A equiparação contemporânea, no meio académico, de “ciência” como “medição” representa um assalto positivista à praxeologia de Ludwig von Mises, não por deficiência matemática sua, mas pela sua superior compreensão ontológica.
Enquanto a física consegue modelar com sucesso corpos inanimados — onde um átomo de cobre reage ao calor segundo constantes universais imutáveis — a economia trata da acção humana movida por intenções conscientes e mutáveis. Como não existe qualquer constante que dite que um aumento de rendimento de 10 por cento produza um aumento de consumo de 8 por cento, os dados económicos são meramente história irrepetível, e não lei científica.
A tentativa de extrair previsões universais deste detrito histórico é “historicismo” — um erro metodológico análogo ao uso de estatísticas das Guerras Napoleónicas para prever a Terceira Guerra Mundial. Friedrich Hayek identificou esta imitação cega das ciências naturais como “cientismo”: uma cegueira estrutural onde a ontologia distinta da escolha humana é ignorada em favor de uma falsa precisão mecanicista. Assim, existe uma divergência ontológica entre “ciência” e “cientismo”.
A Crítica de Lucas: Quando a Matemática se Curvou à Lógica
A economia moderna foi forçada — com um atraso de cinquenta anos — a reconhecer a validade da posição de Mises. Em 1976, Robert Lucas devastou a macroeconomia keynesiana ao demonstrar que não se conseguem prever os efeitos de uma alteração de política apenas com base em correlações passadas. Isto é hoje conhecido como a Crítica de Lucas. Quando um governo implementa uma política, o público altera as suas expectativas, e os parâmetros estruturais do comportamento mudam.
A economia dominante acabou por reconhecer o problema da “variabilidade dos parâmetros” — validando a intuição de Mises acerca da ausência de constantes económicas — através da Crítica de Lucas de 1976, que demonstrou que alterações de política modificam as expectativas do público, tornando inúteis as correlações passadas. No entanto, Lucas não abandonou a modelização; inventou as “expectativas racionais”, assumindo que os seres humanos igualam a inteligência dos construtores de modelos. Lucas identificou a doença terminal, mas prescreveu um veneno mais sofisticado. Mises — não limitado por necessidades formulaicas — viu a realidade na sua forma crua: os mercados são processos, não equilíbrios; o futuro contém incerteza, não risco calculável.
Mises evitou a matemática na teoria económica para permanecer realista; os neoclássicos distorceram a realidade para a ajustar às suas equações.
Falsa Precisão: Da Crítica de Lucas ao Colapso Financeiro
Os críticos argumentam: “A ciência exige precisão!” Esta é a maior mentira do nosso tempo. A matemática na economia fabrica falsa precisão.
Considere-se Karl Marx: Das Kapital está repleto de equações algébricas que “provam” taxas de exploração. No entanto, a sua premissa — a teoria do valor-trabalho — era falaciosa. A matemática criou uma modelização sofisticada mas fundamentalmente defeituosa; as fórmulas não garantem verdade.
A Crise Financeira de 2008 foi o teste decisivo, colocando a metodologia austríaca contra a corrente dominante. Os bancos centrais utilizaram modelos como a Gaussian Copula e o Value-at-Risk — calibrados com 50 anos de dados — alegando que a probabilidade de um colapso imobiliário era de uma em mil milhões. O resultado? Implosão total devido a cegueira estrutural — os modelos assumiam risco calculável (à maneira de um casino) em vez de incerteza (à maneira da história). Confundiram distribuições matemáticas com escolhas humanas imprevisíveis.
Ben Bernanke, presidente da Reserva Federal, apesar de ter acesso a dados sem precedentes, negou consistentemente a realidade porque os seus modelos não conseguiam captá-la. Em 2005, afirmou: “Nunca tivemos uma queda dos preços da habitação à escala nacional.” Em Maio de 2007, declarou: “Não esperamos repercussões significativas do mercado subprime.” Bernanke não carecia de dados, mas de teoria correcta.
Economistas austríacos — usando a lógica da Teoria Austríaca do Ciclo Económico, sem modelos complexos — previram a catástrofe com anos de antecedência: “Quando os bancos centrais suprimem artificialmente as taxas de juro, ocorre má afectação de capital, e as bolhas têm de rebentar.”
