- Entre as empresas do S&P 500, 374 mencionaram IA em teleconferências de resultados, mas, em uma pesquisa com 6.000 executivos, cerca de 90% responderam que a IA não afetou emprego nem produtividade nos últimos 3 anos
- O paradoxo da produtividade proposto pelo vencedor do Nobel de Economia de 1987, Robert Solow, está se repetindo na era da IA, com os efeitos da IA ainda não sendo observados nos dados macroeconômicos
- O tempo de uso de IA pelos executivos é de apenas cerca de 1,5 hora por semana, e 25% dos respondentes não usam IA no trabalho de forma alguma
- Em uma pesquisa da ManpowerGroup, o uso regular de IA em 2025 aumentou 13%, mas a confiança na tecnologia caiu 18%
- Como houve o precedente de o boom de TI dos anos 1970 e 1980 levar a um forte salto de produtividade nos anos 1990, a IA também pode crescer após um atraso em formato de curva J
O paradoxo da produtividade de Solow e a IA
- Em 1987, o economista Robert Solow observou que, mesmo após o surgimento do transistor, do microprocessador, do circuito integrado e do chip de memória, a taxa de crescimento da produtividade caiu de 2,9% entre 1948 e 1973 para 1,1% após 1973
- Ele deixou a famosa frase: "A era do computador é visível em toda parte, mas não nas estatísticas de produtividade"
- Na época, os computadores acabavam produzindo informação em excesso e prejudicando a produtividade, como ao imprimir em massa relatórios excessivamente detalhados
Resultado da pesquisa com CEOs: impacto prático da IA é mínimo
- Entre setembro de 2024 e 2025, 374 empresas do S&P 500 mencionaram IA em teleconferências de resultados e avaliaram positivamente sua adoção
- No entanto, isso ainda não se refletiu claramente nos indicadores macro de produtividade
- Em um estudo publicado neste mês, o NBER (National Bureau of Economic Research) realizou uma pesquisa com 6.000 executivos dos EUA, Reino Unido, Alemanha e Austrália
- Cerca de dois terços disseram usar IA, mas o tempo de uso é de apenas cerca de 1,5 hora por semana
- 25% dos respondentes não usam IA no trabalho de forma alguma
- Cerca de 90% das empresas responderam que a IA não afetou emprego nem produtividade nos últimos 3 anos
- Ainda assim, os executivos projetam que, nos próximos 3 anos, a IA aumentará a produtividade em 1,4% e a produção em 0,8%
- As empresas esperam uma queda de 0,7% no emprego, mas os trabalhadores individualmente preveem, ao contrário, um aumento de 0,5% no emprego
Resultados divergentes entre estudos acadêmicos
- Um estudo do MIT de 2023 afirmou que a adoção de IA pode melhorar o desempenho dos trabalhadores em até 40%
- No entanto, embora o investimento corporativo em IA tenha disparado para mais de US$ 250 bilhões até 2024, os ganhos de produtividade prometidos ainda não se concretizaram
- O economista-chefe da Apollo, Torsten Slok, afirmou que "a IA não aparece nos dados de emprego, nos dados de produtividade nem nos dados de inflação"
- Fora as Magnificent Seven, também não há sinais do efeito da IA nas margens de lucro nem nas perspectivas de receita
- O Federal Reserve de St. Louis anunciou que, desde a adoção do ChatGPT, a taxa acumulada de crescimento da produtividade aumentou mais de 1,9%
- Já um estudo do MIT de 2024 (de Daron Acemoglu, vencedor do Nobel) apresentou uma estimativa mais conservadora de 0,5% de aumento de produtividade nos próximos 10 anos
- Acemoglu avaliou que "não se deve subestimar 0,5%, mas, em comparação com o que a indústria e a imprensa prometeram, é um nível decepcionante"
Queda na confiança dos trabalhadores e resposta das empresas
- Na pesquisa 2026 Global Talent Barometer da ManpowerGroup (com cerca de 14.000 trabalhadores em 19 países), o uso regular de IA em 2025 aumentou 13%, mas a confiança na utilidade da tecnologia caiu 18%
- Nickle LaMoreaux, CHRO da IBM, anunciou na semana passada que triplicará as contratações de iniciantes
