A Aposta de US$ 1 Trilhão da IA: Bolha ou Revolução?

Uma questão colossal domina agora o cenário tecnológico: A onda sem precedentes de investimento que inunda a inteligência artificial é uma revolução sustentável ou uma bolha especulativa destinada a estourar? Trilhões de dólares estão em jogo, moldando o futuro de indústrias e economias em todo o mundo. Este conflito central alimenta um intenso debate em conselhos de administração e salões acadêmicos.

A pura escala da implantação de capital é impressionante. Hyperscalers como Microsoft, Meta, Google e Amazon despejaram coletivamente cerca de US$ 125 bilhões em data centers de AI apenas entre janeiro e agosto de 2024. Os gastos mais amplos com equipamentos e infraestrutura de data centers atingiram US$ 290 bilhões este ano, com quase US$ 200 bilhões atribuíveis a esses gigantes da nuvem. As projeções preveem que o mercado global de servidores de data center quintuplicará de US$ 204 bilhões em 2024 para impressionantes US$ 987 bilhões até 2030.

Narrativas conflitantes giram em meio a este turbilhão financeiro. Otimistas defendem a AI como uma força inevitável e transformadora, criando ativos duráveis e eficiências sem precedentes, semelhantes aos primórdios da internet ou à expansão ferroviária. Pessimistas, no entanto, alertam para a supervalorização e o excesso de alavancagem, traçando paralelos com a bolha das dot-com ou mesmo a infame tulip mania, onde o valor intrínseco era fugaz.

Especialistas da indústria como David Shapiro destacam a magnitude histórica desta construção. Quando ajustada pela inflação e considerada como uma porcentagem do PIB, a atual expansão dos data centers representa o segundo maior mega-projeto da história, superado apenas pelo Plano Marshall pós-Segunda Guerra Mundial. Crucialmente, ao contrário desses empreendimentos patrocinados pelo estado, este empreendimento monumental é quase inteiramente financiado privadamente, uma característica única que complica ainda mais os modelos econômicos tradicionais.

A resposta se este investimento cria valor duradouro ou apenas inflaciona uma moda passageira definirá a próxima década. Isso ditará a trajetória da inovação tecnológica, remodelará as dinâmicas de poder globais e alterará fundamentalmente tudo, desde os mercados de trabalho até a descoberta científica. Desvendar esta aposta de um trilhão de dólares é fundamental para entender o mundo que virá.

A construção de infraestrutura sem precedentes da IA representa o segundo maior mega-projeto da história, uma afirmação postulada pelo comunicador de IA David Shapiro. Quando ajustado pela inflação e medido como uma porcentagem do PIB, este empreendimento massivo fica atrás apenas do Plano Marshall pós-Segunda Guerra Mundial em escala. A atual onda de investimento, predominantemente em data centers, ofusca a maioria dos outros ambiciosos empreendimentos nacionais.

Este leviatã moderno traça paralelos diretos com várias iniciativas transformadoras patrocinadas pelo governo que remodelaram a América. Estes incluem: - O Projeto Manhattan, que desenvolveu a bomba atômica, custando aproximadamente 0,18% a 0,4% do PIB dos EUA de 1942 a 1946. - O Programa Apollo, atingindo o pico de 0,4% do PIB dos EUA em 1967 para levar humanos à lua. - O Sistema Rodoviário Interestadual, uma vasta rede de estradas que modernizou o transporte em todo o país.

Uma distinção fundamental separa a expansão da IA desses precedentes históricos. Ao contrário do Plano Marshall, Apollo, ou do Interstate Highway System, que foram patrocinados e dirigidos pelo estado, a atual construção de IA é quase inteiramente financiada privadamente. Isso marca uma novidade para um projeto de escala tão monumental, com gigantes da tecnologia investindo coletivamente centenas de bilhões.

Este influxo de capital privado inerentemente convida ao escrutínio, muitas vezes ausente em obras públicas. Quando os governos alocam vastas somas a projetos como a Barragem Hoover ou a corrida espacial, o discurso centra-se na utilidade pública e na alocação de recursos, não em bolhas especulativas. O investimento privado, no entanto, imediatamente levanta questões sobre o retorno do investimento e o potencial de alavancagem excessiva, alimentando a narrativa da "bolha da IA".

