Economia e limites da IA

O termo Inteligência Artificial surgiu lá em 1956, mas certamente ganhou relevância nessa década. Discute-se o seu papel em todos os âmbitos e, ultimamente, seu panorama revela uma dicotomia curiosa: nunca avançamos tão rápido em termos de adoção e investimento, mas nunca operamos sob tamanha opacidade e fragilidade de infraestrutura.

Um recente relatório da Universidade de Stanford deixa claro que a fase de “encantamento” com a tecnologia deu lugar a uma era de implementação agressiva, onde a eficiência econômica é critério de decisão, muitas vezes à revelia da transparência e da sustentabilidade.

No campo da adoção, os números são expressivos. A IA generativa atingiu a marca de 53% de adoção populacional em apenas três anos. Esse ritmo de difusão é muito maior do que o observado no advento do computador pessoal ou da internet. O mercado financeiro respondeu a essa velocidade dobrando o investimento corporativo global em 2025, com nada menos que US$ 582 bilhões.

Essa expansão, diga-se, está pautada em um impacto social desigual. Enquanto setores como suporte ao cliente e desenvolvimento de software registram ganhos de produtividade, o “andar de baixo” do mercado de trabalho começa a sentir o peso da automação. Nos EUA, o emprego para desenvolvedores juniores, na faixa dos 25 anos, despencou quase 20% em apenas um ano. Isso sugere que a IA não está apenas auxiliando o trabalhador, mas está começando a “cortar a escada” de entrada para novos profissionais, o que pode gerar uma crise de formação de talentos a longo prazo.

Paralelamente ao sucesso econômico, a infraestrutura da IA vive um momento de “limite físico” e crise de dados. A indústria agora domina mais de 90% dos modelos de fronteira, mas essa hegemonia trouxe o declínio da transparência. Laboratórios líderes deixaram de divulgar contagens de parâmetros e detalhes sobre os dados de treinamento, criando uma caixa-preta que dificulta auditorias independentes.

Finalmente, há o custo ambiental e a fragilidade logística desse progresso. O relatório de Stanford indica que a capacidade de energia dos centros de dados de IA atingiu 29,6 GW, uma carga comparável à demanda de pico de todo o estado de Nova York. A pegada hídrica é igualmente severa, com a inferência do GPT-4o consumindo água suficiente para atender 12 milhões de pessoas anualmente. Tudo isso repousa sobre uma cadeia de suprimentos dependente de uma única fundição em Taiwan, a TSMC, evidenciando que a revolução digital da IA é, na verdade, sustentada por uma infraestrutura física pesada e geopoliticamente vulnerável.

A meu ver, se quisermos que a IA seja o motor sustentável da economia global, precisamos de modelos que priorizem a eficiência energética e a diversificação da cadeia produtiva, sob pena de sermos vítimas do nosso próprio sucesso tecnológico.