O Caso de Alta Produtividade para a IA: Como os Modelos de Linguagem Podem Transformar o Crescimento Económico

Fonte: Blockworks Título Original: O argumento otimista da produtividade para quase tudo Link Original: https://blockworks.co/news/productivity-bull-case

“A produtividade não é tudo, mas a longo prazo é quase tudo.”

— Paul Krugman

Produtividade total dos fatores (TFP) é como os economistas medem a contribuição da inovação tecnológica para o crescimento económico — a capacidade sustentada de uma economia produzir mais com a mesma quantidade de recursos.

Por isso, é provavelmente a medição mais importante dos economistas, porque o processo contínuo de produzir mais com menos é a forma de melhorar a vida.

“A capacidade de um país de melhorar o seu nível de vida ao longo do tempo depende quase inteiramente da sua capacidade de aumentar a produção por trabalhador”, explica Paul Krugman. A tecnologia é o que permite isso acontecer e a TFP é como se mede.

Para perceber de forma mais tangível a importância da produtividade gerada pela tecnologia, considere isto: Um artigo recente do National Bureau of Economic Research (NBER) estima que um aumento adicional de 0,5% no crescimento anual da TFP estabilizaria as finanças do governo dos EUA ao nível atual da dívida em relação ao PIB.

0,5%!

Não parece muito, mas se for mantido durante os próximos 10 anos, o NBER estima que isso reduziria a previsão base da dívida do governo dos EUA em $2 trillion. Ao longo de 30 anos, um aumento sustentado de 0,5% na TFP faria com que a relação dívida/PIB do governo dos EUA fosse 42 pontos percentuais inferior à previsão base do NBER (e 80 pontos percentuais inferior à sua previsão pessimista).

Dado o estado aparentemente desesperante das finanças públicas, manter o nível atual de endividamento é um cenário de sonho que parece demasiado bom para ser verdade.

Mas os investigadores da Anthropic pensam que podemos fazer ainda melhor.

A Anthropic conduziu um estudo de 100.000 conversas para “estimar quanto tempo as tarefas nestas conversas demorariam com e sem assistência de IA, e estudar as implicações na produtividade na economia em geral.”

A conclusão? Os grandes modelos de linguagem poderiam aumentar a produtividade total dos fatores em 1,1 pontos percentuais.

1,1%!

Se 0,5% estabilizaria as finanças do governo dos EUA durante décadas, o que faria 1,1%? Provavelmente resolveria quase tudo.

Há razões para ser cético em relação a esta previsão otimista, claro. O estudo conclui, por exemplo, que a IA poupa aos professores quatro horas de trabalho ao criar currículos em apenas 11 minutos. Mas estimar como essa poupança de tempo pode levar a um aumento da produção económica exige um tipo de modelação económica cheia de suposições aproximadas e precisão ilusória.

Por isso, mesmo que a investigação esteja correta sobre a poupança de tempo, pode estar errada quanto à produtividade: Pode acontecer que usemos todo o tempo poupado pela IA para fazer algo economicamente improdutivo, como ver mais vídeos ou ler mais conteúdos.

Nesse caso, a IA aumentaria o nosso bem-estar (mais tempo livre) mas não a nossa riqueza (mais produção económica) — ainda assim uma ótima notícia para as pessoas, mas sem ajudar os governos que esperam uma solução milagrosa para o seu problema de dívida.

Por outro lado, há razões para pensar que o modelo é demasiado pessimista: “Não consideramos a taxa de adoção”, explica, “nem os maiores efeitos de produtividade que resultariam de sistemas de IA muito mais capazes.”

Ou seja, o estudo assume que continuamos a usar a IA apenas como fazemos agora e que ainda estamos a usar os modelos de linguagem atuais, sem melhorias, durante mais 10 anos.

Os modelos de linguagem melhoram visivelmente a cada poucos meses e estamos apenas a começar a aprender a utilizá-los — por isso, os investigadores têm razão ao afirmar que a sua estimativa pode representar um “limite inferior aproximado para os efeitos da IA na produtividade”.

Se for assim — se 1,1% for o limite inferior para a produtividade induzida pela IA — poderemos pagar a dívida pública e ter muito mais tempo para lazer.

E isto apenas considerando o impacto da IA no trabalho não físico — espere só até termos robôs!

Descartar completamente este otimismo é acreditar que os biliões de dólares que as empresas planeiam gastar em capex de IA e I&D serão todos desperdiçados. O que pode acontecer — as revoluções tecnológicas nem sempre chegam a tempo.

Mas o maior motivo de otimismo é que a estimativa se baseia apenas na IA “tornar as tarefas existentes mais rápidas de realizar” — o modelo não considera o potencial da IA para mudar completamente a forma como realizamos essas tarefas.

“Historicamente,” notam os investigadores, “as melhorias transformadoras de produtividade — da eletrificação, computação ou internet — não vieram de acelerar tarefas antigas, mas de reorganizar fundamentalmente a produção.”

Não há forma de modelar estas novas formas de fazer as coisas, mas é provável que o seu impacto seja maior do que o que se tentou medir.

Os investigadores são cuidadosos ao ressalvar as suas conclusões esperançosas enumerando as limitações da sua metodologia e documentando as muitas suposições que fazem. E mesmo que todas essas suposições se concretizem e a produtividade da IA resolva o problema da dívida pública, é provável que os legisladores gastem tudo de novo.

Mas, dadas as dificuldades fiscais aparentemente inevitáveis, mesmo uma pequena probabilidade de as estimativas de produtividade da IA estarem certas é razão para revermos o nosso pensamento: As finanças públicas não são tão intratáveis como pensamos, e as perspetivas económicas de longo prazo podem ser melhores do que se supõe.

A longo prazo, a produtividade é quase tudo — e a IA pode estar prestes a tornar-nos muito mais produtivos.