A inteligência artificial é vista pelas organizações como uma forma de obter ganhos de produtividade. Mas pesquisas recentes sobre a adoção da IA em empresas de manufatura dos EUA revelam uma realidade mais sutil. A introdução da IA frequentemente leva a um declínio mensurável, porém temporário, no desempenho, seguido por um crescimento mais forte da produção, da receita e do emprego.
Este fenômeno, que segue uma trajetória de “curva J”, ajuda a explicar por que o impacto econômico da IA tem sido, às vezes, decepcionante, apesar de seu potencial transformador. “A IA não é plug-and-play. Ela exige uma mudança sistêmica, e esse processo gera atrito, principalmente para empresas estabelecidas”, afirma a professora da Universidade de Toronto Kristina McElheran, pesquisadora digital da Iniciativa do MIT sobre Economia Digital e uma das principais autoras do novo artigo “A ascensão da IA industrial na América: microfundamentos da(s) curva(s) J de produtividade”. O professor Mu-Jeung Yang da Universidade do Colorado em Boulder; Zachary Kroff, ex-funcionário do US Census Bureau e atualmente especialista em análise no Analysis Group; e o professor Erik Brynjolfsson, da Universidade de Stanford, foram coautores do relatório.
Trabalhando com dados de duas pesquisas do US Census Bureau, abrangendo dezenas de milhares de empresas de manufatura em 2017 e 2021, os pesquisadores descobriram que a curva J de adoção de IA variou entre as empresas que adotaram tecnologias de IA com aplicações industriais. As perdas de curto prazo foram maiores em empresas mais antigas e consolidadas. Evidências sobre empresas jovens mostraram que as perdas podem ser mitigadas por determinadas estratégias de negócios. E, apesar das perdas iniciais, os pioneiros na adoção de IA apresentaram um crescimento mais forte ao longo do tempo.
Veja a seguir o que o estudo indica sobre a adoção e aplicação da IA e os tipos de empresas que superam as demais no uso de novas tecnologias:
A adoção da IA reduz inicialmente a produtividade.
O estudo mostra que a adoção da IA tende a prejudicar a produtividade no curto prazo, com as empresas experimentando um declínio mensurável na produtividade depois que começam a usar tecnologias de IA. Mesmo após controlar tamanho, idade, estoque de capital, infraestrutura de TI e outros fatores, os pesquisadores constataram que as organizações que adotaram IA para funções de negócios apresentaram uma queda de produtividade de 1,33 ponto percentual. Ao corrigir o viés de seleção — organizações que esperam retornos mais altos têm maior probabilidade de serem pioneiras na adoção de IA —, o impacto negativo de curto prazo foi significativamente maior, em torno de 60 pontos percentuais, escrevem os pesquisadores.
Esse declínio não é apenas uma questão de dificuldades de crescimento; aponta para um desalinhamento mais profundo entre as novas ferramentas digitais e os processos operacionais legados, descobriram os pesquisadores. Sistemas de IA usados para manutenção preditiva, controle de qualidade ou previsão de demanda frequentemente também exigem investimentos em infraestrutura de dados, treinamento de equipe e reformulação do fluxo de trabalho. Sem essas peças complementares, mesmo as tecnologias mais avançadas podem apresentar resultados abaixo do esperado ou criar novos gargalos. “Depois que as empresas superam os custos de ajuste, elas tendem a experimentar um crescimento mais forte”, aponta McElheran. “Mas essa queda inicial — a inclinação descendente da curva J — é bem real.”
Perdas de curto prazo precedem ganhos de longo prazo.
Apesar das perdas iniciais das empresas, o estudo encontrou um padrão claro de recuperação e, por fim, de melhora. Ao longo de um período mais longo — com uma lacuna de quatro anos nos dados do estudo —, as empresas de manufatura que adotaram IA tenderam a superar seus pares que não adotaram, tanto em produtividade quanto em participação de mercado. Essa recuperação ocorreu após um período inicial de ajuste, durante o qual as empresas aprimoraram processos, escalaram ferramentas digitais e capitalizaram os dados gerados pelos sistemas de IA. No entanto, essa recuperação não foi distribuída uniformemente. As empresas que apresentaram os maiores ganhos tenderam a ser aquelas que já eram digitalmente maduras antes de adotar a IA.
“Empresas que já realizaram a transformação digital ou que já eram digitais desde o início têm uma jornada muito mais fácil, porque dados passados podem ser um bom indicador de resultados futuros”, disse McElheran. O tamanho também ajuda. “Depois de resolver esses custos de ajuste, se você conseguir ampliar os benefícios para mais produção, mais mercados e mais clientes, você entrará na fase ascendente da curva J muito mais rápido”, ela conta. Uma melhor integração da tecnologia e a realocação estratégica de recursos são importantes para essa recuperação, à medida que as empresas gradualmente mudam para operações mais compatíveis com IA, muitas vezes investindo em tecnologias de automação, como robôs industriais, descobriram os pesquisadores.
Empresas mais antigas apresentam maiores perdas no curto prazo.
Perdas de curto prazo não são sentidas igualmente em todas as empresas, concluiu o estudo. O impacto negativo da adoção da IA foi mais pronunciado entre empresas estabelecidas. Essas organizações normalmente têm rotinas antigas, hierarquias em camadas e sistemas legados que podem ser difíceis de desfazer. Essas empresas frequentemente enfrentam dificuldades de adaptação, em parte devido à inércia institucional e à complexidade de suas operações. “Constatamos que as empresas mais antigas, em particular, têm dificuldade em manter práticas vitais de gestão da produção, como o monitoramento de indicadores-chave de desempenho e metas de produção”, escrevem os pesquisadores. “Empresas antigas de fato observaram declínios no uso de práticas de gestão estruturadas após a adoção da IA; e isso, por si só, foi responsável por quase um terço de suas perdas de produtividade”, explica McElheran.
Em contrapartida, empresas mais jovens e flexíveis parecem mais bem equipadas para integrar tecnologias de IA de forma rápida e com menos interrupções. Elas também podem ter menos a desaprender, tornando a transição para fluxos de trabalho habilitados por IA mais fluida. “Em conjunto, nossas descobertas destacam o duplo papel da IA como tecnologia transformadora e catalisadora de disrupções organizacionais de curto prazo, ecoando padrões familiares aos estudiosos da mudança tecnológica”, escrevem os pesquisadores. Eles observam que os resultados também demonstram a importância de práticas e estratégias complementares que mitiguem as causas de ajuste e impulsionem os retornos de longo prazo para “achatar a curva J e concretizar a produtividade da IA a longo prazo em escala”.
Fonte: Kristin Burnham – MIT Sloan School of Management
