Desde o advento da Revolução Industrial, as tecnologias de uso geral (GPTs) têm sido as tecnologias mais impactantes de sua época. A capacidade de suportar uma grande variedade de aplicações pode, a longo prazo, transformar radicalmente as economias e as instituições sociais. As tecnologias GPT têm um grande potencial, mas a concretização do seu potencial exige grandes investimentos tangíveis e intangíveis e uma reformulação fundamental das empresas e indústrias, incluindo novos processos, estruturas de gestão, modelos de negócios e formação de profissionais. Como resultado, concretizar o potencial de uma GPT leva tempo considerável, talvez, até décadas. A eletricidade, o motor de combustão interna, os computadores e a Internet são exemplos de GPTs historicamente transformadores.
Por exemplo, após a introdução da energia elétrica no início da década de 1880, as empresas demoraram cerca de quatro décadas, até se descobrir como reestruturar as fábricas para aproveitarem a energia elétrica com inovações de fabricação, como a linha de montagem. Demorou ainda mais para desenvolver produtos domésticos elétricos populares, como geladeiras, torradeiras, máquinas de lavar e aparelhos de ar condicionado.
A precursora da Internet, a ARPANET, foi desenvolvida pelo Departamento de Defesa dos EUA no final da década de 1960 para aplicações militares e de pesquisa. Só na década de 1990 é que a Internet foi aberta às empresas e aos consumidores, tornando-se a plataforma de inovação mais significativa que o mundo já viu e inaugurando uma nova economia digital do século XXI.
Da mesma forma, a inteligência artificial surgiu pela primeira vez em meados da década de 1950 como uma nova disciplina acadêmica, que visava desenvolver máquinas inteligentes capazes de realizar tarefas semelhantes às humanas, como a linguagem natural e jogar xadrez. A IA tornou-se uma das áreas mais interessantes das ciências da computação nas décadas de 1960, 1970 e 1980, mas depois de anos de exageros e promessas não cumpridas, entramos no chamado inverno de IA, de investimentos reduzidos, que quase interromperam por completo as pesquisas em todos os lugares.
A IA ressurgiu na década de 1990 com um paradigma orientado a dados totalmente diferente, baseado na análise de grandes quantidades de dados com algoritmos sofisticados e computadores poderosos. A IA centrada em dados continuou a avançar nos últimos 20 anos com grandes inovações em diversas áreas, como big data, análise preditiva, algoritmos de aprendizado de máquina e, mais recentemente, grandes modelos de linguagem (LLMs) e chatbots generativos. A IA emergiu agora como uma das, senão a principal tecnologia definidora do século XXI.
Ao longo dos últimos dois séculos e meio, o surgimento de uma nova tecnologia historicamente transformadora foi acompanhado por receios de perda de empregos através da automação. Mas sempre que esses receios surgiram no passado, os avanços tecnológicos acabaram por criar mais empregos ao longo do tempo, do que aqueles que destruíram e tais temores de automação aumentaram compreensivelmente nos últimos anos, à medida que máquinas cada vez mais inteligentes estão sendo aplicadas a atividades que exigem inteligência e capacidades cognitivas que não há muito tempo eram vistas como domínio exclusivo dos humanos.
Em 2018, o então presidente do MIT, Rafael Reif, encomendou uma força-tarefa para todo o MIT para abordar o impacto da IA nos empregos, nas economias e na sociedade. Depois de trabalhar durante dois anos, o grupo de trabalho divulgou o seu relatório final, “O trabalho do futuro: Construindo Melhores Empregos numa Era de Máquinas Inteligentes”, em Novembro de 2020.
A conclusão do relatório foi que “a mudança tecnológica está simultaneamente substituindo o trabalho existente e criando novos postos de trabalho. Nenhuma evidência histórica ou contemporânea convincente sugere que os avanços tecnológicos estejam sendo conduzidos para um futuro sem emprego. Pelo contrário, prevemos que, nas próximas duas décadas, os países industrializados terão mais vagas de emprego do que trabalhadores para as preencher, e que a robótica e a automação desempenharão um papel cada vez mais crucial no preenchimento destas lacunas. No entanto, o impacto da robótica e da automação aos trabalhadores não será benigno. Estas tecnologias, em conjunto com incentivos económicos, escolhas políticas e forças institucionais, irão alterar o conjunto de empregos disponíveis e as competências que estes exigem.”
“Os impactos da mudança tecnológica estão a revelar-se gradualmente”, foi a segunda importante conclusão do grupo de trabalho. “Na verdade, os efeitos mais profundos das novas tecnologias no mercado de trabalho que descobrimos foram menos devidos à robótica e à IA do que à difusão contínua de tecnologias de décadas (embora muito melhoradas), como a Internet, a computação móvel e em nuvem, e os telefones móveis,”, disse o relatório. “Esta escala temporal de mudança proporciona a oportunidade de elaborar políticas, desenvolver competências e fomentar investimentos para moldar construtivamente a trajetória de mudança em direção ao maior benefício social e econômico.”