Shapiro argumenta que esses investimentos privados criam ativos de capital duráveis e de longo prazo, muito parecido com o que ferrovias ou infraestrutura de internet fizeram em sua época. Os Data centers, por exemplo, não são efémeros; são estruturas físicas projetadas para décadas de operação, valorizando-se continuamente e formando a base para futuros avanços da IA, independentemente das flutuações de mercado de curto prazo.

Descartar a construção da IA como uma mera bolha especulativa é não compreender a natureza fundamental do investimento. Ao contrário dos frenesis especulativos históricos, como a mania das tulipas holandesa do século XVII, onde os ativos não tinham valor intrínseco e expiravam rapidamente, os gastos atuais com IA criam infraestrutura durável e tangível projetada para décadas de utilidade. Isso não é uma moda passageira; é um gasto de capital massivo em ativos físicos.

Vastas somas fluem para a construção de data centers especializados, não modas efémeras. Essas instalações representam ativos imobiliários substanciais, construídos com infraestrutura robusta, como sistemas de energia triplamente redundantes. Os Data centers são projetados para durar mais de 50 anos, valorizando-se ao longo do tempo, muito parecido com imóveis convencionais. Essa presença física de longo prazo diferencia fundamentalmente o investimento em IA de empreendimentos puramente especulativos.

As críticas frequentemente ignoram a nuance dos ciclos de vida das GPUs, alegando que esses processadores poderosos se tornam "sem valor" em dois anos. Essa perspectiva não consegue compreender o conceito de despesa de capital (CapEx). Embora novas GPUs surjam, modelos mais antigos não param de funcionar nem perdem todo o valor. As empresas podem revendê-los, recuperando uma parte de seu custo, ou amortizar a despesa para benefícios fiscais.

As GPUs se pagam por meio de ciclos de computação dentro de sua janela operacional principal, e seu valor contábil restante ou potencial de revenda compensa ainda mais o desembolso inicial. Esta é uma distinção crítica para operadores da indústria familiarizados com CapEx versus OpEx, uma nuance frequentemente perdida em discussões mais amplas, incluindo algumas de escritores de tecnologia como Cal Newport: Autor de Deep Work, Study Hacks Blog.

O investimento atual em IA gera artefatos financeiros reais — ativos físicos que continuam a fornecer utilidade e valor muito depois de sua implantação inicial. Essa criação de ativos duráveis, desde imóveis especializados até hardware amortizável, ancora a construção da IA firmemente no reino do desenvolvimento de megaprojetos, em vez de excesso especulativo. É uma aposta de longo prazo em infraestrutura, não uma aposta passageira.

Investimentos febris e avaliações altíssimas acendem comparações inevitáveis com o estouro da bolha das .com do final dos anos 1990. Então, como agora, uma mentalidade de "build it and they will come" (construa e eles virão) alimentou um frenesi especulativo, impulsionando empresas de internet nascentes a capitalizações de mercado astronômicas antes que muitas colapsassem. Os paralelos são impressionantes: rápida implantação de capital, modelos de negócios não comprovados e uma crença generalizada em uma mudança de paradigma.

No entanto, uma distinção crítica separa o atual boom da IA de manias especulativas anteriores. Mesmo após o estouro da bolha das .com por volta de 2000, a infraestrutura física estabelecida — quilômetros de cabo de fibra óptica, novos data centers e hardware de rede — não desapareceu. Essa base subjacente tornou-se indispensável, impulsionando as duas décadas subsequentes de evolução tecnológica.

Essa infraestrutura resiliente possibilitou o surgimento da Web 2.0, dos serviços de streaming e dos gigantes do e-commerce que dominam o cenário digital atual. O período de 2003 a 2012, embora sem o fervor inicial, ainda testemunhou imensa produtividade e inovação, alavancando os mesmos ativos construídos durante o que foi percebido como "superinvestimento".

Hoje, o enorme investimento de capital da IA, particularmente em data centers e computação avançada, espelha essa criação de ativos duráveis. Empresas como Microsoft, Meta, Google e Amazon estão, coletivamente, injetando cerca de US$ 125 bilhões em data centers de IA somente em 2024. Este investimento constrói infraestrutura física projetada para décadas de operação, não para software passageiro.

David Shapiro, um comunicador de IA, enfatiza que esses data centers são ativos de capital que permanecem valiosos por mais de 50 anos, semelhantes a imóveis. Mesmo que algumas startups de IA falhem, o poder de computação subjacente, a rede e as instalações especializadas não o farão. Eles formarão a base essencial para a próxima onda de inovação, quer isso envolva novos paradigmas de IA ou avanços tecnológicos inteiramente imprevistos.

