O Instituto Tony Blair para a Mudança Global (TBI), um think tank sem fins lucrativos, publicou recentemente uma pesquisa indicando que a inteligência artificial poderia otimizar a força de trabalho do Reino Unido, reduzir os custos do governo em bilhões e automatizar mais de 40% das tarefas dos trabalhadores.
No entanto, de acordo com a pesquisa, esses benefícios exigiriam que o governo "investisse em tecnologia de IA, atualizasse seus sistemas de dados, treinasse sua força de trabalho para usar as novas ferramentas e cobrisse quaisquer custos de redundância associados a saídas antecipadas da força de trabalho."
Isso custaria aproximadamente US$ 4 bilhões por ano nos próximos cinco anos e US$ 7 bilhões por ano depois disso, escrevem os pesquisadores.
Mas o verdadeiro problema com a pesquisa, de acordo com pesquisadores externos que leram o artigo, está na sua dependência do ChatGPT.
Mohammad Amir Anwar, da Universidade de Oxford, opinou no X que o Instituto Tony Blair estava "inventando coisas"; enquanto isso, Emily Bender, da Universidade de Washington, disse a Emanuel Maiberg, do 404 Media, que os pesquisadores "poderiam muito bem estar sacudindo uma Bola 8 Mágica e anotando as respostas que ela mostra."
O problema
Os pesquisadores do TBI se propuseram a fornecer uma visão geral de alto nível de toda a força de trabalho para que pudessem prever o impacto potencial que a automação poderia ter no mercado no futuro.
Eles determinaram que a IA poderia economizar bilhões de dólares para o Reino Unido quase imediatamente. De acordo com o artigo de pesquisa, os custos de investimento em comparação com as economias potenciais “implicam que as economias líquidas de utilizar totalmente a IA no setor público seriam de quase 1,3% do PIB a cada ano, o equivalente a 37 bilhões de libras esterlinas por ano nos termos atuais.”
Os pesquisadores vão ainda mais longe ao afirmar que “isso equivale a uma relação custo-benefício de 9:1 no total” inicialmente, e “após cinco anos, estimamos que o programa poderia economizar cumulativamente 0,5% do PIB anual (ou 15 bilhões de libras esterlinas nos termos atuais), implicando que uma relação custo-benefício de 1,8:1 é possível se a tecnologia for implementada rapidamente.”
Embora esses números sejam certamente empolgantes, não está claro se eles têm algum significado real.
A questão é como os pesquisadores chegaram às suas conclusões. Em vez de realizar um estudo exaustivo com trabalhadores e empregadores para determinar como a automação afetaria uma determinada posição, eles usaram o conjunto de dados O*Net para identificar 20.000 tarefas realizadas por trabalhadores e, em seguida, alimentaram os dados no ChatGPT. A equipe então solicitou à IA que determinasse quais tarefas eram adequadas para automação e quais ferramentas poderiam ser usadas para automatizá-las.
De acordo com os pesquisadores, usar especialistas humanos para revisar cada tarefa tornaria seu trabalho “intratável”, o que na ciência significa difícil demais de realizar.
Isso também significa, ostensivamente, que seria “intratável” para os pesquisadores avaliarem cada uma das saídas do ChatGPT — a equipe diz que usou o sistema de IA para categorizar quase 20.000 tarefas.
Se assumirmos que a IA cometeu erros (de acordo com a pesquisa do TBI e o site da OpenAI, criadora do ChatGPT, os modelos são propensos a erros), então também podemos assumir que a pesquisa contém informações falhas e que a revisão por pares também seria intratável.
Automação não é fácil
Então, qual é o número real? Tecnicamente falando, não seria possível para o ChatGPT entender as nuances da automação em uma base tarefa por tarefa, porque os dados necessários quase certamente não estariam em seu conjunto de dados devido à dificuldade de criá-los manualmente.
Quando se trata de resolver problemas novos para os quais um sistema de IA não foi treinado, os sistemas generativos tendem a falhar.
Por exemplo, cafeteiras automáticas existem há décadas, mas a automação geral — ensinar um sistema de IA a fazer café em qualquer lugar, em qualquer ambiente — é considerado um problema notável nos campos da inteligência artificial e robótica.
Simplificando, a automação é difícil e requer uma abordagem detalhada para cada tarefa individual.
Em 2017, por exemplo, quando a febre da IA generativa começou a ganhar força, assumia-se que a condução autônoma seria resolvida em questão de anos. Elon Musk até previu que a Tesla operaria 1 milhão de robotáxis até 2020.
Mas, em julho de 2024, a grande maioria dos fabricantes de automóveis, startups e grandes empresas de tecnologia que estavam trabalhando em carros autônomos em 2021 encerraram seus respectivos programas. Acontece que 99% da condução pode ser automatizada, mas até agora, nenhuma equipe de engenharia descobriu como automatizar com segurança os casos extremos que compõem esse último 1%.
Embora seja fácil imaginar qualquer tarefa simples sendo automatizada, o contexto é importante. O ChatGPT pode ser capaz de gerar texto indicando que qualquer trabalho pode ser automatizado se você investir dinheiro suficiente no problema, mas a realidade tem se provado contrária a essas afirmações.