Todos os gráficos do projeto reunidos em uma única página de consulta. Cada visualização renderizada com os mesmos dados, cores e configurações do site original.
A crise que motivou o livro. Três países asiáticos abaixo de 1,0 filho por mulher.
Coreia do Sul, Hong Kong, Taiwan, Japão, Espanha, Itália, EUA, Brasil e França contra a linha de reposição (2,1).
A justaposição que motiva o livro inteiro, com seus dois scatters de regressão.
Downloads de apps (eixo direito) vs. casamento, TFR e depressão (eixo esquerdo). Justaposição visual — não estabelece causalidade.
Cada ponto = 1 ano (2010–2024).
2020 é outlier (fechamento de cartórios na pandemia).
Painel de países, evolução global, tela vs. sono.
Filipinas lidera (3h49). Brasil entre os maiores. Japão e China no fim.
Cresceu ~65% em 13 anos (90 → 147 min). ⚠ corrigido: a afirmação "triplicou" não se sustenta nos dados DataReportal — seria necessário partir de ~50 min/dia, não 90.
Tendência linear do crescimento.
Gen Z: 7,3h tela / 6,6h sono. Tela ultrapassa o sono.
Países mais ricos tendem a usar menos redes — mas a relação é logarítmica e tem exceções culturais marcantes. Cada ponto = 1 país; cor indica região.
Quatro visualizações sobre a sociedade reconfigurada para o consumo solo. Domicílios unipessoais, substituição indoor/outdoor, pilha de receita e a convergência apps × horas em casa.
Em 1940, um em cada treze lares americanos tinha apenas um morador. Em 2024, quase um em três. A loneliness economy chegou em um país literalmente reconfigurado para o consumo solo.
Em laranja, roxo e amarelo: o que cresce (delivery, streaming, apps relacionais). Em cinza: o que encolhe (cinema e restaurante presencial). A divergência começa antes de 2020 — a pandemia foi acelerador, não causa.
De cerca de US$ 7 bilhões em 2015 para mais de US$ 270 bilhões em 2025 — um múltiplo de quase 40× em uma década. Delivery solo é a infraestrutura; as outras quatro são as superestruturas especializadas que ela viabiliza.
Duas curvas no mesmo eixo temporal. Em roxo (esq.): horas/dia em casa, ATUS. Em amarelo (dir.): usuários ativos mensais de apps relacionais. O alinhamento não prova causalidade — mas é consistente com a tese de que a economia da solidão cresceu numa sociedade já indoor, e provavelmente aprofundou esse padrão.
Os dois gráficos formam um X. Casamento e TFR (esq.) vs. downloads (dir.). 2020 = mínimo histórico.
A correlação mais forte do conjunto.
2020 outlier estrutural (pandemia).
Verde = acima do previsto; coral = abaixo. Resíduos negativos persistentes a partir de 2018.
Divórcio cai junto com casamento — denominador menor, não maior estabilidade.
Negativa por efeito denominador, não por estabilidade conjugal.
Quatro visualizações que reformulam o Cap. 2 sob nova lente: domicílios unipessoais, substituição de atividades, pilha de receita, convergência de comportamento e tecnologia.
Em 1940, 1 em cada 13 lares tinha apenas um morador. Em 2024, é quase 1 em 3. A loneliness economy não chegou em vácuo — chegou em um país literalmente reconfigurado para o consumo solo.
Cinco curvas, escala log, base 100 em 2010. Delivery, streaming e apps relacionais sobem 6× a 20×. Cinema e restaurante presencial caem 28% a 41%. A divergência começa antes de 2020 — a pandemia foi acelerador, não causa.
De US$ 7B em 2015 para mais de US$ 270B em 2025 — múltiplo de quase 40× em uma década. ⚠ Atenção metodológica: este número mistura GMV (delivery, parasocial) com receita líquida (apps, wellness). Em base comparável de receita líquida: US$ 50–80B (ainda ~10× a indústria do cinema). Delivery solo é a infraestrutura; as outras 4 camadas são superestruturas especializadas que ela viabiliza.
Duas curvas que eram independentes em 2003. Começaram a se mover juntas em 2010. A pandemia foi descontinuidade compartilhada — ambas saltaram em 2020. Em 2024, nenhuma voltou ao baseline.
Cada série temporal com seu scatter companion.
✓ corrigido: dados de depressão atualizados para SAMHSA NSDUH (MDE past year, adultos 18+) — variação real ~7,5%→9,2% (+23%). Versões anteriores da galeria usavam valores inconsistentes com a fonte citada.
Antidepressivos em <25 anos.
Clamídia, gonorreia e sífilis. Queda 2020 = menor testagem nos lockdowns.
Marcos por geração: tela, sono, adoção, primeira conta.
30% antes dos 13 (abaixo do limite COPPA).
Quem detém o sistema. E o cérebro que não foi atualizado.
O mesmo capital detém os dois lados do mercado.
O que os circuitos neurais requerem vs. o que as plataformas fornecem.
12 anos de diferença em 64 anos. 1960: H=22,8/M=20,3 → 2024: H=34,0/M=32,0.
Dimensão racial e custo habitacional.
Índice 100 = baseline homens brancos.
Custo sobe, casamento cai. FipeZap base 2010=100.
Igreja, escritório, terceiros lugares. E satisficer × maximizador.
Igreja, escritório e terceiros lugares colapsaram simultaneamente — quando os apps surgiam como substitutos únicos.
Satisficers > maximizadores no longo prazo. Apps convertem satisficers em maximizadores.
Por que o Tinder destruiu a Coreia mas não a França.
Penetração de smartphones × TFR.
Trajetórias divergentes. O experimento natural Coreia × França.
iPhone 2007 → quebra dos dados em 2012.
Gap de 5 anos = tempo de difusão crítica. O "lag de Levitt".
De ~150 para ~45 min/dia. Queda real e substancial. ⚠ caveat: o valor inicial de 150 min/dia (2003) está no limite superior das análises ATUS — estimativas mais conservadoras apontam 90–120 min. A magnitude da queda (~70%) pode variar segundo a definição exata de "socializing" usada.
700% de crescimento em AI companions. O cruzamento das curvas.
Match Group em declínio (esq.). AI companions em aceleração (dir.).
Custo de robôs em escala log e a aritmética comparada.
$500K → $150K → $50K → $15K → $879. Goldman: −40%/ano.
A aritmética que o mercado já está fazendo.
Operadoras (72a), agentes (25a), pedágio (15a), videolocadora (8a).
~350.000 em 1950 → menos de 20.000 em 2000. Tecnologia de discagem disponível desde 1892.
Série GN · 16 novos gráficos · Mecanismo & Variação Internacional
Como casais se conheceram nos EUA, 1980–2022. A substituição mais silenciosa da história social moderna.
Internet (azul) passa amigos em 2012 e hoje representa mais de 65% dos novos relacionamentos. Amigos caíram de ~40% para ~14%. Igreja desapareceu. Trabalho e escola encolheram pela metade. O app não entrou num vácuo — ele expulsou intermediários com accountability social.
A reorganização física da vida adulta como variável explicativa. Painel de 20 países.
Eixo X: % de domicílios com um único morador. Eixo Y: taxa de fecundidade total. Tamanho da bolha: PIB per capita. A fertilidade baixa não é só renda, nem só feminismo, nem só smartphone — ela aparece junto com a reorganização física da vida adulta em unidades individuais. Israel (TFR 2.79, 17% solo) é o único outlier entre países ricos.
% de jovens adultos que dizem não ter ninguém com quem contar. World Happiness Report 2025.
Em 2023, 19% dos jovens adultos no mundo disseram não ter ninguém com quem contar — alta de 39% em relação a 2006. A inversão geracional é inédita: jovens de 18–29 anos são mais solitários que adultos de 60+. Fonte é o World Happiness Report 2025, que utiliza dados Gallup World Poll de 142 países.
