Um artigo da Fortune afirma que a economia de IA atual é dominada por duas emoções: por um lado, "desta vez é diferente"; por outro, "ninguém sabe a resposta". O artigo argumenta que essa coexistência de otimismo e incerteza é a característica mais marcante do atual entusiasmo pela IA.
O professor Ethan Mollick da Escola de Negócios Wharton da Universidade da Pensilvânia, nos Estados Unidos, afirmou recentemente em um evento na Biblioteca Pública de Nova York que nem laboratórios de IA, executivos corporativos nem líderes de opinião da indústria possuem um método pronto para responder como a IA realmente transformará as empresas. Ele disse que qualquer pessoa que afirme já dominar o “roteiro padrão” não é confiável.
A produtividade geral ainda permanece limitada
O artigo cita dados do Bank of America, indicando que a IA atualmente impulsiona a produtividade anual da economia em apenas cerca de 0,1%. Esse número contrasta fortemente com as altas expectativas do mercado em relação à IA. O Bank of America, no mesmo relatório, ainda descreve a IA como uma tecnologia com impacto maior do que a eletricidade e a internet.
Um estudo do Goldman Sachs em março deste ano chegou a conclusões semelhantes. Seu relatório afirmou que, até o momento, não foi observada uma correlação significativa entre a IA e o aumento da produtividade na economia como um todo. No entanto, em setores com maior concentração de aplicações de IA, como atendimento ao cliente e software, o aumento mediano da produtividade pode atingir 30%.
Segundo o cálculo do Bank of America, atualmente cerca de 20% das tarefas profissionais podem ser transformadas pela IA, mas apenas 23% delas são economicamente viáveis neste estágio. Mesmo após a automação completa, os custos com mão de obra economizados seriam de aproximadamente 27%, enquanto os próprios custos com mão de obra representam cerca de metade do custo total. Com base nesse critério, o limite teórico de aumento da produtividade do trabalho atual é de cerca de 0,66%, e esse valor será ainda reduzido na prática devido a atritos e atrasos na implementação.
Processos internos da empresa estão atrasando a implementação
O artigo argumenta que os retornos da IA ainda não se manifestaram plenamente, e o problema não reside necessariamente na tecnologia em si, mas sim na estrutura organizacional. Mollick menciona que os departamentos de TI das empresas são frequentemente os locais onde os projetos de IA mais facilmente estagnam, não por se oporem à inovação, mas porque suas responsabilidades naturalmente tendem a priorizar o controle de riscos.
Ele também apontou que o sistema de KPIs pode limitar o espaço para experimentação. Se uma empresa exige desde o início que um projeto traga uma melhoria de 10%, geralmente só selecionará pequenas ajustes nos processos existentes, em vez de impulsionar a substituição dos próprios processos. Em outras palavras, aplicações de IA que realmente mudam a forma de trabalhar nem sempre conseguem se desenvolver adequadamente dentro de estruturas de desempenho tradicionais.
Mesmo empresas de IA estão buscando maneiras de implementação.
O artigo também menciona um fenômeno ainda mais esclarecedor: muitas empresas de IA estão criando suas próprias equipes de consultoria e implementação para ajudar os clientes a integrar modelos em seus negócios reais. Mollick acredita que isso, por si só, indica que a indústria ainda não desenvolveu um caminho maduro e replicável para implementação.
Se a capacidade do modelo já for forte o suficiente para reestruturar grande parte dos empregos de escritório, essas empresas deveriam ter facilidade em responder à pergunta básica “como implementar”. Mas a realidade é que até os fornecedores de tecnologia mais otimistas com a IA estão buscando maneiras de implementá-la nas empresas.
O artigo argumenta que a contradição central do setor de IA atual não é apenas sobre níveis de avaliação, mas sobre o descompasso entre a velocidade do avanço tecnológico e a capacidade organizacional de absorção. O mercado acredita, por um lado, que a IA trará mudanças profundas, mas, por outro, carece de caminhos implementáveis diretos; essa tensão continuará a influenciar a próxima fase do desenvolvimento da economia da IA.