O custo de não pensar e produtividade que não se mede

A produtividade que a IA promete mede-se em tempo poupado. A que destrói, não se mede de todo. Amplifica quem pensa e substitui silenciosamente quem delega. A distinção não é técnica. É uma escolha.

O debate público sobre inteligência artificial oscila, com regularidade previsível, entre dois polos: o entusiasmo da promessa e o receio da substituição. De um lado, dirigentes e decisores que veem na tecnologia uma alavanca inevitável para economias que ficaram para trás em produtividade. Do outro, economistas e analistas que apontam para os dados reais, como crescimento de produtividade e indicadores que eliminam o simples efeito de exigir mais das pessoas e das máquinas, e concluem que o "algo grandioso" anunciado pelo setor ainda não apareceu nas contas.

Ambos os lados partilham, no entanto, um pressuposto que raramente é questionado: que o valor da inteligência artificial se mede pela quantidade de trabalho que substitui ou acelera. É esse pressuposto que merece ser examinado com mais cuidado.

A revolução dos computadores pessoais e da internet automatizou obstáculos no processo de encontrar, armazenar e transmitir informação. Os ganhos de produtividade foram relativamente diretos porque as pessoas podiam simplesmente executar mais, e melhor, aquilo que já sabiam fazer. A inteligência artificial generativa automatiza algo de natureza diferente, como a própria produção de resultados cognitivos, pois escreve, sintetiza, raciocina, recomenda. E fá-lo com uma fluência que torna difícil distinguir, à primeira vista, o resultado competente do resultado plausível mas errado.

É aqui que emerge uma tensão que o debate de produtividade tende a tornar invisível. Quando um sistema produz um rascunho, uma análise, uma decisão de triagem, alguém tem de verificar esse resultado. Essa verificação exige exatamente o conhecimento especializado que a ferramenta supostamente dispensa. O tempo poupado na geração é parcialmente, por vezes totalmente, consumido na certificação. Não porque a tecnologia seja fraca, mas porque a responsabilidade pelo resultado não desaparece com a delegação. Desloca-se.

Este deslocamento tem uma consequência que raramente entra nos modelos de adoção empresarial. As organizações que respondem à inteligência artificial contratando menos analistas juniores, menos advogados em início de carreira, menos técnicos de nível de entrada, estão simultaneamente a corroer a base de conhecimento necessária para supervisionar os sistemas que adotaram. A máquina produz resultados em volume infinito. A capacidade humana de os validar é, por definição, finita e depende de uma competência que se constrói com tempo e exposição. Quando essa cadeia de formação se interrompe, o erro oculto cresce sem que a organização tenha desenvolvido os instrumentos para o detetar.

O debate sobre tributação da inteligência artificial, o chamado "robot tax" e as propostas de imposto sobre lucros extraordinários das empresas do sector, reflete esta tensão de forma indireta. Os argumentos mais sólidos contra impostos específicos apontam para o risco de desviar investimento e penalizar a inovação. Mas a questão mais profunda é outra: o sistema fiscal existente foi desenhado para capturar valor gerado pelo trabalho e pelo consumo. À medida que a participação do capital na produção aumenta e a do trabalho diminui, a base tributária enfraquece independentemente da tecnologia. A inteligência artificial acelera este processo, mas não o criou. Torná-la o alvo específico é tratar o sintoma.

O que falta a este debate não é mais regulação nem mais tributação como fins em si mesmos. É uma pergunta anterior: para que serve, exatamente, a inteligência artificial no processo de criação de conhecimento e de tomada de decisão?

A resposta dominante é a do assistente, uma ferramenta que executa, resume, propõe, liberta o utilizador para tarefas de maior valor acrescentado. Esta resposta tem uma lógica, mas pressupõe que o utilizador mantém a capacidade de julgar o que a ferramenta produziu. Um dashboard de dados não toma decisões, apresenta informação estruturada que um decisor interpreta com base no seu próprio entendimento do problema. A inteligência artificial, quando usada como assistente em vez de como infraestrutura de decisão autónoma, deveria funcionar da mesma forma. O problema é que a fluência dos seus resultados cria uma ilusão de completude que os dashboards tradicionais nunca conseguiram criar. Um gráfico mal construído é imediatamente suspeito. Um texto bem redigido, com uma conclusão errada, exige do leitor um esforço ativo de verificação que a própria fluidez da leitura tende a inibir.

Há aqui uma tensão que não é técnica nem económica. É epistemológica. A inteligência artificial, usada como substituto do esforço cognitivo em vez de apoio a ele, não fortalece a capacidade de quem a usa, pode enfraquecê-la. Não porque a ferramenta seja má, mas porque o conhecimento se constrói pelo processo de chegar a uma conclusão, não apenas por ter acesso a ela. Um trabalhador que delega sistematicamente o raciocínio diagnóstico num sistema automatizado não está a ser mais produtivo no sentido que importa, está é a perder, gradualmente, a capacidade de questionar o sistema quando ele falha.

O debate público sobre inteligência artificial precisa, portanto, de uma distinção que ainda não faz com suficiente clareza: entre adoção que amplifica a competência humana e adoção que a substitui silenciosamente. A primeira exige investimento em formação, em pensamento crítico, em estruturas de verificação. A segunda produz ganhos de curto prazo e vulnerabilidades de longo prazo que só se tornam visíveis quando o erro já tem consequências.

A produtividade que não se mede não é a que a inteligência artificial ainda não gerou. É a que se perde quando o esforço de entender é substituído pelo conforto de delegar.

Referências e inspiração

• Negócios n.º5747 jornaldenegocios.pt