Nova Iorque: O dilema da rentabilidade da inteligência artificial e lições da história Autor: John Cassidy Em 1987, o laureado com o Prémio Nobel de Economia, Robert Solow, do MIT, comentou em um artigo na "New York Review of Books": "A era dos computadores está em toda parte, exceto nas estatísticas de produtividade." Apesar do rápido aumento da capacidade computacional e da crescente popularidade dos computadores pessoais, os dados do governo mostraram que um indicador chave que mede salários e níveis de vida - a produção total per capita dos trabalhadores - estagnou por mais de uma década. Este é o famoso "paradoxo da produtividade". Este paradoxo persistiu até os anos 90 e além, gerando uma série de pesquisas acadêmicas inconclusivas. Alguns economistas atribuíram isso à má gestão das novas tecnologias; outros acreditavam que, em comparação com invenções anteriores como a máquina a vapor e a eletricidade, a importância econômica dos computadores era insignificante; e outros ainda culpavam erros nas estatísticas, acreditando que, uma vez corrigidos, o paradoxo desapareceria. Quase 40 anos após a publicação do artigo de Solow, desde que a OpenAI lançou o chatbot ChatGPT há quase três anos, podemos estar enfrentando um novo paradoxo econômico, desta vez com a inteligência artificial generativa (IA generativa) como protagonista. De acordo com uma pesquisa recente realizada por economistas da Universidade de Stanford, da Universidade de Clemson e do Banco Mundial, em junho e julho deste ano, quase metade dos trabalhadores (mais precisamente, 45,6%) estava usando ferramentas de IA. No entanto, uma nova pesquisa de uma equipe do MIT Media Lab relatou um resultado surpreendente: "Apesar de as empresas terem investido entre 30 a 40 bilhões de dólares em IA generativa, este relatório descobriu que 95% das organizações não obtiveram retorno algum." Os autores do estudo examinaram mais de 300 projetos e anúncios de IA públicos e entrevistaram mais de 50 executivos de empresas. Eles definiram "investimentos bem-sucedidos em IA" como aqueles que já haviam superado a fase piloto e foram implementados na prática, gerando retornos financeiros mensuráveis ou aumentos significativos de produtividade após seis meses. Eles escreveram: "Apenas 5% dos projetos piloto de IA que foram integrados com sucesso estão criando milhões de dólares em valor, enquanto a grande maioria dos projetos ainda está estagnada, sem qualquer impacto mensurável no P&L (ou seja, 'demonstrativo de resultados', profit-and-loss)." As entrevistas da pesquisa geraram uma série de respostas, algumas das quais estavam cheias de ceticismo. "No LinkedIn, tudo parece ter mudado, mas em nossas operações reais, nada fundamental mudou", disse o COO de uma empresa de manufatura de médio porte aos pesquisadores. "Estamos lidando com contratos um pouco mais rápido, mas é só isso." Outro entrevistado comentou: "Este ano assistimos a dezenas de demonstrações. Talvez uma ou duas sejam realmente úteis. O resto é ou 'embalagens' (wrappers, referindo-se a tecnologias que apenas empacotam inovações existentes sem trazer novidades), ou 'projetos científicos' (tecnologias que estão longe de aplicações comerciais práticas)." Para ser justo, o relatório também aponta que algumas empresas realmente fizeram investimentos bem-sucedidos em IA. Por exemplo, o relatório destacou a eficiência criada por ferramentas personalizadas para operações de back-office e observou: "Esses resultados iniciais sugerem que sistemas com capacidade de aprendizado, quando direcionados a processos específicos, podem realmente trazer valor real, mesmo sem grandes reestruturações organizacionais." A pesquisa também mencionou que algumas empresas relataram que "a automação de outreach e sistemas de acompanhamento inteligente melhoraram a retenção de clientes e a taxa de conversão de vendas", o que sugere que os sistemas de IA podem ser úteis para marketing. No entanto, a ideia de que "muitas empresas estão lutando para obter retornos substanciais" coincide com outra pesquisa recente da consultoria multinacional Akkodis. A empresa contatou mais de 2.000 executivos de empresas e descobriu que a proporção de CEOs que estão "muito confiantes" em suas estratégias de implementação de IA caiu de 82% em 2024 para 49% este ano. A confiança dos CTOs também diminuiu, embora a queda não tenha sido tão acentuada. A pesquisa da Akkodis afirmou que essas mudanças "podem refletir resultados decepcionantes anteriores em projetos de digitalização ou IA, atrasos ou falhas na implementação, e preocupações sobre escalabilidade." Na semana