O Paradoxo de Solow Moderno

Em 1987, o economista Nobel Robert Solow observou algo que parecia contradizer toda a lógica da revolução tecnológica. "Você pode ver a era do computador em todos os lugares, menos nas estatísticas de produtividade". O que era verdade para os mainframes e microprocessadores daquela época está se repetindo, quase quatro décadas depois, com a inteligência artificial.

O Contexto que Se Repete

Entre 1948 e 1973, o crescimento da produtividade americana média era de 2,9% ao ano. Após 1973, com a chegada dos circuitos integrados e microprocessadores, esse número despencou para 1,1%. A promessa de que a tecnologia transformaria a eficiência econômica simplesmente não se materializava nos dados agregados.

Hoje, a história segue o mesmo roteiro. Entre setembro de 2024 e 2025, 374 empresas do S&P 500 mencionaram a IA de forma positiva em calls de resultados. Apesar do discurso otimista, os benefícios ainda não aparecem nos indicadores macroeconômicos. Um estudo recente do NBER, que ouviu 6.000 executivos nos EUA, Reino Unido, Alemanha e Austrália, revelou números desconcertantes. Embora dois terços das empresas usem IA, o consumo médio é de apenas 1,5 hora por semana. Cerca de 25% dos respondentes admitiram não usar a tecnologia no ambiente de trabalho. O resultado prático é que mais de 90% das firmas relataram zero impacto em produtividade ou emprego nos últimos três anos.

A Curva em J

Economistas sugerem que o impacto da IA pode seguir o padrão histórico de tecnologias de propósito geral. Uma "Curva em J", onde há desaceleração inicial enquanto empresas investem em infraestrutura e reorganização, seguida de um salto exponencial. A eletricidade levou 40 anos para mostrar ganhos agregados de produtividade. A revolução dos computadores só decolou economicamente entre 1995 e 2004, cerca de 25 anos após os circuitos integrados se tornarem comerciais.

O problema atual é que estamos ainda na fase de investimento. Empresas estão gastando capital intangível, reorganizando processos, retraindo trabalhadores, construindo novos modelos de negócio, sem que isso apareça nas métricas tradicionais. Um estudo do MIT sobre manufatura americana encontrou que a adoção de IA causa quedas iniciais de produtividade de até 60 pontos percentuais antes da recuperação, que pode levar mais de quatro anos.

As Barreiras Reais

A adoção é freada por obstáculos concretos. Centros de dados consomem energia massiva. A governança de qualidade de dados é um gargalo técnico sério. E existe resistência cultural. Funcionários temem a tecnologia ou simplesmente não a integram organicamente aos fluxos de trabalho.

Além disso, há o problema do uso superficial. Ferramentas como ChatGPT e Copilot são adotadas amplamente, 88% das organizações relatam uso regular em pelo menos uma função, mas frequentemente como assistentes individuais, não como redutores estruturais de processos. A produtividade real exige redesenho de workflows, não apenas implementação de ferramentas.

Sinais de Mudança

Apesar da estagnação nos dados macro, microevidências sugerem que a curva pode estar virando. Setores altamente expostos à IA, como serviços financeiros e software, já mostram crescimento de receita por funcionário três vezes maior que setores menos expostos. Executivos preveem aumento de 1,4% na produtividade e 0,8% na produção nos próximos três anos.

Dados revisados de 2025 mostram o crescimento da produtividade americana em 2,7%, quase o dobro da média da última década. Erik Brynjolfsson, da Universidade de Stanford, argumenta que isso pode sinalizar a transição da fase de investimento para a fase de colheita. Estudos também indicam que agentes de IA resolvem 14% mais problemas por hora no atendimento ao cliente, e desenvolvedores usando Copilot entregam código 55% mais rápido.

O Longo Prazo

As projeções de longo prazo mantêm o otimismo cauteloso. Enquanto algumas análises indicam deslocamento de 92 milhões de empregos até 2030, outras projetam a criação de 170 milhões de novas funções, resultando em ganho líquido para a força de trabalho global. O economista Daron Acemoglu, também Nobel, projeta ganhos modestos de 0,5% a 0,7% de produtividade total na próxima década. Melhor que zero, mas decepcionante comparado ao hype da indústria.

O paradoxo de Solow não é uma falha da tecnologia, mas uma característica da difusão de inovações profundas. A IA está em toda parte, exceto nas estatísticas, por enquanto. A questão não é se a transformação virá, mas se as empresas estão dispostas a pagar o preço da reorganização necessária para que ela aconteça.