Por que o investimento em IA (ainda) não gerou ganho de produtividade?

 

Apesar de US$ 1,6 tri aportados em IA desde 2022, o ganho de produtividade agregada medido é de 1,3%. O motivo é um padrão já conhecido. 

 

 

POR LUCAS REIS

 

Em 1987, Robert Solow resumiu numa frase a frustração de uma década inteira: víamos a era dos computadores em toda parte, menos nas estatísticas de produtividade. Em outras palavras, o investimento em computação não tornou as empresas mais produtivas por décadas. O que ficou conhecido como "o paradoxo de Solow" também aconteceu anteriormente com a eletrificação, e posteriormente com a internet. 

 

É um padrão. Tecnologias de propósito geral entregam seu impacto com atraso, porque ele depende menos do que a máquina faz, e mais do ritmo com que a sociedade consegue se reorganizar. Isso está acontecendo, neste momento, com a inteligência artificial. A IA generativa é a tecnologia de propósito geral de maior impacto sobre o trabalho de conhecimento — publicidade, direito, contabilidade, medicina — desde a digitalização. 

 

O Goldman Sachs estima que a IA generativa possa elevar o PIB global em torno de 7% — algo próximo de US$ 7 trilhões.  O Fórum Econômico Mundial projeta 170 milhões de vagas criadas e 92 milhões eliminadas até 2030 — saldo positivo de 78 milhões, com quase 40% das competências exigidas mudando no percurso.

 

Mas por que esse impacto todo ainda não se tornou realidade? Os economistas Erik Brynjolfsson, Daniel Rock e Chad Syverson deram a esse fenômeno o nome de curva J da produtividade: toda tecnologia de propósito geral exige investimentos complementares (redesenhar processos, requalificar pessoas, reestruturar a organização) que são caros, demorados e, por serem intangíveis, mal aparecem na contabilidade. Enquanto a empresa faz esse investimento invisível, a produtividade medida primeiro estagna ou recua. Só mais tarde, quando os intangíveis amadurecem, ela sobe — e sobe mais do que os registros indicavam. 

 

Se o gargalo não é técnico, vale identificar onde ele está para agir. São, a meu ver, três frentes de ajuste:

 

A primeira é social: a requalificação. É preciso treinar os trabalhadores para usarem adequadamente a IA, para que o domínio que possuem sobre suas áreas seja potencializado pelo uso da ferramenta. A segunda é legal: a responsabilização. Quando um agente passa a agir — pagar, publicar, contratar, alterar um registro —, alguém precisa responder pelo que ele faz. Essa é uma questão que trava a adoção nas empresas.

 

A terceira é comportamental: a reorganização do trabalho. Quando o ambiente de produção passa a ser híbrido, com agentes humanos e não humanos lado a lado, os papéis e atribuições mudam. As hard skills migram para os agentes de IA, que as exercem com custo e velocidade decrescentes. Ao humano cabem as soft skills. 

 

Mas, fica o dilema para os gestores. A IA vai reorganizar o trabalho de conhecimento, e o ganho econômico será grande. Só não sabemos quando, pois depende de mudanças comportamentais, legais e organizacionais. Então, é hora de se mover ou de aguardar? 

 

A melhor decisão é absorver o movimento, sem o frenesi dos alertas dos futurólogos, que faz todos se sentirem atrasados. A verdade é que essa transformação levará mais de uma década para amadurecer. Até lá, ela vai gerar valor crescente e a melhor forma de extraí-lo é naturalizar a sua adoção. Cultura muda tudo. Por isso, defendo incutir Agentic AI na cultura organizacional, com treinamentos e projetos pilotos, fazendo as pessoas se habituarem (e desejarem) usar seus recursos, na medida em que a tecnologia amadurece e faz entregas cada vez melhores. Sem pressa, mas sem pausa.

 

Lucas Reis é PhD e chairman da Zygon. Este ensaio parte do estudo “Panorama de Agentic Advertising”, da Zygon Ventures — braço de venture building em adtech e IA, posição que lhe dá interesse direto na fronteira que analisa.