O efeito colateral invisível da IA: quando a abundância de capital distorce o mercado imobiliário

Quando ouvimos falar sobre o impacto da inteligência artificial, geralmente pensamos em automação de processos, geração de conteúdo sintético ou a corrida por GPUs. Mas a IA está gerando um efeito colateral bem mais concreto — e doloroso — em uma das regiões mais icônicas do planeta. O preço médio de uma casa em São Francisco atingiu US$ 1,7 milhão, um recorde absoluto, e a narrativa oficial atribui isso à alta demanda de profissionais de tecnologia. A história, porém, é mais complexa e revela como a abundância de capital venture, combinada com a aceleração da IA generativa, está criando um movimento de gentrificação tech que poucos discutem com a profundidade técnica que o tema merece.

Não sou sociólogo, nem economista urbano. Sou engenheiro de software e arquiteto de sistemas que, nos últimos 15 anos, viu o ecossistema de startups crescer, queimar caixa e, mais recentemente, se concentrar em torno de modelos de linguagem. O que está acontecendo em São Francisco não é apenas uma crise imobiliária — é um sinal de alerta sobre como a nossa indústria externaliza custos sociais sem sequer perceber. E, se você trabalha com tecnologia, precisa entender isso, porque esse padrão tende a se repetir em outros polos tech ao redor do mundo.

O mecanismo invisível: salários e capital venture

O argumento mais direto é que profissionais de IA recebem salários elevados e, portanto, podem pagar mais por imóveis. Isso é verdade, mas é apenas a ponta do iceberg. A dinâmica real é mais sutil e está enraizada na forma como o capital de risco alimenta o mercado.

Empresas de IA, especialmente as que estão na corrida dos modelos fundamentais, queimam centenas de milhões de dólares por ano. Esse dinheiro não vem de receita operacional — vem de rodadas de investimento agressivas. O que muitos não percebem é que esses fundos não ficam apenas nos balanços das empresas. Eles se infiltram na economia local de várias formas:

• Salários inflacionados: Para atrair talentos raros (engenheiros de machine learning, pesquisadores de NLP), empresas pagam salários totais que superam US$ 500 mil por ano. Esse poder de compra, concentrado em uma bolha geográfica, redefine o preço de reserva do mercado imobiliário.
• Stock options como moeda de troca: Profissionais que entraram em startups de IA há 3 ou 4 anos, especialmente aquelas que fizeram exit ou IPO, transformaram opções em liquidez. Esse influxo de capital pessoal, muitas vezes da noite para o dia, busca abrigo em ativos reais — e imóveis são o alvo preferido.
• Efeito riqueza dos founders: Fundadores de empresas que atingiram valuation bilionário vendem ações secundárias ou fazem empréstimos colateralizados. Uma parte significativa desse dinheiro vai para a compra de propriedades de alto padrão, criando um piso artificial de preços em bairros específicos.

Se você acha que isso é apenas um problema californiano, pense novamente. Qualquer cidade que se torne um polo de IA — seja Austin, Seattle, Berlim ou, potencialmente, São Paulo e Lisboa — está sujeita ao mesmo fenômeno. A diferença é a escala e a velocidade com que o dinheiro novo entra em um estoque habitacional que não cresce na mesma proporção.

Infraestrutura imobiliária vs. infraestrutura de dados

Há uma analogia técnica que uso com frequência para explicar isso para outros engenheiros. Pensamos em escalabilidade de sistemas o tempo todo. Quando um serviço recebe um pico de tráfego inesperado, você faz auto-scaling, adiciona mais instâncias, otimiza consultas. O mercado imobiliário, no entanto, funciona exatamente ao contrário: a oferta é extremamente inelástica no curto prazo.

Leva anos para construir um novo prédio residencial em São Francisco — o processo de licenciamento, zoneamento e aprovação ambiental é um pesadelo burocrático. Enquanto isso, a "carga" de demanda (profissionais de IA chegando com capital abundante) cresce exponencialmente. O resultado é inevitável: latência alta para novos entrantes (famílias que não trabalham com tecnologia) e "timeouts" (pessoas sendo expulsas de suas casas).

