IBM evapora 40 mil milhões, Block despede metade da equipa mas ações sobem: Na era da IA, que ativos valem a pena tokenizar?

23 de fevereiro de 2026, uma segunda-feira que deveria ser tranquila, as ações da IBM enfrentaram a maior queda diária desde outubro de 2000. No fechamento, a queda foi de 13,2%, cerca de 40 bilhões de dólares em valor de mercado evaporaram-se em poucas horas. A causa não foi um relatório financeiro decepcionante nem uma intervenção regulatória severa, mas sim um anúncio de produto: a nova startup de IA Anthropic anunciou que sua ferramenta Claude Code consegue modernizar programas em COBOL rodando em sistemas IBM, sendo que o COBOL é justamente o negócio lucrativo e resistente da IBM.

Três dias depois, uma história semelhante se desenrolou de forma completamente oposta. Em 26 de fevereiro, a fintech Block, fundada por Jack Dorsey, anunciou a demissão de cerca de 4000 funcionários, quase 50% da equipe, alegando aumento de eficiência impulsionado por IA. Mas a reação do mercado foi totalmente diferente — as ações da Block dispararam mais de 24% após o expediente. Dorsey afirmou em carta aos acionistas: “Acredito que na próxima ano, a maioria das empresas chegará à mesma conclusão e fará ajustes estruturais semelhantes.”

Dois eventos, o mesmo motor — IA; duas reações de mercado completamente opostas — uma queda acentuada, uma alta expressiva. O que realmente aconteceu por trás disso? A resposta talvez indique uma questão mais profunda: a IA está redefinindo o que é um ativo valioso. Para executivos de empresas listadas, investidores e decisores tradicionais, entender essa lógica de reavaliação deixou de ser uma estratégia prospectiva e passou a ser uma questão de sobrevivência.

1. A mesma IA, julgamentos de mercado diferentes

Para entender o contraste entre esses dois eventos, é preciso primeiro analisar suas estruturas de ativos.

A queda da IBM, na superfície, é uma ameaça tecnológica ao Claude Code, mas na essência, é uma reprecificação do seu modelo de ativos principais. O COBOL, linguagem de programação criada no final dos anos 1950, ainda suporta cerca de 95% das transações de caixas automáticos globais e muitos sistemas críticos de finanças, aviação, governo, entre outros. Anthropic afirmou em seu blog: “Milhares de bilhões de linhas de código COBOL estão em produção todos os dias, alimentando sistemas essenciais. Ainda assim, o número de profissionais que entendem COBOL diminui a cada ano.”

Por muito tempo, modernizar sistemas COBOL foi uma tarefa complexa e cara, formando uma barreira de proteção aos lucros da IBM. Mas a Anthropic declarou: “Com o poder da IA, equipes podem modernizar bancos de código COBOL em poucos trimestres, sem gastar anos.” A mensagem subentendida pelo mercado é: a receita da IBM, baseada em manutenção intensiva de mão de obra e serviços em mainframes, está sendo corroída pela tecnologia de IA.

Curiosamente, no dia seguinte, as ações da IBM se recuperaram 2,68%. Instituições como Wedbush e Evercore ISI rapidamente defenderam a empresa, afirmando que a queda foi uma “reação exagerada e sem fundamento”. Seus argumentos apontam para o núcleo do problema: clientes corporativos não vão abandonar seus mainframes apenas porque uma nova ferramenta de IA consegue traduzir códigos legados. Existe um grande fosso entre traduzir sintaxe de código e modernizar sistemas profundamente integrados ao hardware e software.

A própria IBM também respondeu no mesmo dia, destacando um ponto crucial: o desafio de modernização não é a linguagem COBOL, mas a plataforma IBM Z — a tradução de código quase não captura a complexidade real, pois o valor da plataforma vem de décadas de integração de hardware e software, algo que a tradução de código não consegue transferir.