Essa infraestrutura garante que mesmo uma correção de mercado deixaria para trás uma espinha dorsal de computação robusta e de alto desempenho. Assim como a infraestrutura da internet sobreviveu a muitas baixas da bolha das .com, a construção atual da IA garante um legado duradouro de capacidade de computação sem precedentes, pronta para futuras revoluções.

Nem todos compartilham o otimismo desenfreado em torno do poder transformador da IA. O escritor de tecnologia Cal Newport, uma voz proeminente que defende o deep work e a produtividade focada, articula um significativo bear case (argumento pessimista) contra o hype predominante da IA. Ele adverte que a revolução prometida pode não se materializar tão rapidamente ou profundamente quanto seus proponentes sugerem, desafiando a narrativa de progresso inevitável e rápido.

A principal preocupação de Newport centra-se no potencial da IA para degradar, em vez de aprimorar, a produção cognitiva genuína. Ele argumenta que a dependência excessiva de ferramentas de IA corre o risco de fomentar a preguiça metacognitiva, onde os indivíduos delegam o pensamento crítico e a resolução de problemas complexos a algoritmos. Essa dependência pode diminuir a capacidade humana para o deep work, dificultando a própria inovação e percepção que a IA pretende acelerar.

Os aumentos iniciais de produtividade da IA, segundo Newport, podem se mostrar superficiais ou até ilusórios a longo prazo. Embora a IA possa automatizar tarefas rotineiras, esses ganhos podem ser compensados por novas ineficiências. Os usuários gastam um tempo significativo em prompt engineering, verificando a precisão da saída gerada pela IA e gerenciando o aumento da sobrecarga de informações que a IA pode produzir. Esses custos ocultos frequentemente não são medidos.

Esta perspectiva sugere que a IA poderia tornar-se outra fonte de distração digital e envolvimento superficial, em vez de um catalisador para um avanço profundo. Assim como o email e as redes sociais prometeram eficiência mas muitas vezes fragmentaram a atenção, as ferramentas de IA, se mal utilizadas, podem erodir ainda mais a nossa capacidade de nos concentrarmos em esforços intelectuais sustentados e de alto valor.

Newport aconselha um ceticismo saudável em relação à retórica extrema que rodeia o impacto imediato da IA. Ele afirma que conclusões definitivas sobre os efeitos sociais e económicos a longo prazo da IA permanecem prematuras. Em vez de abraçar cegamente cada nova ferramenta, ele defende uma avaliação crítica de como a IA realmente aumenta a inteligência humana e promove um progresso significativo, em vez de simplesmente automatizar processos existentes.

Em última análise, Newport insta à cautela, sugerindo que a verdadeira medida do valor da IA emergirá de uma integração cuidadosa e deliberada que priorize o envolvimento humano profundo e o pensamento crítico. A atual euforia, ele implica, corre o risco de confundir automação com aumento, potencialmente levando a uma desilusão generalizada se as promessas revolucionárias não se materializarem dentro dos prazos esperados.

David Shapiro argumenta que muitas avaliações académicas do impacto da IA no mundo real sofrem de uma falta crítica de experiência prática na indústria. Esta desconexão muitas vezes leva a análises que, embora teoricamente sólidas, perdem as nuances de como os profissionais realmente integram as ferramentas de IA nos seus fluxos de trabalho. Os artigos académicos e discussões públicas resultantes frequentemente pintam um quadro muito distante das realidades diárias de engenheiros e desenvolvedores que utilizam estas tecnologias.

Considere um estudo amplamente citado que supostamente descobriu que as ferramentas de IA tornavam os engenheiros mais lentos. Esta pesquisa, frequentemente destacada nas manchetes dos meios de comunicação, apresentou uma acusação aparentemente condenatória dos benefícios imediatos de produtividade da IA. No entanto, Shapiro aponta uma falha fundamental na sua metodologia: o estudo tipicamente envolvia pedir a engenheiros experientes para usar um assistente de IA desconhecido dentro de uma base de código já familiar. Os participantes, especialistas no seu domínio, receberam uma ferramenta nascente com pouco treinamento prévio ou tempo de integração.

