A literatura de complexidade econômica avançou muito ao medir capacidades produtivas a partir de exportações, patentes, emprego e publicações científicas. O problema é que, no mundo digital, esses “proxies” enxergam pouco. Código não cruza fronteiras na alfândega, categorias de serviços são amplas demais para capturar competências tecnológicas específicas, e uma parte relevante da inovação em software não é patenteável. Resultado: uma fração importante das capacidades produtivas modernas fica invisível nas métricas tradicionais de complexidade.
É exatamente esse “ponto cego” que o novo artigo The software complexity of nations (Research Policy, 2026), de Sándor Juhász, Johannes Wachs, Jermain Kaminski e César A. Hidalgo, tenta endereçar. A ideia central é simples e poderosa: usar a geografia do open source para medir capacidades digitais. Em vez de olhar para o que os países exportam, o paper observa onde desenvolvedores contribuem com código e como isso se distribui por linguagens de programação e “technology stacks”.
Com esses dados (GitHub), os autores constroem um indicador de complexidade econômica em software (um “ECI de software”). A mensagem importante é que isso captura uma dimensão real e distinta de capacidade: o ECI de software se correlaciona com medidas tradicionais de complexidade, mas não é redundante. Em outras palavras, ele revela algo novo — competências que não aparecem com clareza quando olhamos apenas para comércio, patentes ou produção científica.
O estudo também reforça um princípio que a economia da complexidade conhece bem: a diversificação digital é path-dependent. Países tendem a entrar em novas linguagens e stacks relacionadas às que já dominam. Capacidades em software se acumulam como capacidades industriais: há trajetórias, encadeamentos, complementariedades e um “mapa” de proximidades tecnológicas que facilita certas transições e dificulta outras.
Os resultados empíricos trazem surpresas. O paper aponta casos em que a sofisticação em software parece maior do que a sofisticação em produtos — com menções explícitas a países como Rússia e Indonésia (e, no caso da Índia, a constatação aparece como menos surpreendente). Isso é relevante porque sugere que alguns países podem estar formando capital humano e competência tecnológica em software sem que isso esteja plenamente refletido na sua estrutura exportadora ou no perfil industrial medido pelas estatísticas usuais.
Além disso, a complexidade em software aparece bem correlacionada com resultados macroeconômicos. Mesmo controlando por outras dimensões de complexidade, o ECI de software se associa a maior PIB per capita, menor desigualdade de renda e, em especificações mais simples, menor intensidade de emissões. A leitura aqui é direta: software não é “só mais um setor”. Ele funciona como uma fonte móvel e intensiva em capital humano de complexidade econômica, capaz de abrir caminhos para transformação estrutural.
Essa mobilidade importa especialmente para economias geograficamente mais isoladas — onde a industrialização tradicional pode enfrentar restrições logísticas, escala menor de mercado e menor densidade de cadeias produtivas. O software pode atuar como atalho parcial: ele permite construir capacidade sofisticada, conectada a redes globais, mesmo com limitações físicas. Não elimina a necessidade de manufatura avançada, mas pode ajudar a “puxar” novas trajetórias tecnológicas, criar empreendedores, e densificar o ecossistema de inovação.
Por fim, os autores reconhecem uma limitação: como a série temporal disponível para software ainda é curta, o paper não consegue testar com rigor se a complexidade em software prediz crescimento futuro (embora sugira que isso será possível quando houver mais dados). Ainda assim, a contribuição já é grande: ela amplia o arcabouço de complexidade econômica para o coração da economia digital e recoloca o debate de política pública em termos de capacidades, trajetórias e acumulação de conhecimento — agora também no terreno do código.
