Dois anos após o surto de entusiasmo pela inteligência artificial generativa, as promessas ainda estão mais rápidas do que seus resultados.
Milhões de dólares são investidos em modelos com IA, data centers e novos produtos, enquanto em relatórios econômicos, scorecards de produtividade e lucros corporativos, o impacto permanece quase invisível.
“Você vê isso em todo lugar, exceto nas estatísticas”
Por: Gabriel E. Levy B.
Em 1987, o economista Robert Solow emitiu uma sentença que, devido à sua lucidez, ainda é válida quase quatro décadas depois: “Você pode ver a era dos computadores em todo lugar, exceto nas estatísticas de produtividade.”
Essa observação, tão irônica quanto precisa, foi feita em um momento em que a tecnologia da informação prometia mudar a própria estrutura da economia global, mas ainda assim não deixou marca nos principais indicadores de crescimento.
O analista JP Gownder, vice-presidente e analista principal da Forrester, resume com uma referência direta: “O Paradoxo de Solow parece estar se repetindo.” E se a história se repetir, o desencanto logo tomará o centro do palco.
Levou quase duas décadas de computação para superar o Paradoxo de Solow. Embora os computadores pessoais tenham começado a se popularizar nos anos 1980, só no início dos anos 2000 seu impacto na produtividade se tornou evidente.
A chave não foi apenas a adoção tecnológica, mas a profunda transformação dos processos de negócios.
As empresas tiveram que redesenhar fluxos de trabalho, treinar seus funcionários e adaptar seus modelos de negócios para realmente aproveitar o poder computacional.
Quando essas condições amadureceram, a tecnologia da informação deixou de ser apenas uma ferramenta de suporte e se tornou um verdadeiro motor de crescimento econômico.
Os números acompanharam seu diagnóstico. De acordo com dados do U.S. Bureau of Labor Statistics, entre 1947 e 1973 (uma era pré-digital), a produtividade trabalhista cresceu 2,7% ao ano. Em contraste, entre 1990 e 2001, quando computadores pessoais já faziam parte de escritórios e residências, esse número mal chegou a 2,1%. Entre 2007 e 2019, mesmo com a internet totalmente integrada ao trabalho cotidiano, caiu para modestos 1,5%.
Assim, o paradoxo de Solow tornou-se uma espécie de fantasma para cada nova revolução tecnológica. E agora, diante da ascensão da inteligência artificial generativa, ela está presente novamente.
Muito barulho, pouco lucro
Os números atuais reforçam a suspeita de que o impacto da inteligência artificial ainda não está se refletindo em dados concretos.
Gownder é direto: “Simplesmente não estamos vendo eles.”
Enquanto as gigantes da tecnologia investem bilhões em chips especializados, treinamento de modelos e expansão de infraestrutura, a produtividade não está registrando um salto claro.
Embora o terceiro trimestre de 2025 tenha mostrado uma melhora de 4,9% na produtividade do trabalho no setor não agrícola, essa recuperação isolada não é suficiente para sustentar uma narrativa de transformação estrutural.
Ainda mais preocupante, segundo um estudo recente do MIT Media Lab, 95% dos projetos de negócios de IA generativa não conseguem gerar um impacto mensurável em termos financeiros.
O investimento, por enquanto, parece estar mais associado à busca por posicionamento estratégico ou a evitar ficar para trás do que a um retorno tangível.
Esse fenômeno não preocupa apenas analistas financeiros, mas também desafia tecnólogos, governos e trabalhadores.
Os retornos que ainda não chegaram
O entusiasmo transbordante com que as empresas receberam inteligência artificial generativa durante 2023 e 2024 transformou-se em uma espécie de corrida para adotar ferramentas, desde assistentes conversacionais até sistemas de automação de conteúdo, passando por análises preditivas e personalização de serviços.
Em teoria, essas implementações deveriam reduzir custos, melhorar a eficiência operacional e liberar capital humano para tarefas de maior valor agregado.
Mas, na prática, a implementação era muito mais complexa.
