Entre 2025 e 2026, as cinco maiores empresas de tecnologia do mundo devem gastar mais de um trilhão de dólares em investimento de capital ligado à inteligência artificial, segundo o Banco de Compensações Internacionais (BIS) [1][2]. No outro extremo, o cálculo mais influente da macroeconomia da IA estima que o efeito do setor sobre a produtividade total dos fatores (PTF), em dez anos, não deve passar de 0,66% [3]. As duas cifras convivem sem se contradizer — e é justamente essa convivência que define o problema econômico da IA.
A primeira cifra é um fluxo de caixa; a segunda, um resíduo estatístico. Entre uma e outra há uma cadeia longa de mediações — a tarefa, o processo a reorganizar, o preço, o trabalhador, o ativo —, e boa parte do debate público trata o anúncio de um data center como ganho de produtividade já contabilizado. A tese deste artigo é que a IA é, por enquanto, um choque de oferta lento financiado por um ciclo de ativos veloz — e que confundir os dois distorce tanto a política monetária quanto a política industrial.
14% na central de atendimento, 0,66% na contabilidade nacional
O experimento mais citado da literatura é também o mais modesto em escopo. Erik Brynjolfsson, Danielle Li e Lindsey Raymond acompanharam 5.179 agentes de suporte ao cliente e verificaram que o acesso a um assistente de IA generativa elevou a produtividade — medida por problemas resolvidos por hora — em 14% na média, com ganho de 34% para os trabalhadores novatos e menos qualificados e impacto mínimo entre os mais experientes [4]. A versão publicada no Quarterly Journal of Economics reporta alta de 15% [5].
Resultado na mesma direção, em outra escala, aparece em dados de firmas. O BIS Working Paper 1325, de Iñaki Aldasoro e coautores, usa a base EIBIS-ORBIS, com mais de 12 mil empresas não financeiras da União Europeia e dos Estados Unidos, e encontra que a adoção de IA eleva a produtividade do trabalho em 4%, sem efeito adverso sobre o emprego no nível da firma; o ganho vem de aprofundamento de capital, e os próprios autores ressalvam que os efeitos de longo prazo seguem incertos [6][7]. É um efeito real, mensurável — e bem menor que o da central de atendimento.
Do outro lado, Daron Acemoglu parte de um modelo baseado em tarefas para argumentar que os efeitos agregados serão pequenos: como a fração de tarefas que a IA pode executar de forma economicamente vantajosa é limitada e as economias de custo nessas tarefas são moderadas, o ganho de PTF em dez anos fica em no máximo 0,66% — e abaixo de 0,53% quando se consideram as tarefas mais difíceis de aprender [3]. A OCDE, com metodologia distinta, estima que a IA acrescentaria entre 0,25 e 0,6 ponto percentual ao crescimento anual da PTF nos Estados Unidos em seus cenários principais, com magnitude algo menor em outras economias [8]. Na ponta mais otimista, a diretora-gerente do FMI, Kristalina Georgieva, afirmou em fevereiro de 2026 que a IA pode impulsionar a produtividade global em até 0,8 ponto percentual por ano, com ganhos maiores nos países com melhor infraestrutura digital, mão de obra mais qualificada e regulação sólida [9].
A distância entre 14% e 0,66% é o preço da difusão: ganhos microeconômicos só se tornam macroeconômicos quando atravessam custos, preços e realocação de fatores. O relatório The GenAI Divide, do projeto NANDA do MIT, publicado em julho de 2025, dá a medida do bloqueio: apesar de US$ 30 bilhões a US$ 40 bilhões em gastos corporativos com IA generativa, 95% das organizações não viam retorno nos negócios, e só 5% dos pilotos integrados extraíam valor na casa dos milhões [10]. O gargalo não é decidir usar IA; é reorganizar o processo produtivo em volta dela — um investimento que não aparece no anúncio do data center.