Já o caso da Block mostra uma situação semelhante de grande demissão, impulsionada por IA, mas com uma reação de mercado de alta de 24%. A diferença está na estrutura de ativos da empresa, que vem mudando. Desde 2024, a Block vem reestruturando seu modelo de negócios e equipe, investindo fortemente em ferramentas de IA, incluindo o desenvolvimento de uma ferramenta própria chamada Goose.

A CFO da Block, Amrita Ahuja, explicou as demissões: “Estamos tomando ações ousadas e decisivas, mas baseadas em força.” E essa força é sustentada por números: o lucro bruto de 2025 foi de 10,36 bilhões de dólares, um aumento de 17% em relação ao ano anterior. O desempenho financeiro robusto deu à empresa uma margem de manobra para uma grande reestruturação.

A leitura do mercado é clara: a Block não está se retraindo passivamente diante do impacto da IA, mas otimizando ativamente sua estrutura de ativos — trocando menos “ativos humanos” por maior “eficiência tecnológica”. A elevação das projeções anuais, mesmo após cortar 50% da força de trabalho, indica que o valor gerado por cada funcionário está sendo ampliado pela IA.

2. Na era da IA, quatro tipos de ativos estão sendo reprecificados

Esses dois casos revelam uma tendência em andamento: a IA está se tornando um “reprecificador” de valor de ativos. Diferentes tipos de ativos apresentam curvas de valor distintas sob a avaliação da IA.

Primeiro, ativos intensivos em capital humano. Equipes de manutenção de COBOL, analistas tradicionais, programadores — “processadores de informação” — estão tendo seu valor diluído pela IA. Anthropic mencionou que o Claude Code consegue identificar “riscos que levariam meses para serem detectados por analistas humanos”. Isso não significa que os humanos deixaram de ser importantes, mas que trabalhos baseados em assimetria de informação e conhecimento de processos estão sendo comprimidos tecnicamente.

Porém, é preciso entender que a IA substitui “processamento de informação”, não “criação de valor”. Mitch Ashley, analista do Futurum Group, destacou em relatório que projetos de modernização de COBOL bem-sucedidos envolvem definição de escopo, avaliação técnica, planejamento de migração de dados, validação de equivalência comportamental, observabilidade e gestão de mudanças organizacionais — a tradução de código é apenas uma etapa. Pessoas capazes de entender sistemas complexos, a essência do negócio e fazer julgamentos estratégicos continuam sendo recursos escassos.

Segundo, ativos de dados. Eles estão se tornando uma fonte de alto valor na era da IA. Com o avanço rápido da IA generativa, a propriedade e o valor dos dados estão sendo redefinidos. Pesquisadores como Tang et al., no estudo publicado na PLOS One, apontam que a IA generativa muda a forma de aquisição, processamento e uso de dados, e o valor de um ativo de dados depende não só de sua qualidade e relevância, mas também de seu cenário de aplicação, capacidade de transformação e demanda de mercado.

Isso significa que a singularidade, a continuidade e a governança dos dados estão se tornando dimensões centrais de valor. Um conjunto de dados pode ser extremamente valioso em um cenário, e inútil em outro. Empresas capazes de fornecer dados exclusivos, contínuos e de alta qualidade para treinar modelos de IA estão ganhando poder de precificação.

Terceiro, ativos de algoritmos e modelos. O lançamento do EVMbench, uma ferramenta colaborativa entre OpenAI e Paradigm para avaliar a capacidade de IA de detectar, corrigir e explorar vulnerabilidades em contratos inteligentes, mostra que algoritmos estão se tornando ativos quantificáveis. Pesos de modelos, frameworks, metodologias de treinamento — tudo isso está se tornando um ativo intangível que pode ser reconhecido, controlado e monetizado.

Quarto, ativos tradicionais tangíveis. Eles estão passando por uma segmentação. Ativos que dependem de assimetria de informação e mediação humana — como certos ativos financeiros — enfrentam pressão de depreciação. Por outro lado, ativos físicos com “resistência à substituição por IA”, como instalações energéticas, recursos escassos e infraestrutura crítica, mantêm seu valor relativamente estável. A razão é simples: IA pode analisar e otimizar a operação desses ativos, mas não substitui sua existência física ou sua função de suporte de valor.

