©2026 MIT Sloan Management Review Brasil. Todos os direitos reservados. A reprodução, total ou parcial, é proibida sem a autorização prévia e expressa do CNEX.

O economista americano Erik Brynjolfsson começou a ficar mundialmente conhecido nos anos 1990 por estudar o paradoxo da produtividade, segundo o qual mais computadores na empresa não mudam o ponteiro da produtividade. Depois, no início da década de 2010-2020, escreveu uma série de livros sobre a revolução industrial digital e o papel humano, como Race Against the Machine e The Second Machine Age, ambos com Andrew McAfee. Hoje, depois de 25 anos no Massachusetts Institute of Technology (MIT), ele dirige o Stanford Digital Economy Lab, suas pesquisas ainda são voltadas ao impacto da tecnologia sobre empregos, produtividade e crescimento econômico, mas agora especificamente o impacto da inteligência artificial (IA).

Entrevistado pelo professor Sam Ransbotham no podcast Me, Myself, and AI, Brynjolfsson sugere que paremos de perguntar o que a IA fará conosco e comece a perguntar o que faremos com a IA. As descobertas mais importantes da IA, em sua visão, podem ter menos a ver com tecnologia do que com a forma como a utilizamos. A entrevista foi editada para melhor fruição.

Sam Ransbotham: Vamos começar pelo Stanford Digital Economy Lab. Você pode nos dar uma visão rápida do que o laboratório faz?

Erik Brynjolfsson: Estudamos a economia digital. Estamos focando em como a IA e outras tecnologias digitais estão mudando a economia. A premissa do laboratório e do meu trabalho, da minha carreira, é que a tecnologia está avançando muito rápido. As capacidades são incríveis. E que, ao mesmo tempo, nosso entendimento econômico sobre ela não avança e rápido o suficiente, nem de longe. Nossas instituições econômicas, habilidades, organizações, elas não estão acompanhando. Meu trabalho é tentar fechar essa lacuna.

Muito do seu trabalho também destaca isso, acredito. Estamos fazendo o que podemos para acompanhar.

Sam Ransbotham: Eu estava pensando no [livro] Race Against the Machine e em quem seriam os canários hoje. [No livro, canários são uma metáfora para trabalhadores que primeiro sentiriam os efeitos negativos da automação e do avanço das tecnologias digitais, assim como os canários das minas de carvão, os primeiros a sinalizar a presença de gases tóxicos]. O que conecta tudo isso?

Erik Brynjolfsson: Race Against the Machine   era o título vendedor, mas conclusão foi que deveríamos correr com as máquinas, e não contra elas. E é isso que continuo enfatizando — há uma oportunidade para humanos e máquinas trabalharem juntos. Mas não é algo que acontece automaticamente. Há muitas escolhas que precisamos fazer, e a tecnologia está trazendo todo tipo de novas possibilidades. Tentar inventar e descobrir isso é uma grande parte do que nós, humanos, precisamos fazer.

Sam Ransbotham: Gosto da parte da escolha porque acho que tem sido muito fácil dizer que “IA faz isso, tecnologia faz aquilo.” Eu sei que você sempre foi contra colocar a tecnologia como sujeito da ação…

Erik Brynjolfsson: Exatamente. Provavelmente é uma das perguntas mais comuns que recebo: “O que a IA vai fazer conosco? O que a IA vai fazer acontecer?” Eu pensei: “Espera aí, a premissa da sua pergunta está errada. É ‘O que vamos fazer com IA?'”

Essa é uma ferramenta incrivelmente poderosa, possivelmente a mais poderosa que nós, humanos, já tivemos. Quase por definição, isso significa que temos mais capacidade de mudar o mundo do que jamais tivemos antes. Então vamos pensar em como queremos usar isso. Acontece que nossos valores e nossas escolhas importam mais agora do que no passado, porque temos essa capacidade de causar uma grande marca no universo, para o bem ou para o mal.

Sam Ransbotham: Sim, para o bem ou para o mal. Acho que isso vai surgir algumas vezes enquanto conversamos aqui. Eu estava pensando em quanto você acertou no início do livro Race Against the Machine. Mas isso não é o mais interessante para a audiência. Onde você acha que errou? O que te surpreendeu? O que mudou diferente do que você pensava há 15 ou 16 anos?

Erik Brynjolfsson: Onde erramos, Andy [McAfee] e eu? Estávamos olhando para alguns avanços — destacaria especialmente em The Second Machine Age, começamos com uma viagem no carro autônomo do Google. Na verdade, foi em 2012, logo depois de escrevermos Race Against the Machine, fomos de Mountain View até San Francisco. Tenho de dizer que pensei: “Uau, carros autônomos estão logo na esquina”, metaforicamente, e achei que isso aconteceria muito rápido. Obviamente demorou mais. Eu ando bastante em carros autônomos aqui na Bay Area. Eles já estão presentes há algum tempo, e agora também chegaram a Palo Alto. Mas isso só foi acontecer 15 anos depois e não é em todo canto do mundo. Acho que fui otimista demais quanto a isso.

