A inteligência artificial está ficando melhor em uma velocidade que poucas tecnologias conseguiram alcançar.
Modelos que há poucos anos tinham dificuldade para produzir um texto coerente hoje programam, analisam documentos, interpretam imagens, resolvem problemas matemáticos, produzem vídeos, auxiliam pesquisadores e começam a operar como agentes capazes de executar sequências inteiras de tarefas.
Essa evolução cria uma conclusão aparentemente inevitável:
se a capacidade da inteligência artificial cresce tão rapidamente, a produtividade e a economia também deveriam crescer de maneira exponencial.
Mas talvez não seja tão simples.
Existe uma diferença fundamental entre a velocidade com que uma tecnologia evolui e a velocidade com que uma economia inteira consegue absorver essa tecnologia.
Essa questão é um dos pontos mais interessantes discutidos pelo economista Charles I. Jones, professor da Stanford Graduate School of Business, no conteúdo apresentado no vídeo sobre o futuro dos empregos e da economia na era da IA.
Jones apresenta um conceito extremamente útil para compreender o que pode acontecer nos próximos anos:
os elos fracos da economia.
A ideia ajuda a explicar por que podemos possuir computadores milhões de vezes mais poderosos e, mesmo assim, não sermos milhões de vezes mais produtivos.
Também ajuda a entender por que uma inteligência artificial extraordinariamente avançada pode provocar uma transformação econômica gigantesca, mas talvez muito mais lentamente do que algumas previsões sugerem.
A inteligência artificial realmente está avançando muito rápido
Antes de discutir os obstáculos, é importante reconhecer a velocidade do avanço tecnológico.
O AI Index 2026 da Universidade Stanford mostra que a capacidade dos modelos continua aumentando rapidamente. Alguns benchmarks criados para permanecer difíceis durante anos estão sendo superados em intervalos muito menores. Sistemas avançados já apresentam desempenho elevado em áreas como matemática, programação, raciocínio científico e tarefas profissionais.
Isso torna plausível imaginar máquinas executando uma parcela cada vez maior das atividades intelectuais humanas.
Além disso, inteligência artificial não está limitada ao software.
Quando combinada à robótica, sistemas de visão computacional e automação industrial, ela começa a alcançar também o mundo físico.
Em um cenário extremo, poderíamos eventualmente ter máquinas capazes de executar tanto tarefas cognitivas quanto grande parte das tarefas físicas realizadas atualmente por seres humanos.
Seria tentador concluir que uma capacidade tecnológica dessa magnitude produziria automaticamente um crescimento econômico explosivo.
Jones argumenta que isso é possível.
Mas existe um enorme mas.
O que são os elos fracos da economia?
Imagine uma corrente formada por vinte elos.
Você consegue tornar dezessete deles praticamente indestrutíveis.
Eles ficam cem, mil ou um milhão de vezes mais resistentes.
Mas três continuam frágeis.
Qual será a resistência da corrente?
Ela continuará limitada pelos três elos mais fracos.
Essa é a essência da teoria.
Uma economia é composta por milhares de processos interdependentes.
Para um produto chegar ao consumidor, não basta que uma única etapa seja extraordinariamente eficiente.
É necessário que várias outras funcionem.
Pesquisa.
Projeto.
Produção.
Energia.
Fornecimento de matéria prima.
Logística.
Regulação.
Distribuição.
Marketing.
Vendas.
Atendimento.
Manutenção.
Gestão.
Financiamento.
Pessoas.
Se uma dessas etapas essenciais continua lenta ou limitada, ela pode reduzir o impacto das melhorias realizadas nas demais.
É por isso que tornar uma única atividade um milhão de vezes mais rápida não torna necessariamente a empresa um milhão de vezes mais produtiva.
O exemplo dos 100 milhões de transistores
Charles Jones apresenta um exemplo particularmente poderoso.
Os computadores que carregamos atualmente possuem algo próximo de 100 milhões de vezes mais transistores do que computadores disponíveis para pessoas na década de 1970.
Esse crescimento da capacidade computacional foi extraordinário.
Mas existe uma pergunta óbvia.
Somos 100 milhões de vezes mais produtivos?
Não.
Um economista consegue realizar cálculos complexos em segundos.
Um pesquisador consegue processar gigantescos bancos de dados.
Um designer possui ferramentas inimagináveis décadas atrás.
