A inteligência artificial pode elevar a produtividade mundial e, ao mesmo tempo, ampliar a distância entre os países. A conclusão é de Patrick A. Imam e Jonathan R. W. Temple, autores do estudo "Desenvolvimento relativo e a lacuna da inteligência: capital humano, difusão tecnológica e inteligência artificial" (Relative Development and the Intelligence Divide: Human Capital, Technology Diffusion, and AI, no original), publicado pelo Fundo Monetário Internacional em setembro.
Quando aplicam os mesmos cortes e a mesma amostra ao capital, ao capital humano e à produtividade total dos fatores, os autores calculam quanto tempo uma economia levaria, em média, para sair da faixa inferior. O resultado é de 16,1 anos para o capital, 31,5 anos para o capital humano e 44 anos para a produtividade.
Esses prazos não são previsões para um país específico. Eles mostram o tempo médio implícito caso as probabilidades históricas de transição continuassem a se repetir. Ainda assim, expõem a diferença que organiza o estudo, que mostra os países capazes de acumular capital, ampliar a escolaridade e acessar novas tecnologias com mais facilidade do que conseguem converter esses recursos em produtividade.
Uma máquina pode ser comprada. Um software pode ser licenciado. Os anos de estudo da população podem aumentar. O funcionamento do sistema produtivo depende de gestão, organização, financiamento, infraestrutura, dados, qualificação e instituições capazes de aprender e se adaptar.
É nessa distância entre acesso e uso produtivo que os autores localizam a "divisão da inteligência". A expressão vai além da separação entre quem tem e quem não tem acesso às ferramentas de IA. Ela descreve a diferença entre a disponibilidade crescente de conhecimento e a capacidade de convertê-lo em produção, renda e aproximação da fronteira econômica.
O estudo organiza uma sequência que costuma aparecer no debate público como se cada etapa levasse automaticamente à próxima: exposição de uma tarefa à IA, acesso à ferramenta, adoção, adaptação aos dados e processos locais, uso intensivo, ganho de produtividade e mudança da posição relativa do país.
Uma empresa pode contratar uma ferramenta sem alterar seus processos. Um país pode registrar milhões de usuários de IA sem aumentar a produtividade. Também pode obter ganhos absolutos e permanecer distante da fronteira porque os líderes avançaram mais rapidamente.
Índices de conectividade, número de usuários e acesso a modelos medem condições de entrada, não resultados econômicos. Para saber se a tecnologia mudou a produção, seria preciso acompanhar o uso recorrente, os processos modificados, os custos, os erros, o retrabalho, a produtividade do trabalho, o valor adicionado e a distribuição dos ganhos.
Os autores dividem os possíveis efeitos da IA em três mecanismos. O primeiro expande a fronteira ao elevar o potencial produtivo das economias mais avançadas. O segundo amplia habilidades existentes e tende a favorecer trabalhadores e empresas que já reúnem as condições necessárias. O terceiro reduz os custos de aprender, adaptar e aplicar conhecimento nas economias mais distantes da fronteira.
O terceiro mecanismo é o único que altera diretamente a mobilidade relativa prevista pelo modelo. Os dois primeiros podem elevar a produtividade mundial e, ao mesmo tempo, preservar ou ampliar a distância entre os países. O estudo também encontra uma relação entre capital humano e mobilidade produtiva.
Economias com indicadores mais altos tendem a sair mais rapidamente das faixas inferiores de produtividade. A associação aparece em diferentes testes, mas perde força em algumas especificações e não permite concluir que mais anos de escola causam diretamente a mudança.
O indicador de capital humano funciona como uma aproximação incompleta da capacidade produtiva. Ele reúne sinais relacionados à qualidade da educação e às habilidades cognitivas, mas não consegue separar o peso da gestão, da organização das empresas, da infraestrutura, do financiamento, da capacidade estatal e das instituições. Esses fatores podem avançar em ritmos diferentes dentro de uma mesma economia.
A distinção ajuda a entender por que o aumento da escolaridade pode conviver com baixa mobilidade produtiva. A formação de trabalhadores melhora um dos componentes. A produção depende de empresas que saibam usar essas habilidades, de processos que incorporem o conhecimento e de condições para financiar e manter as mudanças.
É também por isso que a adoção não deveria ser usada como principal medida de sucesso de um programa de IA. O primeiro passo é identificar a restrição produtiva que cada aplicação pretende reduzir. Depois, é necessário verificar quantos usuários passam do acesso ao uso recorrente, quais processos foram alterados e se houve redução de tempo, custo, erro ou retrabalho.
