Um elo entre o mercado e o socioambiental
Percorra as principais notícias de investimento e negócios relacionadas ao mundo do impacto socioambiental toda semana.
Na fronteira irregular da IA: o que aprendemos sobre produtividade e limites da tecnologia
Na newsletter de hoje, vamos dar um pause nos corriqueiros tópicos de sustentabilidade e de geopolítica aqui abordados para discutir uma temática de igual importância, seja internamente na Impacta, seja no mundo afora: a Inteligência Artificial (IA) e os seus desdobramentos. Em especial, queremos entender como o rápido desenvolvimento dos famigerados Large Language Models (LLMs) vem impactando a nossa produtividade diariamente. Refraseando em uma pergunta, até que ponto os modelos como o ChatGPT realmente nos tornam mais eficientes no trabalho – e como temos implementado eles aqui na Impacta?
O debate no plano macro
Como praticamente tudo hoje em dia, as respostas mais comuns à pergunta que nos fizemos anteriormente se concentram em dois polos antagônicos. De um lado, temos fundadores de startups e outros entusiastas muito otimistas com as possibilidades de crescimento econômico e ganhos de produtividade; do outro, vemos alguns sociólogos e economistas prevendo um cenário pouco animador, em que a substituição do emprego pelo capital superaria a nossa capacidade de gerar novos tipos de ocupação.
Para o bem ou para o mal, a verdade é que a IA já vem sendo discutida e empregada por grandes empresas há pelo menos 15 anos – e sem as grandes disrupções comumente previstas. De fato, quando olhamos para os EUA, um bom termômetro das economias desenvolvidas, vemos que, nessa mesma janela de tempo, a produtividade do trabalho avançou pouco (Figura 1), sem que isso comprometesse a manutenção do emprego. Só recentemente, a partir de 2022, observamos sinais de aceleração da produtividade acompanhados de uma redução suave da taxa de emprego, sugerindo uma possível reconfiguração dessa relação. Esses movimentos ainda são incipientes. É cedo para afirmar se marcam o início de uma mudança estrutural ou apenas um soluço estatístico ou resquício do ciclo econômico, mas já oferecem combustível para que otimistas e céticos reforcem suas narrativas.
As implicações microeconômicas da AI
De todo modo, por trás dos números agregados já é possível observar o efeito da IA em setores específicos. Embora a maioria dos casos envolva atividades de programação, já existem estudos com advogados, consultores, médicos e atendentes de call center. Em todos eles, os resultados são consistentes: o uso da IA reduziu o tempo de execução das tarefas em 22% a 55%, em comparação com grupos de controle — isto é, participantes que não utilizaram a tecnologia.
Esses ganhos, no entanto, não se repetem quando se avalia também a qualidade do trabalho. Em um estudo da Harvard Business School com a Boston Consulting Group, os consultores mais juniores tiveram ganhos de produtividade quase três vezes maiores que seus pares sêniores. Já em tarefas mais complexas, os efeitos foram nulos ou mesmo negativos: nesse mesmo experimento, a nota média das entregas feitas com apoio da IA ficou 15% abaixo daquelas produzidas sem a ferramenta. Resultados semelhantes aparecem em outras áreas. Em pesquisa recente do Model Evaluation & Threat Research (METR), programadores que utilizaram IA tiveram desempenho 12% inferior em tarefas de maior complexidade.
Mas afinal, o que diferencia uma tarefa simples de uma tarefa complexa? Será que podemos utilizar a mesma régua de complexidade que usamos para modelos como o GPT ou o Gemini? A resposta é menos óbvia do que parece. No estudo que citamos de Harvard, os autores apresentam o conceito de “fronteira tecnológica irregular” (jagged frontier), em que a IA se destaca em certas tarefas, mas falha em outras aparentemente semelhantes. Para os economistas de plantão, é como se tivéssemos uma Fronteira de Possibilidades de Produção (FPP) cheia de irregularidades e quinas (vide Figura 2).
Dentro dessa fronteira, a IA se destacou em atividades como geração de ideias, análise argumentativa, escrita e persuasão. De forma surpreendente, também foi competente em tarefas que os humanos tendem a considerar de alta complexidade, mas fracassou em operações muito mais simples, como aritmética básica. Fora da fronteira, mostrou dificuldade para lidar com dados quantitativos elaborados ou para captar nuances de entrevistas contraditórias em relação a outras fontes – atividades que mesmo um consultor júnior muitas vezes conseguiria fazer por conta própria.