O deslocamento que aparece na margem etária
Exposição à IA não é demissão, e o dado mais interessante dos últimos dois anos mostra onde o efeito realmente aparece. Pesquisadores do Stanford Digital Economy Lab, com dados de folha de pagamento da ADP, mostraram em 2025 que jovens de 22 a 25 anos nas ocupações mais expostas à IA, como desenvolvimento de software e atendimento ao cliente, tiveram queda relativa de 16% no emprego, enquanto trabalhadores com 30 anos ou mais nessas mesmas categorias cresceram entre 6% e 12% do fim de 2022 a maio de 2025 [11]. A atualização de agosto de 2026 indica que a lacuna se ampliou para 19%: em níveis, o emprego de jovens de 22 a 25 anos nas ocupações mais expostas caiu cerca de 11% entre novembro de 2022 e junho de 2026, enquanto nas menos expostas cresceu cerca de 10% — padrões descritivos, não estimativas causais, como frisam os autores [12].
O padrão é coerente com a evidência microeconômica: a IA comprime o tempo de tarefas típicas de entrada, reduzindo a demanda por juniores sem eliminar a função. Se a IA atua como substituta do aprendizado inicial, ela atinge a formação de capital humano — e, portanto, a produtividade da próxima década, não apenas a folha de pagamento desta.
A penetração real ainda é baixa. Dados do U.S. Census Bureau mostram que o uso de IA pelas empresas americanas oscilou entre 17% e 20% entre dezembro de 2025 e maio de 2026 [13]. Já o Anthropic Economic Index, lançado em fevereiro de 2025 com base em conversas no Claude.ai, oferecia o contraponto granular: cerca de 36% das ocupações registravam uso de IA em pelo menos um quarto de suas tarefas [14]. O Indeed Hiring Lab calculou, em setembro de 2025, que 46% das habilidades de uma vaga típica estão em categorias de transformação híbrida ou total pela IA generativa [15]. Adoção e exposição são fenômenos distintos, e a política monetária lê o primeiro — via emprego e salários —, enquanto a narrativa se move pelo segundo.
O banco central no meio do balanço
É no capítulo da política monetária que a assimetria fica explícita. O relatório econômico anual de 2026 do BIS registra que o investimento em IA ajudou a mitigar os efeitos negativos das tarifas e da incerteza sobre o crescimento — ao lado de outros fatores, como a realocação do comércio e a absorção de custos pelas margens das empresas [1]. Em setembro de 2026, o gerente-geral do BIS, Pablo Hernández de Cos, foi além: lembrou que o boom de investimento em IA é cada vez mais financiado por dívida e crédito privado, e não por lucros, e advertiu que, "se os retornos da IA decepcionarem, uma retração do investimento pode transformar o boom de capex de hoje em colapso" [2].
Do lado analítico, o Federal Reserve de Nova York formalizou o problema. O Staff Report 1192, de Simone Lenzu, analisa a IA e a política monetária por três canais interligados — transmissão cíclica, transição estrutural e estabilidade financeira — e aponta um risco específico na interseção deles: se a IA de início deprime a eficiência por atritos de adoção enquanto infla o preço dos ativos, a economia pode enfrentar inflação de custos e fragilidade financeira ao mesmo tempo, uma espécie de estagflação própria da IA que a taxa de juros, sozinha, não resolve bem [16]. Philipp Hartmann e Vida Maver, do BCE, em policy brief da SUERF de janeiro de 2025, fizeram uma primeira avaliação conceitual do tema [17], e Christine Lagarde defendeu, em novembro de 2025, que a IA pode elevar de forma relevante a produtividade europeia [18].
A escala do investimento ajuda a entender a cautela. Derek Thompson estimou, em outubro de 2025, que o capex de IA nos Estados Unidos superaria US$ 500 bilhões em 2026 e 2027 — aproximadamente o PIB anual de Singapura [19]. O J.P. Morgan projeta, em análise de outubro de 2026, US$ 900 bilhões em capex global de IA apenas em 2026 e mais de US$ 5 trilhões acumulados até 2030 [20].