A geração que chega aos apps já chega com déficit de socialização. Twenge et al. (2021) + PISA.
Twenge et al. (2021) no Journal of Adolescence: solidão escolar subiu em 36 de 37 países entre 2012 e 2018. O aumento foi maior nos países onde acesso a internet/smartphone cresceu mais no período. Cada ponto = um país; eixo X = crescimento do acesso a internet 2012–2018; eixo Y = aumento da solidão escolar em pontos percentuais.
Dating app não é funil de formação de casais. É funil de churn, frustração e monetização.
De cada 100 usuários que baixam um dating app, apenas 5 relatam encontrar um relacionamento estável (3+ meses). 65% deletaram o app em até 1 mês (2024), 69% em 2025 (AppsFlyer/Fast Company). A arquitetura do produto maximiza engajamento no topo do funil — não na conversão do fundo.
Gen Z não está simplesmente "menos romântica". Ela está reagindo ao esgotamento do produto.
Apps aumentam acesso — mas não necessariamente qualidade. Meta-análise 2024.
PubMed meta-análise (2024): casais que se conheceram online reportam menores índices em 4 de 5 dimensões relacionais. A ANU (Australasian National University) encontrou menor satisfação e menor intensidade de amor autodeclarado. A diferença é estatisticamente significativa, mas o tamanho do efeito é moderado — não invalida o canal, mas documenta o custo médio.
O paradoxo da escolha em formato SWIPE. Barry Schwartz aplicado ao mercado afetivo.
Mais opção aumenta satisfação inicial — mas depois de um ponto de inflexão (~10–15 opções simultâneas percebidas como "viáveis"), satisfação e probabilidade de comprometimento caem sistematicamente. Schwartz (2004), Simon (1956/satisficing) e Perel (2007) convergem nessa tese, que agora tem suporte de estudos comportamentais em apps.
A substituição ocorre exatamente onde relações eram formadas. ATUS 2003–2023.
ATUS mede tempo em atividades como socialização (código 120), jogos (código 120302), uso recreativo de computador (código 120308). Tempo social presencial: 5,5h/semana (2003) → 4h/semana (2021) → 3,8h (2023), queda de 31%. Tempo digital recreativo: foi na direção oposta, acelerada pela pandemia e nunca revertida.
Antes de cair casamento e fertilidade, cai o pertencimento adolescente. PISA 2003–2022.
O índice de pertencimento escolar (PISA school belonging) é medido a cada 3 anos desde 2003. A inflexão de 2015 coincide com o smartphone atingir 50%+ de penetração em países OCDE. O PISA 2022 reporta que o uso recreativo de telas durante a semana de escola está negativamente correlacionado com bem-estar subjetivo e motivação para aprender.
Funciona no curto prazo — e é exatamente isso que o torna perigoso no longo prazo.
De Freitas et al. (2023): uma única sessão com AI companion reduziu solidão em 35% no curto prazo. Mas Fang et al. (2024): uso intenso correlaciona com maior solidão e dependência após 3–6 meses. Malfacini (2024): "deskilling concern" — usuários relatam perda de habilidades sociais. O mecanismo é o mesmo do opioide: alivia a dor imediata, reduz tolerância ao desconforto social de longo prazo.
O mercado migra de intermediação para substituição. O cruzamento que define o switch.
Tinder pagantes: pico de ~11,1M (2022) → 10M (Q1 2024, −9% YoY), 8 trimestres consecutivos negativos. Match Group total: 16,5M (2022) → 14,1M (2025est). AI companions total users: 0,5M (2022) → 32M (2024) → 52M (H1 2025), +88% YoY em downloads. O cruzamento das curvas já ocorreu. Dating app uninstall: 65% em 30 dias (2024) → 69% (2025).
A sociedade regula depois que o comportamento já virou infraestrutura. Timeline 2009–2026.
Países não colapsam afetivamente só porque têm apps. Colapsam quando apps chegam sobre uma infraestrutura social já fina.
Seis dimensões de infraestrutura social (invertidas — maior = pior = mais "exposto" ao vácuo relacional): % domicílios unipessoais, queda no tempo social, baixa frequência religiosa/cívica, terceiros lugares per capita (invertido), confiança interpessoal baixa, trabalho remoto alto. Índice autoral — não é estatística oficial. O objetivo é comparar padrões, não rankings precisos.
A resposta não é "delete o app". É reconstruir a infraestrutura que torna o app menos necessário. Oldenburg (1989).
Oldenburg (1989) define "terceiro lugar" como o espaço além do lar (1º) e trabalho (2º) onde vida social acontece. Klinenberg (2018) documenta seu colapso nos EUA. Cada categoria é avaliada em dois eixos: quão presente ainda está na vida adulta contemporânea (erosão) e quão facilmente pode ser reativada como canal de conexão (potencial).
Homens e mulheres jovens se afastaram mais uns dos outros do que qualquer geração anterior. E o gap é matrimonial antes de ser eleitoral.
Eleição presidencial EUA 2024: mulheres 18–29 preferiram Harris por +38 pontos; homens 18–29 preferiram Trump por +13 pontos. Gap total de 51 pontos — sem paralelo em qualquer geração anterior. Millennials têm gap de ~5 pontos; Gen X ~3; Boomers ~2. A polarização política é proxy de incompatibilidade de projeto de vida: ter filhos como definidor de sucesso (homens pró-Trump: 1º lugar; mulheres pró-Harris: penúltimo).
NBC/SurveyMonkey set 2025: ranking médio de "ter filhos" como sucesso pessoal. Homens que votaram em Trump: posição 1 (mais importante). Mulheres que votaram em Harris: posição 8 (penúltimo). O gap mais amplo da pesquisa.
Série GX · 10 gráficos de mecanismo · Crossovers & Estrutura de Mercado
O mesmo padrão visual do G2.1 histórico (casamento × downloads), mas agora dentro do próprio mercado digital.
Tinder atingiu pico de 11,1M pagantes em 2022. Desde então, 8 trimestres consecutivos de queda — não é ciclo, é estrutura. AI companions foram de 0,5M de usuários ativos (2022) para 52M (H1 2025), +88% em downloads no H1 2025. As duas curvas já cruzaram.
220M downloads cumulativos. $221M em gastos do consumidor. 128 novos apps só no H1 2025. Os números são de fontes primárias.
Mercado global: $37B em 2025. Projeções apontam para $140–210B em 2030 (CAGR ~33%). Para comparação: dating apps = $6,2B em 2024.
Nenhuma geração anterior chegou perto. O gap político é proxy de incompatibilidade de projeto de vida.
Mulheres 18–29: Harris +38pts. Homens 18–29: Trump +13pts. Gap total = 51pts. Para comparação: Millennials têm gap de ~5pts; Gen X ~4pts; Boomers ~2pts. Para contexto histórico: o gap de gênero médio em eleições americanas de 1980 a 2012 era de 4–8pts para todas as gerações.
O gap de gênero eleitoral existe desde 1980, mas permaneceu em 4–8pts por décadas. A ruptura começa em 2016 e acelera dramaticamente em 2024 para jovens. Para gerações mais velhas, o gap pouco mudou.
Em 1995 estavam empatados. Em 2024 há 10 pontos de distância. 30 anos de série histórica.
Em 1970, homens jovens tinham mais diplomas que mulheres (15% vs 10%). As linhas cruzaram em ~1992. Em 2024: mulheres 47% vs homens 37% — gap de 10pts que não existia em 1995. Mulheres representam 57,3% de todos os calouros universitários em 2024 (NCES). A tendência é global: mulheres superam homens na graduação em mais de 100 países.
Homens e mulheres Gen Z não apenas pensam diferente sobre política — pensam diferente sobre o que torna a vida bem-sucedida.
NBC News/SurveyMonkey, setembro 2025: homens Gen Z pró-Trump classificam "ter filhos" como 1º de 9 definidores de sucesso. Mulheres Gen Z pró-Harris classificam no 8º lugar (penúltimo). Gap de 7 posições no mesmo ranking — em pessoas da mesma geração que usam os mesmos apps.
