Nos últimos anos, a explicação mais comum para o aumento de produtividade provocado pela inteligência artificial foi também a mais intuitiva: a IA faz as coisas mais rápido. Um texto que levaria horas pode, com ela, surgir em minutos, uma pesquisa que exigiria a leitura de dezenas de páginas pode ser condensada em poucos segundos, uma apresentação ou uma análise que antes ocupariam uma tarde inteira começam a tomar forma depois de algumas instruções. Tudo isso é verdade, e quem já incorporou a IA ao seu fluxo de trabalho sabe que a aceleração é real e, em muitos casos, espetacular. Mas a velocidade de execução é apenas parte da explicação, e possivelmente nem a parte mais importante, porque a inteligência artificial não acelera somente a produção do trabalho em si. Ela reduz, principalmente, uma parcela significativa dos custos que existem ao redor de cada tarefa, custos que raramente aparecem no produto final, mas que consomem uma quantidade enorme de tempo: seja ao procurar informações, localizar alguém capaz de ajudar, explicar o problema, transmitir instruções, comparar alternativas, coordenar diferentes etapas, revisar resultados e solicitar alterações. Para entender por que eliminá-los nos torna tão mais produtivos, é preciso voltar a uma pergunta formulada há quase um século pelo economista britânico Ronald Coase, uma pergunta que parece estranha num primeiro momento mas que, quando conectada ao momento atual, ilumina algo que a maioria das análises sobre IA ignora: se o mercado é capaz de coordenar a atividade econômica por meio dos preços, por que existem empresas?
Coase observou que, se todas as pessoas pudessem contratar livremente umas às outras, seria possível organizar a produção por meio de uma sucessão de acordos independentes: alguém contrataria um profissional para produzir uma peça, outro para transportá-la, um terceiro para vendê-la, e assim por diante, sem que fosse necessário reunir todos sob o mesmo teto. Em teoria, o mercado poderia coordenar todo esse processo. Na prática, contudo, recorrer ao mercado também custa, porque é necessário descobrir quem pode prestar determinado serviço, comparar preços e qualidades, negociar condições, celebrar contratos, comunicar aquilo que se deseja, acompanhar a execução e verificar se o resultado corresponde ao combinado. A esses atritos Coase associou a ideia de custos de transação, e sua conclusão foi que a empresa surge porque, em determinadas circunstâncias, coordenar atividades sob uma mesma organização custa menos do que negociar separadamente cada uma delas no mercado. Em vez de contratar uma pessoa a cada nova necessidade, a empresa reúne trabalhadores, recursos e informações em uma estrutura permanente, dentro da qual as tarefas podem ser distribuídas por uma direção e planejamento comum, sem que cada interação exija uma nova negociação.
Coase estava interessado em explicar a organização das empresas, não a rotina de uma pessoa diante de um computador. Ainda assim, sua intuição oferece uma das melhores maneiras de compreender o que a inteligência artificial realmente faz pela produtividade, porque os indivíduos também enfrentam custos para acessar informações, conhecimentos e competências de que não dispõem. Mesmo quando sabemos exatamente o que pretendemos alcançar, existe uma distância entre a intenção e o resultado, e essa distância é preenchida, na maior parte das vezes, não pelo trabalho em si, mas pelas fricções que o cercam. Considere alguém que precise preparar uma apresentação sobre um mercado que conhece pouco: a criação dos slides talvez seja apenas a última etapa do trabalho, porque antes dela será necessário formular o problema, pesquisar o setor, selecionar dados relevantes, compreender os principais conceitos, organizar uma narrativa, escolher exemplos, resumir conclusões e adaptar a linguagem ao público. Se determinadas capacidades não estiverem disponíveis, essa pessoa ainda precisará procurar um pesquisador, contratar um designer ou pedir ajuda a colegas, e cada interação exigirá contexto, instruções, prazo, acompanhamento e revisão.