Também acho que subestimei a rapidez com que a tecnologia avançaria em outros aspectos. A forma como você e eu podemos conversar hoje com LLMs, seja ChatGPT, Gemini ou Claude, e fazê-los funcionar, não esperava que isso acontecesse tão rápido. As LLMs de hoje pareceriam IAG (inteligência artificial geral] para nós em 2015! É bem legal que você possa receber conselhos muito bons deles. Todos sabemos que eles ainda alucinam e cometem erros, mas nós humanos também fazemos isso. Em média, eles são realmente muito bons. Erramos, porque aconteceu mais rápido do que esperávamos.

A parte mais decepcionante é: veja, eu sabia que estávamos apenas falando sobre como as instituições humanas mudam mais lentamente do que a tecnologia. Mas, meu Deus, não esperava que fosse tão lento. Às vezes, parece quase que está se movendo para trás. Então tem sido bastante decepcionante, que nossas instituições políticas, nossos negócios, organizações, não estejam acompanhando. A produtividade não está crescendo mais rápido do que no início dessa revolução da IA, talvez um pouquinho se olhar bem de perto. Mas não estamos realmente traduzindo essas capacidades em melhor desempenho de negócios ou nos tipos de benefícios que todos esperamos.

Sam Ransbotham: Eu andei em um dos carros autônomos em Palo Alto na última reunião em que te vi e logo perdeu a graça. Fiquei fascinado por alguns segundos e depois entediado muito rápido. Você mencionou que teria sido a LLM de hoje teria nos parecido a IAG alguns anos atrás, quando hoje não parece. Quanto disso é meio que um sapo na água ferventeve? Estamos nos acostumando com essas tecnologias e é preciso sempre mais para nos impressionar? É uma questão de não conseguirmos fazer a medição? É uma curva em J?

Erik Brynjolfsson: Tudo isso. Parte do fenômeno é, como você disse, não ver graça no carro autônomo. Os primeiros minutos são meio assustadores, depois ficam empolgantes e, em meia hora, você pensa: “OK, esses carros dirigem como minha avó, muito cuidadosamente e devagar – o que é, eu acho, a coisa certa a fazer., aliás

Sam Ransbotham: Talvez por isso você tenha saído de Boston. [risos]

Erik Brynjolfsson: Exatamente. A taxa de acidentes deles é 90% menor que a dos humanos. Estou ansioso pelo dia em que os carros sejam todos assim. Às vezes, quando estou com pressa, pego um Uber porque sei que o motorista está mais disposto a ganhar tempo, por assim dizer. Mas parte disso tem a ver com darmos como normais coisas que inicialmente nos impressionavam. Acho que nossos cérebros são feitos para se acostumar com as coisas.

Mas as outras duas coisas que você disse são mais importantes e interessantes. Uma delas é a questão da medição. Nossas métricas econômicas simplesmente não foram projetadas para capturar muitos dos benefícios da IA, especialmente os benefícios dos bens digitais gratuitos. Então fizemos toda uma metodologia para lidar com isso. Talvez possamos falar sobre isso depois.

A outra parte é a curva em J. Realmente existe uma lacuna, e uma dificuldade, em traduzir capacidades em mudanças reais de negócios, porque há muitos ativos e investimentos complementares que precisam ser feitos. Muitos deles precisam ser inventados; ainda não sabemos o que são essas coinvenções complementares de novos processos de negócio, novas habilidades, modelos de negócio e formas totalmente novas de trabalhar. São desafiadores e temos empreendedores, gestores, professores e consultores de escolas de negócio todos trabalhando nessa direção.

Em trabalhos anteriores que fiz com Lorin Hitt e Prasanna (Sonny) Tambe da University of Pennsylvania e outros, descobrimos que os investimentos nesses ativos intangíveis costumam ser cerca de dez vezes maiores do que os investimentos diretos em tecnologia da computação. Mas como eles são em grande parte intangíveis, em grande parte invisíveis, tendemos a não valorizá-los tanto, não os medimos, e as pessoas nem percebem que estão lá. Estamos tentando torná-los mais visíveis em nossa pesquisa e criar a consciência de que você também precisa fazer esses investimentos.

Sam Ransbotham: Na verdade, a questão da medição é enorme e difícil. Lembro que você e Avinash Collis [da Carnegie Mellon University] estavam conversando sobre a medição de valor a partir da Wikipédia, do Facebook e dessas outras tecnologias. Tudo isso é simplesmente superdifícil de medir. E quando não medimos as coisas, acho que fazemos um trabalho ruim.