A posição que defendo é arriscada, mas os números a sustentam: no horizonte em que os bancos centrais operam, a IA está funcionando sobretudo como um choque de demanda com componente de preço de ativo, não como choque de oferta. Tratar o capex como prenúncio de produtividade é um erro de leitura, porque o capex é pró-cíclico e a produtividade é lenta. Um banco central que antecipe desinflação tecnológica e relaxe antes de ver produtividade medida pode descobrir que financiou a fase de euforia do ciclo. A pergunta prudencial — que taxa de depreciação os modelos de negócio de data center assumem — não é um detalhe contábil; é a variável que decide se o trilhão vira capacidade produtiva ou baixa contábil.
A análise de mercado e a assimetria que ninguém divulga
Na gestão de ativos, a IA avança, mas de forma desigual. A pesquisa de 2026 da Mercer com gestoras descreve a IA como cada vez mais embutida nos processos de investimento: 55% das casas já a integraram em pelo menos um processo, 27% ainda estão em piloto ou prova de conceito e 18% não a integraram [21].
Há, porém, uma assimetria difícil de ignorar. A síntese do Instituto de Estabilidade Financeira do BIS sobre o relatório do Financial Stability Board aponta que as instituições financeiras usam IA sobretudo para melhorar operações internas e a conformidade regulatória; os casos de uso voltados à geração de receita ainda são limitados, e a IA generativa é testada com cautela [22]. A parte visível e auditável do fenômeno é a de custo, não a de resultado.
A consequência de mercado merece mais atenção regulatória. Se ferramentas analíticas semelhantes são adotadas simultaneamente por agentes com mandatos parecidos, o custo menor de análise não produz diversificação: produz correlação. O próprio relatório do Fed de Nova York lista as "monoculturas de modelos" e as avaliações de ativos infladas por expectativas entre as vulnerabilidades sistêmicas que a IA pode agravar, ainda que ela também possa melhorar a alocação de crédito e a avaliação de risco [16]. O ganho de eficiência informacional e o risco de homogeneidade vêm do mesmo mecanismo — e o segundo não aparece em nenhum relatório trimestral.
Quem captura o dividendo — e o que os modelos não medem
A distribuição geográfica do ganho é o ponto em que os modelos macroeconômicos se tornam mais frágeis. Um working paper do FMI de abril de 2025 conclui que a IA tende a ampliar a desigualdade de renda entre países: o impacto estimado sobre o crescimento nas economias avançadas pode ser mais que o dobro do observado nos países de baixa renda, e melhorias de preparo e acesso atenuam, mas dificilmente eliminam, essa diferença [23]. A Comissão Europeia, em análise publicada com sua previsão de primavera de 2026, descreveu uma "divisão de adoção" da IA ligada a escolaridade, ocupação e capacidade de inovação das regiões, que ameaça ampliar disparidades no mercado de trabalho e entre regiões [24].
O Brasil oferece um bom estudo de caso — e também um bom alerta metodológico. Um estudo do RegLab estima que a IA pode adicionar até R$ 986,7 bilhões ao PIB brasileiro entre 2027 e 2030, em valor presente, o equivalente a cerca de 7,6% do PIB projetado para 2026 [25]. O trabalho foi encomendado pela OpenAI, e 65% do ganho viria do aumento da produtividade dos trabalhadores [26]. Uma referência mais contida aparece em coluna de 2024 do blog do IBRE/FGV: no cenário-base do FMI, a adoção de IA elevaria o PIB brasileiro em 5% num horizonte de cerca de dez anos [27]. Os números não são diretamente comparáveis — horizontes, métodos e premissas diferem —, e é justamente esse o ponto: a estimativa é muito sensível às premissas de difusão, e merece leitura cuidadosa quando o financiador do estudo tem interesse direto na adoção acelerada.
