The Reverse Big Push: Generative AI and Self-Fulfilling Automation

Na economia moderna, a forma como as empresas ganham dinheiro depende frequentemente de um equilíbrio delicado entre o que gastam para operar e o dinheiro que retorna dos clientes. Quando uma empresa contrata trabalhadores, ela paga seus salários. Esses trabalhadores então gastam seus contracheques em outros negócios locais, criando um ciclo de demanda que mantém toda a economia em movimento. Este ciclo é uma parte fundamental de como os mercados locais funcionam. Durante décadas, economistas estudaram como novas tecnologias mudam esse equilíbrio. Às vezes, uma nova máquina é tão cara para comprar que apenas poucas empresas podem pagar por ela, e essas empresas devem trabalhar arduamente para encontrar clientes suficientes para pagar pela máquina. Esta é a ideia clássica de um "grande impulso" (big push), onde altos custos forçam um grupo de empresas a crescer junto para sobreviver.

No entanto, a ascensão da inteligência artificial generativa inverteu este cenário. Hoje, a parte mais cara de usar IA avançada — o custo de treinar o sistema de computador — é paga pela empresa que a construiu, não pela empresa que a utiliza. Um escritório de advocacia ou um estúdio de design pode simplesmente alugar o poder da IA por hora conforme recebem novos trabalhos. Isso faz com que a automação pareça uma despesa operacional flexível, em vez de um investimento inicial pesado. Mas há uma armad-ilha. Se uma empresa decidir usar esta IA para substituir sua equipe humana, ela deixará de pagar esses salários. Se muitas empresas fizerem isso ao mesmo tempo, os trabalhadores que perdem seus empregos param de gastar dinheiro na economia local. Isso encolhe o mercado para todos os outros, tornando mais difícil a sobrevivência dos negócios restantes. A questão que os pesquisadores estão fazendo é se essa mudança cria uma armadilha onde as empresas, agindo em seu próprio interesse, acidentalmente destroem o próprio mercado de que dependem.

Uma equipe de economistas da China construiu um modelo para explorar essa dinâmica específica, focando em como a escolha entre usar IA com ajuda humana versus usar a IA para substituir humanos se desenrola em uma economia de serviços local. Eles descobriram que a economia pode ficar presa em dois estados muito diferentes, dependendo do que as empresas esperam que aconteça a seguir. Em um estado, as empresas mantêm suas equipes humanas, os salários permanecem altos e a economia local é vibrante. No outro, as empresas cortam suas equipes para economizar dinheiro, os salários caem, a economia local encolhe e as empresas cortam ainda mais equipes para sobreviver. Os pesquisadores chamam isso de um "impulso reverso" (reverse big push). Ao contrário do modelo antigo, onde altos custos forçavam o crescimento, aqui a capacidade de cortar custos facilmente pode desencadear um colapso autoexecutor.

O cerne de sua descoberta é que a decisão de automatizar não é apenas sobre se a tecnologia funciona bem; é sobre quantos outros negócios estão fazendo o mesmo. Se uma empresa acredita que a maioria das outras manterá suas equipes humanas, faz sentido para ela manter sua equipe também, porque a economia local será forte o suficiente para sustentar os salários mais altos. Mas se uma empresa acredita que todos os outros estão demitindo trabalhadores para mudar para a IA, torna-se a jogada mais inteligente para ela demitir trabalhadores também, porque a economia local será fraca demais para sustentar uma equipe completa. Isso cria uma situação onde a economia pode se estabelecer em um equilíbrio de "baixa demanda", onde a automação é a única escolha, embora um equilíbrio de "alta demanda", onde humanos e IA trabalham juntos, seria melhor para todos.

Os pesquisadores mostram que esse problema não desaparece mesmo se os salários puderem cair. Em um mercado normal, se a demanda cai, os salários caem, o que torna mais barato contratar pessoas novamente. O modelo confirma que a queda de salários realmente torna a contratação mais barata, mas também significa que os trabalhadores têm menos dinheiro para gastar. O estudo constata que, se a perda de poder de compra for maior do que a economia gerada pelos salários mais baixos, o ciclo de declínio continua. A economia fica presa em um estado de baixos salários e baixo emprego porque a queda na demanda é severa demais para ser corrigida apenas pelos custos de mão de obra mais baixos. Isso significa que simplesmente deixar o mercado ajustar os salários não é suficiente para evitar um colapso se as empresas perderem a confiança no futuro.

Para entender como isso ocorre, os autores observaram como as empresas tomam decisões ao longo do tempo. Eles imaginaram um cenário em que as empresas têm a chance de mudar sua estratégia em diferentes momentos. Se uma empresa é pessimista e espera que os outros automatizem, ela automatizará primeiro, validando o pessimismo da próxima empresa, criando uma cascata de demissões. Se uma empresa é otimista e espera que os outros mantenham suas equipes, ela manterá sua equipe, encorajando os outros a fazerem o mesmo. O ponto de partida importa, mas a expectativa também. Os pesquisadores descobriram que existe uma faixa específica de condições onde ambos os resultados são possíveis. Nessa faixa, a economia não é determinada pela tecnologia em si, mas pelo humor coletivo da comunidade empresarial.