Um desenvolvedor consegue utilizar computadores capazes de executar bilhões de operações.
Mesmo assim, nenhum deles produz 100 milhões de vezes mais.
Por quê?
Porque o cálculo deixou de ser o gargalo.
Outras atividades se transformaram no elo fraco.
Jones apresenta um exemplo acadêmico simples.
Um computador consegue inverter uma matriz praticamente instantaneamente.
Mas alguém ainda precisa decidir:
qual matriz deve ser analisada?
Que dados devem entrar nela?
Qual hipótese merece ser testada?
Qual pergunta estamos tentando responder?
É justamente esse conjunto de atividades que passa a limitar o processo.
O computador resolveu um gargalo.
Imediatamente outro se tornou visível.
É exatamente isso que pode acontecer com a inteligência artificial
Imagine uma empresa de software utilizando uma IA capaz de produzir código cem vezes mais rapidamente.
Parece extraordinário.
Mas escrever código não é a única atividade da empresa.
Alguém precisa identificar o problema.
Conversar com o cliente.
Definir os requisitos.
Criar a arquitetura.
Validar segurança.
Testar.
Integrar sistemas.
Tomar decisões.
Publicar.
Monitorar.
Corrigir problemas inesperados.
Suponha que a programação represente 20% de todo esse processo.
Mesmo tornando essa etapa cem vezes mais rápida, o restante continua existindo.
O ganho total será muito menor do que cem vezes.
Esse fenômeno aparece em praticamente todos os setores.
É aqui que a promessa de crescimento exponencial encontra a realidade econômica.
Uma fábrica não funciona apenas com inteligência
Imagine agora uma inteligência artificial extraordinária capaz de projetar um smartphone superior aos modelos existentes.
Ela pode criar o circuito.
Desenhar a interface.
Otimizar o software.
Simular milhares de configurações.
Identificar defeitos.
Talvez realize em horas o trabalho intelectual que anteriormente exigia meses.
Mas o smartphone ainda precisa existir fisicamente.
É necessário obter minerais.
Produzir semicondutores.
Fabricar telas.
Produzir baterias.
Transportar componentes.
Montar aparelhos.
Realizar testes físicos.
Embalar produtos.
Transportar milhões de unidades.
Distribuí las mundialmente.
Cumprir exigências regulatórias.
Vender.
Dar assistência técnica.
A inteligência pode acelerar várias dessas atividades.
Mas enquanto determinados elementos continuarem limitados pelo mundo físico, infraestrutura ou capacidade produtiva, eles funcionarão como elos fracos.
É por isso que crescimento da inteligência não equivale automaticamente a crescimento da economia.
A cadeia do iPhone ajuda a visualizar o problema
O próprio Jones utiliza cadeias produtivas complexas como exemplo para explicar o fenômeno.
Um smartphone moderno depende de uma quantidade gigantesca de conhecimento, componentes, fornecedores e operações.
Uma pequena falha em um componente crítico pode interromper todo o processo.
Não importa se 99% da cadeia funciona perfeitamente.
Se aquela peça essencial não estiver disponível, o aparelho pode simplesmente não ser produzido.
O mesmo princípio vale para a economia.
Uma inteligência artificial pode melhorar dramaticamente uma parte do sistema.
Porém, enquanto existirem gargalos indispensáveis fora de seu alcance, o ganho total ficará limitado.
Cenário 1: a IA provoca uma explosão econômica
O primeiro cenário discutido por Jones é extraordinariamente otimista do ponto de vista de produtividade.
Imagine que inteligência artificial passe a contribuir para pesquisa e inovação.
Essa IA descobre maneiras melhores de construir outras IAs.
Esses sistemas melhores aceleram novas descobertas.
As novas descobertas permitem mais automação.
Mais automação permite produzir ainda mais ideias.
Forma se então um ciclo:
mais inteligência → mais inovação → mais automação → mais produtividade → mais inteligência.
Essa retroalimentação poderia produzir uma aceleração muito significativa do crescimento econômico.
Jones considera essa possibilidade real.
A economia dos Estados Unidos cresceu aproximadamente 2% ao ano durante um período histórico muito longo. Automatizar a própria produção de ideias poderia, em teoria, romper esse padrão.
É essa possibilidade que alimenta previsões sobre uma futura explosão de produtividade.
Mas os elos fracos introduzem outro cenário.
