A inteligência artificial (IA) é uma realidade, amplamente utilizada em processos de otimização industrial, personalização de consumo, organização de dados, mídias sociais, e em avanços na pesquisa científica. Não à toa, grandes empresas globais consolidadas (Google, Amazon, Microsoft) e emergentes (Open IA, Deepseek) têm centralizados esforços para desenvolver inovações no âmbito da inteligência artificial. Os potenciais impactos sobre produtividade e crescimento econômico são vistos com otimismo, o que poderia configurar até mesmo uma nova revolução tecnológica-produtiva.
Porém, nem todos compartilham desse otimismo. No artigo, "The Simple Macroeconomics Effect of IA", publicado na Economic Policy (v.40, no.121, de 2025), Daren Acemoglu (vencedor do Prêmio Nobel de 2024) apresenta resultados modestos em relação aos efeitos macroeconômicos do uso da inteligência artificial, de modo que o otimismo pode dar lugar ao ceticismo no que tange aos potenciais efeitos revolucionários da IA, em especial, na forma como as empresas têm direcionado o desenvolvimento da IA.
Nesse artigo, o economista turco-americano apresenta alguns insights para o debate sobre IA e seus impactos a médio prazo sobre a macroeconomia. Ele constrói um modelo teórico, em que se assume a produção de um único bem final, o qual requer o desenvolvimento de tarefas, as quais podem ser realizadas pelo uso de capital e trabalho, mas com diferentes vantagens comparativas no uso de cada fator. A automação corresponde à expansão dessas tarefas produzidas pelo capital, incluindo ferramentas digitais e algoritmos.
Os ganhos de produtividade no uso IA (crescimento médio do produto por trabalhador, ou crescimento da produtividade total dos fatores) advém de quatro canais de transmissão. O primeiro se refere à automação, em que modelos de IA podem assumir e reduzir os custos de certas tarefas, como administrativas de nível médio, resumo de dados, e computacionais. O segundo é por intermédio da complementariedade de tarefas, a qual permite aumentar a produtividade em tarefas não totalmente automatizadas, elevando a produtividade do trabalho. O terceiro canal é o aprofundamento da própria automação, a qual aperfeiçoando a produtividade do trabalho em tarefas já automatizadas, como melhorias na segurança da tecnologia da informação. Por fim, o último canal é o surgimento de novas tarefas, o que impacta a produtividade geral do processo produtivo, especialmente, com a ampliação do acesso à informação idônea e científica.
O foco do artigo está nos dois primeiros canais, assim como se discute como novas atividades geradas pela IA podem ter impactos positivos ou negativos. O efeito macroeconômico da IA se concretiza a partir do Teorema de Hulten, segundo o qual o crescimento do produtor (PIB) e a produtividade podem ser estimadas pela fração das atividades impactadas e pela redução média de custos por tarefas. Isto é, os efeitos da IA sobre a macroeconomia devem ser estimados pelos seus efeitos em termos de quantidade de setores afetados e pela diminuição média de custos na realização de tarefas.
Acemoglu estima o número de atividades (ou setores) expostos à IA. Em seguida, ele agrega esses números ao nível ocupacional, ponderando à importância de cada ocupação pela massa salarial em relação ao PIB norte-americano. Esse cálculo implica que 19,9% das tarefas de trabalho nos Estados Unidos estão expostas à IA. Em seguida, ele utiliza outras estimativas para tarefas de visão computacional, de modo que, de todas as tarefas expostas, 23% podem ser realizadas de modo lucrativo por IA (nas demais, os custos superam os benefícios).
A partir desses cálculos, Acemoglu calcula os efeitos da IA sobre a produtividade total dos fatores (PTF) (a qual mede o aumento da produção não explicado apenas pelo aumento do número de trabalhadores e de capital). O resultado aponta que o uso da IA eleva em 0,66% a PTF em 10 anos, ou o equivalente a 0,064% ao ano, valores considerados modestos por Acemoglu. Tendo em vista potenciais números mais altos de produtividade, o uso da IA elevaria no máximo 0,89% a PTF para o mesmo período. No que tange ao PIB, o crescimento estimado em 10 anos é de 1,1%, porque a automação e a complementariedade de tarefas tende a estimular o investimento. Se o investimento em IA for muito elevado (por exemplo, se houver um boom de investimento), o PIB deve crescer entre 1,4% a 1,56% em 10 anos. Mesmo assim, esses valores para o crescimento do PIB, também, são vistos como simplórios.