3. De “reavaliação de ativos” a “imunidade à IA”

Com base na análise acima, as empresas precisam de uma estrutura sistemática para avaliar se seus ativos estão se valorizando ou se depreciando na era da IA. O RWA Institute propôs uma estrutura de “ativos imunizados à IA”, com três características principais.

Primeiro, não codificabilidade. Refere-se a elementos de valor difíceis de serem aprendidos ou replicados por IA. O código COBOL pode ser traduzido por IA, mas a capacidade de processamento de transações de plataformas Z, a criptografia quântica, a confiabilidade de “oito noves” — esses aspectos são impossíveis de serem reproduzidos por IA. Pesquisas do Futurum destacam que “a tradução de código não captura a complexidade real, o valor da plataforma vem de décadas de integração de hardware e software”. Da mesma forma, controle de cenários offline, conhecimento tácito do setor e redes de relacionamento complexas — elementos difíceis de codificar — formam a primeira barreira de imunidade do ativo.

Segundo, a barreira de dados. A empresa possui dados exclusivos, contínuos e governáveis? Usa apenas dados públicos ou consegue gerar dados que outros não podem obter? O Banco Citic já explora a avaliação do valor de ativos de dados usando grandes modelos, tentando “incluir dados de ativos na lista”. A lógica é: na era da IA, dados não são só matéria-prima de produção, mas ativos em si. Mas nem todos os dados têm uma barreira de proteção — dados públicos na internet podem ser rapidamente consumidos por modelos de IA, enquanto fontes exclusivas conferem maior valor.

Terceiro, a resiliência à IA. O ativo pode ser potencializado por IA, não substituído? Essa é a distinção entre impacto do tipo IBM e transformação do tipo Block. O core da IBM — manutenção de sistemas legados COBOL — é um alvo de substituição pela IA; já o modelo de negócios da Block — pagamentos, serviços financeiros — pode ser potencializado por IA. A própria IBM desenvolveu o Watsonx Code Assistant for Z, uma ferramenta que permite aos clientes reestruturar e modernizar códigos legados de forma segura na plataforma, mantendo a segurança corporativa. Quando o ativo consegue colaborar com IA, sua valorização é potencializada.

Por outro lado, ativos frágeis à IA apresentam três características: dependência de “processamento de informação” como valor central, possibilidade de substituição por processos padronizados e ausência de capacidade de gerar ou acumular dados. Com esses critérios, as empresas podem fazer um “teste de resistência” de seu portfólio de ativos.

4. Novas oportunidades do RWA: quais ativos valem a pena tokenizar?

Aplicando a estrutura acima ao campo de RWA (tokenização de ativos do mundo real), chega-se a uma conclusão clara: RWA não é “qualquer ativo pode ser colocado na blockchain”, mas sim uma seleção de ativos físicos que resistem à reavaliação de valor provocada pela IA.

Em março de 2026, o valor total de RWA na blockchain ultrapassou 25 bilhões de dólares, quase quadruplicando em um ano. Mas o white paper da Associação de Padrões Web3.0 de Hong Kong, publicado em agosto de 2025, afirma que “a ideia de que tudo pode ser RWA é um mito”. Para uma implementação em escala, os ativos precisam atender a três critérios: estabilidade de valor, clareza jurídica e verificabilidade de dados off-chain.

Com base na estrutura de “ativos imunizados à IA”, podemos detalhar ainda mais: os ativos que valem a pena tokenizar são aqueles cuja avaliação de valor permanece estável na reavaliação da IA.

Primeiro, ativos físicos com “imunidade à IA”. Incluem ativos energéticos, infraestrutura, recursos escassos. Seu valor não depende de processamento de informação, mas de existência física e utilidade real. Exemplos no white paper incluem ativos de energia renovável (como estações de carregamento, parques solares), e ativos de computação como GPUs, que, devido à demanda rígida do setor de IA e seu “DNA digital confiável”, estão se tornando os melhores ativos de ancoragem para RWA.