1/3 das mulheres jovens (18–29) sentem ansiedade "quase sempre". Aprovação de Trump: homens jovens 45% vs mulheres 24% — gap de 21pts. Autoidentificação como feminista: caindo entre homens, estável entre mulheres.
Homens precisam de 100 swipes para 1 match. Mulheres recebem matches a uma taxa 10× maior. Não é preferência — é arquitetura.
Homens precisam de ~100 swipes para 1 match (taxa ~1%). Mulheres obtêm match em ~1 de cada 10 swipes (taxa ~10%). Essa assimetria não é resultado de preferência individual — é consequência direta do design que maximiza tempo de engajamento. Mais frustração = mais assinatura premium = mais receita.
Estrutura winner-takes-most com skew de gênero revelador. 17% "girlfriend" vs 4% "boyfriend".
Mais conectados digitalmente. Mais solitários. A contradição que define a geração.
IJNRD 2025 (n=200): usuários de dating app reportam significativamente menor autoestima (p=0.005) e maior solidão (p=0.007) que não-usuários. Meta-Gallup (142 países): 57% dos 19–29 anos sentem solidão — mais que qualquer faixa mais velha. Forbes Health 2024: 76%+ de Gen Z com burnout em apps.
GX-I.0 · Gráfico de abertura · Fertilidade global por país · UN WPP 2024
Cada linha é um país. A linha tracejada é a taxa de reposição (2,1). Nenhuma tendência é acidente isolado — todas convergem para baixo, em tempos diferentes mas com a mesma direção.
Taxa de fecundidade total (TFR) para 15 países representativos de todas as regiões, 1990–2023. Israel é o único país rico que permanece acima da reposição (TFR 2,79 em 2023). Coreia do Sul atingiu TFR 0,72 em 2023 — o mais baixo registrado em qualquer país na história. China caiu de 2,31 para 1,00 em 33 anos. Irã: de 4,84 para 1,57. Até países com alta fertilidade histórica (Índia, México, Brasil) estão convergindo rapidamente para ou abaixo de 2,1. Fonte principal: UN World Population Prospects 2024.
A África Subsaariana permanece na faixa mais alta de fertilidade global, mas a queda é consistente e acelerada desde 2010. Nigéria (maior população africana): 6,39 → 5,03. Etiópia: 6,41 → 3,92. Quênia: 5,67 → 3,15. Ruanda: 6,16 → 3,72. África do Sul: 3,63 → 2,33 — aproximando-se da reposição. Gana: 5,93 → 3,72. Todos os países mostram queda, mas o ritmo diverge. África do Sul está décadas à frente dos demais.
Painel ONU 1994–2024. A divergência por faixa de renda. A idade da maternidade que ultrapassou 30 anos.
Dados UN World Population Prospects 2024 e World Fertility Report 2024. Países de alta renda chegam a TFR 1,47 em 2024 — mínimo histórico absoluto. A convergência de "acima de 2,1" era esperada pela teoria demográfica (transição para países ricos); o que não era esperado foi continuar caindo muito abaixo de 2,1. Israel (TFR 2,79) permanece único outlier entre países ricos.
Em 1994, todos os países com TFR abaixo de 2,1 tinham média de 1ª maternidade abaixo de 30 anos. Em 2024, 2/3 estão acima de 30; 1/5 acima de 32. A compressão da janela reprodutiva é o mecanismo fisiológico que transforma "adiamento" em "não-ocorrência".
A taxa de conversão match → encontro presencial como métrica de saúde relacional. Qual app reduz solidão vs. qual amplifica.
Dating Industry Insights (2026): a métrica que melhor prediz se um app reduz ou amplifica solidão é a taxa de conversão match → encontro presencial. Retenção após 30 dias: apps genéricos 5% · AI companions 13–50% (retêm melhor porque nunca "resolvem" o problema). Hinge/Bumble estão tentando migrar para o quadrante 1 com eventos presenciais (Bumble IRL, Hinge One More Hour).
Série Fecundidade · 3 gráficos · Infraestrutura Social & Tecnologia
Três gráficos que ilustram o argumento central: o mecanismo é o mesmo em todos os países. A velocidade varia. A direção, não.
Os países nórdicos têm o maior welfare state, maior confiança social e redes comunitárias mais densas da Europa. E ainda assim perdem fecundidade 2–3× mais rápido que a média europeia. A Finlândia registrou em 2024 a menor taxa desde 1776; a Islândia, desde 1853. A exceção não é que escaparam — é que caem de um patamar mais alto.
Países que investem mais em benefícios familiares têm fecundidade consistentemente mais alta — mas nenhum, em nenhum nível de gasto, restaura a taxa de reposição. A França como exceção instrutiva: alto gasto (3% do PIB) + maior fecundidade da Europa Ocidental (1,68), não por confiança social (tem menos que os nórdicos), mas por substituir infraestrutura comunitária por infraestrutura estatal densa. A Coreia do Sul: mínimo gasto, mínima fecundidade (0,72).
O padrão existe: países com maior tempo online tendem a ter menor fecundidade. Mas o Japão quebra a narrativa simples — e ao quebrar, a confirma. Com o menor tempo de tela do mundo (~240 min/dia), tem uma das menores fecundidades (1,20). A variável não é a tela. É a infraestrutura social que a precede. No Japão, o motor é cultura de trabalho extrema, isolamento urbano e papéis de gênero — todos anteriores ao smartphone.
Série FA · 3 gráficos · A Recessão de Amizades — infraestrutura causal
Antes de a recessão romântica aparecer nas estatísticas de namoro, ela apareceu nas amizades. O dating app não criou o vácuo — escalou sobre uma sociedade que já havia perdido amigos, terceiros lugares e capital social.
Em 1990, 33% dos americanos tinham 10 ou mais amigos próximos. Em 2021: 13%. A proporção sem nenhum amigo próximo quadruplicou (3% → 12%). Ter um melhor amigo caiu de 75% para 59%. A proporção que procura amigos primeiro num problema pessoal caiu de 26% para 16%. Nenhum desses números aparece nas estatísticas de namoro — mas todos eles determinam as condições em que o namoro acontece.
Em 2003, americanos passavam em média 60 minutos por dia em socialização presencial com amigos. Em 2020: 20 minutos — queda de 67%, equivalente a perder 20 horas de amizade por mês. Entre jovens de 15–24 anos, a queda foi de quase 70%. A pandemia acelerou o declínio mas não o criou: a curva já caía desde 2013.
O trabalho (54%) é o principal produtor de amizades próximas — mais do que a escola (47%) ou o bairro (35%). Apenas 8% fazem amizades próximas online. A implicação do trabalho remoto: não é só produtividade que se perde — é o canal mais importante de formação de laços sociais adultos.
41% das mulheres receberam apoio emocional de amigos na semana anterior, vs 21% dos homens. 48% das mulheres tiveram conversa privada com amigo sobre sentimentos, vs 30% dos homens. Homens jovens que procuram amigos primeiro em problema pessoal: caiu de 45% (1990) para 22% (2021) — hoje 36% procuram os pais primeiro.
Série MC · 12 gráficos · Os Homens Invisíveis & A Abundância Ruim
Para muitos homens, o app é uma janela para um mercado do qual eles não participam. Homens comuns foram colocados num mercado visual, ranqueado, assimétrico e de baixo custo de rejeição, no qual a atenção se concentra no topo e o meio perde liquidez.
Em 1990, 55% dos homens tinham seis ou mais amigos próximos. Em 2021: 27% — queda de 51%. A proporção sem nenhum amigo próximo aumentou 5× (de 3% para 15%). Mulheres também perderam amizades, mas menos: de 41% para 24% com 6+ amigas; de 3% para 10% sem nenhuma. A friendship recession é mais severa nos homens — e é anterior ao dating app.