Talvez o mais condenatório tenha sido o colapso do Long-Term Capital Management em 1998. Laureados Nobel, utilizando o modelo Black-Scholes, calcularam que uma perda catastrófica era virtualmente impossível dentro da vida do universo. Quando a dívida russa entrou em incumprimento em Agosto de 1998, correlações mantidas durante décadas dissociaram-se instantaneamente — um fenómeno que Nassim Taleb designa por falácia lúdica: mapear probabilidades de casino sobre a história humana. Os tecnocratas tratam a economia como ergódica, onde o passado mapeia o futuro; Mises identificou-a como não-ergódica, onde um cisne negro torna obsoletos biliões de pontos de dados. A lógica sem matemática triunfou sobre a matemática sem lógica.
O Problema do Cálculo: A Sociedade Não Pode Ser Engenheirada
No debate do cálculo socialista, os socialistas alegaram que supercomputadores — resolvendo todas as equações de oferta e procura — eliminariam a necessidade de mercados. Mises respondeu: o vosso problema não é o poder de processamento; é a ausência de dados subjectivos.
A informação económica — conhecimento de tempo, lugar, gostos subjectivos e oportunidades fugazes — está dispersa por milhões de mentes e é tácita. A informação só se revela quando os indivíduos actuam e os preços se formam. Antes da acção, os dados não existem para alimentar computadores.
Isto era uma necessidade lógica. O colapso soviético confirmou-o, mas nem sequer era necessário recorrer à história. Mises demonstrou que o socialismo é impossível, não apenas ineficiente. Paul Samuelson previu durante décadas que a economia soviética alcançaria a americana. Em 1989, meses antes do colapso, escreveu no seu manual: “A economia soviética é prova de que uma economia socialista de comando pode funcionar e prosperar.” Os dados diziam uma coisa; a realidade dizia outra.
A Falácia Computacional: Cálculo Não É Economia
Surge agora um novo argumento com os modelos de linguagem de grande escala: Mises tinha razão em 1920, mas agora temos poder computacional para simular economias inteiras. Isto confunde fundamentalmente engenharia com economia.
- Problema de Engenharia: Construir uma ponte. As leis da física são conhecidas. A resistência dos materiais é conhecida. O objectivo — suportar uma carga de 10 toneladas — é fixo. A IA calcula o desenho óptimo.
- Problema Económico: Construir a ponte ou usar esses recursos para um hospital? A IA não pode responder, porque o valor não é uma propriedade objectiva mensurável com instrumentos — é um juízo subjectivo que existe apenas no momento da escolha.
Não existe uma unidade objectiva comum que compare o valor de uma ponte com o de um hospital. O único método são os preços de mercado derivados da troca livre de propriedade privada. IA sem preços é como engenheiros que conhecem as fórmulas da física mas não os objectivos do projecto. Um processamento infinito não pode calcular valor subjectivo que ainda não foi demonstrado na acção.
Os socialistas digitais apontam para a logística da Amazon ou da Walmart como prova de planificação — um erro de categoria. Estas empresas são tomadoras de preços, utilizando preços de mercado externos da terra, do trabalho e do capital. Sem esses sinais, os algoritmos não têm denominador comum para cálculo. Isto já foi visível nas experiências falhadas de cibernética soviética OGAS nas décadas de 1960-70. Apesar de ligações proto-internet entre fábricas resolverem programação linear, o sistema falhou porque os inputs — dados das fábricas — eram sistematicamente falsificados por agentes que procuravam cumprir quotas burocráticas, e não satisfazer consumidores. Nenhum poder computacional compensa feedback loops corrompidos sem propriedade privada.
IA como Prisioneira do Passado
A maior fraqueza da IA generativa é o seu historicismo inerente. Os sistemas são treinados com biliões de terabytes de dados passados, prevendo padrões seguintes através de probabilidade estatística.
