Os modelos de inteligência artificial podem produzir respostas aparentemente brilhantes para consultas humanas que, ao serem examinadas mais de perto, revelam pedaços de possíveis disparates regurgitados. Uma dinâmica semelhante pode estar em jogo nos investimentos e avaliações crescentes das empresas de tecnologia que buscam riquezas a partir de computadores autossuficientes. De ferrovias a redes de telecomunicações, booms anteriores em indústrias intensivas em capital mostram que novas tecnologias podem mudar o mundo, mas deixar os investidores sem retorno.
Investimentos Crescentes em IA
Os investidores não se cansam da IA. A OpenAI, a startup por trás do chatbot ChatGPT, arrecadou fundos em fevereiro com uma avaliação de 80 bilhões de dólares, quase três vezes mais do que há um ano. Rivais menores como Anthropic e Mistral tiveram ganhos semelhantes. No entanto, os gigantes tecnológicos estabelecidos foram os que mais lucraram. A capitalização de mercado coletiva da Microsoft (MSFT.O), Amazon.com (AMZN.O), Alphabet (GOOGL.O) e Meta Platforms (META.O) aumentou em 5 trilhões de dólares desde o lançamento do ChatGPT em novembro de 2022.
Para as empresas que projetam modelos de IA e constroem as redes que os treinam e executam, a resposta tem sido uma corrida armamentista de gastos para conquistar novos mercados e impedir que rivais perturbem seus negócios existentes. Microsoft, Amazon, Alphabet e Meta gastaram coletivamente 200 bilhões de dólares em despesas de capital no ano passado, com cerca de metade dessa soma destinada à infraestrutura tecnológica, segundo a Bernstein. A empresa de pesquisa estima que isso aumentará em mais de 50% este ano, principalmente por causa da IA.
Receitas Modestas em Meio a Gastos Gigantescos
Comparado a essas somas enormes, a receita gerada pela IA permanece pequena. A Sequoia estima que a IA generativa agora traz cerca de 3 bilhões de dólares por ano em receita, contra zero há um ano. No entanto, a firma de capital de risco observa que levou uma década para as empresas que oferecem software como serviço atingirem um patamar semelhante. A promessa de riquezas futuras desencadeou algumas previsões gigantescas para os gastos necessários para fabricar os semicondutores avançados, construir os centros de dados e gerar a energia para treinar e executar modelos de IA. O chefe da OpenAI, Sam Altman, estimou anteriormente este ano que o valor poderia chegar a 7 trilhões de dólares, disse uma pessoa familiarizada com o assunto ao Wall Street Journal.
Tal extravagância pode até ser justificada. Sistemas inteligentes que automatizam mais trabalho, manipulam maiores volumes de dados e complementam ou superam a inteligência humana poderiam valer muitas vezes esse valor. Além disso, o mundo já experimentou booms de tamanho semelhante antes.
Lições do Passado
Tome como exemplo as ferrovias. O investimento cumulativo na construção da rede ferroviária do Reino Unido entre 1845 e 1850 foi equivalente a cerca de 30% do produto interno bruto da Grã-Bretanha em 1850, segundo o historiador econômico Andrew Odlyzko. No final do século 20, as empresas de telecomunicações emprestaram 1 trilhão de dólares para construir cabos de fibra ótica e redes de telefonia móvel, segundo o presidente da Comissão Federal de Comunicações dos EUA. Isso era equivalente a cerca de 3% do PIB mundial na época. Um programa de investimento de 7 trilhões de dólares hoje seria equivalente a cerca de 30% do PIB dos EUA por um ano, ou cerca de 7% da produção econômica anual mundial.
Os investimentos atualmente sendo feitos só farão sentido se gerarem enormes lucros. Para ver que tipo de receita as empresas de tecnologia podem precisar, comece com a Nvidia (NVDA.O), cujos chips são padrão para treinar sistemas de IA. Analistas esperam que a empresa dirigida por Jensen Huang traga quase 100 bilhões de dólares em receita com sua divisão de centros de dados este ano, segundo dados da LSEG. Embora as vendas desta unidade não sejam todas relacionadas à IA, a maior parte provavelmente é.
Assuma que os servidores de IA usando esses chips têm uma vida útil de quatro anos. Outros custos como equipamentos de rede, espaço em centros de dados e a energia necessária para executar modelos de IA adicionam cerca de 75% à conta, segundo a SemiAnalysis, elevando o gasto total para 175 bilhões de dólares. Agora assuma que as empresas de tecnologia fazendo esses investimentos esperam uma margem operacional de lucro de 40%. Isso implica que elas precisarão ganhar coletivamente 292 bilhões de dólares em receita relacionada à IA ao longo de quatro anos, ou cerca de 73 bilhões por ano. Isso é certamente possível, mas ainda está longe dos 3 bilhões por ano que a IA generativa está trazendo hoje.
É uma característica dos novos mercados tecnológicos que as estimativas iniciais podem subestimar amplamente o valor real. Em 1980, a McKinsey tentou adivinhar o tamanho do mercado de telefones móveis em 20 anos; o valor real foi 125 vezes a estimativa da consultoria. Hoje, os lançamentos de produtos de IA são rotineiramente descritos como “mágicos”, enquanto as empresas se maravilham com supostos aumentos de produtividade de 30% ao implantar a tecnologia. Como no boom das telecomunicações, há um benefício óbvio no tamanho. Os maiores ganhos em IA nos últimos anos resultam dos modelos se tornarem maiores, usando mais dados e mais poder computacional.
No entanto, booms de investimento muitas vezes desapontam seus apoiadores financeiros. Os investidores nas ferrovias britânicas superestimaram a demanda pela nova forma de transporte e perderam cerca de um terço do seu dinheiro até 1850. O país entrou em depressão. A frenesi das telecomunicações no final dos anos 1990 também produziu perdas gigantescas. Enormes investimentos na instalação de cabos de fibra ótica e pagamento excessivo por licenças europeias para operar redes móveis 3G condenaram muitas startups ao fracasso e grandes empresas a anos de retornos abaixo do esperado.
A bonança da IA vem com esses perigos e mais. Trilhos ferroviários e cabos de fibra ótica, uma vez instalados, duraram décadas. A vida útil de um modelo de IA e dos servidores nos quais ele opera é muito mais curta. Mudanças nos gostos ou comportamentos humanos, novas informações ou treinamento com dados falhos podem rapidamente tornar obsoleto um modelo caro.
Múltiplas empresas gigantes e muitas nações querem desenvolver IA, então os avanços podem ser comoditizados. E se a IA realmente provar ser superior à inteligência humana, parece provável que os governos imponham limites estritos aos seus usos – reduzindo o lucro resultante.
Talvez o resultado final seja muito parecido com os booms das ferrovias e das telecomunicações. Os visionários tecnológicos estavam certos: as pessoas agora podem ler este artigo no seu smartphone enquanto viajam num trem. Isso é algum consolo para os muitos investidores que perderam suas camisas no processo.