- A avaliação é que, embora a IA possa automatizar parte do trabalho, substituir profissionais em início de carreira pode provocar, no futuro, escassez de gerentes intermediários e uma crise no pipeline de liderança
Perspectivas futuras para a produtividade da IA
- O boom de TI dos anos 1970 e 1980 teve como precedente, após décadas de estagnação, um aumento de 1,5% na taxa de crescimento da produtividade entre 1995 e 2005
- Erik Brynjolfsson, diretor do Stanford Digital Economy Lab, identificou um sinal de forte alta de produtividade no fato de o PIB do 4º trimestre ter registrado crescimento de 3,7%, enquanto o aumento do emprego foi revisado para baixo, para 181.000 vagas
- Segundo sua própria análise, a produtividade dos EUA subiu 2,7% no ano passado, o que ele interpreta como uma transição do estágio de investimento em IA para o de colheita dos benefícios reais
- O ex-CEO da Pimco, Mohamed El-Erian, também afirmou que, com a adoção da IA, está em curso um desacoplamento entre crescimento do emprego e crescimento do PIB, fenômeno semelhante ao da automação de escritórios nos anos 1990
- Slok analisa que o impacto futuro da IA pode seguir uma curva J, com desaceleração inicial e disparada posterior
- No entanto, diferentemente da TI dos anos 1980, as ferramentas atuais de IA estão mais acessíveis devido à forte concorrência entre LLMs, o que derruba os preços
- Portanto, o futuro da produtividade da IA não depende do valor do produto em si, mas de como cada setor da economia vai usar e implementar a IA generativa
1 comentários
Comentários do Hacker News
Este texto não está criticando a controvérsia sobre a produtividade da IA, e sim explicando isso como um fenômeno esperado segundo o paradoxo da produtividade de Solow (Productivity paradox)
Nos anos 1970~80, os investimentos em TI também foram enormes, mas os ganhos líquidos para a economia como um todo só apareceram bem depois, em meados/final dos anos 1990
No início, isso aconteceu porque os custos eram altos demais e havia muita tentativa e erro. Com a IA deve acontecer o mesmo: agora ela exige muito dinheiro e tempo, mas, à medida que houver integração e ganho de eficiência, a produtividade deve subir
Até no Hacker News, onde o pessoal é familiarizado com tecnologia, há muita gente que acredita que “IA não consegue gerar código”
Até um amigo ex-Amazon não sabia que é preciso ativar o recurso de “thinking” do ChatGPT para obter resultados de alta qualidade. É difícil esperar um impacto revolucionário antes de as pessoas se acostumarem a usar isso
Link para o PDF original
Por exemplo, a assinatura do Claude custa cerca de US$ 20 por mês por funcionário, parecido com ferramentas como Slack
Diferente da época em que os trabalhadores de escritório estavam aprendendo a usar computadores nos anos 1970, o onboarding é muito simples, e alguns efeitos de curto prazo já estão aparecendo
Quando milhões de computadores foram conectados em rede, surgiu o verdadeiro efeito econômico
Análises relacionadas também podem ser vistas no FT e em um texto da Apollo Academy
Eu vejo grandes empresas como sistemas distribuídos rodando sobre hardware defeituoso (humanos)
Cada indivíduo (CPU) é rápido, mas há muita latência causada por reuniões, espera por aprovações e tarefas que não podem ser paralelizadas
Antes de fazer upgrade, é preciso entender se o gargalo está em I/O ou em CPU
Havia projetos demais, então ninguém conseguia se concentrar, isso gerava até problemas de cache, e no fim o gargalo só piorou
É preciso permitir que a memória organizacional seja recuperada rapidamente. Sem cache, resolver problemas demora; e, se informação errada entra no cache, todo mundo acredita nela e segue na direção errada
O acabamento pode ser inferior, mas elas são muito mais ágeis e eficientes em custo
A maior parte do trabalho white-collar é pensar e falar
Em programação, a implementação pesa mais do que parece, mas outras profissões são compostas por reuniões, alinhamento, criação de slides, posicionamento de mercado etc.