Segundo, ativos de dados programáveis. Dados exclusivos que podem ser automatizados via contratos inteligentes, combinando “barreira de dados” e “resiliência à IA”. O white paper classifica dados, propriedade intelectual e créditos de carbono como ativos intangíveis. Mas é preciso cautela: nem todos os dados podem ser ativos — apenas aqueles que podem ser continuamente gerados, claramente titulados e verificáveis.

Terceiro, ativos híbridos. Combinação de controle físico “não codificável” com direitos digitais “programáveis”. Por exemplo, a propriedade de imóveis comerciais pode ser tokenizada, mas a operação, manutenção e locação — o controle dessas atividades offline — permanecem com instituições especializadas. Essa estrutura “física + digital” aproveita a liquidez do blockchain, ao mesmo tempo em que mantém um “âncora de imunidade à IA” no valor offline.

Por outro lado, há duas categorias de ativos que devem ser abordadas com cautela na era da IA: ativos financeiros altamente dependentes de mediação humana, cujo valor pode ser comprimido por IA; e ativos padronizados sem barreira de dados, que podem perder poder de negociação na avaliação de IA.

5. Diretrizes de ação: de compreensão à decisão

A perda de 40 bilhões da IBM é um sinal de uma nova era — ativos que dependem de assimetria de informação e de acumulação de mão de obra estão sendo reprecificados pela IA. A alta das ações da Block, mesmo em meio a uma crise, é um sinal de outra era — empresas que abraçam a IA e otimizam sua estrutura de ativos estão sendo revalorizadas pelo mercado.

Para os decisores de empresas listadas e tradicionais, isso não é apenas uma questão de tecnologia, mas uma reestruturação fundamental do sistema de valor dos ativos. CEOs precisam responder a uma questão inevitável: qual é o valor do meu portfólio de ativos aos olhos da IA?

Com base nesta análise, proponho três ações concretas:

Primeiro, iniciar imediatamente um “teste de resistência à IA” dos ativos. Avaliar, usando os três critérios do framework de “ativos imunizados à IA” — não codificabilidade, barreira de dados, resiliência à IA — as unidades de negócio essenciais. Identificar quais negócios são mais vulneráveis à perda de valor com o impacto da IA e quais podem se beneficiar da amplificação tecnológica.

Segundo, estabelecer um mecanismo de gestão dinâmica do portfólio de ativos. Em um contexto de reavaliação pela IA, a alocação de ativos não deve mais ser uma estratégia estática de “comprar e manter”. As empresas precisam conscientemente aumentar a proporção de ativos “imunes à IA” e planejar a transformação ou desinvestimento daqueles considerados frágeis. Essa tarefa exige colaboração entre áreas financeira, estratégia, tecnologia e negócios.

Terceiro, revisar a estratégia de RWA. Antes de tokenizar ativos, usar o framework de “ativos imunizados à IA” para filtrar os ativos subjacentes. O valor do RWA não está na “colocação na blockchain”, mas na capacidade de transformar esses ativos em instrumentos líquidos e bem precificados. Se o ativo subjacente já estiver sendo depreciado na era da IA, a tokenização apenas acelerará a perda de valor.

Por fim, é importante destacar que, de acordo com o documento 42 emitido por oito departamentos chineses, a emissão de tokens e a tokenização de ativos no território chinês continuam proibidas. A discussão sobre RWA neste artigo refere-se apenas à prática de digitalização de ativos fora da China, em conformidade com regulações internacionais. Empresas que explorarem esse caminho devem rigorosamente seguir as regras de “proibição interna e registro externo”.

Quando a IA começa a reprecificar ativos, a única segurança está naquilo que ela não consegue precificar — não códigos, não dados, mas a própria capacidade humana de julgar valor.