Do ponto de vista de sistemas, o problema é de contenção de recurso. O recurso (moradia) tem uma taxa de produção (throughput) que é várias ordens de magnitude menor do que a taxa de chegada de demanda. Qualquer engenheiro de infraestrutura sabe que, sem um buffer adequado e sem capacidade de escalar horizontalmente, o sistema entra em colapso. O colapso social é a versão física desse fenômeno.

O ciclo de feedback perverso da IA generativa

Há um aspecto ainda mais perverso nessa história. A IA generativa está, ela própria, sendo usada para acelerar o ciclo de especulação imobiliária. Já existem startups que usam modelos de precificação preditiva para identificar propriedades subvalorizadas, otimizar lances de compra e até gerar contratos de locação que maximizam o retorno ao proprietário, muitas vezes com cláusulas que favorecem a expulsão indireta de inquilinos de longo prazo.

O algorítimo não tem maldade — ele simplesmente aprendeu que, naquela região, a elasticidade de preço permitia extrair mais valor sem gerar vacância imediata. O resultado prático é a aceleração da substituição demográfica.

Isso não é uma falha técnica. É uma falha de design de incentivos. O modelo foi treinado para maximizar receita, e não para equilibrar ocupação saudável. Nós, como indústria, precisamos parar de fingir que esses trade-offs não existem. Quando construímos sistemas de recomendação para aluguéis, ou modelos de precificação dinâmica para imóveis, estamos inserindo nossos vieses e objetivos no tecido social.

O que outros polos tech podem aprender

Para engenheiros e líderes de produto que estão lendo isso fora dos Estados Unidos, a lição não é teórica. A concentração de capital de risco em IA está crescendo no Brasil, Europa e Ásia. Em São Paulo, por exemplo, bairros como Vila Olímpia e Itaim já sofrem pressão de profissionais de fintech e IA, embora em escala menor. A diferença é que, aqui, o custo de vida ainda é relativamente acessível em comparação com San Francisco — mas essa janela se fecha.

Algumas ações práticas que observei em cidades que lidam melhor com esse fenômeno:

• Zoneamento inclusivo: Exigir que novos empreendimentos imobiliários em zonas de alta densidade tech reservem um percentual mínimo para habitação de interesse social. Não é uma solução perfeita, mas mitiga a segregação.
• Fomento à construção de alta densidade: Cidades como Tóquio mostram que, com regulação adequada, é possível construir muito e rápido, mantendo preços estáveis. O gargalo não é falta de terreno, é falta de vontade política e de processos eficientes.
• Modelagem de impacto social em produtos de IA: Antes de lançar um modelo de precificação imobiliária, as empresas deveriam simular não apenas o lucro esperado, mas também o deslocamento populacional potencial. Isso é eticamente responsável e, a longo prazo, evita danos reputacionais.

Riscos e limitações dessa análise

É importante não simplificar demais a narrativa. A alta no preço dos imóveis em São Francisco não é causada exclusivamente por profissionais de IA. Fatores como a crise global de oferta de materiais de construção, taxas de juros, migração de trabalhadores remotos de outros estados (que vieram com salários de tecnologia de outras regiões) e a escassez crônica de moradias iniciada décadas atrás também têm peso. Culpar apenas os engenheiros de IA seria uma injustiça analítica.

No entanto, o que diferencia o momento atual é a velocidade e a concentração. A IA generativa não é apenas mais um hype cycle. Ela está atraindo montantes de capital que rivalizam com os primórdios da internet, mas em um espaço geográfico muito mais restrito. Isso cria uma pressão localizada que o mercado imobiliário simplesmente não consegue assimilar sem transtornos.

Minha visão pessoal: Se você é engenheiro ou pesquisador de IA, não se sinta ofendido por essa discussão. A culpa não é individual. É sistêmica. Mas é nosso dever, como profissionais que entendem de sistemas complexos e escalabilidade, apontar os gargalos e propor correções antes que o sistema entre em modo de falha irreversível. Ignorar a externalidade social do seu trabalho é uma escolha — e, francamente, uma escolha ingênua para quem projeta o futuro.

O mercado imobiliário de São Francisco é um caso de estudo sobre o que acontece quando a inovação tecnológica avança mais rápido do que a capacidade de adaptação da infraestrutura urbana. A IA não vai parar de atrair capital e talentos para regiões específicas. Cabe a nós — engenheiros, urbanistas, formuladores de políticas — projetar sistemas sociais tão robustos quanto os sistemas de software que construímos.