Um tal design experimental inerentemente distorce os resultados, forçando os utilizadores a adaptar-se a uma nova carga cognitiva enquanto navegam em sistemas existentes e bem compreendidos. É semelhante a pedir a um chef mestre para adotar um gadget de cozinha novo e complexo a meio do serviço; o atrito inicial é inevitável. Os ganhos de produtividade no mundo real raramente resultam de simplesmente aumentar tarefas existentes e otimizadas com um assistente novo e desconhecido. O estudo ignora a curva de aprendizagem acentuada associada à mestria eficaz de qualquer nova ferramenta, especialmente uma tão dinâmica como a IA generativa.

Em vez disso, as acelerações mais significativas vêm da capacidade da IA de reduzir drasticamente o tempo do zero a um produto funcional. Estas ferramentas destacam-se na inicialização de projetos (bootstrapping), na geração de código boilerplate inicial, ou na exploração de soluções inovadoras que de outra forma exigiriam extensa pesquisa e desenvolvimento manual. Um assistente de IA pode rapidamente estabelecer as bases para um API endpoint, rascunhar um componente de UI básico, ou delinear um algoritmo complexo, permitindo que os engenheiros se concentrem imediatamente no refinamento e na lógica avançada.

Estudos acadêmicos frequentemente negligenciam esta crucial vantagem de "cold start", focando em vez disso em melhorias incrementais ou obstáculos em fluxos de trabalho estabelecidos e familiares. Este escopo restrito cria uma visão distorcida, gerando manchetes sensacionalistas que deturpam a utilidade real da IA. A narrativa pública então diverge acentuadamente das experiências daqueles que integram e se beneficiam ativamente dessas ferramentas na indústria. Para mais informações sobre as implicações econômicas mais amplas da IA, você pode explorar pesquisas como How artificial intelligence impacts the US labor market | MIT Sloan. Essa lacuna entre a teoria acadêmica e a aplicação prática alimenta o ceticismo, obscurecendo o potencial transformador que a IA já demonstra em inúmeras equipes de desenvolvimento.

Relatos de ganhos extraordinários de produtividade frequentemente definem o verdadeiro impacto da IA, muitas vezes escapando das métricas tradicionais. Usuários avançados descrevem consistentemente ganhos de 10x a 100x, transformando seus fluxos de trabalho e produção. Estas não são melhorias incrementais; elas representam paradigmas inteiramente novos para tarefas criativas e analíticas.

Acadêmicos e economistas tradicionais frequentemente descartam esses casos como 'outliers', argumentando que tais aumentos extremos de eficiência não são estatisticamente representativos de uma adoção mais ampla. Eles afirmam que alguns usuários excepcionais não definem a utilidade geral da tecnologia ou sua contribuição econômica. Essa perspectiva prioriza dados agregados em detrimento de experiências individuais e transformadoras.

No entanto, este ceticismo acadêmico negligencia um princípio fundamental articulado pelo fundador da Amazon, Jeff Bezos: "Quando a anedota discorda dos dados, vá com a anedota." Para a IA, as anedotas de seus usuários mais intensivos sugerem uma força disruptiva muito maior do que os dados agregados atuais podem capturar, indicando seu verdadeiro potencial não medido.

David Shapiro, um filósofo de IA e operador da indústria, destaca essa desconexão. Ele critica as análises acadêmicas por frequentemente carecerem de experiência real na indústria, levando a um ponto cego em relação às aplicações práticas da IA. Shapiro aponta como os veteranos da indústria entendem intuitivamente nuances que os artigos acadêmicos perdem.

Shapiro oferece uma ilustração pessoal da capacidade transformadora da IA. Ele descreve a execução de conversas de pesquisa paralelas, aproveitando a IA para explorar múltiplas vias de investigação simultaneamente. Isso não é meramente fazer o trabalho existente mais rápido; permite fluxos de trabalho inteiramente novos e altamente eficientes, anteriormente impossíveis para um único ser humano.

Tal processamento paralelo gera insights e acelera os ciclos de desenvolvimento a uma taxa sem precedentes. Essas mudanças qualitativas na capacidade, embora difíceis de quantificar por meios convencionais, são precisamente o que impulsiona o fenômeno do usuário 100x. Elas redefinem o que uma pessoa pode realizar, desafiando os próprios frameworks usados para medir produtividade e valor na era digital.

A divergência entre médias estatísticas e experiências individuais de usuários avançados ressalta um desafio crítico na avaliação da pegada econômica da IA. A tecnologia não está apenas automatizando tarefas; ela está fundamentalmente alterando a natureza do trabalho para aqueles que a dominam, criando valor que os modelos atuais lutam para quantificar.