O estudo também examinou o que acontece quando ocorre um choque público, como uma mudança súbita na saúde geral da economia. Eles descobriram que, se a economia estiver nesse meio terreno incerto, um fundamental público capaz de atingir ambas as regiões de dominância pode selecionar um caminho único. Se a economia já está inclinada para a automação, um choque negativo pode empurrá-la para o abismo de um colapso total. Por outro lado, se ela estiver inclinada para a cooperação humano-IA, um choque positivo pode consolidar esse caminho. Os pesquisadores usaram o conceito de "dominância de risco" para prever qual estado é mais provável de ser escolhido quando o futuro é incerto. Eles descobriram que, se o ponto de inflexão estático para a cooperação humano-IA estiver abaixo de um meio, a economia provavelmente escolherá o caminho cooperativo. Mas se o ponto de inflexão estiver acima de um meio, a economia provavelmente escolherá o caminho automatizado, mesmo que o caminho cooperativo fosse melhor para a sociedade como um todo.

Os autores então analisaram o que isso significa para as políticas públicas. Eles calcularam que, em muitos setores de serviços profissionais, as condições para essa "falha de coordenação" são reais. Usando dados dos Estados Unidos, estimaram que, para certos tipos de tarefas de alta autonomia da IA, a economia poderia facilmente cair no equilíbrio ruim. Eles descobriram que a lacuna entre o estado "bom" e o estado "ruim" não é enorme, mas é larga o suficiente para importar. Em suas simulações, uma mudança na quantidade de um trabalho que pode ser feito pela IA sem ajuda humana poderia mover a economia de um estado estável onde humanos e máquinas trabalham juntos para um estado onde as máquinas substituem os humanos inteiramente, simplesmente porque o mercado encolheu demais para sustentar as equipes.

Os pesquisadores argumentam que a solução não é proibir a IA ou forçar as empresas a manter trabalhadores. Em vez disso, sugerem que uma intervenção governamental temporária poderia ajudar a economia a atravessar o abismo. Se a economia estiver presa no estado de baixa demanda, um subsídio pequeno e temporário ou um imposto sobre a automação pura poderia agir como uma ponte. Essa ponte daria às empresas a confiança para manter suas equipes humanas até que a economia crescesse o suficiente para sustentá-las por conta própria. Uma vez que a economia atingisse um certo tamanho, o subsídio poderia ser removido, e o modelo humano-IA se tornaria a escolha natural e autossustentável. A chave é que esse apoio deve ser temporário e direcionado; não se trata de salvar cada emprego para sempre, mas de evitar que a economia fique presa em um estado ruim onde todos saiam perdendo.

O artigo também esclarece que este problema é específico para certos tipos de trabalho. Ele se aplica mais fortemente à automação "defensiva", onde as empresas usam a IA para cortar custos porque temem que o mercado esteja encolhendo. É menos provável que ocorra com a automação "ofensiva", onde a IA cria novos produtos que expandem o mercado. No caso defensivo, o medo de um mercado em contração impulsiona a decisão de cortar custos, o que, por sua vez, encolhe o mercado. Os pesquisadores mostram que, se uma empresa está cortando custos porque espera que o mercado encolha, muitas vezes é melhor para toda a economia que essa empresa mantenha seus trabalhadores, pois seus salários ajudarão a manter o mercado vivo.

Em sua análise final, os autores usaram números do mundo real para mostrar o quão sensível este sistema é. Eles observaram a razão entre receita e folha de pagamento em serviços profissionais e descobriram que, em muitos casos, a economia está exatamente na borda da região de coordenação. Uma pequena mudança no custo da IA ou na capacidade da IA de realizar tarefas poderia desequilibrar a balança. Eles descobriram que os ajustes salariais, embora úteis, comprimem a faixa onde essa falha de coordenação pode acontecer, mas não a eliminam. O estudo conclui que o futuro do trabalho na era da IA generativa depende menos do poder bruto da tecnologia e mais da confiança coletiva das empresas que a utilizam. Se as empresas conseguirem coordenar para manter suas equipes humanas, a economia pode prosperar. Se não conseguirem, correm o risco de um colapso autoexecutor onde as próprias ferramentas destinadas a ajudá-las acabam prejudicando o mercado que servem.

O trabalho fornece um aviso claro de que a transição para uma economia impulsionada pela IA não é automática. Ela exige navegar por um caminho estreito onde as expectativas e a realidade se reforçam mutuamente. Os pesquisadores mostram que, sem um mecanismo para quebrar o ciclo de pessimismo, a economia pode se estabelecer em um estado que é estável, mas ineficiente, onde todos são mais pobres do que poderiam ser. A solução reside em entender que a escolha da tecnologia não é apenas uma decisão técnica, mas uma decisão social que depende da saúde de toda a economia local. Ao reconhecer isso, os formuladores de políticas podem desenhar intervenções que ajudem a economia a encontrar o caminho para o melhor resultado, garantindo que os benefícios da IA sejam compartilhados em vez de perdidos em um ciclo de declínio.