O debate em torno da inteligência artificial atingiu um estado de equilíbrio tedioso. Os líderes de empresas dizem ou que a IA levará a uma redução catastrófica de empregos, ou que finalmente garantirá a eficiência operacional prometida. Às vezes, eles são informados sobre tudo isso ao mesmo tempo.
Cada um desses lados compartilha a suposição infundada de que a procura corporativa por inteligência — ou seja, pela capacidade de resolver problemas — é imutável. No entanto, a história mostra o contrário. Quando o custo de um recurso vital cai, a procura raramente permanece estável; ela frequentemente aumenta, e significativamente.
A inteligência artificial reduz os custos unitários de processamento de informações, e com isso cresce o apetite das organizações por soluções inteligentes. Em 1865, o economista inglês William Stanley Jevons publicou o trabalho 'The Coal Question', no qual fez uma observação contraintuitiva. As melhorias na máquina a vapor, em particular as desenvolvidas por James Watt, reduziram drasticamente a quantidade de carvão necessária para realizar um determinado trabalho: a máquina totalmente desenvolvida de Watt consumia cerca de um quarto do combustível em comparação com os designs de Newcomen.
Intuitivamente, supunha-se que a Grã-Bretanha queimaria menos carvão. Mas aconteceu o oposto. O trabalho mais barato tornou a energia a vapor aplicável em milhares de novas áreas — desde fábricas têxteis a minas profundas e ferrovias. O consumo de carvão disparou. Este fenómeno recebeu o nome de Paradoxo de Jevons e hoje serve como motor económico para a IA. A IA não elimina a procura corporativa por inteligência; ela reduz seus custos unitários. Quando a aplicação da inteligência para resolver um problema se torna mais barata, as organizações não diminuem seu uso; elas ativam um enorme reservatório de procura latente — problemas que sempre existiram, mas eram demasiado caros para serem resolvidos.
Há dez anos, a radiologia parecia ser o candidato ideal para ser substituído pela IA. Modelos de reconhecimento de imagem podiam analisar milhares de imagens sem fadiga. Em 2016, Geoffrey Hinton, que mais tarde recebeu o Prêmio Nobel, declarou: 'Acho que se você trabalha como radiologista, você é como um coiote que já cruzou a beira de um penhasco, mas ainda não olhou para baixo. As pessoas devem parar de treinar radiologistas agora. É óbvio que em cinco anos o aprendizado profundo superará os radiologistas.'
A situação foi diferente. A radiologia tornou-se o principal alvo para a aplicação de IA na medicina — cerca de três quartos dos mais de mil aplicativos de IA aprovados pela Food and Drug Administration dos EUA para uso médico referem-se à radiologia. No entanto, a procura por radiologistas continua a crescer. O corpo de radiologistas na Mayo Clinic aumentou em 55% desde 2016, atingindo cerca de 400 pessoas. Hinton mesmo disse ao The New York Times no ano passado que havia falado muito amplamente e estava errado nos prazos, observando que a IA tornaria os radiologistas 'muito mais eficientes'.
O aumento da necessidade de visualização foi impulsionado por razões pouco relacionadas com a IA, incluindo o envelhecimento da população. No entanto, a lógica de Jevons explica por que a IA não mudou essa tendência: a redução e aceleração de cada análise não diminui o volume de trabalho a ser realizado. Ela torna mais trabalho viável.
Considere um centro de contacto. As equipas de controlo de qualidade geralmente verificavam apenas cerca de 5% das chamadas. Esse número nunca foi um indicador ótimo para obter informações operacionais. Era um teto estabelecido pelo custo dos revisores humanos, pois verificar cada chamada manualmente era proibitivamente caro. No entanto, a IA de voz mudou radicalmente este modelo económico. A transcrição, indexação e auditoria de cada chamada custam agora apenas uma pequena fração da verificação manual, fazendo com que os centros de contacto passem de verificações seletivas para a análise de cada interação: identificando problemas sistémicos de faturação, rastreando o sentimento do cliente e, em seguros, comparando declarações verbais com dados inseridos no sistema CRM.
No verdadeiro espírito de Jevons, a necessidade de compreender os restantes 95% das chamadas sempre existiu. A IA simplesmente transformou um luxo inadmissível em infraestrutura básica.
Para organizações na África do Sul, como Stellenbosch, Soweto, Springs e Saldanha, a mudança económica é mais sentida onde a IA global universal não consegue lidar. Os modelos de voz criados no Norte Global pressupõem um ambiente monolíngue com alto nível de recursos. Eles têm dificuldades quando as conversas mudam suavemente entre inglês, isiZulu, isiXhosa e afrikaans em meio ao ruído do mundo real. A redução do custo da inteligência de voz aqui é alcançada treinando modelos de fala em pequenos conjuntos de dados direcionados. Enquanto os modelos globais são treinados em centenas de milhares de horas de áudio, modelos locais eficazes podem funcionar com apenas 100 horas de gravações específicas do assunto. A empresa Saigen cria modelos para processar a troca de códigos porque é assim que os sul-africanos falam. As tecnologias devem se adaptar às pessoas, e não o contrário.
Uma questão mais importante. Os líderes na África do Sul têm ponderado nos últimos anos quais funções de trabalho serão substituídas pela IA. Uma pergunta mais útil é: onde a procura por inteligência operacional foi suprimida devido ao custo? O paradoxo tem seus limites. Ele funciona onde a procura é elástica — ou seja, quando um recurso mais barato abre oportunidades que antes não eram viáveis. Onde a procura é fixa, uma inteligência mais barata pode simplesmente significar menos pessoas realizando o mesmo trabalho, o que representa um risco real para os cargos iniciais dos quais muitos jovens sul-africanos dependem.
A tarefa dos líderes é determinar com que tipo de procura estão lidando e, em seguida, descobrir o que se tornará possível quando a barreira de custo cair. Porque isso acontecerá. A IA não destruirá empregos; ela continuará a identificar valor que as empresas não podiam pagar para extrair anteriormente.