A literatura carece de três coisas: medida — os indicadores de adoção, como a pesquisa do Census [13] e o índice da Anthropic [14], não capturam reorganização de processo, onde o ganho mora; prazo — os estudos empíricos medem poucos anos, e tecnologias de uso geral demoram mais a aparecer nas estatísticas; e restrições de oferta — energia, data centers, mão de obra qualificada e concorrência costumam ser tratadas como dadas, quando são o que a
política econômica controla.
Conclusão: onde a evidência precisa melhorar antes da próxima previsão
A economia da IA, hoje, comporta duas afirmações simultâneas e verdadeiras: os ganhos microeconômicos de produtividade são reais e grandes em tarefas específicas; e o efeito agregado esperado é pequeno, lento e condicionado por uma difusão organizacional que a maioria das empresas ainda não completou. Tratar o primeiro fato como prova do segundo é a falácia central do debate — e é a falácia que sustenta tanto projeções de PIB infladas quanto decisões de política monetária prematuras.
Três direções merecem prioridade: mensuração por tarefa e processo, e não só por taxa de adoção; supervisão prudencial do ciclo de capex em IA, com atenção a depreciação, financiamento e concentração; e política de trabalho voltada aos profissionais de entrada em ocupações expostas, onde o efeito já está documentado.
Se a IA é, de fato, uma tecnologia de uso geral, o número que importará não será o trilhão investido nem o 0,66% projetado. Será a taxa de difusão no processo produtivo — a variável entediante que nenhum comunicado de resultado destaca e que decide, ao fim, quanto do investimento vira capacidade e quanto vira apenas preço.
Referências
[1] BIS (2026). Annual Economic Report 2026 — I. Progress and peril. Bank for International Settlements. https://www.bis.org/publications/aer-2026/progress-peril
[2] Hernández de Cos, P. (2026). Artificial intelligence, growth and financial stability: challenges for central banks. Discurso, BIS, 10 set. 2026. https://www.bis.org/speeches/20260910-artificial-intelligence-growth-and-financial-stability-challenges-central-banks
[3] Acemoglu, D. (2024). The Simple Macroeconomics of AI. NBER Working Paper 32487. https://www.nber.org/papers/w32487
[4] Brynjolfsson, E., Li, D. e Raymond, L. (2023). Generative AI at Work. NBER Working Paper 31161. https://www.nber.org/papers/w31161
[5] Brynjolfsson, E., Li, D. e Raymond, L. (2025). Generative AI at Work. The Quarterly Journal of Economics, 140(2). https://academic.oup.com/qje/article/140/2/889/7990658
[6] Aldasoro, I. et al. (2026). AI adoption, productivity and employment: evidence from European firms. BIS Working Paper 1325. https://www.bis.org/publ/work1325.pdf
[7] EIB (2026). Economics Working Paper 2026/02 – AI adoption, productivity and employment: evidence from European firms. Banco Europeu de Investimento. https://www.eib.org/en/publications/20250383-economics-working-paper-2026-02
[8] Filippucci, F., Gal, P. e Schief, M. (2024). Miracle or Myth? Assessing the macroeconomic productivity gains from artificial intelligence. OECD Ecoscope. https://oecdecoscope.blog/2024/11/26/miracle-or-myth-assessing-the-macroeconomic-productivity-gains-from-artificial-intelligence/
[9] Georgieva, K. (2026). Leveraging Artificial Intelligence and Enhancing Countries' Preparedness. FMI. https://www.imf.org/en/news/articles/2026/02/03/sp-md-leveraging-artificial-intelligence-and-enhancing-countries-preparedness
[10] Ramel, D. (2025). MIT Report Finds Most AI Business Investments Fail, Reveals 'GenAI Divide'. Virtualization Review. https://virtualizationreview.com/articles/2025/08/19/mit-report-finds-most-ai-business-investments-fail-reveals-genai-divide.aspx