Em 1990, 45% dos homens jovens procuravam amigos primeiro. Em 2021: 22%. No mesmo período, 36% passaram a procurar os pais primeiro. O suporte emocional migrou da amizade para a família — preparando terreno para que a parceira se torne o único suporte horizontal.
A proporção de homens de 18–24 anos sem sexo no último ano subiu de 19% (2000) para 31% (2018) — +63%. Para mulheres da mesma faixa, a proporção subiu menos: de 22% para 19%, com queda. O celibato jovem tornou-se um fenômeno assimétrico por gênero.
O homem mediano precisa de ~100 swipes para 1 match. A mulher mediana obtém 1 match a cada ~10 swipes — taxa 10× maior. Mas no funil completo, a história é mais complexa: a mulher enfrenta volume de mensagens indesejadas, triagem de risco e conversas sem intenção. Ambos pagam — por canais opostos.
Bruch e Newman (Science Advances, 2018): usuários de dating apps buscam parceiros em média 25% mais desejáveis do que eles próprios. A probabilidade de resposta cai quanto maior o gap de desejabilidade. Homens e mulheres aspiram igualmente para cima — mas a taxa de resposta feminina cai mais rapidamente com o gap, concentrando demanda masculina no topo.
Wahring et al. (BBS, 2024): homens esperam mais benefícios de relacionamentos românticos, se beneficiam mais mental e fisicamente de relações estáveis, iniciam menos separações e sofrem mais após dissoluções. Contrariam a narrativa de que homens são emocionalmente avessos ao compromisso — na verdade, são mais dependentes dele.
Muitas mulheres não estão diante de abundância de parceiros. Estão diante de abundância de abordagens. O mercado digital deu às mulheres liquidez inicial — mas não necessariamente confiança, segurança ou intenção real.
Pew 2023 (n=6.034 adultos): 48% dos que usaram dating apps sofreram pelo menos uma das experiências listadas. Mulheres abaixo de 50 anos são desproporcionalmente afetadas em todas as categorias: 56% receberam mensagens/imagens sexuais indesejadas, 43% sofreram contato continuado após recusa, 37% foram chamadas por nomes ofensivos, 11% sofreram ameaças físicas.
Pew 2020: entre usuários com menos de 35 anos, mulheres são sistematicamente mais afetadas. 6 em cada 10 mulheres jovens relatam contato persistente após recusa (vs 27% dos homens jovens). Mulheres jovens são ~2× mais propensas a relatar ofensas verbais e ameaças físicas.
Mulheres são significativamente mais propensas que homens a se sentirem sobrecarregadas pelo volume de mensagens recebidas nos apps. Homens, ao contrário, são mais propensos a se sentirem inseguros pela quantidade baixa de mensagens. O mesmo mercado produz dois tipos opostos de sobrecarga.
Pesquisadoras do Clayman Institute (Stanford) definem "mankeeping" como o trabalho não-recíproco que mulheres realizam para gerir as necessidades emocionais e sociais de homens em sua rede — parceiros, irmãos, amigos. O artigo argumenta que, com a retração das redes masculinas de amizade, esse trabalho aumentou e se tornou um componente estrutural da desigualdade de gênero.
Eles pagam com rejeição. Elas pagam com filtragem. O mesmo mercado, dois preços, nenhum clearing.
Bruch e Newman analisaram milhões de mensagens em quatro grandes mercados de dating. Ambos os gêneros buscam parceiros ~25% mais desejáveis. Mas a concentração de demanda feminina no topo é mais acentuada: os 10% de homens mais desejáveis recebem quantidade de mensagens desproporcionalmente maior. A classe média masculina perde liquidez — não porque as mulheres "só querem o topo", mas porque o design do mercado concentra a atenção.
Série IA · 11 gráficos · Dados verificados · TechCrunch · Common Sense Media · Reuters/Ipsos · CDC · OECD · AppTweak
Downloads globais de AI companions: de 6 milhões por mês em janeiro de 2023 para 115 milhões em dezembro de 2024. Uma expansão de 19× em dois anos. A migração não chegou como exército — chegou como assinatura.
Appfigures estima que apps de IA saíram de quase 6 milhões de downloads mensais em janeiro de 2023 para 115 milhões em dezembro de 2024 — expansão de 19× em dois anos. O gasto de consumidores com apps de IA passou de US$ 1,4 bilhão em 2024, com projeção de superar US$ 2 bilhões em 2025. Os dados representam a categoria ampla de AI apps — AI companions são o segmento de maior crescimento.
Dentro da categoria AI apps, o segmento de AI companions (Replika, Character.AI, PolyBuzz, Chai etc.) chegou a 220 milhões de downloads globais acumulados até julho de 2025. No H1 2025 foram 60 milhões de downloads, alta de 88% ano contra ano. A categoria gerou US$ 221 milhões em gasto acumulado de consumidores, com receita crescendo 64% no período.
Em 2025, o Tinder liderava dating apps com 63,7M de downloads no ano inteiro. AI companions fizeram 60M em apenas seis meses. A fronteira entre "procurar alguém" e "baixar alguém" ficou estatisticamente visível.
AppTweak: os mais baixados dating apps de 2025 — Tinder (63,7M), Bumble (29,2M), Hinge (21,3M), Badoo (19,5M), Boo (17,7M). Os top 500 dating apps cresceram apenas 4,1% em downloads no ano; Bumble caiu 19%, Badoo 9,2%. No mesmo período, AI companions registraram 60M de downloads só no H1 2025 — quase o total do Tinder no ano inteiro, em metade do tempo. dados reais AppTweak + Appfigures
Reuters (mai 2026): Match Group reportou receita acima do esperado no Q1 2026, mas com queda de 5% nos usuários pagantes, para 13,5 milhões. Hinge cresce; Tinder passa por reestruturação. Bumble anuncia "reset" para atrair Gen Z de volta, introduzindo assistente de IA chamada Bee (Axios, mai 2026). dados reais Reuters + Axios
Crescimento ou queda de downloads dos principais apps de dating em 2025 vs 2024. Bumble –19%, Badoo –9,2%. Categoria cresce apenas 4,1%. Hinge é exceção positiva entre os grandes. dados reais AppTweak
O companion não está entrando primeiro na maturidade. Está entrando na formação da identidade. 72% dos adolescentes americanos de 13–17 anos já usaram AI companions. Um terço os usa para relações e interação social.
Common Sense Media (jul 2025): survey nacional com adolescentes americanos de 13 a 17 anos. 72% já usaram AI companions ao menos uma vez. Mais da metade usa pelo menos algumas vezes por mês. Cerca de 1 em cada 3 usa companions para interação social e relacionamentos — incluindo role-play, interações românticas, apoio emocional, amizade ou treino de conversa. Também cerca de 1 em cada 3 acha conversas com AI companions tão satisfatórias ou mais satisfatórias que conversas com amigos reais. dados reais Common Sense Media
51% dos jovens europeus acham mais fácil discutir saúde mental com chatbots do que com psicólogos. E 28% dos entrevistados atingem o limiar de suspeita de transtorno de ansiedade generalizada.
Reuters/Ipsos BVA (mai 2026): survey com 3.800 jovens de 11 a 25 anos na França, Alemanha, Suécia e Irlanda. Quase 1 em 2 já usou chatbots para discutir temas íntimos ou pessoais. 51% dizem ser "fácil" discutir saúde mental e questões pessoais com chatbots — acima dos 49% que dizem o mesmo sobre profissionais de saúde e muito acima dos 37% para psicólogos. Mais de 3 em 5 usuários descrevem a IA como "life adviser" ou "confidant". dados reais Reuters/Ipsos BVA
Na mesma pesquisa: 28% dos jovens entrevistados atingiam o limiar de suspeita de transtorno de ansiedade generalizada. Especialistas alertam que sistemas de IA generalistas foram desenhados para engajamento, não para saúde mental — os objetivos das empresas podem não estar alinhados com necessidades clínicas. dado real Reuters/Ipsos BVA
Out 2025: Character.AI bane menores de usar seus chatbots, em resposta a processos ligados à segurança infantil (AP News, out 2025). Mai 2026: Pensilvânia processa Character.AI acusando chatbots de se apresentar ilegalmente como médicos licenciados (AP News, mai 2026). O caso pode definir se chatbots são "conteúdo de plataforma" ou "prestadores de aconselhamento".
