O único dado que poderia realmente esclarecer sua função e a IA

Esta matéria foi publicada originalmente no The Algorithm, nosso boletim informativo semanal sobre IA. Para receber matérias como esta em sua caixa de entrada antes de todo mundo, inscreva-se aqui. No círculo do Vale do Silício, fala-se do apocalipse do emprego impulsionado pela IA como se fosse um fato consumado. O clima é tão sombrio que uma pesquisadora de impactos sociais da Anthropic, respondendo na quarta-feira a um apelo por visões mais otimistas do futuro da IA, disse que pode haver uma recessão no curto prazo e um “colapso da escada de carreira inicial”. Seu colega menos moderado, Dario Amodei, CEO da empresa, chamou a IA de “um substituto geral da mão de obra humana” que poderia realizar todas as tarefas em menos de cinco anos. E essas ideias não vêm apenas da Anthropic, é claro. Essas conversas, sem surpresa, deixaram muitos trabalhadores em pânico (e provavelmente estão contribuindo para o apoio a esforços para suspender totalmente a construção de data centers, alguns dos quais ganharam força na semana passada). O pânico não está sendo amenizado pelos legisladores, nenhum dos quais articulou um plano coerente para o que vem a seguir. Até mesmo economistas que alertaram que a IA ainda não eliminou empregos e pode não resultar em um abismo à frente estão começando a aceitar a ideia de que ela poderia ter um impacto único e sem precedentes sobre como trabalhamos. Alex Imas, da Universidade de Chicago, é um desses economistas. Ele compartilhou duas coisas comigo quando conversamos na manhã de sexta-feira: uma avaliação direta de que nossas ferramentas para prever como isso será são bastante precárias, e um “chamado às armas” para que os economistas comecem a coletar o único tipo de dados que poderia tornar possível um plano para lidar com a IA na força de trabalho. Sobre nossas ferramentas precárias: considere o fato de que qualquer trabalho é composto por tarefas individuais. Uma parte do trabalho de um corretor imobiliário, por exemplo, é perguntar aos clientes que tipo de imóvel eles querem comprar. O governo dos EUA catalogou milhares dessas tarefas em um enorme catálogo lançado pela primeira vez em 1998 e atualizado regularmente desde então. Esses foram os dados que os pesquisadores da OpenAI usaram em dezembro para avaliar o quanto um emprego está “exposto” à IA (eles descobriram que um corretor imobiliário está 28% exposto, por exemplo). Então, em fevereiro, a Anthropic usou esses dados em sua análise de milhões de conversas do Claude para ver quais tarefas as pessoas estão realmente usando sua IA para realizar e onde as duas listas se sobrepunham. Mas saber a exposição das tarefas à IA leva a uma compreensão ilusória de quanto um determinado trabalho está em risco, diz Imas. “A exposição por si só é uma ferramenta completamente sem sentido para prever a substituição”, ele me disse. Claro, ela é ilustrativa no caso mais sombrio — para um trabalho em que literalmente todas as tarefas poderiam ser realizadas pela IA sem nenhuma orientação humana. Se custar menos para um modelo de IA realizar todas essas tarefas do que o que você recebe — o que não é garantido, já que modelos de raciocínio e IA agênica podem gerar uma conta bem alta — e ele puder realizá-las bem, o trabalho provavelmente desaparecerá, diz Imas. Esse é o caso frequentemente mencionado do operador de elevador de décadas atrás; talvez o paralelo atual seja um agente de atendimento ao cliente que faz apenas triagem de chamadas telefônicas. Mas, para a grande maioria dos empregos, o caso não é tão simples. E os detalhes também importam: alguns empregos provavelmente terão dias sombrios pela frente, mas saber como e quando isso vai acontecer é difícil de responder quando se analisa apenas a exposição. Veja a programação, por exemplo. Alguém que desenvolve aplicativos de namoro premium, digamos, pode usar ferramentas de codificação com IA para criar em um dia o que antes levava três. Isso significa que o trabalhador é mais produtivo. O empregador, gastando a mesma quantia, agora pode obter mais resultados. Então, o empregador vai querer mais funcionários ou menos? Essa é a questão que, segundo Imas, deveria tirar o sono de qualquer formulador de políticas, porque a resposta muda dependendo do setor. E estamos operando no escuro. No caso desse programador, essas eficiências tornam possível que os aplicativos de namoro reduzam os preços. (Um cético poderia esperar que as empresas simplesmente embolsassem os ganhos, mas, em um mercado competitivo, elas correm o risco de ter seus preços rebaixados se fizerem isso.) Esses preços mais baixos sempre impulsionarão algum aumento na demanda pelos aplicativos. Mas quanto? Se milhões de pessoas a mais quiserem o produto, a empresa pode crescer e, por fim, contratar mais engenheiros para atender a essa demanda. Mas se a demanda mal aumentar — talvez as pessoas que não usam aplicativos de namoro premium ainda não os queiram, mesmo a um preço mais baixo — menos programadores serão necessários, e haverá demissões. Repita essa hipótese em todos os empregos com tarefas que a IA pode realizar, e você terá a questão econômica mais urgente de nosso tempo: os detalhes da elasticidade de preço, ou quanto a demanda por algo muda quando seu preço muda. E esta é a segunda parte do que Imas enfatizou na semana passada: atualmente não temos esses dados para toda a economia. Mas poderíamos ter. Temos os números para itens de mercearia como cereais e leite, diz Imas, porque a Universidade de Chicago tem parceria com supermercados para obter dados de seus leitores de preços. Mas não temos esses números para professores particulares, desenvolvedores web ou nutricionistas (todos os empregos considerados “expostos” à IA, aliás). Ou, pelo menos, não de uma forma amplamente compilada ou acessível aos pesquisadores; às vezes, os dados estão espalhados por empresas privadas ou consultorias. “Precisamos de algo como um Projeto Manhattan para coletar isso”, diz Imas. E não precisamos disso apenas para empregos que obviamente poderiam ser afetados pela IA agora: “Áreas que não estão expostas agora ficarão expostas no futuro, então é preciso acompanhar essas estatísticas em toda a economia.” Obter todas essas informações levaria tempo e dinheiro, mas Imas argumenta que vale a pena; isso daria aos economistas a primeira visão realista de como nosso futuro impulsionado pela IA poderia se desenrolar e daria aos formuladores de políticas a chance de traçar um plano para ele.