💻 computer science

Code, Capital, and Clusters: Understanding Firm Performance in the UK AI Economy

Este estudo analisa o desempenho de empresas de IA do Reino Unido de 2000 a 2024, revelando uma forte dependência de Londres e de fatores específicos das empresas, como tamanho e especialização, ao mesmo tempo em que demonstra que as condições socioeconômicas locais influenciam significativamente o crescimento, defendendo, assim, políticas direcionadas que equilibrem a consolidação do setor com a diversificação regional para garantir o desenvolvimento sustentável.

Autores originais: Waqar Muhammad Ashraf, Diane Coyle, Ramit Debnath

Publicado 2026-02-09

📖 5 min de leitura🧠 Leitura aprofundada

CC BY 4.0

Autores originais: Waqar Muhammad Ashraf, Diane Coyle, Ramit Debnath

Artigo original sob licença CC BY 4.0 (http://creativecommons.org/licenses/by/4.0/). ✨ Esta é uma explicação gerada por IA do artigo abaixo. Não foi escrita nem endossada pelos autores. Para precisão técnica, consulte o artigo original. Ler aviso legal completo

Imagine a indústria de Inteligência Artificial (IA) do Reino Unido como um jardim enorme e movimentado. Nos últimos vinte anos, jardineiros têm plantado sementes (criando novas empresas) a uma taxa incrível. Este artigo, escrito por pesquisadores da Universidade de Cambridge, é como um mapa detalhado e uma previsão do tempo para este jardim. Eles queriam entender quais plantas estão crescendo mais, por que algumas estão prosperando enquanto outras estão murchando, e como será o aspecto do jardim no futuro.

Aqui está a história de suas descobertas, dividida em partes simples:

1. A "Bolha de Londres"

Se você observar onde essas empresas de IA estão plantadas, verá um desequilíbrio enorme. Londres é a estufa principal.

A Metáfora: Imagine um jardim onde 4 de cada 10 plantas estão espremidas em um canto específico (Londres). Esse canto está tão repleto de recursos, dinheiro e trabalhadores qualificados que é ele quem está realizando a maior parte do crescimento.
A Realidade: Cerca de 41% de todas as empresas de IA ativas no Reino Unido estão em Londres. Embora esse canto seja muito produtivo, os pesquisadores alertam que depender tanto de um único ponto é arriscado. Se esse canto adoecer, todo o jardim sofre. O resto do Reino Unido possui pequenos e dispersos fragmentos de vegetação que não estão recebendo a mesma luz solar.

2. O que torna uma empresa "Grande" vs. "Inteligente"?

Os pesquisadores observaram o que impulsiona o sucesso de uma empresa, especificamente seu dinheiro (receita) e quão eficientemente ela utiliza seus trabalhadores. Eles encontraram dois "motores" diferentes para o sucesso:

Motor A: Tamanho (A Regra do "Quanto Maior, Melhor")
- A Metáfora: Pense em um caminhão grande versus uma bicicleta. O caminhão (uma empresa grande com muitos funcionários) naturalmente carrega mais carga (gera mais dinheiro total) simplesmente porque é enorme.
- A Descoberta: O fator individual mais importante para uma empresa gerar muito dinheiro total é quantos funcionários ela possui. Empresas maiores geram mais caixa.
Motor B: Especialização (A Regra do "Especialista")
- A Metáfora: Agora, imagine medir quanta carga o caminhão carrega por pessoa. Uma bicicleta com um ciclista especialista pode ser mais eficiente do que um caminhão com 100 trabalhadores preguiçosos.
- A Descoberta: Para ganhar o máximo de dinheiro por funcionário (produtividade), uma empresa precisa de profundo conhecimento técnico. Os pesquisadores mediram isso observando as "palavras-chave" específicas no site de uma empresa (como "visão computacional" ou "IA generativa"). Empresas com um conjunto de habilidades técnicas muito focado e de alto nível são as mais eficientes, independentemente de seu tamanho.

3. O Solo Importa (Condições Locais)

Você não pode simplesmente plantar uma semente em qualquer lugar e esperar que ela cresça; o solo importa.

A Metáfora: Mesmo que você tenha uma ótima semente (uma boa ideia de IA), ela não crescerá bem em um solo seco e estéril. Ela precisa de solo rico com nutrientes (pessoas instruídas) e água (empregos e densidade populacional).
A Descoberta: O sucesso de uma empresa de IA depende fortemente do seu bairro local. Áreas com mais pessoas que possuem diplomas universitários (qualificações de Nível 3), maior densidade populacional e mais empregos locais ajudam as empresas de IA a crescer. Isso prova que a IA não é apenas sobre tecnologia; é sobre a comunidade local ao seu redor.

4. A Previsão do Futuro: De um Broto Selvagem a uma Floresta Madura

Os pesquisadores usaram modelos computacionais para prever o que acontecerá entre agora e 2030.