Cenário 2: a IA cresce exponencialmente, mas a economia responde gradualmente
Agora imagine uma IA cem vezes melhor.
Ela automatiza programação.
Depois pesquisa.
Depois marketing.
Depois análise financeira.
Mas continuam existindo milhões de pequenas tarefas essenciais não automatizadas.
Nesse cenário, a capacidade da tecnologia aumenta rapidamente, enquanto a produtividade agregada cresce muito mais devagar.
Pode surgir então um fenômeno curioso.
Observamos demonstrações de IA absolutamente impressionantes.
Mas os números da economia não parecem igualmente impressionantes.
Essa aparente contradição não significa que a tecnologia tenha fracassado.
Significa apenas que capacidade tecnológica e produtividade econômica são coisas diferentes.
A pesquisa de Jones argumenta que uma aceleração expressiva do crescimento exige que grande parte desses elos fracos seja gradualmente automatizada.
Isso pode levar tempo.
Já existem sinais dessa diferença
Os dados de 2026 mostram algo bastante parecido.
A adoção empresarial de IA avançou rapidamente. Cerca de 88% das organizações pesquisadas utilizavam alguma forma de inteligência artificial em 2025, enquanto 70% já empregavam IA generativa em pelo menos uma função empresarial.
Ao mesmo tempo, os grandes impactos macroeconômicos ainda são mais difíceis de observar.
No nível das tarefas, os ganhos são mais claros.
Estudos reunidos pelo AI Index encontraram aumentos de aproximadamente 14% a 15% em atendimento ao cliente, 26% em determinados trabalhos de desenvolvimento de software e até 50% na produção de algumas atividades de marketing.
Mas existe uma diferença enorme entre tornar determinada tarefa 50% mais eficiente e tornar toda a economia 50% mais produtiva.
Esse intervalo é justamente onde vivem os elos fracos.
A inteligência artificial também possui seus próprios elos fracos
Existe ainda outro problema.
A própria IA não evolui uniformemente em todas as capacidades.
O AI Index 2026 apresenta um fenômeno chamado de inteligência irregular.
Um modelo pode atingir desempenho extraordinário em matemática avançada e, simultaneamente, falhar em tarefas aparentemente muito mais simples.
Alguns sistemas chegaram a níveis comparáveis aos de medalhistas em competições matemáticas internacionais, enquanto ainda apresentavam dificuldades relevantes em testes básicos de percepção ou interpretação.
Isso significa que a inteligência artificial também possui seus gargalos.
Uma empresa não pode simplesmente observar que um modelo é brilhante em determinada tarefa e assumir que ele será igualmente confiável em todas as demais.
Essa irregularidade importa muito quando saímos de demonstrações e entramos em operações reais.
99% de precisão pode continuar sendo insuficiente
Imagine uma tarefa que possui cem etapas críticas.
Uma inteligência artificial executa cada etapa corretamente em 99% das vezes.
Parece excelente.
Mas se todas as cem etapas precisarem funcionar para o processo inteiro ser concluído corretamente, pequenos erros podem se acumular.
Em atividades de baixo risco, isso pode ser aceitável.
Em outras, não.
Uma campanha publicitária permite correções.
Um diagnóstico médico incorreto pode causar consequências graves.
Um erro financeiro pode movimentar milhões.
Uma falha em software crítico pode interromper serviços.
Quanto maior o custo do erro, maior será a necessidade de supervisão, testes e validação.
Esses mecanismos passam então a funcionar como novos elos da corrente.
A legislação também pode ser um elo fraco
Mesmo que uma IA seja tecnicamente capaz de executar determinada tarefa, isso não significa que ela poderá executá la autonomamente.
Regulamentação pode exigir supervisão humana.
Empresas podem precisar assumir responsabilidade jurídica.
Dados podem estar sujeitos a regras de privacidade.
Contratos podem impedir determinadas utilizações.
Profissionais podem precisar possuir licenças específicas.
Tudo isso reduz a velocidade de adoção.
Uma tecnologia pode estar pronta antes de a legislação, as instituições e a sociedade estarem preparadas para ela.
Foi assim com inúmeras tecnologias anteriores.
Provavelmente acontecerá novamente.
Empresas também mudam mais devagar do que softwares
Existe ainda uma limitação organizacional.
Um novo modelo de inteligência artificial pode ser lançado em uma semana.