Vamos ao seu estudo “Canaries in the Coal Mine”, segundo o qual pessoas entre 22 e 25 anos eram as mais expostas [e] perderam cerca de 16% do emprego. Mas você está usando dados de folhas de pagamento do ADP, que é o maior processador de folhas de pagamento do mundo, para encontrar isso. Esse é um sinal de informação muito interessante. Conte-nos sobre esse estudo…

Erik Brynjolfsson: Como todo mundo, víamos todas essas manchetes sobre IA eliminando empregos ou outras manchetes de que a IA está criando empregos. Em qualquer mês, há centenas de milhares de pessoas que ganham ou perdem empregos. Um jornalista razoável pode facilmente encontrar exemplos de qualquer um deles e construir uma narrativa em torno dele, ou simplesmente alguém na rua com quem pode conversar. Pelo menos para mim, não sei como agregar isso. Qual é a verdadeira história nessas “demissões por IA”? Então, queríamos obter dados em grande escala.

Quando analisamos a pesquisa populacional atual, não vimos muita coisa; então, a ADP compartilhou seus dados conosco aqui no Digital Economy Lab. Na verdade, também não vimos muita coisa na linha de cima. Eu quase pensei: “OK, vamos escrever uma matéria sobre como tudo isso é só um monte de hype.” Mas então nos aprofundamos um pouco mais, e alguns dos subgrupos que estão tendo esses efeitos muito grandes, como você mencionou, pessoas de 22 a 25 anos, trabalhadores em início de carreira, tiveram uma queda perceptível no emprego, mas ficou realmente marcante quando você faz o corte pela exposição à IA.

Tyna Eloundou da OpenAI e Daniel Rock, da UPenn, e outros, criaram uma taxonomia onde classificam todas as tarefas da economia, 18.000 tarefas distintas, pelo grau de exposição aos LLMs. Um LLM poderia ajudar você a escrever um memorando? Com certeza. Um LLM poderia ajudar a levantar uma caixa? Na verdade, não. Se você classificar todas as tarefas assim e depois agregar por ocupações, basicamente tem uma pontuação de se essa ocupação será afetada pelos LLMs.

Analisamos cerca de 750 ocupações. Dividimos em cinco subgrupos. O mais exposto, pouco mais de cem ocupações nessa faixa etária mais jovem, teve inicialmente uma queda de cerca de 12% a 13%. Agora é mais como uma queda de 16% a 17% no emprego em relação às outras ocupações. Então é realmente impressionante. Não vimos queda no emprego dos trabalhadores mais velhos, nem mesmo nas ocupações expostas. Você realmente precisa fazer esse corte.

Mesmo quando controlamos outros fatores – taxas de juros, contratações excessivas de tecnologia no passado, trabalho remoto, educação etc. –, nenhuma dessas coisas eliminou o resultado principal. Continuamos com esse declínio muito perceptível.

Posso dizer outra coisa: como mencionei, os trabalhadores mais velhos vão bem. Há alguns outros grupos indo bem. Uma delas são as pessoas nas ocupações não expostas. Então, se você olhar para o outro extremo do espectro, como os auxiliares de saúde domiciliar, função em que IA não afeta tanto, eles realmente tiveram emprego crescente, até entre os jovens trabalhadores.

E então, o resultado mais interessante, o que mais me empolga, é que se você dividir a forma como eles usam IA principalmente entre automatizar e eliminar trabalho versus aumentar e criar novas habilidades, novas oportunidades, fazer coisas novas que você nunca tinha feito antes, o grupo de automatização teve queda no emprego, e o grupo de crescimento, daqueles que estavam aprendendo novas habilidades, teve aumento dos empregos. Vemos meio que uma vitória dupla: maior produtividade e aumento do emprego. Por algum motivo, isso não é tão comentado na imprensa quando escrevem sobre nossa pesquisa, mas acho muito importante termos descoberto que a IA pode estar associada a um maior emprego para certos tipos de trabalhadores.

O grupo dos que aprendem novas habilidades teve aumento dos empregos. Por algum motivo, isso não é tão comentado na imprensa, mas a IA pode estar associada a mais empregos para certos tipos de trabalhadores

Sam Ransbotham: Isso não me surpreende, porque nenhum emprego, tenho certeza, perde 100% das tarefas automatizáveis e 100% das tarefas não automatizáveis. A composição da vaga vai tornar partes desses trabalhos mais valiosas. Isso vai deixar essas peças [humanas] mais valiosas.