AI companions não criaram a crise de formação de casais. Eles chegam depois dela. A fertilidade americana acumula queda de 23% desde 2007. Apenas Israel está acima da reposição entre os países da OCDE.
CDC (abr 2026): nascimentos nos EUA caíram para 3.606.400 em 2025, queda de 1% contra 2024. A taxa geral de fertilidade foi 53,1 nascimentos por 1.000 mulheres de 15 a 44 anos. A taxa está em queda geral desde 2007, acumulando recuo de 23%. A taxa de natalidade adolescente (15–19 anos) caiu 72% desde 2007 e 81% desde o pico de 1991. dados reais CDC VSRR nº 043
OCDE (2024): em 2022, apenas Israel estava acima da taxa de reposição entre países da OCDE, com TFR de 2,9. A Coreia do Sul tinha a menor taxa — cerca de 0,78 filho por mulher. Japão e sul da Europa entre os menores níveis. dados reais OECD Society at a Glance 2024
Painel composto com três séries de fontes distintas. Linha rosa (eixo esq.): taxa de fertilidade EUA — CDC VSRR, dados reais. Linha âmbar (eixo dir.): usuários pagantes Match Group em milhões — Match 10-K, dados reais (2014–2024); 2025 = estimativa indicada. Linha azul (eixo dir.): downloads AI companions em milhões — Appfigures; série 2023–2025 verificada; 2020–2022 estimada e sinalizada.
GF-2 · 3 gráficos · IDH × Fecundidade · UNDP 2024 + UN WPP 2024
O desenvolvimento humano é o maior preditor isolado de fertilidade — R²=0,75. Mas países com IDH idêntico têm TFR radicalmente diferente. E os mais ricos estão caindo abaixo do piso que a teoria previa. Algo além do desenvolvimento está operando.
Cada ponto é um país. A linha de regressão (OLS) mostra que desenvolvimento humano explica 75% da variação na fertilidade global — a relação mais forte em ciências sociais. A linha tracejada horizontal é a taxa de reposição (2,1). Mas ao redor da linha de regressão há enorme dispersão — especialmente entre países de alto IDH (acima de 0,85), onde Coreia do Sul (0,72), Hong Kong (0,77) e Japão (1,20) estão muito abaixo do previsto, enquanto Israel (2,79) está muito acima. O modelo prevê TFR ~0,95 para IDH=0,95. Coreia do Sul, com IDH=0,929, tem TFR 0,72 — 36% abaixo do previsto.
Resíduo = TFR real − TFR prevista pelo IDH. Barras negativas: países com menos filhos do que seu nível de desenvolvimento prevê. Barras positivas: mais filhos do que o previsto. Índia, China, Bangladesh e Tailândia têm resíduos negativos grandes — política do filho único e urbanização acelerada explicam parte. Israel (+1,56) é o maior outlier positivo — religiosidade e política pró-natalidade. Nigéria e Niger também acima — baixa urbanização real vs IDH médio. Entre os países ricos (IDH>0,90), a Coreia do Sul (−0,40) se destaca como outlier negativo.
Para países de alto IDH (>0,90), a teoria da transição demográfica previa estabilização em torno de 1,7–1,9. A linha "prevista pelo IDH" é calculada aplicando o modelo OLS ao IDH médio deste grupo ao longo do tempo. A linha "real" é a TFR média observada. O gap entre as duas — que era pequeno antes de 2010 — se abre depois de 2012. A era do smartphone coincide com o momento em que países ricos começaram a cair consistentemente abaixo do que seu desenvolvimento prevê.
GF-3 · 4 gráficos · Penetração digital × Fecundidade · DataReportal + GSMA + ITU + UN WPP
R²=0,743 para penetração de redes sociais vs TFR. R²=0,755 para IDH. Quase idênticos — mas com uma diferença fundamental: desenvolvimento humano leva gerações. Instagram levou dez anos. Isso não é coincidência. É mecanismo.
Cada ponto é um país. Eixo X = % da população usando redes sociais (DataReportal/We Are Social jan 2024). Eixo Y = TFR 2023 (UN WPP 2024). Linha de regressão OLS tracejada. R²=0,743 — quase idêntico ao R² do IDH (0,755). Países com alta penetração de redes sociais concentram-se no quadrante inferior direito (baixa fertilidade). Exceção notável: Israel — alta penetração (~80%) mas TFR 2,79 (exceção religiosa-cultural). Coreia do Sul está 0,42 pontos abaixo do previsto mesmo para o seu nível de penetração. Nota: penetração de redes sociais e IDH são altamente correlacionados entre si — veja GF-3.3.
Comparação do R² (variância explicada) de cada preditor isolado + modelo combinado. IDH: 0,755. Redes sociais: 0,743. Smartphones: 0,733. Internet: 0,748. Modelo combinado (IDH + redes sociais): 0,780 — melhora modesta porque os preditores são altamente correlacionados entre si. Isso não invalida a relação — confirma que todos capturam a mesma transformação estrutural, mas por canais parcialmente diferentes.
Para 6 países com IDH >0,85: variação percentual do IDH, da penetração de redes sociais e da TFR entre 2010 e 2023. O IDH mal se moveu (+2% a +4%). As redes sociais saltaram de 15–50% para 65–93% da população (+100% a +400%). A TFR caiu em todos os países — mais onde a adoção de redes foi mais rápida. Israel (menor crescimento de redes, menor queda de TFR) confirma o padrão por contraposição.
Eixo X = ano em que a cobertura 4G passou de 50% da população (proxy de adoção massiva de smartphones, baseado em ITU/GSMA). Eixo Y = variação na TFR nos 5 anos seguintes a esse momento. Países que adotaram 4G mais cedo (EUA, Coreia do Sul, Japão — ~2013) tiveram quedas de TFR maiores nos anos seguintes. Países de adoção tardia (Etiópia, Niger, Mali — ainda com cobertura parcial) mostram quedas menores — mas crescentes à medida que a rede avança. Baseado na metodologia Hudson & Moscoso-Boedo (2026): "o número de nascimentos caiu primeiro e mais rápido nas áreas que receberam conectividade móvel de alta velocidade mais cedo."
Apêndice Empírico · 16 gráficos · 5 testes · A assinatura dos apps · CDC · OECD · Pew · HCMST · Appfigures
A pergunta empírica correta não é "apps causaram a queda de fertilidade?". É: depois de controlar pela adoção geral de smartphone e internet, a camada afetiva da plataforma explica variação adicional?
A hipótese deste apêndice não é que aplicativos de relacionamento "causaram" sozinhos a queda de fertilidade, a epidemia de solidão ou a piora da saúde mental. Essa seria uma tese simplista — e falsa. Fertilidade cai por renda, moradia, educação, religião, trabalho, política familiar e custo de oportunidade. Saúde mental se deteriora por múltiplos canais.
A pergunta relevante é mais estreita: depois de controlar pela digitalização geral da vida — smartphones, internet, redes sociais — a camada especificamente afetiva da plataforma aparece nos dados? Se o mercado do amor foi reorganizado por apps, o sinal deveria ser mais forte onde o mecanismo é mais direto: jovens, solteiros, urbanos, formação de casais, rotatividade sexual, ISTs, casamento e nascimento com defasagem.
