A promessa de ganhos exponenciais de produtividade impulsionados pela inteligência artificial colide com a inércia dos indicadores macroeconômicos. Há uma assimetria fundamental entre as centenas de bilhões de dólares alocados em infraestrutura de computação — data centers, GPUs da Nvidia, energia — e a lentidão na adoção corporativa que efetivamente altera a produção de valor. O debate central não é mais se os modelos de linguagem fundacionais continuarão a escalar em capacidade técnica, mas se a economia global possui a plasticidade necessária para absorver essa capacidade em tempo hábil. A história econômica sugere que a tecnologia por si só é incapaz de mover o ponteiro do PIB sem uma reestruturação profunda dos processos organizacionais.
O Paradoxo de Solow na Era dos LLMs
Em 1987, o economista Robert Solow cunhou seu famoso paradoxo ao observar que a era dos computadores estava em toda parte, exceto nas estatísticas de produtividade. Quase quatro décadas depois, a dinâmica se repete com a inteligência artificial generativa. Enquanto o capital de risco e as big techs financiam a maior expansão de infraestrutura desde a construção das ferrovias no século XIX, dados agregados do mercado de trabalho permanecem teimosamente inalterados.
Essa desconexão é o território de Nela Richardson. Como economista-chefe da ADP, responsável por processar a folha de pagamento de um sexto da força de trabalho americana, Richardson observa o mercado real, não as projeções do Vale do Silício. Os dados demonstram que a adoção de IA ainda está restrita a silos operacionais e experimentações marginais, incapazes de gerar os choques de eficiência prometidos nos relatórios de bancos de investimento. A transição de tarefas isoladas para fluxos de trabalho totalmente automatizados exige mais do que acesso a APIs.
Tamay Besiroglu, CEO da Mechanize, aponta para os gargalos técnicos e econômicos da automação. A implantação de IA esbarra no que os economistas chamam de custo de integração. Substituir uma força de trabalho humana por agentes autônomos requer a digitalização perfeita de processos que, na maioria das empresas tradicionais, ainda dependem de conhecimento tácito e infraestrutura de dados fragmentada. O gargalo não é a inteligência do modelo, mas a desorganização da empresa.
A Fricção Organizacional e a Reconfiguração do Trabalho
A verdadeira barreira para o ganho de produtividade não é tecnológica, mas arquitetônica. Susan Athey, pioneira na economia da tecnologia e professora da Stanford GSB, tem documentado extensivamente como mercados e plataformas internalizam novas tecnologias. A integração da IA exige um redesenho completo da firma. A mera sobreposição de ferramentas de IA sobre organogramas analógicos gera ganhos marginais de eficiência, mas frequentemente introduz novas camadas de fricção administrativa e custos de verificação.
O paralelo histórico mais preciso não é a internet, mas a eletrificação das fábricas na década de 1920. Como demonstrado pelo historiador econômico Paul David, a substituição de motores a vapor por dínamos elétricos não aumentou a produtividade até que os arquitetos industriais abandonassem o design vertical das fábricas e passassem a construir plantas horizontais, otimizadas para a nova matriz energética. A IA exige uma reconfiguração semelhante: o abandono de hierarquias corporativas desenhadas para a era analógica.
Nesse cenário de transição, a divisão entre vencedores e perdedores no mercado de trabalho torna-se nítida. Profissionais que atuam como meros roteadores de informação ou executores de processos padronizados enfrentam obsolescência rápida. Em contrapartida, trabalhadores capazes de orquestrar sistemas complexos, gerenciar exceções e redesenhar fluxos de trabalho capturarão a maior parte do valor gerado. A polarização salarial tenderá a se acentuar antes de qualquer estabilização.
O abismo entre o investimento em infraestrutura e o retorno em produtividade definirá a próxima década da economia global. A construção de data centers é apenas o pré-requisito de uma revolução que será vencida no campo da gestão, não da engenharia. Até que as empresas aceitem o custo e o risco de demolir suas próprias estruturas organizacionais para reconstruí-las em torno da IA, o impacto macroeconômico permanecerá uma promessa estatística adiada.
Fonte · The Frontier | AI
