MAURÍCIO MEIRELES
SÃO PAULO, SP (FOLHAPRESS)
A inteligência artificial pode acrescentar quase R$ 1 trilhão à economia brasileira entre 2027 e 2030, segundo estudo do Reglab (Centro de Estratégia e Regulação). O valor corresponde à soma, em valor presente, dos ganhos de produção estimados para os quatro anos considerados na pesquisa.
O estudo foi feito sob encomenda da OpenAI, dona do ChatGPT, e transpõe para o Brasil a metodologia de um artigo que o Nobel de Economia Daron Acemoglu publicou em 2025, projetando o impacto da IA no PIB dos EUA.
Para fazer sua estimativa, Acemoglu utiliza uma base do governo americano que lista as tarefas realizadas por cada profissão -como redigir documentos ou atender clientes- e a cruza com estudos anteriores que avaliaram quais delas poderiam ser aceleradas pela IA.
Como o Brasil não tem um banco de dados semelhante, o Reglab cruzou a base americana com as ocupações presentes na Pesquisa Nacional por Amostra de Domicílios Contínua, do IBGE (Instituto Brasileiro de Geografia e Estatística), que não informa quais tarefas os trabalhadores brasileiros realizam em seu expediente.
No cenário central do relatório, a IA elevaria o PIB em 2,77% no período, ou uma média de 0,69 ponto percentual por ano. A maior parcela do efeito, 65%, viria do aumento da produtividade dos trabalhadores. Os 35% restantes decorreriam da incorporação da tecnologia a máquinas, equipamentos e outros ativos produtivos.
O ganho acumulado de R$ 986,7 bilhões equivale a 7,6% do PIB estimado para 2026. As indústrias de transformação concentrariam o maior ganho, de R$ 264 bilhões, seguidas por outras atividades de serviços (R$ 165 bilhões) e pelo comércio (R$ 131 bilhões).
O impacto assumiria formas diferentes conforme o setor. Na agropecuária, 92% do ganho, calculado em R$ 48 bilhões, viria de equipamentos inteligentes, drones e sensores.
Em finanças, comunicação e administração pública, predominaria o aumento da produtividade de profissionais que passariam a analisar documentos, produzir código e organizar informações em menos tempo.
Ao todo, o estudo faz projeções em 12 áreas da economia brasileira.
“Esses números são de certa forma conservadores. Nenhum estudo capta a transformação das atividades que podem surgir a partir da IA. Antes não existia a pessoa que faz vibe coding ou é engenheira de prompt”, diz Pedro Henrique Ramos, diretor-executivo do Reglab.
“Por serem atividades novas, não conseguimos prever. Tem muita coisa surgindo em vários setores que vão aumentar ainda mais esses números. É um desafio metodológico.”
Os cálculos do Reglab pressupõem que a incorporação dessas ferramentas será gradual. Para 2030, o modelo estima que terão sido aproveitados 66% do potencial de ganho relacionado ao trabalho e 62% daquele ligado ao capital.
A velocidade seria menor que nas economias avançadas, devido ao crédito caro, às diferenças entre empresas e às deficiências de infraestrutura e qualificação no Brasil.
A título de comparação, vale lembrar estudos dos últimos anos que também tentaram fazer projeções de impacto da IA no PIB brasileiro -cada um trabalhando com métodos e prazos próprios.
Em 2024, por exemplo, o FMI estimou que a IA poderia deixar a produção brasileira cerca de 5% maior no longo prazo, ou quase 8% num cenário ampliado. Já a consultoria PwC chegou a calcular, no ano passado, que a tecnologia poderia adicionar de 0,6% a 13% ao PIB até 2035.
A diferença entre os números mostra que eles trabalham com metodologias, critérios e hipóteses diferentes. O resultado depende da velocidade de adoção, das atividades afetadas e do ganho de produtividade.
A transposição da base de tarefas americana usada por Acemoglu é usada em estudos internacionais respeitados e não invalida o exercício, mas pode criar pontos cegos: uma mesma profissão pode reunir tarefas, tecnologias e condições de trabalho diferentes nos Estados Unidos e no Brasil.
O relatório também ressalta que os ganhos são potenciais. A concretização deles dependeria de conectividade no campo, requalificação de trabalhadores, apoio a pequenas empresas, crédito e regras previsíveis.