É isso que testamos. Não uma causa única. Uma assinatura.
| Camada | Variável proxy | Interpretação | Tipo |
|---|---|---|---|
| Digitalização geral | Assinaturas móveis, usuários de internet, penetração de smartphone, banda larga (World Bank) | Ambiente "sociedade smartphone" — controle macro necessário em todo modelo | controle |
| Plataforma social | Instagram MAU, Facebook, TikTok, tempo de tela (DataReportal, Statista) | Comparação social, saúde mental ampla, atenção fragmentada — canal indireto | |
| Plataforma afetiva | Downloads Tinder/Bumble/Hinge por 100k hab; receita dating apps per capita; Google Trends "tinder"; MAU estimado (Sensor Tower, data.ai) | Mercado afetivo digital — variável de interesse. Deve explicar variação incremental nos outcomes relacionais além das duas camadas acima | variável de interesse |
Dating apps têm poder explicativo adicional além da digitalização geral? Separar os dois sinais é o primeiro e mais importante teste do framework.
O primeiro gráfico que qualquer revisor pedirá: a curva dos apps se sobrepõe às curvas de outcomes? Aqui com sífilis (proxy de IST, CDC), taxa de casamento (NCHS) e TFR (CDC/NCHS), com o lançamento do Tinder em setembro de 2012 como marco. A descontinuidade ou aceleração de tendência pós-2012 é o sinal preliminar que motiva os testes formais.
Decomposição hipotética do R² em painel para três outcomes. A camada "Dating Apps" contribui incrementalmente — especialmente para ISTs e formação de casais — além do que smartphone e internet já explicam. Valores são estimativas de ordem de grandeza baseadas em literatura comparável (estudos de impacto de redes sociais em saúde mental).
Se o mecanismo é reorganização do mercado afetivo, o sinal deve ser maior em jovens (20–34), em urbanos, em solteiros, e nos outcomes mais próximos do matching sexual (ISTs) do que nos mais distantes (saúde mental ampla, suicídio). Este mapa guia a estratégia de teste.
O melhor candidato para o primeiro estudo. Mecanismo mais direto, menos canais concorrentes, dado com razoável consistência histórica (CDC, ECDC). O sinal deve aparecer mais forte em 20–34 do que em 45+.
A decomposição por faixa etária é o teste visual do mecanismo. Se os apps são o canal, o aumento deve ser desproporcional em jovens adultos (20–34) — a faixa de maior adoção — em relação a adultos mais velhos (45+). A aceleração pós-2012 em 20–34 vs. a curva mais suave em 45+ é a "assinatura etária" prevista pela teoria.
Se o sinal existe além dos EUA, deve aparecer no painel europeu com variação entre países. Países com maior penetração de dating apps (proxy: Google Trends "Tinder" + receita per capita) devem ter maior incidência de sífilis em jovens, controlando por testagem, acesso a saúde e renda. Países nórdicos e UK como outliers positivos; Europa do Leste como outlier negativo (uso de app menor, acesso a saúde variável).
O viés mais perigoso no Teste 2: países/cidades com mais apps podem também ter mais testagem, mais acesso a PrEP, e mais campanhas de saúde. Um aumento de ISTs pode refletir melhor detecção, não aumento real de incidência. O controle de testagem é não-opcional.
Como os casais se conheceram — e o que aconteceu com os intermediários humanos. A substituição de canais é provavelmente a evidência mais robusta disponível: dados diretamente sobre o mecanismo, não sobre o outcome distal.
Rosenfeld, Thomas & Hausen (PNAS, 2019) mais estimativas 2020–2022: internet passou amigos como canal principal em 2012 e hoje representa ~65% dos novos casais. Amigos caíram de ~40% para ~14%. Igreja, família e bairro desapareceram. Trabalho e escola encolheram pela metade. Este não é um gráfico de correlação — é um gráfico sobre o mecanismo.
O teste por coorte: gerações que formaram casais na era pré-app (nascidos antes de 1980) usaram muito menos internet. Gerações pós-smartphone (nascidos após 1990) usam majoritariamente apps. A variação entre coortes — controlando outros fatores — é a evidência mais limpa do efeito.
O que se perde quando o canal muda de "amigos com reputação" para "algoritmo sem pele no jogo"? Proxy: satisfação com relacionamento por canal de encontro (ANU/PubMed meta-análise 2024). Casais que se conheceram offline têm maior satisfação relacional em 4 de 5 dimensões. A diferença é de mecanismo — não de qualidade das pessoas.
A hipótese correta não é que apps derrubam fertilidade imediatamente. É que apps contribuem para atraso e instabilidade na formação de casais, que aparece em fertilidade com defasagem de 3–7 anos. O modelo precisa de lags.
A decomposição por idade da mãe é mais informativa do que a TFR total. A hipótese de atraso prediz: queda forte em 20–29 (pós-2012), compensação parcial em 30–39, colapso total em 40+ que não compensa. A "compressão da janela reprodutiva" — mulheres que chegam aos 35 sem casal por atraso acumulado — é o mecanismo de longo prazo.
Com 3 anos de defasagem: países com maior adoção de dating apps em 2015 tiveram maior queda de births 25–29 entre 2018 e 2022? Controlando TFR base, renda, educação, trabalho feminino e politica familiar. O scatter internacional com FE seria o teste mais convincente.
O dado americano com resolução temporal mais alta. A inflexão de 2007 (crise financeira) vs. a continuação do declínio pós-2012 em jovens (que não se explica só pela crise) é a hipótese a testar. A faixa 20–24 despenca. A faixa 30–34 cresce mas não compensa.
Para solidão e burnout, o painel macro é fraco. O teste correto usa microdados: entre solteiros comparáveis, usuários intensivos de apps têm maior solidão e menor confiança do que usuários leves, controlando por sociabilidade offline?
Pew 2023: usuários que "usaram no último mês" vs. "usaram há mais de 1 ano" mostram padrões distintos de experiência. Usuários recentes (mais intensivos) relatam mais sensação de sobrecarga (mulheres) e mais insegurança por falta de mensagens (homens). O padrão por gênero é consistente com os capítulos anteriores.
Se usuários migram de dating apps para AI companions, o burnout de app não é apenas sentimento — é comportamento. A curva cruzada (dating apps pagantes caindo, AI companions subindo) é uma consequência mensurável da saturação. O teste: burnout auto-relatado prediz adoção subsequente de AI companion em surveys longitudinais?
O maior desafio do Teste 5: pessoas mais solitárias ou menos sociáveis começam a usar apps com mais frequência — o que cria correlação espúria entre uso e solidão. A solução: subgrupos com socialização offline comparável + instrumentos (ex: lançamento de app na cidade × período pré-uso).
Ranking de probabilidade de resultado robusto por outcome — baseado em proximidade de mecanismo, disponibilidade de dados e facilidade de controle de confundidores.
"O livro não afirma que dating apps causaram a crise relacional moderna. Afirma algo mais preciso: quando a crise já estava em curso, os apps se tornaram a infraestrutura dominante do mercado afetivo — e infraestruturas dominantes alteram preços, incentivos, seleção, comportamento e resultados. Isso é testável."
Série LE · 9 canvas + 2 SVG · A Economia do Apartamento · iFood · DoorDash · Uber · USDA · BLS · Census · OECD
O delivery não inventou a solidão — mas a tornou operacionalmente eficiente. A refeição chega quente. O mundo não precisa entrar.
iFood: 100M pedidos/mês (ago 2024) → 120M (mai 2025) → 160M (out 2025) → 180M (nov 2025, recorde). DoorDash Q4 2024: 685M pedidos no trimestre (+19% YoY), Marketplace GOV de US$21,3B (+21% YoY), 42M usuários ativos mensais. O crescimento não é linear — é uma aceleração que se intensificou após a pandemia e não reverteu.
O delivery deixou de ser pizza de fim de semana. Marmitas cresceram 18% em 2024 (Abrasel/iFood). Por horário: café da manhã = padarias; almoço = marmitas e lanches; tarde = açaí e lanches; madrugada = lanches (~70% do volume). Delivery invadiu a rotina ordinária — cada refeição do dia.