Erik Brynjolfsson: Exatamente. Esse é outro ponto muito importante: qualquer ocupação tem um conjunto de tarefas. Uma ocupação típica tem de 20 a 30 tarefas. Um radiologista tem 26 tarefas distintas. [O cientista da computação] Geoffrey Hinton tem uma frase conhecida: “Ler imagens médicas, é isso que os radiologistas fazem. Isso vai ser substituído por IA.” O que ele não considerou foi que havia outras 25 tarefas que radiologistas fazem, e a maioria delas não era afetada pela IA.

O efeito líquido foi que, à medida que a leitura de imagens ficou mais barata e melhor por causa da IA, isso na verdade aumentou o valor dos radiologistas para realizar essas outras tarefas, e o emprego líquido para os radiologistas cresceu. Não estou dizendo que isso sempre acontece, mas definitivamente existem casos — algumas pessoas chamam isso de paradoxo de Jevons — em que tornar algo mais barato aumenta a demanda, e você acaba tendo mais empregos em vez de menos, mesmo que fique mais eficiente.

Sam Ransbotham: Acho que isso é o que mais frustra. Acho que todo mundo gostaria de uma resposta, que é “Aqui está a resposta correta”, e o que você encontrou aqui é um gigantesco “Depende”, e depende de um conjunto cada vez mais complicado de coisas…

Erik Brynjolfsson: De fato, é um pouco mais complicado do que a simples história de que você sempre elimina empregos, ou, por outro lado, sempre cria empregos. Mas, como economista, acho útil pensar em uma curva de demanda. Quando o preço cai, a quantidade aumenta. As curvas de demanda estão descendentes. A maioria de nós sabe, intuitivamente, que quando faz algo mais barato, as pessoas vão comprar mais. Mas o que realmente importa é o quão íngreme é essa curva de demanda. Para alguns produtos, como maçãs, mesmo que você as faça dez vezes mais baratas, você não vai comprar dez vezes mais maçãs. Talvez você compre mais algumas maçãs. Mas a curva de demanda é bem íngreme. Então, à medida que os preços caem, você acaba gastando menos. Isso é bem intuitivo. A maioria das pessoas acha que todos os bens são assim.

Acontece que nem todos os produtos se comportam igual. Existem muitos produtos em que, conforme o preço cai, mesmo que só um pouco, a quantidade aumenta bastante, como viagens de avião. Antes, pouquíssimas pessoas voavam de avião pelo país, mas agora é mais barato, e muitos de nós viajamos muito mais dentro do próprio país. Então existem bens e serviços assim. Isso é chamado de “demanda elástica” ou “curva de demanda plana”.

Sempre que você tem situações assim, na verdade há uma demanda crescente por algo, e se acaba gastando mais. Pelo menos metade dos bens e serviços da economia estão desse lado da curva de demanda. Isso é uma ótima notícia. Significa que, à medida que ficamos mais produtivos, eficientes, algumas coisas encolhem, mas outras crescem. Acho que há um viés um pouco exagerado no debate público para o lado que está diminuindo. Precisamos fazer com que mais pessoas pensem sobre esse lado que está crescendo.

Eu dou uma aula em que basicamente mostramos às pessoas como identificar e descobrir essas novas oportunidades para criação de riqueza, como usar IA para fazer coisas novas e criar novos empreendimentos. Quanto mais fizermos isso, acho que melhor as pessoas vão estar. Elas vão ajudar a si mesmas e vão ajudar o resto da economia inventando coisas novas.

Sam Ransbotham: Maçãs são um ótimo exemplo. Como você disse, não vamos sempre comer na mesma proporção da queda de preço, mas não conheço nenhuma empresa que diga “Praticamente todos os projetos de TI que poderíamos pensar nós já estamos fazendo.” Sabe o que quero dizer?

Erik Brynjolfsson: Sim, exatamente. Parece que há uma demanda quase infinita para resolver todo tipo de problema de TI. Quando olho ao redor do mundo, não vejo falta de problemas. Pobreza, meio ambiente, saúde especialmente, são coisas em que poderíamos contar com muito mais recursos, e não vejo que ficaremos sem oportunidades de aplicação.

Sam Ransbotham: A fantasia de que acabaríamos com esses tipos de problemas é ótima, mas não acho que isso vá acontecer nos próximos anos, nem nos próximos séculos. Vamos voltar à ideia da curva em J. Primeiro, explique um pouco sobre o que é a curva em J, e como as pessoas deveriam pensar sobre isso.

Erik Brynjolfsson: Esse é outro conceito que acho que as pessoas acham muito útil. Sempre que há uma tecnologia importante e poderosa, nós, economistas, chamamos de tecnologias de uso geral. A IA é uma dessas tecnologias. É um transformador generativo pré-treinado, mas também é uma tecnologia de uso geral, como o motor a vapor, eletricidade, motor de combustão interna e carros. Essas são as coisas que realmente impulsionaram a maior parte do crescimento econômico, a maior produtividade. Eles são a razão pela qual temos padrões de vida mais altos do que nossos ancestrais, há algumas centenas de anos ou até nos últimos 50 anos.