Uma grande empresa não consegue reorganizar seus processos na mesma velocidade.
Existem sistemas antigos.
Políticas internas.
Contratos.
Departamentos.
Hierarquias.
Treinamentos.
Integrações.
Auditorias.
Preocupações com segurança.
Resistência cultural.
Quanto maior a organização, mais complexa pode ser a transformação.
Por isso, uma tecnologia disponível hoje pode levar anos para atingir sua utilização econômica plena.
A internet é um ótimo exemplo.
A internet também demorou para transformar tudo
A internet já era revolucionária nos anos 1990.
Mas muitas das aplicações que realmente transformaram a sociedade apareceram posteriormente.
Streaming.
Computação em nuvem.
Redes sociais.
Aplicativos móveis.
Economia dos criadores.
Comércio eletrônico em larga escala.
Serviços sob demanda.
Trabalho remoto.
Plataformas digitais.
A infraestrutura tecnológica surgiu primeiro.
Depois vieram mudanças empresariais e comportamentais.
Com a IA, o intervalo pode ser menor, mas provavelmente continuará existindo.
Ter inteligência abundante não significa que empresas saberão imediatamente reorganizar seus negócios ao redor dela.
O próprio ser humano pode se transformar no elo fraco
Este é talvez o ponto mais provocativo.
Imagine que uma IA consiga gerar cem estratégias empresariais em segundos.
Quem escolhe a estratégia correta?
Imagine que consiga produzir mil novos produtos digitais.
Quem decide quais devem ser lançados?
Imagine que consiga produzir milhares de campanhas.
Quem compreende profundamente a marca e o consumidor?
Imagine cem agentes trabalhando simultaneamente.
Quem coordena esses agentes?
Quanto mais poderosa a máquina se torna, maior pode ser a importância de algumas decisões humanas.
Jones observa que as atividades escassas podem capturar uma parcela elevada do valor econômico justamente porque funcionam como gargalos.
Isso gera um paradoxo fascinante.
A IA pode realizar cada vez mais tarefas e, ao mesmo tempo, aumentar o valor de algumas poucas tarefas humanas que permanecem essenciais.
Automatizar 90% de uma profissão não significa eliminar 90% do seu valor
Imagine um profissional cuja atividade seja composta por dez tarefas.
A IA automatiza nove.
Seria natural imaginar que esse profissional perdeu 90% do seu valor.
Mas isso não é necessariamente verdade.
Se a décima tarefa for indispensável para concluir todo o processo, ela se transforma no elo fraco.
E pode ser justamente a parte mais valiosa.
Supervisão.
Julgamento.
Responsabilidade.
Relacionamento.
Confiança.
Negociação.
Tomada de decisão.
Contexto.
Essas capacidades podem representar uma parcela pequena do tempo atual de uma profissão e, mesmo assim, possuir enorme importância econômica.
Agentes de IA podem acelerar a eliminação dos gargalos digitais
Existe, porém, um fator que pode modificar rapidamente esse cenário.
Os agentes de IA.
Até recentemente, utilizávamos inteligência artificial principalmente como ferramenta.
Uma pessoa perguntava.
A IA respondia.
Com agentes, o sistema pode receber um objetivo e executar diferentes etapas para alcançá lo.
Pesquisar.
Analisar.
Criar.
Comparar.
Programar.
Testar.
Interagir com outros sistemas.
Corrigir.
Executar novamente.
Se agentes conseguirem trabalhar de maneira confiável durante períodos cada vez maiores, vários elos atualmente humanos poderão ser automatizados simultaneamente.
Nesse ponto, os ganhos econômicos podem acelerar.
Ainda assim, em 2025, a adoção empresarial de agentes permanecia em estágios iniciais e em níveis de um dígito em grande parte das funções analisadas pelo Stanford AI Index.
Existe uma diferença enorme entre um agente impressionante em uma demonstração e um agente confiável executando processos críticos de uma empresa durante meses.
O verdadeiro salto acontece quando vários gargalos desaparecem ao mesmo tempo
Essa é provavelmente a conclusão econômica mais importante.
Melhorar um único elo produz ganhos limitados.
Melhorar quase todos simultaneamente pode mudar tudo.
Imagine uma empresa na qual IA consiga:
projetar produtos,
desenvolver software,
produzir campanhas,
negociar compras,
analisar contratos,
atender consumidores,
coordenar logística,
monitorar finanças,
administrar sistemas,
realizar pesquisas,
tomar decisões operacionais.
