A inteligência artificial acelera tarefas específicas em até 50%, mas a produtividade agregada dos EUA rasteja abaixo de 1%. Onde está o crescimento prometido? A resposta não está na tecnologia, mas na forma como ela atravessa a economia real.
Em 1987, Robert Solow notou que a era dos computadores era visível em todo lugar, menos nas estatísticas. Décadas depois, o mesmo enigma ronda a IA generativa: relatos microeconômicos impressionantes colidem com números macroeconômicos decepcionantes.
O funil que transforma 40% em menos de 2%
A desconexão começa na matemática da agregação. Um ganho de 40% na escrita de código — tarefa que ocupa 40% do tempo de um programador — rende 16% de produtividade extra para esse profissional.
Se apenas metade da categoria adota a ferramenta intensamente, o efeito cai para 8%. Se metade do tempo poupado vira lazer ou retrabalho, restam 4%. Ponderado pelo peso do setor no PIB total, o “salto de 40%” vira um ruído estatístico inferior a 2%.
- Ganho na tarefa: 40%
- Ganho no trabalhador: 16%
- Com adoção parcial: 8%
- Convertido em produção real: 4%
- Impacto na economia agregada: < 2%
Pesquisa do NBER com 750 executivos confirma: a percepção de ganho supera consistentemente o que as métricas capturam. A receita demora mais para aparecer do que a eficiência operacional.
Adoção larga, porém rasa
O gargalo não é acesso, é profundidade. Dados do Federal Reserve de St. Louis (2026) mostram que a IA está espalhada por muitas ocupações, mas rasa dentro de cada uma. Apenas 23% dos trabalhadores americanos usam IA generativa semanalmente; apenas 9% a usam diariamente.
Alta produtividade condicional ao uso intenso não equivale a alta produtividade média da economia. Enquanto a curva de adoção não virar rotina, o PIB não sente o impacto.
Duas explicações rivais para o atraso
A hipótese da Curva J (Erik Brynjolfsson) argumenta que tecnologias de propósito geral exigem reinvenção organizacional. A eletricidade só explodiu a produtividade quando as fábricas foram redesenhadas em torno dela, não quando apenas substituíram o motor a vapor. Estamos na fase de “empresa antiga mais IA”, não de “empresa nativa de IA”.
Já Daron Acemoglu projeta ceticismo calibrado: o teto do ganho cumulativo de produtividade em dez anos seria de modestos 0,7%. Para ele, a fração de tarefas realmente automatizáveis e a economia de custo real são menores do que o hype sugere.
Efeito nível ou efeito crescimento? A distinção que muda tudo
Raramente debatido, esse ponto define a trajetória futura. Um efeito de nível gera um salto único: a IA torna todos mais produtivos uma vez, gerando alguns anos de crescimento extra durante a transição.
Um efeito de crescimento permanente exige que a IA acelere a própria fronteira do conhecimento — pesquisa, inovação científica, criação de novas tecnologias. Só assim a taxa de expansão do PIB se sustenta alta indefinidamente. A diferença entre “ficar mais rico uma vez” e “ficar rico mais rápido para sempre” é abissal.
O recado para o Brasil e economias emergentes
A pergunta não é se a IA transformará a produtividade global, mas quem captura os ganhos e em que velocidade. Países que anteciparem investimentos em três frentes largam na frente:
- Infraestrutura digital robusta e barata;
- Qualificação em massa para uso intensivo, não superficial;
- Ambiente regulatório que permita reorganização rápida de processos e modelos de negócio.
O Paradoxo de Solow se resolveu para os computadores: levou mais de uma década e exigiu transformações institucionais profundas. A IA seguirá o mesmo roteiro lento ou quebrará o padrão?
O que observar daqui para frente: a taxa de adoção diária nas empresas (não apenas testes pontuais), o surgimento de fluxos de trabalho nativos de IA e se os preços dos ativos ligados à tecnologia já precificam uma Curva J longa ou um boom imediato que pode não vir. A preparação hoje define a captura de valor amanhã.