[11] Chow, A. R. (2025). A New Stanford Analysis Reveals Who's Losing Jobs to AI. TIME. https://time.com/7312205/ai-jobs-stanford/
[12] Stanford Digital Economy Lab (2026). No Widespread Displacement, but the AI Employment Gap for Young Workers Has Widened to 19%. https://digitaleconomy.stanford.edu/news/canariesaug26/
[13] U.S. Census Bureau (2026). AI Use at U.S. Businesses: Large Firms With at Least 20 Employees Biggest AI Users. https://www.census.gov/library/stories/2026/05/ai-use-businesses.html
[14] Anthropic (2025). Introducing the Anthropic Economic Index. https://www.anthropic.com/news/the-anthropic-economic-index
[15] Hering, A. e Rojas, A. (2025). AI at Work Report 2025: How GenAI is Rewiring the DNA of Jobs. Indeed Hiring Lab. https://hiringlab.indeed.com/2025/09/23/ai-at-work-report-2025-how-genai-is-rewiring-the-dna-of-jobs/
[16] Lenzu, S. (2026). Artificial Intelligence and Monetary Policy: A Framework and Perspective on Cyclical Transmission, Structural Transition, and Financial Stability. Federal Reserve Bank of New York Staff Report 1192. https://www.newyorkfed.org/medialibrary/media/research/staff_reports/sr1192.pdf
[17] Hartmann, P. e Maver, V. (2025). Implications of Artificial Intelligence for Monetary Policy – A First Conceptual Assessment. SUERF Policy Brief 1080. https://www.suerf.org/publications/suerf-policy-notes-and-briefs/implications-of-artificial-intelligence-for-monetary-policy-a-first-conceptual-assessment/
[18] Lagarde, C. (2025). The transformative power of AI: Europe's moment to act. Banco Central Europeu. https://www.ecb.europa.eu/press/key/date/2025/html/ecb.sp251124_1~c239fb4a7f.en.html
[19] Thompson, D. (2025). This Is How the AI Bubble Will Pop. https://www.derekthompson.org/p/this-is-how-the-ai-bubble-will-pop
[20] J.P. Morgan Global Research (2026). What unprecedented AI capex means for markets and investors. https://www.jpmorgan.com/insights/global-research/artificial-intelligence/ai-capex
[21] Mercer (2026). Moving Beyond the AI Pitch: Asset Managers' use of AI. https://www.mercer.com/insights/investments/market-outlook-and-trends/asset-managers-use-of-ai/
[22] BIS FSI (2025). Financial stability implications of artificial intelligence – Executive Summary. https://www.bis.org/publications/fsi-summary-financial-stability-implications-artificial-intelligence-executive-summary
[23] Cerutti, E. et al. (2025). The Global Impact of AI: Mind the Gap. IMF Working Paper WP/25/76. https://www.imf.org/-/media/files/publications/wp/2025/english/wpiea2025076-print-pdf.pdf
[24] Comissão Europeia (2026). The AI-adoption divide: Who benefits, who doesn't, and what it means for workers. Spring 2026 Economic Forecast. https://economy-finance.ec.europa.eu/economic-forecast-and-surveys/economic-forecasts/spring-2026-economic-forecast-slowdown-growth-energy-shock-drives-inflation/ai-adoption-divide-who-benefits-who-doesnt-and-what-it-means-workers_en
[25] Costa Filho, J. R. e Palanca, T. RegLab. O Impacto da Inteligência Artificial na Economia Brasileira. https://reglab.com.br/pesquisa-impacto-ia-economia-brasileira-pib-2/
[26] Meireles, M. (2026). IA pode acrescentar R$ 1 tri ao PIB do Brasil até 2030, diz estudo comissionado pela OpenAI. Folhapress, via Bem Paraná. https://www.bemparana.com.br/noticias/economia/ia-pode-acrescentar-r-1-tri-ao-pib-do-brasil-ate-2030-diz-estudo-comissionado-pela-openai/
[27] Veloso, F. (2024). Efeitos da inteligência artificial sobre o emprego e produtividade no Brasil. Blog do IBRE/FGV. https://blogdoibre.fgv.br/posts/efeitos-da-inteligencia-artificial-sobre-o-emprego-e-produtividade-no-brasil