A força-tarefa do MIT foi conduzida entre 2018 e 2020, antes dos avanços impressionantes e do interesse explosivo do mercado em LLMs e dos chatbots generativos. O ChaGPT, lançado pela OpenAI em 30 de novembro de 2022, impulsionou a IA a um nível totalmente novo de expectativas, algumas realistas, outras exageradas e tem sido acompanhado por uma corrida do ouro da IA que está atraindo muita atenção de startups e investidores. Como resultado, existe a expectativa de que a IA generativa avance e amadureça consideravelmente mais rápido do que o inicialmente previsto para uma tecnologia tão nova e complexa.
Tendo em vista os recentes avanços e investimentos na IA generativa, como ela provavelmente irá impactar a evolução a longo prazo da IA, especialmente quando comparada com tecnologias historicamente transformadoras anteriores?
Embora as revoluções tecnológicas anteriores tenham sido acompanhadas por uma corrida do ouro semelhante, — lembremo-nos da bolha pontocom da Internet na década de 1990, — a IA pode muito bem pertencer a uma classe à parte devido às sérias preocupações que foram levantadas sobre o impacto potencial das máquinas que podem igualar ou superar os níveis humanos de inteligência.
Alguns acreditam que a IA generativa acelerará a evolução em direção à inteligência artificial geral (AGI), quando a IA será capaz de realizar qualquer tarefa humana, possivelmente até melhor do que os humanos ao longo do tempo. Esta perspectiva é acompanhada por receios de que uma IA cada vez mais poderosa, altamente inteligente e fora de controle possa levar a mudanças imprevisíveis na civilização humana e tornar-se uma ameaça existencial para a humanidade. Embora as tecnologias anteriores tenham aumentado principalmente os receios sobre a automatização do trabalho, nenhuma gerou o tipo de receio existencial de que a IA alcançasse a chamada singularidade.
Quão realistas são esses medos?
Em primeiro lugar, podemos esperar que o impacto da IA generativa se desenvolva muito mais rapidamente do que o esperado, em vez de gradualmente, como foi o caso com tecnologias transformadoras anteriores? Sinceramente, todos duvidam que possa ser assim.
Um estudo da Mckinsey de junho de 2023, “O potencial econômico da IA generativa: a próxima fronteira de produtividade”, analisou o impacto econômico potencial da IA generativa e concluiu que “Embora a IA generativa seja uma tecnologia empolgante e de rápido avanço, as outras aplicações da IA discutidas no relatório continuam a representar a maior parte do valor potencial global da IA. Os algoritmos tradicionais de análise avançada e aprendizado de máquina são altamente eficazes na execução de tarefas numéricas e de otimização, como modelagem preditiva, e continuam a encontrar novas aplicações em uma ampla variedade de setores. No entanto, à medida que a IA generativa continua a desenvolver-se e a amadurecer, tem o potencial de abrir fronteiras totalmente novas em criatividade e inovação.”
Em outras palavras, a maior parte do impacto econômico da IA nos períodos iniciais e intermédios virá provavelmente das versões mais maduras e mais bem compreendidas da IA, como a análise e a aprendizagem automática, e não das versões muito mais recentes, menos bem compreendidas e altamente complexas, como IA generativa. A conclusão da McKinsey é semelhante à conclusão do grupo de trabalho do MIT – de que os impactos econômicos mais profundos dos avanços tecnológicos se devem principalmente à difusão de tecnologias mais antigas, como a Internet, a mobilidade e a computação em nuvem, e não à IA de ponta. E, como observou o estudo do MIT, uma escala de tempo de mudança mais lenta oferece a oportunidade de elaborar políticas e regulamentações adequadas para mitigar as desvantagens da IA e moldar construtivamente a trajetória da mudança em apoio aos seus maiores benefícios econômicos e sociais.
Há muito, muito trabalho a ser feito. As aplicações de consumo previstas para IA generativa e chatbots, como assistentes de IA, mentores, tutores, treinadores, conselheiros, terapeutas e, portanto, são ainda mais complicadas e menos compreendidas do que os processos de negócios onde, — conforme identificado no recente estudo da Mckinsey, — a IA generativa poderá ter o maior impacto econômico a curto e médio prazo: operações de clientes, marketing e vendas, engenharia de software e investigação e desenvolvimento.
Os processos de negócios são melhor compreendidos do que as tarefas e comportamentos humanos. Faremos grandes progressos na melhoria de tarefas bastante compreendidas, como a pesquisa com IA generativa, e provavelmente haverá grandes inovações em aplicações mais focadas e personalizadas para paramédicos, enfermeiros, tutores de matemática e assistentes de trabalho. Mas aplicações pessoais mais gerais, como terapeutas e treinadores de carreira, provavelmente levarão muito mais tempo para serem desenvolvidas porque não entendemos realmente como os humanos realizam essas funções.
Finalmente, todas as pesquisas sobre tecnologias, historicamente transformadoras, descobriram que quanto mais complexa a tecnologia, mais tempo levará para concretizar o seu potencial de mercado devido ao aumento dos investimentos e à grande reestruturação das indústrias, economias e empresas que provavelmente exigirá. A IA generativa, os LLMs e os chatbots são tecnologias muito complexas, uma vez que não podemos explicar como é que as suas enormes redes neurais tomam as suas decisões em termos que um ser humano possa compreender. No final, a IA continuará avançando e melhorando, confiando na inteligência de seus desenvolvedores humanos e colaboradores, e não na sua própria inteligência.