Mas a teoria austríaca do empreendedorismo não trata da descoberta de padrões; trata da vigilância para oportunidades para as quais não existem dados. Alimente-se uma IA com todos os dados de 2005, e ela poderá conceber um Nokia melhor, mas nunca o iPhone. O iPhone não estava nos dados; estava na visão, nos planos e nas acções de Steve Jobs, aos quais os consumidores responderam positivamente. Uma economia planificada por IA seria estática — optimizando o status quo mas incapaz de gerar inovação radical — que, por definição, quebra padrões passados. O progresso estagna.
Os LLMs prevêem a partir de distribuições de probabilidade — extrapolação em curva normal. O progresso económico é impulsionado por saltos empreendedores — outliers que os modelos descartam como ruído. Se uma IA em 1870 optimizasse a iluminação, sugeriria pavios de querosene eficientes; nunca a lâmpada incandescente, pois os parâmetros para tal salto não existiam nos dados. A IA optimiza a média; os mercados recompensam frequentemente a excepção.
Conhecimento Tácito: Aquilo que Não Pode Ser Carregado
A obra-prima de 1945 de Friedrich Hayek, “O Uso do Conhecimento na Sociedade,” e o conceito de conhecimento tácito de Michael Polanyi destruíram os sonhos tecnocráticos. Vasto conhecimento económico não pode ser convertido em bits e bytes.
A destreza manual de um cirurgião, o olfacto de um chef, o instinto de um trader, o reconhecimento de um mecânico do som de um motor são exemplos de conhecimento tácito: 1) inarticulável — não pode necessariamente ser verbalizado e quantificado; 2) local — ligado a tempo e lugar específicos; 3) fugaz — está constantemente a mudar; e 4) interno e subjectivo.
Os socialistas digitais imaginam carregar o conhecimento da sociedade em servidores. Mas não se pode carregar aquilo que não se pode articular. Os mercados livres — através dos preços — permitem que os indivíduos utilizem conhecimento tácito sem reporte central. Em economias de comando baseadas em IA, conhecimento vital é eliminado por não ser captável como “dados”. O resultado seriam sistemas que funcionam perfeitamente “no papel”, mas falham catastroficamente na realidade.
O fracasso dos veículos autónomos exemplifica isto perfeitamente. A IA lida com regras explícitas de trânsito, mas falha na negociação social de um cruzamento com quatro vias — conhecimento tácito subtil transmitido por contacto visual ou gestos. Este é o “conhecimento das circunstâncias particulares” de Hayek, incorporado nos instintos dos agentes locais. Porque nunca é formalmente capturado — apenas posto em prática — não pode ser carregado para servidores centrais. Uma economia orientada por dados é, portanto, socialmente cega, incapaz de navegar os milhões de micro-negociações que evitam engarrafamentos.
O Problema dos Incentivos e da Responsabilização
Admita-se que supercomputadores poderiam prever preferências com perfeição. Qual é o mecanismo de correcção de erros?
Nos mercados livres, a ameaça de falência disciplina e limita as empresas. Erros empresariais evaporam milhares de milhões. Uma pressão brutal transfere recursos dos incompetentes para os competentes. Mas que risco enfrenta a IA governamental? Se algoritmos ordenarem a produção de sapatos indesejados, o algoritmo entra em falência? Não. O público paga através de inflação e escassez.
A IA estatal carece de “skin in the game”. Sem a ameaça de ruína existencial, não há garantia de que os cálculos sirvam o bem-estar público. A IA pode facilmente optimizar a sobrevivência do regime político em vez do bem-estar dos consumidores.
O Erro do Alquimista
Reduzir a economia a ciência de dados é um erro de categoria comparável a astrónomos que procuram fórmulas newtonianas para escolher entre uma pizza e um cheeseburger, ignorando a volição interna que move o sistema. Mises veria provavelmente a IA como uma ferramenta magnífica para auxiliar a descoberta de preços, mas substituí-la pelo mecanismo de mercado repete o desastre soviético com ecos de maior fidelidade. Os tecnocratas modernos são alquimistas — transmutam símbolos matemáticos permanecendo cegos à substância da acção humana. Sem a demonstração descentralizada de preferências através de preços e a disciplina do lucro e prejuízo, a IA é apenas um gigante cego a optimizar o registo fossilizado do passado, estruturalmente incapaz de calcular o futuro.
Artigo publicado originalmente no Mises Institute.
