Software de IA e a questão da produtividade de um bilião de dólares
Se a IA se tornar dramaticamente melhor a escrever software, o que devem os líderes empresariais mudar hoje? A minha resposta é medir como ela melhora um processo de negócio completo, incluindo o trabalho necessário para verificar e manter os seus resultados.
Poderá a IA acrescentar 20 a 30 biliões de dólares americanos à produção económica global anual? Elon Musk avançou essa estimativa aproximada, juntamente com previsões de que a IA poderia lidar com quase qualquer tarefa digital e atingir capacidade de programação ao nível do Stockfish. Estas afirmações atraíram atenção porque sugerem uma grande mudança na economia do trabalho do conhecimento.
São previsões ambiciosas, não resultados estabelecidos. Os líderes empresariais devem distinguir a possibilidade de grandes ganhos de produtividade da prova de que a IA consegue entregar de forma fiável cada tarefa digital. As decisões de investimento precisam de evidência do trabalho que uma organização realmente executa.
O que nos diz a comparação com o Stockfish
O Stockfish é um motor de xadrez de código aberto e um dos mais fortes do mundo. A comparação ilustra uma possibilidade real: as máquinas podem superar as pessoas numa tarefa intelectual exigente. Contudo, a analogia por si só não consegue estabelecer quando a IA superará cada engenheiro de software.
O xadrez tem regras fixas, um tabuleiro visível e um objetivo claro. O software empresarial envolve requisitos incompletos, políticas em mudança, sistemas legados e prioridades concorrentes das partes interessadas. Um programa pode passar nos seus testes enquanto resolve o problema de negócio errado.
Gerar código é uma parte da engenharia. Decidir o que construir, controlar o acesso, verificar a segurança, implementar com segurança e apoiar os utilizadores continuam a fazer parte do resultado. Mesmo uma IA altamente capaz precisa de um processo que consiga detetar erros e atribuir responsabilidade.
Compreender a afirmação económica
Um aumento de 20 a 30 por cento no nível da produção económica anual é diferente de um crescimento de 20 a 30 por cento todos os anos. Uma afirmação desta escala precisa de pressupostos explícitos sobre adoção, fiabilidade, investimento e o tempo necessário para concretizar os ganhos. Associar essas percentagens a 20 a 30 biliões de dólares implica uma economia inicial aproximada de 100 biliões de dólares.
Para termo de comparação, o Goldman Sachs publicou em 2023 um cenário em que a IA generativa poderia aumentar o PIB global em cerca de 7 por cento, ou quase 7 biliões de dólares, e aumentar o crescimento da produtividade em 1,5 pontos percentuais ao longo de dez anos. Foi uma previsão condicional, não um resultado medido nem um teto para ganhos futuros. Não valida independentemente a estimativa maior de Musk.
Ao nível da empresa, um cálculo útil é mais simples: o valor líquido é igual ao valor da produção útil adicional e das poupanças realizadas, menos os custos de IA, integração, revisão, retrabalho e perdas por erros. O tempo poupado só se torna valor financeiro quando a organização o consegue usar de forma produtiva.
As vantagens e os custos
Velocidade versus verificação. A IA poderia encurtar a redação, a programação e a análise. Os líderes devem medir o tempo necessário para verificar o resultado juntamente com o tempo poupado a produzi-lo.
Menor custo de produção versus novo custo operacional. Criar uma primeira versão pode tornar-se mais barato. A utilização do modelo, a integração, a monitorização e a correção continuam a consumir dinheiro e tempo do pessoal.
Acesso mais amplo versus dependência. Equipas mais pequenas poderiam assumir trabalhos anteriormente fora dos seus recursos. A dependência de um único fornecedor pode tornar preços, disponibilidade e alterações de modelo mais difíceis de gerir.
Maior capacidade versus perturbação da força de trabalho. O pessoal poderia dedicar mais tempo às necessidades dos clientes e a decisões difíceis. As empresas também precisam de planear funções em mudança, requalificação e o desenvolvimento de funcionários juniores cujas tarefas rotineiras de aprendizagem podem ser automatizadas.
Um exemplo empresarial prático
Considere um negócio de armazenagem hipotético a construir um serviço de rastreamento de encomendas. A IA poderia redigir a interface, propor consultas à base de dados e gerar casos de teste. A equipa ainda teria de confirmar quais clientes podem ver cada encomenda, como são tratadas as discrepâncias de stock e se o serviço funciona com os sistemas existentes.
A comparação significativa é o custo por versão aceite e o desempenho em utilização. Meça o tempo de entrega, defeitos, pedidos de suporte e resultados dos clientes. Um primeiro rascunho mais rápido que cria mais incidentes de produção pode reduzir o valor global.
O mesmo princípio aplica-se ao apoio ao cliente. Automatizar pedidos simples pode melhorar os tempos de resposta. Os casos pouco claros precisam de um caminho fiável para uma pessoa, com o contexto relevante preservado.
O que os CEOs e CTOs devem fazer
Os CEOs devem escolher um processo com um custo identificável e um resultado claro para o cliente. Estabeleçam uma linha de base, executem um piloto limitado e acordem antecipadamente que melhoria justificaria a expansão. Incluam os custos de implementação e as alterações às responsabilidades do pessoal.
Os CTOs devem avaliar o modelo proposto em trabalho representativo dos seus próprios sistemas. Verifiquem a correção, a segurança, a privacidade, a recuperação de falhas e a compatibilidade com os serviços existentes. Separem a permissão para sugerir uma alteração da permissão para a executar.
Para ações com consequências, definam o responsável pela aprovação e mantenham um registo de auditoria. Retenham a capacidade de reverter alterações, restringir o acesso e suspender a automatização quando o desempenho se deteriora.
Revejam a dependência do fornecedor e formem o pessoal para questionar os resultados. Expandam a implementação quando os benefícios medidos se mantiverem positivos após os custos de revisão e suporte. Uma previsão económica global deve informar o planeamento de cenários, enquanto a evidência local deve orientar o investimento.
A decisão de liderança
A IA pode mudar substancialmente a economia do trabalho digital. A escala e o momento permanecem incertos. O meu conselho: construam já a capacidade de a avaliar e adotar responsavelmente, depois aumentem o investimento à medida que a evidência se reforça.
Que processo da sua organização testaria primeiro, e que evidência o convenceria de que a IA criou valor de negócio duradouro?
Pense matematicamente. Engenhe inteligentemente. Lidere estrategicamente. Construa responsavelmente. Escale globalmente. Crie valor de negócio real através da inteligência artificial.
#ArtificialIntelligence #AIStrategy #EnterpriseAI #SoftwareEngineering #Productivity #BusinessLeadership
Publicado originalmente no LinkedIn por Keshavan Thiagaraja. Leia o original no LinkedIn. [1]