Custo da inteligência artificial é conhecido, mas avaliação de resultados permanece um desafio significativo

A análise revela a produção oculta da inteligência artificial e suas implicações econômicas.

O desenvolvimento da inteligência artificial (IA) tem gerado preocupações sobre os altos custos envolvidos, como a manutenção de grandes data centers e o elevado consumo de eletricidade. No entanto, a questão central pode não ser a viabilidade do investimento, mas sim a forma como estamos medindo seu retorno econômico.

Um conceito relevante é o de “produção oculta”, que se refere ao valor econômico gerado pela IA que não é adequadamente refletido nas medições atuais, impactando assim o Produto Interno Bruto (PIB). Essa produção oculta pode ser dividida em duas categorias principais.

A primeira é a “produção oculta por substituição”, que diz respeito a tarefas anteriormente realizadas por humanos, agora executadas pela IA a um custo significativamente menor. Um exemplo claro é a elaboração de testamentos, cujo custo caiu de US$ 400 para apenas US$ 0,50 em um ano, eliminando a transação econômica visível nos dados.

A segunda categoria é a “nova produção que permanece oculta”. Refere-se a atividades que antes eram inviáveis devido ao alto custo, mas que agora, com a IA, tornaram-se acessíveis. Revisões de literatura, que antes custavam até US$ 2 mil, agora podem ser realizadas de forma mais econômica, mas sem um rastro financeiro claro, exceto por taxas de assinatura ou uso de tokens.

Essa questão é crucial, pois sugere que não estamos enfrentando uma bolha, mas sim uma falha na medição do retorno da IA. Dados macroeconômicos são fundamentais para investidores, bancos centrais e empresas ao tomarem decisões sobre crescimento, taxas de juros e contratações. Basear decisões significativas em dados imprecisos pode levar a consequências graves.

A avaliação de serviços e trabalho intelectual é complexa, pois não se compara facilmente a bens físicos. Enquanto uma fábrica pode medir a produção de cadeiras, a eficácia da IA em tarefas como programação e redação é mais difícil de quantificar. O uso de tokens pode não refletir o verdadeiro valor gerado, já que o resultado final é o que realmente importa.

Historicamente, algo semelhante ocorreu durante o boom da informática nas décadas de 1980 e 1990, quando os dados macroeconômicos não capturaram o impacto dessa revolução. Apenas em 2013, com a inclusão de pesquisa e desenvolvimento no cálculo do PIB, foi possível reconhecer retroativamente um valor significativo, que representou 30% do PIB em 2000.

Outro exemplo pertinente é a economia do cuidado, que abrange o trabalho não remunerado, predominantemente realizado por mulheres. Estima-se que em 2018, 16,4 bilhões de horas de trabalho de cuidado não remunerado equivaleram a US$ 11 trilhões, ou 9% do PIB global.

Embora seja necessário atualizar nossos parâmetros de medição, o investimento em infraestrutura de IA continua a ser impressionante. Para 2025, as grandes empresas de tecnologia planejam investir US$ 410 bilhões em IA, com expectativas de ultrapassar US$ 650 bilhões até 2026. No entanto, especialistas alertam que a contribuição desse investimento para o PIB dos EUA tem sido praticamente nula, levantando questões sobre a real justificativa dos gastos e se existe uma riqueza oculta que sustente esses investimentos.