Ferramentas como Cowork podem ajudar a explorar arquivos, organizar tickets e escrever fórmulas no Excel
Mas código é o resultado de decisões de negócio, então é a forma mais adequada para automação com LLM
Já em outras profissões, talvez só haja ganho de velocidade; a automação completa ainda parece distante
No fim, quase toda engenharia exige negociação e alinhamento
Eu preciso pensar pelo menos o dobro do tempo de codificação para produzir código de boa qualidade
Economizar uma hora não significa fazer algo de valor equivalente nesse tempo. Pior: slides imprecisos podem surgir e gerar retrabalho para outra pessoa corrigir
Com LLMs, o que mudou é que consigo produzir mais código com a mesma quantidade de reflexão
Por exemplo, a Hazel.ai oferece planejamento tributário e de investimentos melhor do que 90% dos RIAs dos EUA
Isso provavelmente vai derrubar a taxa dos RIAs de 1% para algo em torno de 0,1~0,2%
Como engenheiro sênior, sinto que a parte lenta não é escrever código, e sim os processos de revisão e aprovação
Code review, coleta de opinião de stakeholders, atrasos em testes, documentação, apresentações etc.
Esses processos de validação continuam se repetindo internamente e acabam criando gargalos
Quanto mais nos aproximamos da singularidade, mais o mundo fica caótico e imprevisível
Em meio a mudanças bruscas, tudo parece ruído
Agora talvez seja o momento de se perguntar apenas: “o mundo ficou mais previsível ou menos previsível?”
No artigo original do NBER,
aparecem a taxa de adoção de IA por setor (A6), impacto no emprego (A11) e impacto na produtividade (A12)
Setores com muito contato com o cliente ou focados em produtos físicos (construção, varejo) mostram baixo impacto da IA
Curiosamente, hospedagem e alimentação aparecem em 4º lugar em impacto sobre produtividade, o que é interessante
Nossa empresa ainda está lenta na adoção de IA
Hoje recebemos pressão de que “usar IA pouco demais pode ser ruim”
Provavelmente, em 6 meses a 1 ano, a conclusão será algo como “isso foi desperdício de dinheiro”
Não é muito diferente de mandar cada um escrever a própria autoavaliação de desempenho
Olhando para os pilotos de IA nas Fortune 500, incluindo o Microsoft Copilot,
ainda há muitas grandes empresas que não entendem direito os recursos de IA
A alta gestão nem testa por conta própria, por pura preguiça
Escrever e-mails, fazer slides e pesquisar já são tarefas fáceis o suficiente
O verdadeiro ponto forte está em tarefas de nível mais baixo, como transcrição, tradução, reconhecimento de imagem e resolução de problemas via API
Há inovação, mas não é um “acelerador universal”
a falta de treinamento é a causa da baixa produtividade
Em especial, o Microsoft Copilot é uma das piores implementações de IA, o que gera decepção
Por isso, quase ninguém sente ganho real de produtividade
Do ponto de vista do funcionário, LLM pode parecer um cheat code para lição de casa,
mas, do ponto de vista do CEO, parece uma explosão de conteúdo para revisar (DDoS)
Quando chega um documento de 155 páginas pelo WhatsApp ou uma enxurrada de PRs,
surge a questão: “quem vai revisar tudo isso?”
No fim, a IA é um amplificador de risco
Neste momento, estamos entrando cegamente em um evento de escala comparável ao aquecimento global no mundo da computação