A Metáfora: Por muito tempo, o jardim esteve em uma fase de "crescimento selvagem", com novos brotos surgindo por toda parte. A previsão sugere que o jardim está agora entrando em uma fase de "floresta madura".
A Previsão:
- Desaceleração: O número de novas empresas surgindo provavelmente parará de crescer tão rápido e se estabilizará.
- Consolidação: Veremos mais empresas fechando (dissolvendo-se). Isso não é necessariamente ruim; é como uma floresta que afina as árvores fracas para que as fortes possam sobreviver. A "taxa de falha" deve subir ligeiramente à medida que o mercado se torna mais competitivo.
- O Resultado: Até 2030, o Reino Unido terá um número de empresas estável e ligeiramente menor, mas as que restarem serão as mais fortes e resilientes.

5. O que os Jardineiros (Formuladores de Políticas) Devem Fazer?

Com base neste mapa, os autores sugerem três coisas principais para o governo do Reino Unido:

Plantar Novos Jardins: Não regue apenas o canto de Londres. Invista na construção de novos "super-clusters" em outras cidades (como Cambridge, Manchester ou Bristol) para que o jardim seja espalhado e mais seguro.
Resolver Dois Problemas Diferentes:
- Ajudar pequenas empresas a obter o dinheiro necessário para crescer (escala/scaling).
- Ajudar as empresas a se tornarem melhores em suas habilidades técnicas específicas (especialização).
Preparar-se para o Desbaste: Como algumas empresas inevitavelmente fecharão, o governo deve ajudar as sobreviventes a crescer e garantir que, quando uma empresa falhar, seu conhecimento não seja perdido, mas sim transmitido.

Em resumo: O jardim de IA do Reino Unido está atualmente muito focado em Londres e, embora esteja crescendo, está começando a desacelerar e a se organizar. Para mantê-lo saudável, o Reino Unido precisa espalhar o crescimento para outras regiões e ajudar as empresas a se tornarem tanto maiores quanto mais inteligentes.

Sumário Técnico: Código, Capital e Clusters: Compreendendo o Desempenho das Empresas na Economia de IA do Reino Unido

Declaração do Problema

Embora o Reino Unido (UK) tenha se estabelecido como um líder global em Inteligência Artificial (IA) — ocupando o terceiro lugar atrás dos EUA e da China com uma avaliação do setor de £72,3 bilhões — a literatura existente carece de uma análise granular ao nível da empresa. Relatórios governamentais de alto nível identificam impulsionadores amplos, como capital e polos de talento, mas falham em mapear a interação específica entre especialização técnica, condições socioeconômicas hiperlocais e desempenho empresarial.

Especificamente, há uma lacuna na compreensão de:

Como as demografias ao nível de código postal (ex: taxas de qualificação, densidade populacional) se correlacionam com a receita operacional das empresas de IA registradas localmente.
A distinção entre empresas de IA "dedicadas" (desenvolvendo PI central) e entidades "diversificadas" (integrando IA em stacks existentes) em relação à sobrevivência e eficiência de receita.
Insights preditivos sobre o ciclo de vida dessas empresas, especificamente o que impulsiona a dissolução versus a escala sustentável conforme o setor amadurece.

Metodologia

O estudo emprega uma abordagem baseada em dados e longitudinal, analisando um conjunto abrangente de dados de entidades de IA do Reino Unido de 2000 a 2024.

Coleta e Processamento de Dados

Fontes: A base foi construída usando o banco de dados "WAIFinder" da UK Research and Innovation (UKRI), expandida via web-crawling com glass.ai, e cruzada com Companies House e LinkedIn.
Escopo: O conjunto de dados final compreende 4.392 entidades de IA únicas. Critérios de inclusão rigorosos mantiveram apenas "empresas" e "universidades" que desenvolvem diretamente produtos/serviços de IA, excluindo facilitadores de ecossistema (incubadoras, aceleradoras).
Enriquecimento: Os registros das empresas foram aumentados com dados do Censo de 2021 do Office of National Statistics (ONS) ao nível de código postal, capturando densidade populacional, taxas de qualificação de Nível 3/4+ e densidade de emprego setorial.
Análise de Receita: Devido às isenções de relatórios financeiros para pequenas empresas no Reino Unido, a análise detalhada de receita e força de trabalho foi limitada a um subconjunto de 529 entidades que reportaram contas completas publicamente.
Engenharia de Atributos (Feature Engineering): A especialização técnica foi quantificada usando Term Frequency-Inverse Document Frequency (TF-IDF) aplicado aos descritores de sites das entidades, criando uma "pontuação de palavra-chave" composta para medir a intensidade e a distintividade do portfólio técnico de uma entidade.