A IA é a tecnologia de uso geral mais importante da nossa era, talvez de toda a história. Mas o que importa com essas tecnologias de uso geral é que o valor realmente vem dos ativos complementares. Com eletricidade, isso possibilitou lâmpadas, motores elétricos, ar-condicionado e, por fim, computadores e muitas outras coisas. Com a IA, ela está habilitando todo tipo de novos processos de negócio, e não são apenas as tecnologias físicas. São também esses ativos intangíveis de que falamos antes. Isso é ótimo. A questão é que esses ativos intangíveis levam tempo para serem criados. São caros. Você precisa investir neles. Seja contratando consultores ou fazendo isso por conta própria, precisam reinventar a forma como o trabalho é feito.

Em se tratando de tecnologias de uso geral, o valor realmente vem dos ativos complementares, tangíveis e intangíveis. Com eletricidade, os tangíveis foram lâmpadas, motores elétricos, ar-condicionado etc. Já vemos os ativos complementares da IA?

Durante esse período com maior custo, você gasta mais enquanto reinventa seus processos de negócio, mas a produção não sobe instantaneamente. Matematicamente, isso significa mais insumo, sem aumento na produção, [e] a produtividade, pelo menos conforme medida convencionalmente, diminui. Então essa é a parte descendente da curva J. Depois você começa a colher isso. Você começa a usar esses novos processos de negócio para gerar mais resultados. Agora a produção está subindo. E essa é a parte ascendente da curva em J.

O que estamos vendo com a maioria das tecnologias de uso geral é que há uma pausa inicial em que a produtividade é baixa ou até negativa, e depois ela decola. Agora é difícil ver exatamente onde estamos em relação à IA. Estamos no meio disso. Mas se você olhar para a história anterior, se olhar para eletricidade — escrevi sobre parte disso na minha tese de doutorado — acredite se quiser, levou cerca de 20 a 30 anos em que as empresas tentavam reinventar a forma como as fábricas eram organizadas.

Eles estavam instalando motores elétricos. No começo, eles não obtiveram muita produtividade. [O economista] Paul David e outros documentaram isso com muito cuidado. Por literalmente uns 30 anos não houve praticamente nenhum ganho de produtividade nas fábricas, à medida que a eletricidade era instalada, o que é simplesmente notável, mas, por fim, eles redesenharam completamente a forma como as fábricas eram organizadas. Em vez de se concentrarem em torno de um motor central como uma máquina a vapor, eles tinham motores separados para cada equipamento, distribuíam o trabalho e organizavam o arranjo com base no fluxo dos materiais.

Quando fizeram isso, a produtividade começou a disparar, dobrando e triplicando. Mas, como eu disse, levou 30 anos. Não acho que a IA vá levar 30 anos. Tenho quase certeza de que isso já está começando a acontecer. Mas, ao mesmo tempo, demora mais do que alguns dos meus amigos da tecnologia, alguns amigos de IA, esperam. Eles acham que assim que você inventa a IA, tá pronto.

A realidade, como você sabe, Sam, é que no seu trabalho e no meu trabalho, há muita reformulação dos processos de negócio que precisa acontecer. Estamos no meio disso, e estou fazendo o que posso para tentar acelerar isso. Minha empresa, a Workhelix, está muito envolvida em mostrar às empresas como identificar oportunidades de criação de valor. Se conseguirmos acelerar isso, vai ser ótimo, mas ainda teremos uma curva em J.

Sam Ransbotham: Estou pensando nos tempos da eletricidade. Imagino que eles não tinham as pressões dos relatórios trimestrais de ações e a necessidade de resultados instantâneos que talvez as pessoas enfrentem hoje…

Erik Brynjolfsson: O mais importante, para ser sincero, é que eles realmente não tinham todas as nossas instituições, daí a demora. Não querendo nos parabenizar, mas escolas de negócios não existiam. Livros de consultoria [e] toda a ciência da engenharia industrial e gestão não existiam. Voltei e li alguns dos livros. Fui à Baker Library da Harvard Business School, e eles tinham esses livros antigos, e era bem primitivo como eles pensavam sobre as coisas.

Agora existe um ecossistema muito maior para ajudar empresas a redesenhar seus processos de negócio. Ainda leva tempo e redesenho, [e requalificação] da força de trabalho. Mas minha impressão é que os gestores estão muito mais conscientes disso agora, estão se engajando de forma muito mais agressiva e compartilhando as melhores práticas.