O ganho precisa aparecer na produtividade do trabalho ou no valor adicionado. Também precisa ser acompanhado entre regiões, empresas e grupos com capacidades diferentes. Uma média nacional positiva pode esconder uma concentração dos benefícios nas economias que já estavam mais próximas da fronteira.
Dentro das empresas, a mesma lógica vale para áreas, unidades, fornecedores ou franquias. Se a IA aumentar apenas o desempenho de quem já tinha melhores dados, gestão e equipe, a organização terá um ganho agregado e uma diferença interna maior. A média positiva não mostrará quem conseguiu incorporar a tecnologia aos processos e quem permaneceu na mesma posição.
Para examinar como essa diferença poderia evoluir, os autores comparam quatro situações: a matriz histórica de produtividade, a matriz observada entre países de maior capital humano, uma difusão ampla da IA e uma difusão desigual. Eles alteram as probabilidades de passagem entre as faixas e projetam a distribuição resultante.
No cenário histórico, 48,2% dos países permaneceriam na faixa inferior de produtividade depois de 100 anos. Com uma difusão ampla da IA, essa proporção cairia para 34%. Na difusão desigual, subiria para 54,5%. Se todos os países apresentassem a matriz observada no grupo de maior capital humano, a participação na faixa inferior cairia para 26,2%.
Os números descrevem cenários, não previsões. O trabalho não estima qual deles ocorrerá. Também não demonstra que a IA já tenha alterado a produtividade ou a posição relativa de qualquer país. A simulação apenas mostra como a distribuição mudaria se a tecnologia afetasse de maneira diferente as probabilidades de mobilidade.
A inteligência artificial pode melhorar a produtividade absoluta das economias menos desenvolvidas enquanto os países com melhor gestão, infraestrutura, dados e qualificação avançam ainda mais rapidamente. Nesse caso, haveria mais riqueza e uma distância relativa maior.
A trajetória inversa continua possível. Uma aplicação específica pode reduzir uma restrição concreta de informação, diagnóstico ou conhecimento técnico e permitir um salto de produtividade. O estudo não mede com que frequência isso ocorrerá, quais aplicações terão esse efeito ou que países reunirão as condições necessárias.
A disponibilidade crescente de inteligência só altera a trajetória relativa de uma economia quando empresas, trabalhadores e instituições conseguem incorporá-la aos processos que produzem valor. A relação entre capital humano e mobilidade reforça essa leitura, mas não identifica uma causa isolada nem um limite de escolaridade que garanta o resultado.
O estudo oferece elementos para questionar políticas e estratégias avaliadas somente pelo acesso, pela exposição ou pela adoção. A evidência histórica mostra uma dificuldade em converter capital e escolaridade em produtividade.
Os cenários de IA indicam o que poderia ocorrer se essa capacidade de conversão fosse distribuída de forma ampla ou continuasse concentrada.
O documento não permite afirmar que a IA generativa reduzirá ou ampliará a distância entre os países. Essa resposta exige dados posteriores a 2022 sobre uso efetivo, reorganização de processos, produtividade e distribuição dos ganhos entre países, setores e empresas com capacidades distintas.
O que os autores demonstram é mais específico: acesso à tecnologia, adoção e produtividade correspondem a etapas diferentes. A IA pode produzir ganhos econômicos sem aproximar países da fronteira. A convergência depende da capacidade de usar o conhecimento disponível para alterar, de forma persistente, os processos que produzem valor.
O estudo não mede o impacto da IA generativa. Os dados terminam em 2015, antes da expansão iniciada em 2022. A tecnologia aparece apenas em exercícios condicionais baseados no histórico da produtividade.
O modelo estima, a cada cinco anos, se as economias permanecem, sobem ou caem em faixas de produtividade relativas aos Estados Unidos. Um país pode crescer e reduzir a pobreza sem diminuir essa distância caso os líderes avancem mais depressa.
Os EUA são referência estatística, não modelo produtivo. Outras referências mantêm a diferença entre países de maior e menor capacidade, mas alteram os prazos. Com 49 páginas, o WP/26/190 é uma pesquisa em andamento e expressa as conclusões dos autores, não a posição do FMI.
Texto que relata acontecimentos, baseado em fatos e dados observados ou verificados diretamente pelo jornalista ou obtidos pelo acesso a fontes jornalísticas reconhecidas e confiáveis.
Deixe seu comentário
O autor da mensagem, e não o UOL, é o responsável pelo comentário. Leia as Regras de Uso do UOL.