As seções anteriores detalharam a colossal construção de infraestrutura da AI e seu potencial para desbloquear ganhos de produtividade sem precedentes. Agora, a conversa se volta para a preocupação humana mais imediata e visceral: o futuro do trabalho. Em meio aos investimentos de trilhões de dólares e grandes visões, as ansiedades sobre o job displacement persistem, impulsionando um intenso escrutínio do impacto em tempo real da AI no mercado de trabalho.

Pesquisas recentes oferecem um panorama matizado, desafiando os temores generalizados de desemprego em massa. Desde o final de 2022, estudos não encontraram um aumento sistemático nas taxas de desemprego para trabalhadores em AI-exposed occupations. Apesar da rápida proliferação de ferramentas de generative AI, demissões em larga escala diretamente atribuíveis à AI automation não se materializaram nas principais economias. Isso sugere que o impacto imediato é mais complexo do que um simples jogo de soma zero.

No entanto, um olhar mais atento revela mudanças emergentes sob a superfície. Embora a destruição generalizada de empregos permaneça ausente, evidências apontam para uma notável hiring slowdown para trabalhadores mais jovens, especificamente aqueles com idades entre 22 e 25 anos. Essa coorte, frequentemente entrando em campos mais suscetíveis à integração inicial da AI, enfrenta oportunidades reduzidas em funções como suporte ao cliente e desenvolvimento de software de nível inicial. Empresas, alavancando a AI para triagem inicial e automação de tarefas básicas, podem estar contratando menos recém-formados para essas funções específicas.

Essa dinâmica indica um período de job transformation em vez de destruição total. A AI não está meramente substituindo funções existentes; ela cria ativamente novas. Caminhos de carreira em rápido crescimento incluem: - Prompt engineering - AI ethics specialists - Data annotators - AI-driven platform developers Além disso, as ferramentas de AI estão aumentando os empregos existentes, capacitando os trabalhadores com capacidades avançadas e mudando o foco para tarefas de ordem superior que exigem criatividade humana, pensamento crítico e habilidades interpessoais.

Em última análise, o boletim da AI no mercado de trabalho é complexo, refletindo um sistema em fluxo. Embora o desemprego em massa permaneça em grande parte hipotético, grupos demográficos específicos e posições de nível inicial estão enfrentando desafios reais. A transição em curso exige habilidades adaptativas e uma abordagem proativa para o reskilling, sublinhando o papel da AI como um poderoso catalisador para a evolução em todos os setores da força de trabalho global. Este período definirá como as sociedades gerenciam as inevitáveis mudanças estruturais que a AI introduz.

Embora o investimento de trilhões de dólares em infraestrutura de AI pareça abstrato, sua manifestação física fundamenta esta revolução nas comunidades locais. Gigantescos data centers, abrigando milhares de GPUs, trazem preocupações legítimas e tangíveis: zumbidos persistentes de baixa frequência de poderosos sistemas de refrigeração, consumo substancial de água para dissipação de calor e imensa pressão sobre as power grids locais. Cada instalação exige vasta eletricidade, muitas vezes equivalente a uma pequena cidade.

Hyperscalers como Microsoft, Meta e Google estão implantando esses complexos intensivos em energia globalmente, mudando de centros de tecnologia tradicionais para áreas suburbanas e rurais. Essa descentralização aumenta drasticamente a demanda de eletricidade localizada e pode necessitar de novas linhas de transmissão ou atualizações de subestações, impactando diretamente os moradores. O efeito cumulativo em dezenas de novos locais apresenta desafios sem precedentes para as concessionárias regionais e reguladores ambientais.

Esses desafios, embora significativos, não são inéditos na história industrial. As comunidades navegaram pela localização e impacto de outros projetos de infraestrutura em larga escala – de fábricas e usinas químicas a aeroportos e rodovias – por meio de estruturas regulatórias estabelecidas. A construção atual ecoa industrial shifts anteriores, exigindo planejamento cuidadoso e engajamento comunitário semelhantes.

Em vez de moratórias federais, os locais apropriados para gerir estes impactos locais continuam a ser a governança local: conselhos de zoneamento, comissões de planejamento e reuniões da câmara municipal. Estes órgãos possuem a autoridade e o conhecimento local para negociar estratégias de mitigação de ruído, requisitos de gestão da água e contribuições para a melhoria da infraestrutura por parte dos desenvolvedores. Os processos de licenciamento e as avaliações de impacto ambiental fornecem os mecanismos para soluções personalizadas.