Estrutura de Modelagem

Foram conduzidas duas fases analíticas distintas:

Impulsionadores de Desempenho (Regressão):
- Algoritmo: CatBoost (Categorical Boosting) foi selecionado por seu desempenho superior em conjuntos de dados tabulares.
- Alvos: Dois modelos foram treinados para prever (a) Receita Operacional e (b) Receita Operacional por Funcionário (um proxy para produtividade do trabalho).
- Atributos (Features): As entradas incluíram variáveis ao nível da empresa (contagem de funcionários, anos de serviço, setor, pontuações de palavras-chave) e indicadores socioeconômicos ao nível de código postal.
- Interpretabilidade: SHapley Additive exPlanations (SHAP) foram empregados para quantificar a contribuição marginal de cada variável de entrada para as previsões.
- Validação: Os modelos foram treinados em 80% dos dados e testados em 20%, avaliados usando $R^2$ e Erro Quadrático Médio (RMSE).
Previsão de Crescimento (Séries Temporais):
- Métricas: Quatro métricas de ciclo de vida foram analisadas: Total de entidades de IA, Entidades de IA Ativas, Entidades Dissolvidas e a Razão de Dissolução.
- Algoritmos: Quatro modelos de séries temporais univariadas foram comparados: ARIMA, Theta, Exponential Smoothing (ETS) e Median Fourier Linear Exponential Smoothing (MFLES).
- Otimização: Hiperparâmetros foram ajustados usando o Tree-structured Parzen Estimator (TPE).
- Incerteza: Previsão Conforme (Conformal Prediction) foi usada para construir intervalos de previsão de 95% para previsões estendidas até 2030.

Principais Resultados

1. Concentração Geográfica e Setorial

Dominância de Londres: Londres abriga 41,3% de todas as entidades de IA ativas (1.616 empresas).
Desempenho Setorial: Embora o setor de Tecnologia represente a maioria das dissoluções (57,3%), os Serviços Financeiros Gerais reportaram a maior receita operacional média (£33,9 milhões) entre o subconjunto analisado.
Evolução de Palavras-Chave: "Machine Learning" e "Artificial Intelligence" permanecem como as palavras-chave mais comuns. "Generative AI" surgiu por volta de 2015 e formou um cluster distinto com Processamento de Linguagem Natural (NLP) até 2024.

2. Impulsionadores do Desempenho Empresarial

Impulsionadores de Receita: O tamanho da empresa (faixa de funcionários) é o preditor dominante da receita operacional total, explicando 74,85% do poder explicativo. Empresas maiores geram receitas absolutas mais altas.
{% endminipage %}
Impulsionadores de Produtividade: A especialização técnica (pontuação de palavra-chave) é o principal impulsionador da receita operacional por funcionário, contribuindo com 83,59%. Isso sugere que a produtividade está ligada à amplitude e relevância das capacidades de IA, e não ao tamanho da empresa.
Impacto do Ecossistema Local: Variáveis ao nível de código postal (taxas de qualificação de Nível 3, densidade populacional e níveis de emprego local) fornecem contribuições marginais significativas tanto para a receita quanto para a produtividade, confirmando que o crescimento da IA está inserido em ecossistemas socioeconômicos regionais.

3. Previsão até 2030

Os modelos projetam uma transição de um crescimento de alta expansão para uma fase de consolidação:

Total de Entidades: Espera-se que o crescimento estagne, atingindo aproximadamente 4.651 entidades totais até 2030 (IC 95%: 4.323–4.979).
Base Ativa: O número de entidades ativas deve atingir 4.410 (PI 95%: 3.672–5.149), indicando um crescimento modesto, mas estável.
Dissoluções: O número absoluto de dissoluções deve aumentar significativamente para 316 até 2030.
Taxa de Dissolução: A taxa anual de dissolução deve se estabilizar em aproximadamente 2,21%, sugerindo um mercado amadurecendo onde empresas menos produtivas saem enquanto o setor central permanece resiliente.

Principais Contribuições e Significância

O artigo afirma fornecer o primeiro mapeamento multidimensional, ao nível da empresa, da economia de IA do Reino Unido que integra especialização técnica com dados socioeconômicos hiperlocais. Sua significância reside em três áreas:

Evidência Empírica para Políticas Sensíveis ao Lugar: O estudo desafia políticas de inovação puramente setoriais ao demonstrar que fatores locais (educação, densidade) são críticos para o desempenho das empresas. Argumenta-se pela necessidade de cultivar capacidades regionais de IA além de Londres para mitigar riscos sistêmicos e desigualdades regionais.
Diferenciação de Estratégias de Crescimento: A análise distingue entre dois caminhos para o crescimento econômico: escalar o tamanho da empresa (para impulsionar a receita agregada) e aprofundar a especialização técnica (para impulsionar a produtividade). Isso sugere que a política deve abordar lacunas de capital para escala, enquanto simultaneamente fomenta caminhos para a comercialização de pesquisa de fronteira.
Perspectiva Estratégica de Consolidação: Os resultados da previsão indicam que o setor está entrando em uma fase de maturação caracterizada por consolidação de mercado. Os autores argumentam que isso não é um sinal de declínio, mas uma transição para um ecossistema mais estável. Eles propõem que a política deve mudar de apenas apoiar a criação de startups para ajudar empresas viáveis a navegar em transições de crescimento e gerenciar "saídas de preservação de conhecimento" durante a consolidação.

Os autores concluem que intervenções direcionadas e baseadas em evidências são essenciais para transformar este período de consolidação em uma vantagem competitiva sustentada, garantindo que a economia de IA do Reino Unido seja geograficamente equilibrada, produtiva e resiliente.