IA ainda não eleva a produtividade da maioria das empresas

A inteligência artificial (IA) ainda não produziu ganhos expressivos de produtividade para a maioria das empresas, apesar da adoção crescente, em parte porque funcionários precisam revisar, corrigir e reorganizar o conteúdo gerado pelas ferramentas. Esse trabalho, chamado por pesquisadores de “imposto da verificação”, pode consumir uma parcela do tempo que a tecnologia promete economizar.

Uma pesquisa recente com cerca de 6 mil executivos seniores, conduzida por pesquisadores do Federal Reserve Bank de Atlanta, da Universidade de Stanford, do Banco da Inglaterra e do Instituto Tecnológico Autônomo do México, ajuda a dimensionar a diferença entre expectativa e resultado. Embora 69% tenham dito que suas empresas usam IA ativamente, cerca de 90% afirmaram que a tecnologia não teve impacto sobre emprego ou produtividade.

O economista-chefe da Apollo, Torsten Slok, resumiu a distância entre as previsões e os indicadores ao analisar dados do Federal Reserve (Fed, o banco central dos Estados Unidos) de São Francisco. “O dividendo de produtividade da IA continua sendo uma previsão, e não uma constatação”, afirmou na semana passada.

A verificação inclui conferir se uma resposta está correta, segura e adequada ao uso, além de esclarecer ou reescrever resultados insuficientes. Em levantamento com 3,2 mil funcionários e líderes empresariais, a plataforma de recursos humanos Workday constatou que, em média, 37% do tempo poupado com IA era gasto em tarefas desse tipo.

O esforço também aparece em áreas especializadas. Economistas do Google entrevistaram 600 cientistas e descobriram que o uso de IA economizava, em média, sete horas semanais. Entre os que ganharam tempo, quase 90% disseram usar um décimo dele para verificar respostas; 46% afirmaram dedicar mais de um quarto do período economizado à checagem.

A ferramenta pode acelerar a geração de ideias sem acelerar os meios de testá-las. Cerca de 40% dos cientistas ouvidos relataram ter mais hipóteses ainda não testadas do que três anos antes. Para Mihai Codreanu, economista sênior de pesquisa do Google e coautor do estudo, os entraves parecem estar migrando para etapas posteriores do trabalho.

Esse deslocamento também é visível no desenvolvimento de software. Ferramentas de IA conseguem produzir grandes volumes de código, mas empresas como a Amazon ainda exigem revisão humana. Um estudo de pesquisadores do Instituto de Tecnologia de Massachusetts (MIT) e da Wharton School, que analisou dados de 500 mil desenvolvedores do GitHub, encontrou aumento expressivo na atividade de programação, com ganhos menores nas etapas de revisão, integração, teste e lançamento do software.

A diferença importa porque gerar uma resposta ou um código não equivale a concluir uma tarefa. O resultado precisa ser incorporado ao processo e, em muitos casos, testado antes de chegar ao cliente. Assim, a IA pode acelerar uma parte do fluxo de trabalho sem aumentar na mesma proporção a produção final.

A necessidade de checagem varia conforme o tipo de atividade. Ion Stoica, professor de ciência da computação da Universidade da Califórnia em Berkeley, observa que algumas tarefas são difíceis de realizar, mas simples de verificar; outras dependem de contexto e julgamento subjetivo, como avaliar se um contrato é adequado. Nesses casos, a supervisão especializada tende a ser mais exigente.

Automatizar a própria verificação com outra IA pode ajudar em situações específicas, mas não elimina todos os riscos. Christian Catalini, pesquisador associado e professor da MIT Sloan, afirmou que, quando o conhecimento necessário não foi codificado, a ferramenta usada para conferir pode compartilhar os mesmos pontos cegos da que produziu o resultado. Para ele, a restrição central passa a ser a capacidade humana de verificar o trabalho.

A tecnologia pode, ainda, elevar as expectativas sobre o volume e a velocidade do trabalho. Alexandra Mousavizadeh, economista da Evident Insights, disse observar banqueiros de investimento trabalhando mais horas porque conseguem produzir mais, mas também precisam revisar mais resultados e atender à demanda por novos produtos. Segundo ela, bancos que investiram mais em IA também estão contratando pessoas de forma mais agressiva.

Os dados não significam que a IA deixe de economizar tempo ou que não possa elevar a produtividade. Eles indicam que o efeito depende do fluxo completo: a velocidade de geração precisa ser acompanhada pela capacidade de conferir, testar e aplicar os resultados. Enquanto essas etapas dependerem de trabalho humano, parte do ganho potencial permanecerá limitada pelo tempo e pela experiência disponíveis para a revisão.