Na Workhelix, temos uma ferramenta que analisa todas as oportunidades, as compartilha com os trabalhadores, analisa quem são os superusuários que realmente estão se destacando, e depois os compara com o trabalhador médio. Então isso acelera o aprendizado em provavelmente 10 vezes comparado ao que as pessoas fariam antes de terem esse tipo de ferramenta.

Sam Ransbotham: Gosto muito disso porque isso novamente liga à medição e a outras coisas. A avaliação anual de desempenho não ajuda mais. Ajuda a ideia de que você poderia obter um resultado melhor do que está fazendo e de como está fazendo …. Você escreveu sobre a armadilha de Turing. Acho que a primeira inclinação que as pessoas têm é fazer a IA passar no teste de Turing, fazer a máquina fazer o que o humano pode fazer. E isso nos leva a melhorias incrementais nos processos existentes. Parece que a medição pode acidentalmente influenciar isso também se não estivermos medindo as coisas certas. O que você está pensando sobre isso, curto prazo versus longo prazo?

Erik Brynjolfsson: Bem, definitivamente existe o curto e o longo prazo; [esses são] os tipos de objetivos. Conversei com uma CFO há alguns meses, e ela me disse: “Ei, realmente precisamos medir os benefícios da IA, o retorno sobre o investimento.” E eu disse: “Que ótimo. Você deveria estar medindo. Nem me fale.” E ela disse: “Por isso estou exigindo que cada divisão me diga quanta redução de pessoal está obtendo da IA.” Eu pensei: “Espera aí. Fico feliz que você esteja medindo, mas não é um pouco simplório? Porque, sim, não há nada de errado em cortar custos, mas é realmente perder a oportunidade maior de fazer coisas novas, permitir que seus trabalhadores criem novos tipos de valor.”

Existem CFOs ganhando milhões de dólares, e o motivo de eles ganharem muito dinheiro é que precisam pensar de maneira mais criativa sobre criação de valor, não apenas fazer as máquinas reproduzirem que os humanos já estão fazendo e substituí-los. Esse é o clássico teste de Turing: você consegue fazer uma máquina imitar um humano perfeitamente? Essa é uma forma bem restrita de pensar sobre isso.

Acho que Alan Turing era um cara brilhante, mas acho que essa mentalidade prejudicou muito a forma como usamos a IA. Eu chamo isso de “armadilha de Turing” porque acho que é uma armadilha focar apenas em usar IA para substituir ou imitar trabalhadores. Também devemos pensar em como a IA pode aumentar e permitir que façamos coisas novas. Mas isso exige novas medidas, algo assim como criar novos produtos e serviços? Como você obtém maior satisfação do cliente? Como melhorar a qualidade, tanto a dos produtos como até a qualidade da vida profissional das pessoas que trabalham na empresa?

Alan Turing era um cara brilhante, mas acho que a mentalidade “fazer uma máquina imitar um humano perfeitamente“?” prejudicou muito a forma como usamos a IA. Acho que é uma armadilha focar apenas em usar IA para imitar/substituir trabalhadores. Também devemos pensar em como a IA pode permitir que façamos coisas novas

Essas são coisas que não vão aparecer em uma mentalidade restrita de substituição, então isso também leva mais tempo, como você disse. O pensamento de curto prazo tende a focar apenas em cortar custos e no que você já está fazendo. Mas os que têm maior vantagem competitiva, os que têm os benefícios mais duradouros, são os que pensam em ir além disso e fazer coisas novas, novos processos de negócio, novos produtos e serviços. Não acontece em semanas, mas, quando você consegue, tem algo que dura anos.

Sam Ransbotham: Existem muitos lugares em que as máquinas nos superam. A maneira mais fácil de saber se é uma máquina ou uma pessoa e passar nesse teste de Turing é que eu não vou conseguir fazer matemática muito rápido. Nossos objetivos não são exatamente o padrão certo, eu acho. Você mencionou que, no início da eletrificação, não havia instituições para isso. A MIT Digital Economy Initiative, na qual você obviamente esteve envolvido antes de se mudar para Stanford, tem um artigo científico dizendo que cerca de 90% dos novos modelos de IA mais importantes estão saindo da indústria. Tivemos essa grande mudança da academia e do financiamento público, com a maior parte dos benefícios tecnológicos vindos de empresas e startups. Você mencionou Palo Alto e o epicentro que está lá. Tá bom, estou preocupado. Esse é o lugar certo para essas coisas?