NY Post / OpenTable (set 2024): reservas solo nos EUA cresceram 29% em dois anos. O restaurante não desaparece — ele também se adapta ao indivíduo desacompanhado. Tendência observada também no UK e Alemanha. O dado mostra que o "comer sozinho" está se tornando escolha normalizada, não apenas contingência.
Detentos federais americanos têm garantido por lei o mínimo de 2 horas ao ar livre por dia. A Geração Z passa, em média, 49 minutos. O americano médio: 57. Este não é um dado sobre natureza — é um dado sobre o colapso do mundo exterior.
A linha vermelha marca 120 minutos — o mínimo diário ao ar livre garantido por regulamento federal americano a detentos em penitenciárias de segurança máxima (28 CFR § 541.22). Nenhuma geração americana chega perto. A Gen Z adulta (18–28 anos) passa em média 49 minutos ao ar livre em dias úteis — 59% abaixo do que o governo exige para presos. 67% da Gen Z admite que consegue passar vários dias consecutivos completamente dentro de casa. 1 em cada 9 crianças americanas não pisou em nenhum parque, floresta ou praia nos últimos 12 meses.
Survey Unilever/Persil com 12.000 pais em 10 países. Metade das crianças passa menos de 1 hora ao ar livre por dia. 1 em cada 3 passa menos de 30 minutos. 1 em cada 9 não pisou em parque, floresta ou praia nos últimos 12 meses. Os dados globais escondem grandes variações: crianças de países escandinavos saem mais; asiáticas e americanas, menos.
Decomposição do dia médio da Gen Z (horas acordado = ~16h). 90% do tempo é passado em ambientes internos (EPA). O tempo em telas (7,3h/dia, BLS) supera o tempo ao ar livre (0,82h) por fator de ~9×. 67% consegue passar vários dias consecutivos sem sair de casa (AEI 2025).
A categoria "food away from home" ficou conceitualmente quebrada. Ela inclui restaurante social e delivery comido sozinho no sofá — como se fossem a mesma coisa.
USDA Economic Research Service 2024: gasto total com comida chegou a US$2,58 trilhões. Food-away-from-home: US$1,52T. Food-at-home: US$1,06T. A categoria "food away from home" inclui delivery, takeout, dark kitchen e fast food drive-thru — todos consumidos em casa. A distinção econômica tradicional não captura mais o comportamento real.
A categoria USDA "food away from home" agrega usos radicalmente diferentes. Esta reclassificação separa o que a estatística oficial não separa: refeição como evento social vs. refeição como serviço logístico.
Uber reportou no Q2 2024 US$18,1B em gross bookings de Delivery (+16% YoY). O segmento de Delivery da Uber representa hoje mais da metade do valor transacionado pela plataforma. Contexto: a Uber começou como empresa de transporte de pessoas — hoje é tão grande ou maior em entrega de comida.
Não é uma indústria. É um ecossistema. Food delivery, grocery delivery, streaming, gaming, dating apps, AI companions, teletherapy, WFH. A vida migrou de dentro para dentro.
Índice de crescimento relativo das principais categorias da economia doméstica (2015 = 100). Cada categoria tem fonte específica: delivery (DoorDash/iFood), streaming (Netflix/Spotify MAU), gaming (ESA), dating apps (Pew/Statista), AI companions (Appfigures), teletherapy (grand view research), WFH (BLS ATUS). A convergência dessas curvas no mesmo período não é acidental — é a mesma força operando em múltiplos mercados.
BLS (2024): 32,5% dos empregados trabalharam em casa em dias trabalhados. 72,4% trabalharam no local de trabalho (categorias não exclusivas). O home office cortou o "almoço de escritório" — um pequeno ritual social: fila, bandejão, café, conversa ruim, paquera improvável. O delivery preenche o buraco logístico. O encontro, não.
Census 2024: domicílios não-familiares passaram de ~19% (1970) para 36% (2022). Mulheres morando sozinhas: 12% → 16% dos domicílios. Homens sozinhos: 6% → 13%. 1 em cada 10 adultos 18–34 vive sozinho; quase 3 em cada 10 com 65+ vivem sozinhos. Esta é a base demográfica da economia do apartamento.
A solidão moderna não é ausência de consumo. É consumo desenhado para funcionar sem ninguém por perto. O funil narrativo da vida indoor.
Cada camada do funil tem dado real associado. O mesmo indivíduo que mora sozinho (Census), trabalha em casa (BLS), pede delivery (iFood/DoorDash), assiste streaming (Netflix), usa dating app (Pew) e migra para AI companion (Appfigures) não é uma persona hipotética — é o comportamento médio emergente de uma geração.
OECD Social Connections and Loneliness (2024): na média dos países OCDE, 8% dizem não ter amigos próximos, 10% relatam falta de suporte social e 6% sentiram solidão "na maior parte ou todo o tempo" nas últimas quatro semanas. Pessoas vivendo sozinhas têm taxa de solidão de 14% — mais que o dobro da média. A OECD também observa que interações presenciais caem desde 2006, enquanto interações remotas crescem.
Série Natalidade Digital · 15 gráficos · Smartphone, natalidade e colapso da formação de casais · Mai 2026 · Análise baseada em John Burn-Murdoch / Financial Times
Países alinhados pelo momento de adoção massiva do smartphone. Independentemente da tendência anterior, a taxa de natalidade despenca depois que o smartphone chega.
Cada linha representa um grupo de países alinhados pelo momento em que smartphones se tornaram massivos (ano 0). Nos anos anteriores (eixo negativo), as tendências oscilam ao redor de zero. Depois da adoção — todas as linhas convergem para baixo, independente de renda, cultura ou política familiar. Baseado em análise FT + Hudson & Moscoso-Boedo (2026). Leitura visual do gráfico original John Burn-Murdoch / FT.
A versão "antes do alinhamento": cada país no seu próprio eixo temporal, com a inflexão marcada. EUA/UK/AUS: estável na primeira metade dos anos 2000, queda marcada a partir de 2007. França/Polônia: inflexão em ~2009. México/Indonésia: ~2012. Irã/Egito/Senegal: ~2015. "What had been steady declines in fertility in Ghana, Nigeria and Senegal became precipitous drops between 2013 and 2015." — FT
"Em mais de dois terços dos 195 países, a TFR caiu abaixo de 2,1. Em 66 países, a média está mais próxima de 1 do que de 2." — FT
195 países: mais de 130 estão abaixo da taxa de reposição de 2,1. 66 têm TFR entre 1,0 e 1,5 — mais próximo de 1 do que de 2. Em alguns, o número mais comum de filhos por mulher é zero. Dados FT baseados em UN World Population Prospects 2024.
O dado mais revelador sobre a velocidade da queda: a ONU previu 350.000 nascimentos na Coreia do Sul em 2023. O número real foi 230.000 — um erro de 50%. Os modelos demográficos não estavam preparados para essa velocidade.
"A queda é muito mais acentuada entre os menos educados e de menor renda. Entre graduados universitários, a formação de casais e filhos é estável ou crescente." — FT
Estudo pioneiro de Stephen Shaw (demógrafo): nos EUA e maioria dos países de alta renda, o número de filhos por mãe é estável ou crescente — mas a proporção de mulheres que tem filhos caiu abruptamente nos últimos 15 anos. A queda é concentrada em não-universitários de baixa renda. Entre universitários: estável ou subindo. É uma divergência em K.
O paradoxo Shaw: mães têm em média os mesmos ou mais filhos. O que caiu é a proporção que se torna mãe. A queda no TFR não é "cada mulher quer menos filhos" — é "menos mulheres querem (ou conseguem) formar casais e ter qualquer filho".
"Desde os anos 1980, países desenvolvidos triplicaram gastos per capita em benefícios infantis, creche e licença-paternidade. TFR caiu de 1,85 para 1,53." — FT
Gasto per capita real em benefícios familiares (creche, licença, benefícios) triplicou desde 1980. Participação dos pais em cuidados infantis cresceu continuamente. TFR médio países ricos: 1,85 → 1,53. O gasto atenua mas não reverte. A conclusão do FT: "o problema não é só financeiro".