Agora imagine robôs assumindo também produção, transporte e outras atividades físicas.
Quanto menor a quantidade de gargalos restantes, maior será a capacidade de todo o sistema acelerar.
Nesse ponto, a economia pode entrar em uma dinâmica muito diferente daquela observada historicamente.
É justamente por isso que Jones não descarta a possibilidade de uma aceleração expressiva do crescimento.
Ele apenas argumenta que chegar até lá pode exigir eliminar quase todos os elos fracos importantes.
Existe um paradoxo ainda mais preocupante: os benefícios podem ser lentos e os riscos rápidos
Talvez essa seja a parte mais surpreendente da teoria.
Para tornar uma economia extraordinariamente melhor, precisamos fortalecer vários elos.
Mas para danificar um sistema, talvez seja suficiente atacar apenas um.
Pense novamente em uma corrente.
Para multiplicar sua resistência, precisamos fortalecer os elos mais frágeis.
Para quebrá la, basta encontrar o mais fraco.
Isso significa que os mesmos elos fracos que desaceleram os benefícios econômicos da IA podem acelerar determinados riscos.
Jones exemplifica que uma inteligência artificial excepcional em engenharia de software poderia ser utilizada por alguém mal intencionado para explorar uma vulnerabilidade crítica em sistemas importantes.
Não seria necessário automatizar toda a economia.
Bastaria encontrar uma falha decisiva.
Isso cria uma assimetria importante entre progresso e risco.
Energia, chips e infraestrutura também podem limitar a IA
Existe outro conjunto de gargalos que não pode ser ignorado.
Inteligência artificial depende de infraestrutura física.
Data centers.
Semicondutores.
Eletricidade.
Água.
Redes.
Terrenos.
Equipamentos.
Profissionais especializados.
O AI Index 2026 estima que a capacidade global de computação para IA cresceu aproximadamente 3,3 vezes ao ano desde 2022, mas também destaca a concentração da fabricação de chips avançados e o crescimento do consumo energético dos data centers.
Isso demonstra algo importante.
Mesmo uma tecnologia digital possui limites físicos.
Não existe computação sem máquinas.
Não existe data center sem energia.
Não existe chip sem fábrica.
Esses elementos podem se transformar em novos elos fracos conforme a demanda aumenta.
Por isso, não devemos confundir curva tecnológica com curva econômica
Modelos de IA podem melhorar exponencialmente em determinadas métricas.
Computação pode aumentar rapidamente.
O custo por token pode despencar.
Agentes podem executar tarefas cada vez maiores.
Nada disso significa que o PIB terá exatamente a mesma trajetória.
A economia não é um software.
É um gigantesco sistema composto por pessoas, instituições, empresas, máquinas, estradas, energia, capital, governos, regras e bilhões de decisões individuais.
Transformar tudo isso leva tempo.
A história econômica é cheia de tecnologias revolucionárias cujos maiores efeitos apareceram anos ou décadas depois de sua invenção.
Então a IA não provocará uma revolução econômica?
Essa também seria uma conclusão errada.
O argumento dos elos fracos não afirma que a inteligência artificial terá pouco impacto.
Na verdade, Jones considera plausível que ela seja uma das tecnologias mais transformadoras da era moderna e que automatizar inteligência eventualmente acelere o crescimento econômico.
A questão é o ritmo.
Entre inventar uma tecnologia e reorganizar a economia ao redor dela existe um enorme espaço.
É nesse espaço que aparecem os gargalos.
É nesse espaço que empresas precisam mudar.
É nesse espaço que profissões são redesenhadas.
É nesse espaço que infraestrutura precisa ser construída.
E é nesse espaço que oportunidades aparecem.
A maior oportunidade pode estar justamente nos elos fracos
Para empreendedores, existe uma leitura particularmente interessante.
Se os gargalos limitam o crescimento, então resolver gargalos possui enorme valor econômico.
Pergunte:
qual etapa continua lenta mesmo depois da chegada da IA?
Talvez seja integração.
Talvez seja confiança.
Talvez seja qualidade dos dados.
Talvez seja regulamentação.
Talvez seja infraestrutura.
Talvez seja conhecimento especializado.
Talvez seja implantação.
Talvez seja treinamento.
Talvez seja distribuição.