Erik Brynjolfsson: Parte do motivo de ela estar saindo do setor privado é que ficou incrivelmente caro construir esses modelos tão grandes. Existem essas leis de escala para LLMs onde, ao aumentar o tamanho do modelo, se ele tem mais dados, mais computação, mais parâmetros, você obtém uma melhoria previsível no desempenho. Então eles passaram de gastar milhões para dezenas de milhões, centenas de milhões, bilhões, agora dezenas de bilhões, até centenas de bilhões de dólares no treinamento desses modelos. Nenhuma universidade pode arcar com isso. Nenhuma organização sem fins lucrativos pode arcar com isso. Então, as empresas estão arrecadando enormes quantias de dinheiro enquanto falamos. Anthropic e OpenAI estão entrando com pedido para abrir capital. O Google tem um bom dinheiro para investir nisso, assim como a Meta.

Então é isso que está impulsionando isso. Ao mesmo tempo, o que digo aos meus colegas acadêmicos é que sua vantagem comparativa não é gastar mais dinheiro com computadores. Está em pensar de maneira criativa. Existem ideias brilhantes que surgem só de sentar no seu escritório e cultivar em pensamentos profundos. Ainda é uma boa estratégia.

Conversei com Geoffrey Hinton há um tempo e perguntei que tipo de hardware ele usa para ter seus insights e descobertas. Ele apontou para o laptop, tocou nele e disse: “Este é o hardware que eu uso.” E para esse tipo de avanço fundamental, nem sempre se trata de ter milhares de GPUs.

Acho que os acadêmicos precisam aproveitar sua vantagem comparativa. Dito isso, é justo dizer que cada vez mais pesquisas de vanguarda estão acontecendo por meio de uma abordagem realmente cara. De certa forma, isso é um testemunho do quão valiosa é a IA. Uma das razões pelas quais a indústria não fazia isso antes não era só porque era caro, mas simplesmente não tinha um retorno tão grande.

Vou compartilhar uma história. A primeira empresa de IA que comecei, acredite se quiser, foi no final dos anos 1980. Sim, sou tão velho assim. Comecei uma empresa de sistemas especializados com Todd Loofbourrow. Sistemas especialistas são esses sistemas baseados em regras. Criamos um pouco de valor para alguns bancos e organizações de RH, mas, no fim das contas, não era nada parecido com o valor que as empresas estão criando hoje. Esse tipo de IA simplesmente não era tão valioso, tenho que ser honesto. Só agora que temos essas redes neurais muito poderosas é que realmente existem incentivos comerciais que são diferentes de tudo que tínhamos antes. Então, de certa forma, é um testemunho do sucesso do setor que a indústria esteja investindo tanto quanto está.

Sam Ransbotham: Gosto desse ponto. O governo dos EUA investiu cerca de um bilhão e meio de dólares em pesquisa fora da defesa no ano passado, e é mais ou menos isso que o Google está investindo. Os orçamentos do National Institutes of Health e da National Science Foundation são pequenos. Como você falou, não vamos conseguir gastar mais do que isso.

Erik Brynjolfsson: Precisamos dos dois. Quero dizer, é trabalho da academia e do governo federal investir antes que seja comercialmente viável. Muitos dos benefícios de longo prazo de P&D não são aparentes, e não há um incentivo comercial para investir. A internet, as primeiras viagens espaciais, tantos avanços fundamentais em biologia que prolongaram nossas vidas, aconteceram em universidades e laboratórios governamentais porque não eram comercialmente viáveis, mas depois as pessoas, no setor privado, construíram em cima deles. Você nem sempre consegue saber antecipadamente quais vão valer a pena. Mas se você fizer a pesquisa fundamental, o histórico mostra que, ao final, uma porcentagem deles realmente fará a diferença no nosso padrão de vida.

Sam Ransbotham: Esse é o corte básico a adotar. Não precisamos financiar a aplicação porque o mercado cuida disso. E [para] as coisas básicas, a mão invisível não funciona tão bem nesses casos, ou funciona mais devagar do que todo mundo gostaria. O que as pessoas da academia deveriam estar observando mais em IA?

Erik Brynjolfsson: Bem, há muitos deles em várias áreas diferentes, e acho que não quero prescrevê-los porque, de certa forma, parte da mágica é deixar as pessoas perseguirem suas próprias ideias, mesmo que não haja ninguém de fora que veja o valor delas.

Dito isso, vou te dar minha própria lista. Estou focado no lado econômico. Acho que, no momento, a maior lacuna é que não temos uma boa compreensão de como a IA vai transformar a economia. Estamos criando entidades de processamento de informação incrivelmente poderosas. Como economista, você pode pensar em um mercado como uma entidade de processamento de informação. Você pode pensar em empresas e organizações como entidades de processamento de informações. Se você tem um avanço de mil ou de um milhão de vezes na IA, seria um milagre se empresas e mercados não se transformassem também e desenvolvêssemos novos tipos de organizações para gerir o trabalho. Mas ainda não descobrimos como funcionam. Então, uma grande parte do meu trabalho é tentar entender, como é a economia? [Quais são] empresas, mercados e talvez alguns novos tipos de entidades à medida que a IA se torna mais poderosa, ao agregar informações, processar informações? E então, como vamos administrar a concentração de riqueza e poder que isso pode resultar?