passada, a cobertura da mídia sobre a pesquisa do MIT Media Lab coincidiu com a queda das ações de empresas de IA superavaliadas, como Nvidia, Meta e Palantir. Claro, correlação não implica causalidade, e os comentários recentes do CEO da OpenAI, Sam Altman, podem ter desempenhado um papel mais importante nesta venda (dada a recente alta de preços, a venda era inevitável). Segundo a CNBC, Altman disse em um jantar com jornalistas que a avaliação atual é "insana" e usou a palavra "bolha" três vezes em 15 segundos. Ainda assim, a pesquisa do MIT atraiu muita atenção. Após a primeira rodada de reportagens, houve relatos de que o Media Lab, que tem laços com muitas empresas de tecnologia, estava silenciosamente restringindo o acesso ao relatório. As mensagens que deixei para o escritório de relações públicas da organização e para dois dos autores do relatório não obtiveram resposta. Embora este relatório seja mais sutil do que algumas reportagens sugerem, ele sem dúvida questiona a grande narrativa econômica que sustentou a prosperidade tecnológica desde o lançamento do ChatGPT pela OpenAI em novembro de 2022. A versão simplificada dessa narrativa é: a disseminação generalizada da IA generativa é prejudicial para os trabalhadores (especialmente os trabalhadores do conhecimento), mas extremamente benéfica para as empresas e seus acionistas, pois trará um enorme salto na produtividade e, portanto, lucros substanciais. Por que esse cenário ainda não parece ter ocorrido? Uma possível razão remete a uma visão dos anos 80 e 90, que afirmava que erros de gestão limitavam os benefícios de produtividade trazidos pelos computadores. A pesquisa do Media Lab descobriu que alguns dos investimentos em IA mais bem-sucedidos foram feitos por startups que usaram ferramentas altamente personalizadas em nichos de fluxo de trabalho. E do outro lado da "divisão da IA generativa" (GenAI Divide), aquelas startups menos bem-sucedidas "ou estão construindo ferramentas genéricas, ou tentando desenvolver capacidades internamente". O relatório observa de forma mais geral que a linha entre sucesso e fracasso "parece não ser determinada pela qualidade do modelo ou pela regulamentação, mas sim pelo método de implementação." É fácil imaginar que a novidade e a complexidade da IA generativa podem desencorajar algumas empresas. Uma pesquisa recente da Gartner descobriu que menos da metade dos CEOs acredita que seus CIOs "são proficientes em IA". Mas para o registro de desapontamento destacado no relatório do Media Lab, há outra possível explicação: para muitas empresas maduras, a IA generativa (pelo menos em sua forma atual) não é tão milagrosa quanto se alega. "Ela é excelente para brainstorming e redação de rascunhos, mas não consegue lembrar as preferências dos clientes e não aprende com edições anteriores", disse um dos entrevistados da pesquisa do Media Lab. "Ela repete os mesmos erros e requer a entrada de muito contexto a cada conversa. Para trabalhos de alto risco, preciso de um sistema que possa acumular conhecimento e melhorar continuamente." Claro, muitas pessoas acham a IA útil, e há evidências acadêmicas que apoiam isso: em 2023, dois economistas do MIT descobriram que, em um experimento aleatório, os participantes que tiveram contato com o ChatGPT conseguiram completar tarefas de "escrita profissional" mais rapidamente, e a qualidade da escrita também melhorou. No mesmo ano, outras equipes de pesquisa descobriram que programadores que usaram o Copilot do Github (um assistente de programação de IA) e agentes de suporte ao cliente que usaram ferramentas de IA proprietárias também obtiveram aumentos de produtividade. Os pesquisadores do Media Lab descobriram que muitos funcionários estão usando suas ferramentas pessoais, como GPT ou Claude, no trabalho; o relatório chamou esse fenômeno de "economia de IA sombra" (shadow AI economy) e comentou que "o retorno sobre o investimento (ROI) que ela traz" muitas vezes supera o dos projetos iniciados pelos empregadores. Mas a pergunta ainda persiste, e certamente é uma que os executivos das empresas farão com mais frequência: por que mais empresas não estão vendo esses benefícios refletidos nos lucros finais (da empresa)? Parte do problema pode ser que, embora a IA generativa seja chamativa, sua aplicação é limitada em muitos setores da economia. Os setores de lazer e hospitalidade, varejo, construção, imobiliário e cuidados (cuidando de crianças, idosos ou pessoas com deficiência) - esses setores empregam cerca de 50 milhões de americanos, mas não parecem ser candidatos diretos à transformação pela IA. ...