Over-accumulating AI. Rationale and fault lines beyond the US AI investment boom

Em meados da década de 2020, o mundo observou enquanto uma nova onda de tecnologia varria a economia, prometendo remodelar a forma como trabalhamos, criamos e pensamos. Esta tecnologia, conhecida como inteligência artificial, depende de quantidades massivas de poder computacional armazenado em gigantescos centros de dados. Para construir esses centros, um punhado de gigantes tecnológicas começou a gastar dinheiro em um ritmo nunca antes visto na história. Eles injetaram bilhões na compra de chips de computador especializados e na construção de instalações para operá-los. Esse surto de gastos impulsionou o preço das ações dessas empresas e tornou-se um importante motor de crescimento econômico nos Estados Unidos. No entanto, tal investimento rápido e massivo frequentemente levanta uma questão entre os economistas: este crescimento é construído sobre solo firme ou é uma bolha prestes a estourar? A preocupação não é apenas sobre se a tecnologia funciona, mas se o dinheiro gasto nela poderá algum dia ser recuperado por meio dos produtos e serviços que ela cria. Se os retornos não corresponderem aos custos, todo o sistema poderá enfrentar uma correção súbita e dolorosa.

Uma equipe de pesquisadores da Universidade de Genebra, Gaia Valenti e Cédric Durand, partiu para examinar esta situação através da lente da história econômica. Eles olharam para o atual boom não apenas como um sucesso tecnológico, mas como uma potencial crise de "superacumulação". Em termos simples, este conceito descreve uma situação em que as empresas são forçadas pela competição a investir tanto dinheiro que há mais capital disponível do que oportunidades lucrativas para utilizá-lo. Os pesquisadores argumentaram que, embora o entusiasmo em torno da inteligência artificial seja impulsionado por um único caminho otimista, onde a produtividade dispara e a demanda cresce para sempre, o caminho para um colapso é muito mais complicado. Eles identificaram três caminhos distintos para o fracasso do boom, cada um interagindo com os outros para criar uma situação frágil.

O primeiro caminho para o problema reside no próprio sistema financeiro. Os pesquisadores descobriram que os gastos massivos das gigantes tecnológicas não estão sendo pagos pelos lucros que essas empresas estão gerando atualmente. Em vez disso, elas dependem fortemente de dívidas e de acordos financeiros complexos que as ligam entre si. Por exemplo, algumas empresas estão tomando empréstimos de somas enormes para construir centros de dados, enquanto outras estão assinando contratos de longo prazo para comprar poder de computação desses mesmos centros. Isso cria um ciclo onde o valor de uma empresa depende do sucesso de outra. Se a demanda por inteligência artificial não crescer tão rápido quanto o previsto, essas empresas podem se ver incapazes de pagar suas contas. Como suas finanças estão profundamente interligadas, um problema para uma poderia rapidamente se espalhar para todas, potencialmente causando um choque financeiro mais amplo.

O segundo caminho envolve os obstáculos físicos e políticos da construção da infraestrutura necessária. Os pesquisadores apontaram que, embora as empresas tenham garantido vastas quantidades de dinheiro, construir efetivamente os centros de dados está se tornando cada vez mais difícil. Essas instalações requerem quantidades enormes de eletricidade e água, e precisam ser construídas em terras que são frequentemente alvo de oposição local. Nos Estados Unidos, muitos estados começaram a restringir ou atrasar a construção de centros de dados devido a preocupações com o uso de energia e impacto ambiental. Além disso, o fornecimento dos chips especializados necessários para rodar esses sistemas é vulnerável a conflitos globais e interrupções de transporte. Isso significa que, mesmo que as empresas tenham o dinheiro para gastar, elas podem não ser capazes de transformar esse dinheiro em tecnologia funcional rápido o suficiente para atender às expectativas dos investidores.

O terceiro e talvez mais fundamental caminho para a crise diz respeito ao trabalho real que a inteligência artificial supostamente deve realizar. Todo o boom é justificado pela promessa de que essas máquinas tornarão os trabalhadores humanos muito mais produtivos, permitindo que as empresas recuperem seus enormes investimentos. No entanto, os pesquisadores encontraram evidências de que essa promessa pode não se sustentar. Embora a inteligência artificial possa acelerar tarefas específicas, ela frequentemente interrompe a forma como as equipes trabalham juntas. Ela pode criar uma situação em que trabalhadores juniores perdem a chance de aprender habilidades essenciais porque não estão realizando o trabalho eles mesmos, e trabalhadores seniores ficam sobrecarregados tentando verificar o resultado da máquina. Isso pode levar a um declínio na qualidade geral do trabalho e a uma perda de motivação. Se a tecnologia falhar em entregar as melhorias esperadas na forma como as pessoas trabalham, a demanda por ela estagnará, e os investimentos massivos feitos para construí-la não darão retorno.

Os pesquisadores concluíram que o resultado deste boom é incerto, mas delinearam dois futuros possíveis. Uma possibilidade é um "inverno da IA", onde a bolha estoura, o investimento colapsa e a tecnologia recua para um papel menor e menos influente na economia. O outro cenário, talvez mais provável, é o que eles chamam de "melancolia da IA" (AI gloom). Neste futuro, a tecnologia não desaparece, mas também não entrega os ganhos econômicos massivos que foram prometidos. As empresas que construíram a infraestrutura permanecem poderosas, mas a economia como um todo não vê a prosperidade que era esperada. Em vez disso, os custos de manutenção deste sistema caro são repassados à sociedade, e o poder de algumas grandes empresas tecnológicas torna-se ainda mais enraizado. O estudo sugere que, embora a tecnologia seja real, a lógica econômica que impulsiona sua expansão atual é repleta de perigos, e o caminho a seguir é muito menos certo do que o hype sugere.