06/06/2020

O impacto econômico das tecnologias transformadoras

Por wcalazans

“As tecnologias de uso geral (General Purpose Techinologies) são motores de crescimento …”, isso foi escrito por Erik Brynjolfsson, Daniel Rock e Chad Syverson no The Productivity J-Curve, um documento publicado recentemente pelo National Bureau of Economic Research (NBER).

“Essas são as tecnologias definidoras de seu tempo e podem mudar radicalmente o ambiente econômico. Elas têm um grande potencial, mas explorar tal potencial requer investimentos intangivelmente maiores e, muitas vezes, não mensurados, sem um repensar fundamental da organização da própria produção.”

Como aprendemos nos últimos dois séculos, geralmente há um intervalo de tempo significativo entre a ampla aceitação de uma nova tecnologia transformadora importante e o consequente impacto sobre empresas, governos e outras instituições. Mesmo depois de atingir um ponto crítico da aceitação do mercado, leva um tempo considerável – muitas vezes décadas – para que essas novas tecnologias e modelos de negócios sejam amplamente adotados nas economias e sociedades – e para que todos os benefícios sejam alcançados.

Em seu livro de 2002, Revoluções Tecnológicas e Capital Financeiro, a historiadora econômica Carlota Perez escreveu que desde o advento da Revolução Industrial, tivemos uma grande revolução tecnológica a cada 60 anos.

A primeira foi a era das máquinas e fábricas na última parte do século XVIII. Ela foi seguida pela era do vapor, carvão e ferro no início e meados do século XIX; eletricidade e aço nos anos 1870-1880; automóveis, petróleo e produção em massa nas primeiras décadas do século XX. Então veio a revolução do computador e das comunicações na última parte do século XX, iniciando a transição da economia industrial dos últimos dois séculos para a atual economia digital.

Segundo Perez, as transformações econômicas que acompanham essas tecnologias são compostas por dois períodos distintos, cada um com duração de aproximadamente 20 a 30 anos. Primeiro, vem o período de instalação, quando as novas tecnologias emergem no mercado, os empreendedores lançam muitas novas startups e os capitalistas de risco incentivam a experimentação com novos modelos de negócios. Isso é seguido pelo período de implantação, quando as agora bem aceitas tecnologias e modelos de negócios se tornam a norma, levando a um crescimento econômico e de produtividade a longo prazo.

O trabalho do NBER também identifica duas fases, investimento e colheita, e explica sua evolução no ciclo de vida de uma tecnologia historicamente transformadora. Como essas tecnologias são de caráter geral, elas exigem investimentos complementares maciços, como redesenho de processos de negócios, co-invenção de novos produtos e modelos de negócios e a requalificação da força de trabalho. Além disso, quanto mais transformadoras as tecnologias, mais tempo leva para elas alcançarem a fase de colheita, quando são amplamente adotadas por empresas e indústrias em toda a economia.

As décadas de atraso entre os períodos de investimento e colheita levaram a um tipo de paradoxo da produtividade que intrigou os economistas que procuravam conciliar inovações tecnológicas emocionantes com lento crescimento da produtividade a curto e médio prazo.

Por exemplo, a produtividade nos EUA cresceu apenas 1,5% entre 1973 e 1995. Esse período de produtividade lenta coincidiu com o rápido crescimento do uso da TI nos negócios, dando origem ao paradoxo da produtividade de Solow, uma referência ao economista do MIT, Prêmio Nobel, Robert A Solow.

A piada de Solow em 1987:

“Você pode ver a era do computador em qualquer lugar, exceto nas estatísticas de produtividade”.

Porém, a partir de meados da década de 90, a produtividade da mão-de-obra nos EUA subiu para mais de 2,5%, com o rápido crescimento das tecnologias da Internet e a reengenharia de processos de negócios, ajudando a espalhar inovações que aumentam a produtividade na economia.

Da mesma forma, o crescimento da produtividade não aumentou até 40 anos após a introdução da energia elétrica no início da década de 1880, porque demorou até a década de 1920 para as empresas descobrirem como reestruturar suas fábricas para aproveitar a energia elétrica com novas inovações de fabricação, como a linha de montagem. E, enquanto o motor a vapor de James Watt inaugurou a Revolução Industrial na década de 1780, seu impacto na economia britânica foi imperceptível até a década de 1830, porque o crescimento da produtividade estava restrita a algumas indústrias.

