Principais destaques:
- Apesar do boom da IA generativa, ganhos claros de produtividade ainda não aparecem nos dados econômicos.
- Estudos indicam que a maioria dos projetos corporativos de IA falha em gerar impacto financeiro mensurável.
- Mesmo sem resultados concretos, a automação baseada em IA segue ameaçando milhões de empregos.
Dois anos após a explosão da inteligência artificial generativa, uma constatação começa a ganhar força entre analistas: a promessa de produtividade transformadora ainda não se materializou.
A avaliação vem de JP Gownder, vice-presidente e analista principal da Forrester, que afirma que os dados econômicos simplesmente não mostram os ganhos esperados, apesar dos bilhões investidos em modelos, chips e data centers.
Segundo ele, há hoje uma distância cada vez mais visível entre o discurso otimista sobre IA e o impacto real medido na economia. Empresas seguem apostando alto, mas enfrentam dificuldades para provar retorno sobre investimento de forma consistente.
O retorno prometido pela IA não aparece nas estatísticas
Para explicar esse descompasso, Gownder recorre ao chamado Paradoxo de Solow, formulado pelo economista vencedor do Nobel Robert Solow. Nos anos 1980, ele observou que os computadores estavam em toda parte, menos nos números de produtividade. Décadas depois, o mesmo padrão parece se repetir com a IA.
Dados históricos do mercado de trabalho mostram que o crescimento da produtividade foi mais forte antes da popularização dos computadores pessoais e desacelerou nas décadas seguintes. Mesmo com sinais recentes de melhora pontual, como altas trimestrais mais expressivas, o analista avalia que isso está longe de representar a revolução econômica prometida pelos defensores da inteligência artificial.
A maioria dos projetos de IA falha em gerar impacto real
Estudos acadêmicos reforçam esse ceticismo. Uma pesquisa do MIT Media Lab aponta que cerca de 95% dos projetos corporativos de IA generativa não conseguem demonstrar impacto mensurável nos resultados financeiros. Na prática, muita iniciativa não passa da fase experimental ou gera ganhos difíceis de justificar.
O mesmo vale para áreas vistas como ideais para automação, como programação. Testes controlados mostraram que desenvolvedores experientes, ao usar ferramentas de IA, demoraram mais para concluir tarefas, mesmo acreditando que estavam sendo mais produtivos. Além disso, agentes de IA testados em trabalhos freelance reais automatizaram apenas uma fração mínima das atividades.
Outro efeito colateral inesperado é o chamado “workslop”: conteúdos gerados por IA que parecem bem escritos, mas carecem de profundidade ou precisão. Corrigir esse material consome tempo e energia dos profissionais, anulando qualquer suposto ganho de eficiência.
Mesmo sem produtividade, o risco aos empregos permanece
O paradoxo se aprofunda quando se observa o impacto no mercado de trabalho. A própria Forrester estima que a IA e a automação podem eliminar mais de 10 milhões de empregos nos Estados Unidos até 2030, muitos deles de forma permanente. A IA generativa, sozinha, já responde por metade dessas perdas projetadas.
Gownder alerta, porém, que parte das demissões atribuídas à IA são decisões financeiras preventivas, baseadas em expectativas futuras que ainda não se concretizaram. Em alguns casos, empresas cortam equipes apostando em uma automação que não está pronta para substituir humanos. A previsão é que uma parcela dessas demissões seja revertida nos próximos anos, à medida que as limitações práticas da tecnologia fiquem mais claras.
O cenário atual expõe uma contradição central da era da IA: mesmo sem entregar ganhos claros de produtividade, a tecnologia já provoca mudanças profundas nas decisões corporativas e no mercado de trabalho. A promessa econômica segue no horizonte, mas os números, por enquanto, continuam aquém do hype.
