A economia global pode estar subestimando a força da inteligência artificial em centenas de bilhões de dólares. Segundo um novo relatório do Peterson Institute for International Economics, a dificuldade em rastrear o impacto real da tecnologia decorre de uma estrutura estatística defasada, incapaz de acompanhar a velocidade da transformação digital atual.

O estudo, assinado por Anton Korinek e Patrick McKelvey, argumenta que a IA já gerou cerca de US$ 250 bilhões em atividade econômica em 2025. A tese central é que os indicadores tradicionais, como o crescimento do PIB, não conseguem isolar o valor gerado pela IA devido à sua dispersão em múltiplos setores e à rápida depreciação dos custos de performance.

A falha na arquitetura dos dados

A dificuldade de mensuração começa pela natureza fragmentada da IA nas contas nacionais. Atividades relacionadas à inteligência artificial estão espalhadas por categorias como serviços de nuvem, processamento de dados e desenvolvimento de software, impedindo uma visão consolidada do setor. O sistema atual foi desenhado para economias industriais, não para a volatilidade da economia digital.

Além da fragmentação, o problema reside na taxa de melhoria tecnológica. Os autores estimam que o custo para alcançar o mesmo nível de desempenho em IA caiu cerca de 94% em um ano. Como as métricas oficiais não ajustam o valor da produção pela melhoria radical na capacidade, o crescimento real da produtividade acaba sendo omitido das estatísticas de contabilidade nacional.

O mecanismo de crescimento invisível

Para contornar as limitações dos dados públicos, Korinek e McKelvey construíram uma estimativa baseada em variáveis de custo direto, como taxas de aluguel de GPUs, consumo de energia e preços de inferência. Eles sugerem que, se a melhoria na capacidade da IA fosse devidamente contabilizada, o crescimento econômico dos EUA em 2025 seria cerca de 4 pontos percentuais superior ao registrado.

O mecanismo de valor aqui é impulsionado pela redução drástica nos custos marginais de inteligência. Quando o custo de uma unidade de processamento cai 94% ao ano, a economia ganha uma alavanca de eficiência que se traduz em output, mas que frequentemente é confundida com redução de custos operacionais em vez de expansão do produto interno bruto.

Tensões entre produtividade e input

Especialistas como Diane Coyle, da Universidade de Cambridge, questionam a escala desses números. O argumento central dos críticos é que a IA, no momento, atua predominantemente como um insumo intermediário, e não como um produto final. O impacto econômico só se materializa de forma sistêmica quando essa eficiência reduz gargalos em toda a cadeia produtiva, o que ainda não é observado de forma uniforme nas empresas.

A transição da IA de um custo operacional para um gerador de valor final exige uma mudança na forma como as organizações se estruturam. Se apenas um departamento adota a tecnologia enquanto o restante da empresa opera com processos legados, os ganhos de produtividade são absorvidos por gargalos internos, tornando o impacto econômico imperceptível nos dados macroeconômicos.

O custo de não medir o futuro

O alerta dos pesquisadores é claro: o que não pode ser medido, não pode ser gerido. A ausência de um rastreamento dedicado à IA pode induzir governos a erros de política pública, especialmente em áreas sensíveis como tributação, regulação de mercados de trabalho e alocação de gastos públicos.

A incerteza sobre o quanto a IA já transformou a economia permanece como um desafio analítico. O debate agora gira em torno da criação de métricas que consigam isolar o valor da IA, permitindo que formuladores de políticas entendam a real dimensão da mudança antes que a defasagem estatística comprometa decisões estratégicas de longo prazo.

Com reportagem de [Brazil Valley](/categoria/Inteligência Artificial)

Source · Fortune