O cofundador da Anthropic projetou um PIB dos Estados Unidos de US$ 44 trilhões em 2030 impulsionado por inteligência artificial, declaração divulgada em 20 de outubro. O número é grande o suficiente para virar manchete e vago o suficiente para escapar de verificação. Para quem opera varejo, a projeção importa menos pelo valor e mais pelo que ela revela sobre a expectativa embutida nos investimentos em IA.
Uma projeção que sai do laboratório
Projeções de PIB feitas por executivos de tecnologia têm uma função diferente das projeções de bancos centrais. Elas não descrevem o cenário mais provável, mas o cenário que justifica o capex atual. Isso não as torna inúteis, apenas exige leitura cuidadosa: são teses de investimento, não previsões estatísticas.
A comparação histórica ajuda. Ganhos de produtividade costumam levar uma década para aparecer nos agregados, porque dependem de reorganização de processos e não apenas de adoção de ferramenta. Uma projeção para 2030 embute a hipótese de que essa reorganização será muito mais rápida do que em ciclos anteriores.
O que sustenta o número
Produtividade
A produtividade é o componente mais discutido e o mais difícil de medir. Ganhos em tarefas cognitivas repetitivas são reais e mensuráveis, mas representam uma fração pequena do valor adicionado da economia. A extrapolação desses ganhos para o total da economia é onde as projeções costumam exagerar.
Adoção
A adoção é a variável que mais muda entre setores. A adoção de consumidor, porém, não é o mesmo que adoção produtiva, e a distância entre as duas é justamente onde o valor se perde. Projetos de IA que não conseguem demonstrar ganho em processo tendem a ser descontinuados antes de escalar, o que trava a curva de adoção justamente no ponto em que ela deveria acelerar fonte.
Capex
O capex é a parte visível da tese. Data centers, chips e energia concentram investimentos bilionários, e esse gasto já aparece no PIB antes de qualquer ganho de produtividade. Parte do crescimento projetado, portanto, é o próprio investimento se contabilizando, um efeito que não se sustenta indefinidamente.
Por que o varejo entra nessa conta
O varejo é um dos setores onde a IA tem aplicação direta em previsão de demanda, precificação, sortimento e atendimento. Os ganhos, no entanto, dependem de qualidade de dado e de processos bem definidos. A maioria dos projetos de IA não gera valor justamente por falhar nessas duas bases fonte, e não por limitação de modelo.
A Danone usa automação para reduzir perdas na fábrica de lácteos, um caso em que o ganho vem de controle de processo e não de algoritmo sofisticado fonte. A lição se aplica ao varejo: o retorno aparece quando a IA resolve um problema operacional específico e mensurável, não quando é apresentada como transformação cultural.
O risco de comprar a narrativa inteira
O risco prático é alocar orçamento com base na projeção e não na capacidade de execução. Redes que iniciam vários projetos simultâneos sem dado confiável acabam com custo recorrente e nenhum indicador de ganho. O resultado aparece dois anos depois, na forma de desconfiança generalizada sobre a tecnologia dentro da própria empresa.
Há também o risco de leitura errada do mercado. Se a projeção de produtividade se confirmar apenas parcialmente, os custos de infraestrutura continuam e a pressão sobre margem aumenta. O setor alimentar, que opera com margens estreitas e depende de volume, é especialmente sensível a esse descompasso entre expectativa e realização.
Como testar a tese na própria operação
Um caminho defensável é escolher dois processos com impacto direto em margem, como previsão de demanda por loja e precificação de perecíveis, e medir antes e depois com o mesmo critério. Se o ganho não aparecer em dois trimestres, o problema provavelmente está em dado ou processo, e não em modelo.
O segundo passo é tratar a IA como capacidade operacional e não como projeto. Isso significa dono definido, indicador único, rotina de revisão e orçamento de manutenção. Sem essas quatro peças, qualquer ganho inicial se dissolve na primeira troca de gestor, e a empresa volta a discutir a projeção de PIB em vez de olhar para a própria planilha.