Este engajamento político localizado é crucial para equilibrar o progresso tecnológico com o bem-estar da comunidade. O diálogo transparente entre gigantes da tecnologia e residentes garante que os benefícios superem os encargos localizados, abordando as preocupações diretamente. Para uma compreensão mais profunda de como estas dinâmicas locais estão moldando políticas mais amplas, explore análises como How AI Data Centers Are Shaping Politics - Lawfare.

A construção sem precedentes da AI desafia uma fácil categorização como uma mera bolha. David Shapiro enquadra-a de forma convincente como o segundo maior megaprojeto da história em percentagem do PIB, um empreendimento financiado privadamente que supera tudo, exceto o Marshall Plan. Ao contrário das manias efêmeras das tulipas, este investimento cria ativos duráveis: vastos data centers, GPUs avançadas e infraestrutura de energia robusta, tudo projetado para longevidade. Só os Hyperscalers comprometeram um valor estimado de 125 mil milhões de dólares em AI data centers entre janeiro e agosto de 2024, construindo fundações físicas e digitais que persistirão por décadas, muito parecidas com as ferrovias transcontinentais ou a fibra ótica inicialmente superdimensionada da internet.

Os ganhos de produtividade desta nova infraestrutura são inegavelmente reais, embora atualmente concentrados. Relatos de melhorias de eficiência de "10x a 100x" surgem regularmente de power users que utilizam modelos de ponta e ferramentas sofisticadas. Embora ainda não universalmente distribuídos por toda a força de trabalho, estes ganhos pressagiam uma mudança significativa nas capacidades operacionais. Simultaneamente, o mercado de trabalho adapta-se; um colapso generalizado permanece infundado, com os papéis a evoluírem rapidamente em vez de simplesmente desaparecerem. Isto sugere uma transformação profunda, não um deslocamento catastrófico.

O retorno final do investimento para cada empresa individual permanece uma incógnita especulativa. Algumas empresas irão inevitavelmente falhar, com as suas avaliações altíssimas a revelarem-se insustentáveis a longo prazo. No entanto, a infraestrutura fundamental que agora está a tomar forma – desde vastas server farms a fábricas de chips avançadas e redes cruciais – irá inegavelmente sustentar a próxima era tecnológica. Este enorme investimento de capital, projetado para quintuplicar o mercado global de servidores de data centers para quase 1 bilião de dólares até 2030, estabelece uma plataforma irreversível para a inovação e o crescimento sustentado em inúmeros setores.

Esta colossal construção de AI representa uma aposta de alto risco no futuro, um salto de fé coletivo para uma era de avançada colaboração humano-máquina. É um investimento que não podemos dar-nos ao luxo de perder, moldando não apenas indústrias e economias, mas o próprio tecido de como trabalhamos, aprendemos e interagimos em redes globais. A base física e computacional estabelecida hoje determinará o ritmo e a direção do progresso tecnológico para as gerações vindouras, consolidando o papel da AI como uma força transformadora e duradoura na sociedade.

O atual boom da AI é uma bolha?

Embora tenha características de bolha devido ao investimento privado massivo, muitos especialistas argumentam que é uma construção de infraestrutura que cria ativos duráveis, como data centers, e não uma bolha puramente especulativa como a Tulip Mania.

Como a construção de data centers de IA se compara a projetos anteriores?

Como percentagem do PIB, a atual construção de infraestrutura de IA é considerada o segundo maior megaprojeto da história, superado apenas pelo Plano Marshall. Ao contrário de projetos anteriores, é quase inteiramente financiado por capital privado.

A IA realmente aumentará a produtividade?

As evidências são conflitantes. Estudos acadêmicos mostram resultados mistos, às vezes até diminuição da produtividade. No entanto, usuários avançados da indústria e evidências anedóticas relatam ganhos de produtividade de 10x a 100x, sugerindo uma grande desconexão entre estudos controlados e aplicação no mundo real.

Como a IA está afetando o mercado de trabalho agora?

Dados atuais não mostram aumento sistemático do desemprego em áreas expostas à IA. No entanto, há uma desaceleração notável na contratação de trabalhadores mais jovens em funções como desenvolvimento de software, enquanto novos empregos relacionados à IA também estão sendo criados.