Paradoxo da produtividade da IA: executivos dizem ver poucos ganhos reais

Resumo

Um conjunto recente de estudos mostra um desfasamento crescente entre a narrativa em torno da inteligência artificial generativa e o impacto real nas empresas. Apesar de adoção elevada e casos de sucesso em áreas de ponta, a maioria das organizações ainda não consegue traduzir investimentos em IA em ganhos claros de produtividade, receitas ou redução de custos.

Ao mesmo tempo, economistas e alguns indicadores começam a sugerir que os primeiros sinais de melhoria podem estar a surgir, alimentando o debate sobre quando – e para quem – a prometida “revolução da IA” irá aparecer nas estatísticas.

Na prática

Um estudo da National Bureau of Economic Research (NBER) com cerca de 6.000 executivos em países como Estados Unidos, Reino Unido, Alemanha e Austrália concluiu que mais de 80% das empresas não viram qualquer impacto da IA no emprego ou na produtividade nos últimos três anos. Embora a maioria dos executivos diga usar IA, esse uso pessoal ronda em média apenas 1,5 horas por semana, e uma parte significativa admite não usar estas ferramentas no trabalho.

Outra sondagem global da PwC a 4.454 CEOs em 95 países indica que 56% das organizações não registaram aumentos de receita nem reduções de custos associados à IA no último ano. Apenas 12% dos líderes inquiridos relataram obter ao mesmo tempo benefícios em receitas e em eficiência, sugerindo que uma minoria está a conseguir transformar a tecnologia em resultados mensuráveis.

Apesar destes números modestos, as expectativas continuam altas. No próprio estudo da NBER, as empresas preveem que a IA possa aumentar a produtividade em 1,4% e elevar a produção em 0,8% nos próximos três anos, mesmo admitindo o histórico recente de impacto quase nulo. Em paralelo, a Economist sublinha que “a revolução da IA ainda não chegou (ainda)” aos números macroeconómicos, ecoando o velho paradoxo identificado por Robert Solow na era dos computadores.

No extremo oposto, na fronteira tecnológica, os modelos mais avançados continuam a bater recordes. A OpenAI anunciou que o GPT-5.2 foi capaz de derivar e provar de forma autónoma uma nova fórmula em física de partículas, num problema de amplitudes de espalhamento de gluões que escapava à comunidade científica há mais de uma década. O feito, validado por investigadores de universidades de topo, evidencia até que ponto a capacidade dos modelos avança mais depressa do que a sua difusão produtiva no dia a dia das empresas.

Contexto

A tensão entre promessas e resultados fez ressurgir o tema do “paradoxo da produtividade” aplicado à IA. Tal como aconteceu com a introdução massiva de computadores, muitos analistas defendem que existe um período de ajustamento em que as organizações investem, experimentam e reorganizam processos antes de os ganhos aparecerem de forma clara nos indicadores tradicionais.

Há também sinais contraditórios sobre o impacto no trabalho quotidiano. Um estudo académico citado por investigadores da Haas School of Business, em Berkeley, concluiu que as ferramentas de IA tendem muitas vezes a intensificar o trabalho, alargando o leque de tarefas e eliminando pausas naturais no dia. Em vez de “aliviar” a carga, a automação pode estar a empurrar equipas para fazerem mais em menos tempo, sem que isso se traduza automaticamente em lucros ou salários mais altos.

Ao mesmo tempo, há economistas otimistas que apontam para uma possível viragem da curva. Erik Brynjolfsson argumenta que o crescimento recente da produtividade nos Estados Unidos pode ser um sinal de que a fase de “colheita” dos investimentos em IA está a começar, mesmo que essa leitura ainda não seja consensual entre especialistas e decisores.

Porque importa

• Mostra que a adoção de IA nas empresas está muito à frente dos resultados visíveis em produtividade e lucros.

• Ajuda trabalhadores e gestores a gerir expectativas: usar ferramentas de IA algumas horas por semana não garante ganhos automáticos.

• Explica por que os grandes investimentos em infraestruturas de IA continuam, apesar dos retornos ainda limitados para a maioria das empresas.

• Indica que o verdadeiro impacto da IA poderá depender tanto de mudanças organizacionais e de trabalho como da tecnologia em si.