Os sistemas exigem treinamento específico, supervisão constante e adaptação ao ambiente específico de cada empresa.
Muitos executivos, seduzidos por demonstrações espetaculares em conferências ou artigos virais, descobriram que as ferramentas generativas não eram plug-and-play.
Tempo de integração, má interpretação, vieses algorítmicos e falta de alinhamento com processos internos desaceleraram os benefícios prometidos.
Ao mesmo tempo, a expectativa de que a IA substituiria tarefas humanas em grande escala, um receio compartilhado por milhões de trabalhadores, não se concretizou totalmente.
Em muitos casos, as pessoas simplesmente mudavam seu fluxo de trabalho, mas não desapareciam do processo de produção.
O trabalho aumentou em complexidade, não em velocidade. As promessas de eficiência enfrentavam uma realidade menos maleável do que os modelos pareciam antecipar.
Além disso, surge um dilema estrutural: quem captura o valor gerado pela IA? Se os benefícios se concentrarem em um punhado de empresas capazes de desenvolver ou implantar esses sistemas em larga escala, o efeito econômico agregado será limitado.
Isso também aconteceu na era dos computadores pessoais: enquanto fabricantes e desenvolvedores estavam vencendo, muitas indústrias tradicionais mal estavam se transformando.
Promessas corporativas, fracassos e silêncios
Os casos mais ilustrativos de desencanto com a IA se repetem em diferentes setores.
No setor jurídico, vários escritórios tentaram integrar sistemas automáticos de redação de contratos e pareceres.
No entanto, erros semânticos e a dificuldade de contextualizar casos específicos acabaram gerando mais trabalho de revisão do que economia de tempo.
Na área médica, os sistemas de auxílio diagnóstico apresentaram resultados mistos.
Enquanto algumas clínicas alcançaram melhorias marginais na precisão diagnóstica, outras enfrentaram questões éticas e operacionais relacionadas à tomada de decisões algorítmicas.
Em vários casos, a equipe médica optou por desativar os sistemas após notar inconsistências com os critérios clínicos estabelecidos.
No setor financeiro, bancos e seguradoras investiram em ferramentas de análise de risco e detecção de fraudes baseadas em IA.
Os resultados, em geral, foram positivos em tarefas muito específicas, mas estão longe de uma transformação abrangente do negócio.
De acordo com dados internos vazados em 2024 por uma firma de investimentos do Vale do Silício, apenas 8% das empresas que implementaram IA generativa nos processos de atendimento ao cliente relataram uma melhora significativa na satisfação dos usuários.
E não devemos esquecer os silêncios.
Diversas empresas que em 2023 anunciaram com grande alarde a adoção em massa da IA pararam de mencionar suas iniciativas em seus relatórios de resultados de 2025.
O entusiasmo da mídia foi substituído por uma prudência discreta, um sintoma claro de que os resultados não justificavam o barulho.
Em conclusão, a inteligência artificial generativa ainda não cumpriu sua promessa de energizar a economia em grande escala. Assim como nos computadores pessoais no passado, a tecnologia avança, mas seus benefícios reais levam tempo para se manifestar. Isso não implica que a IA não tenha potencial, mas que seu impacto exige tempo, ajustes e realismo. O Paradoxo de Solow, mais do que um julgamento definitivo, é um chamado para olhar além do entusiasmo e avaliar, com os dados em mãos, quando uma revolução tecnológica realmente se transforma em uma transformação econômica.
Referências
- Solow, R. M. (1987). É melhor a gente tomar cuidado. Resenha de Livros do New York Times, 12 de julho.
- Bureau de Estatísticas Trabalhistas dos EUA (2025). Produtividade e Custos do Trabalho, Terceiro Trimestre de 2025. https://www.bls.gov/news.release/prod2.nr0.htm
- MIT Media Lab (2024). IA Generativa nos Negócios: Uma Avaliação de Desempenho. Instituto de Tecnologia de Massachusetts. https://www.media.mit.edu
- The Register (2026). Analista Forrester: Ainda estamos aguardando os ganhos de produtividade em IA. https://www.theregister.com