Estou super otimista quanto ao potencial da tecnologia para aumentar a produtividade. Tenho uma aposta com Robert Gordon, da Northwestern University, sobre isso: espero que a produtividade cresça. Ao mesmo tempo, estou bastante preocupado que, se não gerimos direito, isso possa levar a uma concentração muito maior de riqueza, e isso tende a levar a uma concentração de poder. E isso pode prejudicar nossas liberdades se não encontrarmos um sistema econômico que equilibre não apenas a criação de riqueza, mas também a prosperidade compartilhada.

Sam Ransbotham: Você usa a expressão “otimista consciente“ para se descrever em relação à IA, não? O que será necessário para nos levar a essa versão positiva versus a versão negativa do futuro?

Erik Brynjolfsson: Deixe-me dedicar um minuto para definir “otimista consciente”, porque tenho um significado muito específico para isso. Há muita gente aqui no Vale do Silício que é otimista, mas acho que muitos deles são meio otimistas cegos. Eles dizem: “Ei, Erik, não se preocupe. Já funcionou no passado. Vai dar certo no futuro. Só relaxa.” Também há muitas pessoas que eu chamo de pessimistas cegos. Eles dizem: “Meu Deus, estamos ferrados. Não há nada que possamos fazer.” Acho que ambos os grupos cometem o mesmo erro.

É aquela coisa de que falamos no início do programa, que é que eles pensam na IA como algo que vai fazer coisas conosco, em vez de termos a agência para controlar o futuro. Um otimista consciente é alguém que vê um futuro e depois trabalha para realizá-lo, é consciente de criá-lo, não simplesmente assume que isso vai acontecer automaticamente.

Eles não são como as crianças no Natal que esperam que presentes apareçam magicamente, mas sim crianças que veem uma árvore, veem umas tábuas e pensam: “Ei, a gente podia construir uma casa na árvore lá.” Aí eles dizem: “Bem, isso não vai acontecer sozinho. Vamos descobrir como fazer isso.” E então eles fazem essa realidade otimista acontecer através do trabalho duro e da imaginação. Esse é o tipo de otimismo que eu gostaria de ver. Não vejo isso suficiente. Vejo passividade demais.

Dei a palestra final para minha turma aqui em Stanford recentemente, e uma das coisas que eu disse a eles foi que toda vez que eles ouvissem … “IA” eles deveriam pensar em intenção amplificada, que IA é o maior amplificador de intenção de todos os tempos. O que quer que queiram alcançar, a IA pode amplificar, mas isso não vai acontecer sem essa agência, sem essa intenção.

Então essa é uma mensagem que quero passar para o mundo em geral: “Vamos pensar sobre quais são nossos valores, que tipo de economia queremos moldar, que tipo de prosperidade compartilhada queremos criar.” E digo isso para todos, não apenas para os tecnólogos e para enviar essa mensagem a eles, mas também para os formuladores de políticas, para os cidadãos, para os trabalhadores, para os gestores. Vamos pensar em usar isso de forma realmente ativa.

Nos próximos dez anos, o mundo deve mudar radicalmente. Mas não existe um futuro inevitável. [Quando] você cruza a fronteira entre, digamos, Estados Unidos e México ou outros países, pode ver que diferentes instituições levam a resultados muito diferentes, diferentes níveis de riqueza e democracia, e isso é igual para o futuro. Podemos viver em muitos futuros possíveis. Uma das coisas que estou fazendo no Digital Economy Lab é pesquisar bastante para entender quais caminhos têm mais chances de levar a esses resultados benéficos.

Nos próximos dez anos, o mundo deve mudar radicalmente. Mas não existe um futuro inevitável

Sam Ransbotham: Acho que essa é uma ótima forma de terminar aqui. Nós não temos respostas fáceis em nenhuma das direções. Os ganhos são reais, o dano é real, e quem vence é uma escolha que estamos fazendo agora e algo que controlamos…

Erik Brynjolfsson: Mais do que nunca. Uma das coisas interessantes é que este é o momento para filósofos, humanidades, economistas e pessoas que pensam sobre que tipos de valores queremos concretizar no mundo. Com esse poder maior vem maior responsabilidade e mais potencial para mudar o mundo. Então, realmente precisamos pensar conscientemente sobre que tipo de mundo queremos moldar daqui para frente. Não acho que tenha havido atenção suficiente para isso, mas o Digital Economy Lab está em parte focado nisso.

Salvar conteúdo 0