As experiências que tivemos com IA dentro da Impacta
Sofremos bastante para delimitar com alguma precisão essa fronteira da IA na prática. Nos últimos meses, temos nos dedicado a mapear os fluxos de capital climático no Brasil a partir de notícias de jornal. A ideia seria conseguir métricas agregadas que pudessem contar como esse tipo de investimento evoluiu ao longo do tempo e quais os principais atores e formas de financiamento envolvidas. Nosso primeiro protótipo olhava apenas para um veículo de comunicação: extraímos todas as matérias, aplicamos filtros de relevância e, por fim, processamos os textos com IA para identificar informações pertinentes ao escopo. O algoritmo selecionou 385 notícias. Mesmo com algumas duplicações e reportagens fora do recorte, conseguimos construir um mapa de redes que revelou a formação de clusters distintos. Nele (Figura 3), o BNDES emerge como um hub de altíssima centralidade, articulando parceiros de infraestrutura e energia e consolidando-se como um pilar estruturante — diferente do papel mais comercial dos grandes bancos privados na pauta do financiamento sustentável.
Animados com os primeiros achados, decidimos escalar a metodologia: incluímos mais veículos de comunicação e fortalecemos o processamento das notícias em colaboração com a Mondoré, consultoria de gestão com forte expertise técnica. A segunda versão exigiu muito mais desenvolvimento, mas trouxe resultados aquém do esperado. O crivo mais rigoroso aplicado a títulos de crédito, reduziu a base a apenas 134 notícias, muitas ainda fora do escopo desejado. Mesmo em linhas de financiamento específicas, não conseguimos chegar a narrativas consistentes em nível macro. Paradoxalmente, a simplicidade do primeiro modelo entregou insights mais relevantes do que a sofisticação da segunda versão.
Conclusão
Claro que estamos falando apenas de Mnimum Viable Products (MVPs). Com mais tempo, seria possível resolver parte dos problemas encontrados no segundo modelo. Ainda assim, nossa trajetória acabou funcionando como uma ilustração prática da própria ideia de fronteira tecnológica. O primeiro protótipo, mesmo com imperfeições, já tocava essa linha tênue entre o que a IA executa bem e o que começa a escapar de sua capacidade. À medida que aumentamos a complexidade do projeto, ultrapassamos, quase sem perceber, os contornos dessa fronteira — e o desempenho da ferramenta passou a piorar em vez de melhorar. Nesta era das LLMs, cabe a nós, pesquisadores, demarcar esses limites sinuosos: compreendê-los é o que nos permite quebrar as tarefas em partes menores, algumas facilmente delegáveis ao GPT, enquanto nos concentramos naquelas em que o cérebro humano ainda leva clara vantagem.
Vale se aprofundar
- China repete com hidrogênio o que fez com solar: visando o domínio da cadeia de valor do hidrogênio verde, a China planeja o desenvolvimento da indústria nos mesmos moldes do avanço realizado na indústria solar. A matéria, publicado pelo Gabriel Chiappini na agência eixos, também aborda o contexto geopolítico do mercado de hidrogênio nos principais países produtores.
- Ministério da Fazenda propõe coalização entre países para mercado de carbono: o Brasil pretende lançar na COP 30 uma proposta que tem como objetivo a integração do mercado de carbono dos diferentes países participantes da agenda. Publicada pela Daniela Chiaretti no Valor Econômico S/A, a reportagem ainda destaca que a proposta tem como premissa a viabilidade política e a justiça entre os países envolvidos.
- China impulsiona países a saírem dos combustíveis fósseis, diz relatório: responsável por até 80% da produção de painéis solares no mundo, a China tem impulsionado a queda nos preços dentro do mercado das energias renováveis. As informações disponíveis são do relatório da Ember, que aponta para uma substituição gradual no uso de combustíveis fósseis pelas renováveis.
Posicionamento do especialista💬
Minha avaliação é que, de fato, há ganhos muito maiores a serem obtidos com a IA generativa, que é uma tecnologia promissora, mas esses ganhos permanecerão ilusórios a menos que haja uma reorientação fundamental da indústria, incluindo talvez uma grande mudança na arquitetura dos modelos de IA generativa mais comuns, como os LLMs, a fim de focar em informações confiáveis que possam aumentar a produtividade marginal de diferentes tipos de trabalhadores, em vez de priorizar o desenvolvimento de ferramentas conversacionais gerais semelhantes às humanas. Permanece uma questão aberta se precisamos de modelos fundamentais (ou do tipo atual de LLMs) que possam se engajar em conversas semelhantes às humanas e escrever sonetos shakespearianos se o que queremos são informações confiáveis úteis para educadores, profissionais de saúde, eletricistas, encanadores e outros trabalhadores manuais.
Citação (traduzida) do artigo The Simple Macroeconomics de Daron Acemoglu
Equipe Impacta, 2025.
Todas as notícias vinculadas possuem a finalidade de sintetizar as informações para o(a) leitor(a). Para mais informações, sugerimos aprofundar nos links anexados. Em caso de algum erro, fique à vontade para mandar mensagem na página da empresa.
Edição 52 – Texto e análise: Felipe Lima Meneguin; Edição: Lucas Dos Santos Formigoni; Supervisão e validação: Felipe Vignoli, Júlia Coutinho, CFA ESG e Lucas Dos Santos Formigoni.