Com a IA, várias dessas operações são reunidas em uma única interface. A mesma pessoa pode explorar o assunto, esclarecer conceitos, comparar interpretações, organizar o argumento, produzir uma estrutura inicial e revisar o resultado sem trocar de ferramenta ou recomeçar a explicação a cada etapa, porque o sistema conserva o contexto e conecta as diferentes fases do trabalho em uma sequência contínua. O ganho não decorre apenas de a máquina escrever mais rapidamente. Decorre de ela diminuir o custo de mobilizar diferentes capacidades para que o trabalho possa acontecer. E é por isso que medir o impacto da IA somente pelo tempo economizado na execução de uma tarefa pode subestimar seu verdadeiro valor, porque muitas vezes o maior desperdício não estava no ato de produzir, mas nas fricções anteriores e posteriores à produção: não era apenas escrever o relatório, mas encontrar os dados, compreender o assunto, decidir por onde começar e transformar uma ideia ainda confusa em uma sequência inteligível; não era apenas criar uma campanha, mas reunir referências, transmitir o conceito, comparar versões e coordenar as pessoas envolvidas; não era apenas resolver um problema técnico, mas descobrir quem poderia resolvê-lo e conseguir explicar com precisão o que estava errado.
Quando se examina a redução de custos que a IA proporciona à luz do enquadramento de Coase, o que pode ver é uma lista de fricções que estão sendo comprimidas simultaneamente, e cuja soma explica o impacto desproporcional que a tecnologia exerce sobre a produtividade individual. A IA reduz os custos de busca, porque encontrar uma informação, um precedente, uma fórmula, uma referência visual ou uma possível solução já não exige necessariamente percorrer dezenas de fontes de maneira desordenada. Reduz os custos de comunicação, porque ajuda o usuário a transformar intenções incompletas em instruções mais claras, diminuindo a distância entre o que se quer dizer e o que se efetivamente consegue dizer. Reduz os custos de coordenação, ao conservar o contexto, conectar diferentes etapas e permitir que pesquisa, planejamento, execução e revisão aconteçam em sequência sem perder o fio. E reduz os custos de verificação, ao comparar versões, apontar inconsistências e testar o resultado contra critérios previamente definidos.
Há, ainda, uma redução especialmente importante que se conecta diretamente ao fenômeno do vibe coding, por exemplo: a redução do custo de experimentação. Afinal, durante muito tempo, colocar uma ideia à prova exigia mobilizar pessoas e recursos antes mesmo de saber se ela funcionaria, porque uma nova identidade visual dependia de um designer, um protótipo dependia de um programador, uma análise preliminar dependia de um especialista e uma campanha dependia de uma equipe criativa. Isso tornava o erro caro, e como consequência, muitas ideias eram abandonadas não porque fossem ruins, mas porque descobrir se eram boas custava demais. A inteligência artificial altera essa lógica de forma radical, uma vez que agora é possível produzir uma primeira versão, simular alternativas, identificar fragilidades e descartar caminhos em poucos minutos. A qualidade final ainda pode exigir experiência humana, conhecimento técnico e trabalho especializado, mas o custo de chegar a algo que possa ser avaliado caiu de uma maneira que, como sessenta milhões de projetos criados na Lovable em menos de dois anos demonstram, já está transformando quem pode empreender e o que pode ser testado.
Isso ajuda a explicar por que uma única pessoa passa a realizar atividades que, pouco tempo atrás, dependeriam de uma pequena organização, e por que essa mudança é qualitativamente diferente de simplesmente usar uma ferramenta mais eficiente. A IA, nesse contexto, não transforma cada indivíduo em pesquisador ou analista ao mesmo tempo. O que ela faz é reduzir o custo de acessar parcelas dessas competências, funcionando como uma camada de coordenação entre a intenção do usuário e um conjunto de capacidades que antes estavam dispersas entre profissionais, departamentos, ferramentas e empresas diferentes. Sob essa perspectiva, a IA não é apenas uma tecnologia de automação, embora também seja isso. É, fundamentalmente, uma tecnologia de coordenação, e sua importância econômica não está somente nas tarefas que consegue executar, mas nas interações que deixa de ser necessário organizar para que essas tarefas sejam executadas. Cada pesquisa abreviada, cada instrução que não precisa ser repetida e cada erro descoberto antes de chegar a terceiros representam pequenos custos de transação que foram comprimidos, e a soma dessas compressões, multiplicada por milhões de profissionais, é o que produz o ganho de produtividade agregado que os números estão começando a registrar.
