tem sido brutal para o valor em pequenas capitalizações: grandes empresas como a Starbucks negoceiam a múltiplos absurdos e injustificáveis apesar de resultados fracos, enquanto pequenas empresas que geram fluxo de caixa livre real com futuro claramente positivo ficam para morrer. Patel mantém a convicção citando a sua carta anterior: eventualmente, o valor vence.
Como a IA alarga o leque de desfechos possíveis entre sectores e dentro deles, Patel pondera operar no topo do intervalo-alvo de 15-20 nomes e reduzir a alocação máxima por posição (hoje cerca de 10%) em algumas centenas de pontos base. A IA também lhe permite cobrir áreas antes evitadas por serem demasiado técnicas, como a cadeia de semicondutores.