Esse fenômeno de Produtividade é chamado de Curva J. O ‘J’ vem do formato do gráfico – como a curva cresce. O Propósito Geral da Tecnologia (ou em inglês General Purpose of Technology – GPT) diminui inicialmente, na fase de investimento e depois aumenta na fase de colheita. O artigo inclui um modelo que explica essas dinâmicas da curva J e aplica o modelo para ajudar a entender o paradoxo de Solow das últimas décadas, bem como analisar se os recentes avanços na IA, aprendizado de máquina e tecnologias relacionadas indicam o surgimento da IA como um GPT do século XXI.

Seu modelo leva em consideração insumos tangíveis e intangíveis na avaliação do crescimento total da produtividade, ou seja, a diferença entre as taxas de crescimento de todos os insumos e todos os produtos em um processo de produção. Os insumos de capital tangíveis, como equipamento físico, infraestrutura e despesas de mão-de-obra, são relativamente fáceis de medir. No entanto, juntamente com esses insumos tangíveis, uma empresa gasta capital em insumos intangíveis, como ofertas inovadoras, estratégias de negócios competitivas, processos simplificados, desenvolvimento de talentos e criação de classes de ativos totalmente novas. Os extensos investimentos intangíveis necessários para adotar uma GPT e transformar uma organização são muitas vezes esquecidos, porque são difíceis de quantificar e seus benefícios se acumulam ao longo de vários anos.

“Suponha que uma empresa queira se tornar mais” orientada a dados “e reorganizar seus processos de produção para aproveitar as novas tecnologias de previsão de aprendizado de máquina. Essa empresa pode querer, por exemplo, alterar seu mix de mão-de-obra para criar mais software e ensinar seus clientes a encomendar produtos on-line e não pessoalmente. Embora a empresa desenvolva aplicativos de pedidos de produtos on-line e processos de negócios para esse fim, não poderá usar esses recursos de investimento para produzir mais mercadorias. Ao mesmo tempo, porém, os ativos de capital que a empresa está construindo – conhecimento institucional de software na empresa, práticas de contratação, criação de organizações e reciclagem de clientes para usar sistemas digitais – são deixados sem medição no balanço patrimonial. ”

“O valor desses ativos não medidos é igual aos custos incorridos para produzi-los. Mas durante o período em que essa produção é perdida, a produtividade (tradicionalmente medida) da empresa sofrerá porque parecerá que a empresa produz proporcionalmente menos, em relação a seus insumos. Mais tarde, quando esses investimentos intangíveis começarem a gerar um rendimento, parecerá que a reserva de capital medido e os trabalhadores empregados se tornaram muito mais produtivos. Portanto, nos primeiros períodos de investimento, a produtividade é subestimada, enquanto o contrário ocorre depois, quando os níveis de investimento diminuem. ”

Eventualmente, as taxas de crescimento de entrada e saída atingem um estado estacionário e os problemas de medição da produtividade desaparecem.

Existe uma maneira de medir o valor e o impacto na produtividade dos investimentos intangíveis de uma empresa?

O artigo propõe um método baseado na idéia de que intangíveis ocultos ainda são capturados pelos mercados, e seu valor de investimento pode ser estimado usando medidas prospectivas derivadas de avaliações no mercado de ações. Ele usa esses métodos para estimar o impacto de investimentos de capital intangível em Pesquisa & Desenvolvimento, software e hardware de computador, comparando os investimentos observáveis de uma empresa à sua avaliação de mercado.

Os investimentos em pesquisa e desenvolvimento são grandes, mas, como é um tipo de ativo maduro que persiste a longo prazo, a dinâmica da curva J está nos níveis de estado estacionário. Por outro lado, os pesados investimentos de capital em software e hardware de computadores são um fenômeno mais recente; portanto, a dinâmica da curva J ainda está presente. Esse é particularmente o caso do software.

“O investimento em software tem crescido e continua crescendo mais rapidamente do que o investimento geral de capital, e seu nível é suficientemente grande para sugerir que parte da desaceleração da produtividade possa ser explicada por uma mudança de composição do investimento em direção aos ativos digitais”.

A curva J da produtividade explica por que um paradoxo da produtividade pode ser um fenômeno recorrente e esperado quando novas tecnologias importantes estão se difundindo por toda a economia”, escrevem Brynjolfsson, Rock e Syverson em conclusão.

“Ajustar processos produtivos para tirar proveito de novos tipos de capital requer o tipo de investimento que as estatísticas perdem. No futuro, depois de fazer os ajustes apropriados que representam a curva J da produtividade, podemos ver novas tecnologias em todos os lugares, incluindo as estatísticas de produtividade.”

Conte aos amigos