Talvez seja segurança.
Cada elo fraco pode representar um problema.
E cada problema relevante pode representar um mercado.
O diferencial não estará apenas em possuir a melhor IA
Quando modelos poderosos estiverem amplamente disponíveis, simplesmente possuir acesso à IA não será necessariamente vantagem competitiva.
Milhares de empresas poderão utilizar tecnologias semelhantes.
A vantagem estará em integrá las melhor aos processos.
Ter dados melhores.
Conhecer melhor o cliente.
Automatizar mais gargalos.
Construir infraestrutura adequada.
Criar confiança.
Executar rapidamente.
Talvez a corrida empresarial da IA não seja vencida por quem possuir o maior número de ferramentas.
Pode ser vencida por quem conseguir eliminar o maior número de elos fracos.
❓ Perguntas frequentes sobre IA e os elos fracos da economia
O que são os elos fracos da economia?
São etapas essenciais de um processo cuja baixa produtividade ou capacidade limita o resultado de todo o sistema. Mesmo que outras etapas se tornem extremamente eficientes, o processo completo continua condicionado pelos gargalos restantes.
A inteligência artificial pode crescer exponencialmente?
Capacidades específicas da tecnologia podem crescer muito rapidamente. Isso não significa que todos os seus efeitos econômicos crescerão na mesma proporção.
Por que a economia não cresce tão rápido quanto os computadores?
Porque computadores representam apenas uma parte do processo produtivo. Pessoas, infraestrutura, decisões, regulamentação, energia, logística e muitos outros componentes também influenciam produtividade.
A IA pode acabar eliminando esses elos fracos?
Alguns deles, sim. Quanto mais tarefas a IA e a robótica conseguirem automatizar de maneira confiável, menor será a quantidade de gargalos restantes. É justamente nesse cenário que o crescimento econômico poderia acelerar significativamente.
Humanos podem se tornar um elo fraco?
Sim. Atividades humanas como decisão, supervisão, relacionamento ou responsabilidade podem se transformar no fator limitante de processos altamente automatizados. Isso não significa necessariamente que o valor econômico do trabalho humano desapareça. Em determinadas situações, a escassez dessas capacidades pode inclusive aumentar seu valor.
Os agentes de IA podem acelerar essa transformação?
Provavelmente. Agentes capazes de executar processos completos podem eliminar diversos gargalos digitais ao mesmo tempo. Entretanto, confiabilidade, segurança, integração e supervisão ainda representam limitações importantes.
🚀 Conclusão: a IA pode ser exponencial sem que o mundo seja
Talvez essa seja a maneira mais simples de compreender todo o debate.
A inteligência artificial pode evoluir exponencialmente.
Mas empresas não são exponenciais.
Fábricas não são exponenciais.
Redes elétricas não são exponenciais.
Leis não são exponenciais.
Infraestrutura não é exponencial.
Mudanças culturais não são exponenciais.
E seres humanos definitivamente não mudam de comportamento na mesma velocidade que softwares recebem atualizações.
Isso não diminui a importância da revolução da inteligência artificial.
Pelo contrário.
Ajuda a entender como ela provavelmente acontecerá.
Primeiro, determinadas tarefas ficam extraordinariamente rápidas.
Depois descobrimos os novos gargalos.
Então tentamos automatizá los.
Outros aparecem.
O ciclo continua.
Durante algum tempo, poderemos observar uma situação aparentemente contraditória: inteligência artificial avançando em velocidade impressionante enquanto a produtividade geral cresce de maneira muito mais modesta.
Mas existe um ponto em que isso pode mudar.
Quando um número suficiente de elos fracos for eliminado simultaneamente, os ganhos começam a se espalhar por toda a cadeia.
É nesse momento que a automação deixa de melhorar apenas uma tarefa e começa a transformar sistemas inteiros.
E talvez seja aí que a verdadeira revolução econômica da inteligência artificial comece.
A grande pergunta, portanto, não é apenas:
“Até onde a IA consegue avançar?”
Talvez a pergunta economicamente mais importante seja:
“Quantos elos fracos ainda existem entre aquilo que a inteligência artificial consegue fazer e aquilo que a economia realmente consegue transformar em produtividade?”
A resposta para essa pergunta pode determinar se veremos uma evolução gradual durante décadas ou uma das maiores acelerações econômicas já experimentadas pela humanidade.
