Até que meu chapéu de especialista em Oriente Médio fique pronto, acho pertinente tratar de outro assunto que todos os dias ocupa parte relevante dos jornais, mas com um pouco mais de conhecimento de causa.

A inteligência artificial voltou a ocupar o centro do debate econômico. De um lado, empresários do setor falam em saltos históricos de produtividade, abundância e até na necessidade de reinventar o próprio conceito de PIB.

Do outro, uma literatura acadêmica cada vez mais robusta pede cautela, lembrando que grandes promessas tecnológicas nem sempre se traduzem rapidamente em crescimento sustentado ou bem distribuído. Entre o entusiasmo quase messiânico e o ceticismo absoluto, talvez o ponto mais interessante seja justamente a moderação.

Uma entrevista recente de Nick Bloom, professor de Economia em Stanford, ajuda a colocar alguma ordem nesse debate. Bloom é um dos principais pesquisadores de produtividade do mundo e parte de um fato simples, mas frequentemente ignorado: produtividade é um fenômeno macroeconômico lento, cheio de fricções, complementaridades e atrasos.

Mesmo tecnologias transformadoras demoraram décadas para aparecer de forma consistente nas estatísticas agregadas. A eletricidade e os computadores são exemplos clássicos. Há ganhos claros em tarefas específicas, mas isso não significa, automaticamente, uma aceleração generalizada da produtividade da economia. Nessa mesma série de entrevistas, a edição anterior com outros dois professores de Economia de Stanford confirma o ponto de vista de que os ganhos devem ser lentos, mas podem ser significativos.

Esse ponto conversa diretamente com o trabalho de Daron Acemoglu, Prêmio Nobel de economia em 2024. Em artigos recentes, ele mostra que, mesmo assumindo avanços contínuos da IA, o impacto agregado sobre a produtividade total tende a ser modesto no horizonte de uma década.

Não porque a tecnologia seja irrelevante, mas porque ela atinge apenas uma fração das tarefas, muitas vezes as mais simples e padronizadas. Além disso, ganhos locais não se convertem automaticamente em crescimento macro quando existem gargalos organizacionais, institucionais e de capital humano.

A literatura microeconômica recente reforça essa leitura. Estudo de Brynjolfsson, Li e Raymond de 2023 mostra que a IA generativa pode elevar de forma significativa a produtividade individual em determinadas funções, especialmente ao reduzir custos de coordenação, acelerar a execução de tarefas e melhorar a qualidade do output.

No entanto, esses ganhos aparecem de maneira muito desigual entre trabalhadores, equipes e empresas. Em vez de um choque homogêneo, o que se observa é um efeito altamente dependente de contexto, desenho organizacional e incentivos. No caso estudado, houve aumento de produtividade de 14%, em média, com o uso de AI, com destaque para o ganho de novos funcionários, da ordem de 34%.

Resultados semelhantes surgem no trabalho de Kevin Cui e coautores sobre impacto em desenvolvedores de softwares. A IA generativa tende a ser mais eficaz como complemento do que como substituta, ampliando a produtividade de profissionais experientes em tarefas analíticas, criativas ou de síntese.

Ao mesmo tempo, os retornos marginais diminuem quando a complexidade do problema aumenta ou quando o julgamento humano continua sendo central. Isso ajuda a explicar por que ganhos impressionantes em laboratório ou em casos pontuais não se traduzem, automaticamente, em revoluções econômicas amplas. Resumindo o resultado, o ganho de produtividade ao usar uma ferramenta de AI foi de 26%, com o mesmo resultado do estudo citado acima, em que o impacto é maior em desenvolvedores com menos experiência.

Outro ponto central da literatura é a diferença entre produtividade média e produtividade marginal. Automatizar tarefas pode elevar o output por trabalhador e, ao mesmo tempo, reduzir a demanda por trabalho em determinadas funções. Isso gera um paradoxo: a economia fica mais produtiva, mas o bem-estar não cresce na mesma proporção.

Esse fenômeno ajuda a explicar por que ondas anteriores de automação vieram acompanhadas de aumento da desigualdade e queda da participação do trabalho na renda. A IA não está imune a esse risco, especialmente se for usada majoritariamente como substituta, e não como complemento ao trabalho humano.

O contraste com o discurso dos empreendedores é evidente. Sam Altman fala em uma economia profundamente deflacionária, em que bens e serviços se tornam radicalmente mais baratos e o PIB deixa de ser uma boa métrica de bem-estar.

Dario Amodei descreve a chegada de um tsunami de IA, comprimindo décadas de mudança em poucos anos. Elon Musk projeta um mundo em que o trabalho físico se torna opcional e a produtividade explode com a difusão de robôs humanoides. Essas narrativas capturam a imaginação e ajudam a mobilizar capital, talento e atenção política.

O problema surge quando extrapolamos essas visões para toda a economia, ignorando custos de adoção, mudanças organizacionais, regulação e, sobretudo, o tempo necessário para que empresas e trabalhadores aprendam a usar bem essas ferramentas.

Pesquisas com executivos mostram que a maioria das empresas já experimentou IA, mas poucas relatam impactos mensuráveis em produtividade agregada até agora. Isso não invalida o potencial da tecnologia, mas sugere que estamos em uma fase muito inicial da curva, mais próxima da experimentação do que da transformação sistêmica. A pesquisa, citada por Bloom, indica otimismo das empresas com o impacto futuro.

Talvez a leitura mais equilibrada seja a de que a IA é, sim, uma tecnologia geral, com capacidade de remodelar processos, mercados e até instituições.

Se o foco for apenas substituir trabalho e cortar custos, os ganhos podem aparecer rápido, mas com efeitos colaterais relevantes. Se, ao contrário, a IA for usada para criar novas tarefas, ampliar capacidades humanas e reduzir barreiras de entrada, o impacto pode ser mais difuso, porém mais sustentável.

Entre a euforia dos empreendedores e a cautela dos acadêmicos, a história econômica sugere prudência. Tecnologias mudam o mundo, mas quase nunca do jeito, na velocidade ou com a distribuição de ganhos que seus criadores imaginam no início. A inteligência artificial provavelmente não será exceção.

Fonte: infomoney