Em seguida, faz-se uma distinção entre "tarefas de fácil aprendizado" e "tarefas de difícil aprendizado". As primeiras são caracterizadas por etapas claras, métricas bem definidas para o sucesso e, portanto, são mais fáceis para a IA aprender e automatizar. As segundas envolvem tomada de decisão dependente do contexto, e o aprendizado é baseado principalmente na observação do comportamento humano, em vez de resultados objetivos. Acemoglu aponta que a maioria dos efeitos da IA ocorre em tarefas de fácil aprendizado (algo próximo a 73%). Fazendo os ajustes (considerando que os ganhos de tarefas difíceis são um quarto das tarefas fáceis), os valores do efeito da IA sobre a PTF caem para 0,55% em 10 anos, e para o PIB é de alta de 0,93% para o mesmo período.
A IA pode ajudar no desenvolvimento de novas tarefas, especialmente, associadas às redes sociais. Porém, essas novas atividades podem propiciar perdas de bem-estar, especialmente, quando ela é utilizada para geração de deepfakes, anúncios digitais enganosos, mídias sociais viciantes, ataques cibernéticos maliciosos. Nesse caso, o PIB poderia crescer 2% decorrente dessas novas atividades proporcionadas pela IA, mas, em contraposição, a perda de bem-estar seria de 0,72%.
Por fim, no que se refere ao impacto da IA sobre salários e desigualdade, Acemoglu aponta que as tarefas de IA são mais bem distribuídas entre a população do que tarefas de automação pré-IA, de modo que não há efeitos salariais negativos, isto é, perdas salariais em virtude da implementação da IA. Porém, ao mesmo tempo, não se encontra efeitos de queda na desigualdade. Os salários para mulheres com baixa escolaridade pode cair. Além do mais, pode ocorrer um ligeiro aumento entre a desigualdade entre grupos, e um aumento na desigualdade funcional da renda.
Em suma, Acemoglu argumenta que os impactos macroeconômicos da inteligência artificial são atualmente modestos, embora relevantes. Essa limitação, segundo o autor, decorre da aplicação da IA principalmente na automação de tarefas simples, restringindo seu potencial para gerar ganhos significativos de produtividade. Nesse contexto, Acemoglu defende uma mudança no desenvolvimento da IA, direcionando-a para a criação de novas tarefas, especialmente para trabalhadores especializados com conhecimento limitado, visando ampliar sua produtividade e, potencialmente, influenciar positivamente salários e desigualdade. Ele destaca que muitos trabalhadores da produção e operários fabris enfrentam problemas complexos que exigem informações contextuais e em tempo real, cuja solução pode ser dificultada pela falta de expertise e dados adequados. Nesse cenário, a IA generativa emerge como uma ferramenta promissora para fornecer informações confiáveis de forma ágil, podendo impulsionar consideravelmente a produtividade desses profissionais.
Para Acemoglu, há ganhos muito maiores a serem obtidos com a IA generativa, que é uma tecnologia promissora, mas esses ganhos permanecerão ilusórios, a menos que haja uma reorientação fundamental da indústria, incluindo talvez uma grande mudança na arquitetura dos modelos de IA generativa mais comuns, como os LLMs, a fim de se concentrar em informações confiáveis que podem aumentar a produtividade de diferentes tipos de trabalhadores, em vez de priorizar o desenvolvimento de ferramentas de conversação gerais semelhantes às humanas. Enquanto esse desenvolvimento da IA não se voltarem para ampliar o seu uso para tarefas mais difíceis ou para novas atividades e produtos, os efeitos da IA sobre a macroeconomia serão mais limitados.
Nenhum comentário:
Postar um comentário