O mesmo padrão em todos os países — com décadas de defasagem entre si. O timing de cada inflexão coincide com a adoção massiva do smartphone no mercado local.
FT research + Hudson & Moscoso-Boedo (2026) sobre rollout de redes 4G: "O número de nascimentos caiu primeiro e mais rápido nas áreas que receberam conectividade móvel de alta velocidade mais cedo." Cada grupo de países tem sua própria linha de base e sua própria data de inflexão — mas todas as inflexões coincidem com a adoção massiva do smartphone.
"Na Coreia do Sul, a socialização presencial de jovens adultos caiu pela metade em 20 anos." — FT / Lyman Stone
Coreia do Sul: "young adult in-person socialising has halved in 20 years" (FT). Contexto internacional: Lyman Stone — "Para conhecer alguém com quem vai casar, você precisa filtrar muitas pessoas. Se você socializa muito menos, leva muito mais tempo para encontrar uma pessoa compatível — se encontrar alguma." E: "Se você passa muito tempo socializando com seus pares no mundo real, seus padrões estão ancorados no mundo real. Se você passa o tempo no Instagram, seus padrões estão ancorados a uma noção artificial do que é normal."
"Se as taxas de casamento e coabitação dos EUA tivessem se mantido constantes na última década, a TFR seria maior hoje do que era há 10 anos." — FT
Uma das descobertas mais importantes do artigo FT: a queda de fertilidade dos EUA não se explica pela mudança de preferências sobre tamanho da família. Se as taxas de formação de casais tivessem ficado estáveis, a TFR seria mais alta que há 10 anos — mesmo com mulheres mais educadas, mais no mercado de trabalho, e morando em cidades mais caras. O problema central é o colapso da formação de casais — especialmente entre jovens não-universitários.
"Taxas de natalidade estão colapsando apesar — não por causa — dos desejos das pessoas. A maioria dos jovens ainda quer ~2 filhos — mesmo na Coreia do Sul, onde a maioria das mulheres tem zero." — FT
"A divisão ideológica emergente entre homens e mulheres jovens é um fenômeno da era smartphone, concentrado entre os não-universitários." — FT / Alice Evans (Stanford)
FT research: "the emerging ideological divide between young men and women is a smartphone-era phenomenon, concentrated among the non-college-educated. Among this cohort, women have moved leftward, men have not, and coupling and births have cratered." Alice Evans (Stanford): "Instagram e TikTok permitem que mulheres jovens em todo o mundo contornem autoridades tradicionais, elevando suas expectativas para um relacionamento de uma forma que seus parceiros masculinos muitas vezes não estão preparados."
"Quanto mais tradicional uma cultura em termos de papéis de gênero, maior o impacto do smartphone nas taxas de natalidade." — FT / Alice Evans. Oriente Médio e América Latina mostram algumas das quedas mais acentuadas da última década.
ND-2 · 2 gráficos · Projeção populacional · Modelo base-100 · Brasil · EUA · Coreia do Sul
Uma diferença de 0,6 filho por mulher parece pequena. Composta numa base 100, ela apaga um quinto da população em 20 anos — e ainda é só o efeito parcial.
Trajetória de uma população partindo de 100, mantendo a TFR constante. A taxa de crescimento intrínseca segue r = ln(TFR / 2,1) / G, com geração G = 30 anos e reposição = 2,1. A 2,1 a população fica parada; cada décimo abaixo compõe ano a ano. Como 20 anos é menos de uma geração, o que se vê aqui é o efeito ainda parcial.
As mesmas curvas base-100, agora com as TFRs reais de 2024. Brasil e EUA quase se sobrepõem; a Coreia do Sul desce numa inclinação que nenhum país desenvolvido jamais sustentou em tempos de paz.
Partindo de 100 e mantendo a TFR de 2024 constante, com geração G = 30 anos e reposição = 2,1. Brasil (1,57) e EUA (1,60) traçam praticamente a mesma reta — erosão de ~1% ao ano. A Coreia (0,75) cruza a linha de meia-população em torno do ano 20: cada coorte nasce com ~36% do tamanho da anterior.
Anexo WWN · 3 gráficos · A correlação que não existe — e a que existe · Riqueza · Trabalho · Fertilidade
Três gráficos para um argumento contraintuitivo: a fertilidade não prevê quão produtiva uma economia é. Ela prevê de quantos trabalhadores essa economia vai dispor — e é o tamanho da força de trabalho, não sua produtividade, que move o PIB total.
O gráfico central do paper. Indexado por trabalhador, o leque de trajetórias se fecha: sete das oito economias terminam numa faixa estreita entre 145 e 158, apesar de pirâmides etárias radicalmente diferentes. São "caminhos de crescimento balanceado" quase paralelos. A única divergência real é a Itália — que não tem problema demográfico, e sim econômico.
A pergunta intuitiva: países com mais filhos crescem mais por trabalhador? A resposta é não. A nuvem é quase plana (R² ≈ 0,21) — e o pouco de inclinação que existe é puxado por um único ponto, a Itália. Remova a Itália e a relação some. A França tem a maior fertilidade da amostra e um dos menores crescimentos por trabalhador.
A correlação que de fato existe — e é forte (R² ≈ 0,89). O crescimento do PIB total acompanha quase mecanicamente o crescimento da população em idade ativa. Japão (força de trabalho encolhendo) no canto inferior; Canadá e EUA (força de trabalho crescendo ~1% a.a.) no superior. Quase uma reta.
Cap. 8 · Econômico · 4 gráficos · Impacto demográfico no PIB do G20 · UN WPP 2024 · IMF WEO 2024
Cada ponto percentual de queda na população em idade ativa subtrai ~0,65pp do crescimento do PIB. Para o G20 como bloco, o efeito líquido em 10 anos é −0,50% do PIB — mas a média esconde uma cisão profunda: economias avançadas sangram, emergentes ainda crescem.
Variação cumulativa do PIB atribuível exclusivamente à mudança na população em idade ativa (PIA, 15–64 anos), usando elasticidade de 0,65 — participação do trabalho na renda, padrão FMI/OCDE. Barras laranjas/vermelhas = arrasto demográfico (PIB menor que com população estável). Barras verdes = dividendo demográfico (PIB maior). China entra em território negativo no horizonte de 10 anos (PIA começa a encolher). Coreia do Sul (−9,75%) e Japão (−6,50%) lideram o arrasto. Nota: este efeito se SOMA (ou subtrai) do crescimento de produtividade — não o substitui.
Valor absoluto do impacto demográfico no PIB ao longo de 10 anos (2024–2034), em bilhões de dólares. China (−US$602B) lidera em termos absolutos por ter o maior PIB com PIA em contração. Japão (−US$267B) e Alemanha (−US$164B) seguem. Países com dividendo demográfico: EUA (+US$337B) — crescimento por imigração — e Índia (+US$225B) — bônus demográfico ainda em curso.
Índice do PIB G20 agregado (base 2024=100) em dois cenários: Baseline = crescimento IMF WEO 2024 sem ajuste demográfico. Com arrasto = baseline + efeito líquido demográfico ponderado pelo PIB. O gap entre as linhas abre gradualmente — o efeito é cumulativo, não linear. Em 2034, o G20 está ~0,5% abaixo do que estaria com população estável. O efeito é maior para economias avançadas isoladamente (−3,5% a −10% segundo subgrupo).
Contribuição demográfica anual para o crescimento do PIB (pp), separada por grupo. Economias avançadas G20 (EUA, Europa, Japão, Coreia, Austrália): arrasto médio de −0,3pp/ano, acelerando para −0,5pp/ano em 2030+. Economias emergentes G20 (China, Índia, Brasil, México, Indonésia + outros): dividendo médio de +0,4pp/ano, mas com China virando negativo em 2026. O cruzamento dessas trajetórias define quem vai crescer na próxima década.