Isso não significa, contudo, que esses custos desapareceram, e nossa honestidade de análise exige que se registrem as novas fricções que a própria IA cria, porque toda tecnologia que elimina certos atritos tende a gerar outros. Trabalhar com inteligência artificial exige formular boas instruções, verificar (muito bem) as informações que ela nos entrega, proteger dados, avaliar a qualidade das respostas e definir quais decisões podem ou não ser delegadas, exigências que nos exigem ser verdadeiros pilotos pilotos de IA, pois o profissional que sabe operar a IA com julgamento crítico, o piloto, captura o ganho de produtividade integralmente; ao passo que profissional que delega tudo seu pensamento para a máquina, sem sequer avaliar o resultado, é o que podemos chamar de passageiro. Ele produz mais volume com menos qualidade e cria custos de supervisão que podem, em alguns casos, superar o tempo economizado. A IA pode gerar resultados convincentes, mas equivocados, tornando a capacidade de julgamento mais valiosa, não menos, e há um limite importante que o enquadramento de Coase nos ajuda a enxergar: quanto mais genérica e reversível for uma tarefa, mais facilmente ela poderá ser delegada; quanto mais envolver responsabilidade, confiança, contexto institucional ou consequências difíceis de corrigir, maior será a necessidade de intervenção humana. A IA pode produzir uma minuta, mas alguém precisa responder por ela. Pode sugerir uma estratégia, mas não assume os riscos de sua adoção. Pode oferecer opções, mas não determina sozinha quais valores devem orientar a escolha. Reduzir o custo de acessar uma capacidade não equivale, automaticamente, a transferir integralmente a responsabilidade por seu uso.
Entre no canal Entrelinhas no WhatsApp e siga nosso Instagram: informação rápida, em tempo real, que tangibilizam as transformações.
Ainda assim, a transformação permanece profunda, e talvez a melhor maneira de dimensioná-la seja observar que, até agora, grande parte da produtividade de uma pessoa dependia dos recursos que ela conseguia reunir ao seu redor, como sua equipe, seu capital conhecimento e seus contatos. A inteligência artificial diminui o tamanho mínimo da estrutura necessária para transformar uma ideia em resultado. Projetos que antes exigiam uma organização podem começar com um indivíduo. Tarefas que aguardavam disponibilidade de terceiros podem ser iniciadas imediatamente. Competências que estavam fora de alcance podem ser utilizadas, ainda que de maneira parcial, por meio de uma conversa.
O verdadeiro motivo pelo qual a IA nos torna mais produtivos, portanto, não é simplesmente que ela trabalha depressa, embora trabalhe. É que ela reduz o número de obstáculos entre aquilo que imaginamos e aquilo que conseguimos realizar. Ronald Coase mostrou que a economia não é composta apenas pelos custos visíveis de produzir bens e prestar serviços, mas também pelos custos invisíveis de organizar as relações necessárias para que a produção aconteça. A inteligência artificial atua justamente sobre essa camada invisível. E talvez seja por isso que seu impacto pareça tão maior do que o de uma ferramenta convencional, afinal, uma ferramenta convencional aperfeiçoa uma etapa do seu trabalho; a IA, por sua vez, começa a conectar todas elas. Ao baratear a busca, a coordenação e a experimentação, ela não apenas nos ajuda a executar tarefas, mas muda, de fato, a quantidade de organização necessária para realizá-las. E sua maior contribuição à produtividade pode, no fim, ser resumida de maneira simples: a IA reduz a distância entre querer e fazer.
