- Embora a adoção de IA pelo consumidor tenha sido “espetacular”, a maioria desses usuários acessa uma versão gratuita, segundo a pesquisa do Goldman Sachs. A adoção bem-sucedida no ambiente corporativo será fundamental para a viabilidade econômica da IA.
- Para que as empresas extraiam valor de seus gastos com IA, os dados precisam estar devidamente estruturados para a IA agêntica, e os fluxos de trabalho precisam ser orquestrados de forma eficiente para controlar custos.
- Mesmo com os fabricantes de semicondutores registrando receitas e lucros recordes, a maioria das empresas no restante do ecossistema de IA ainda não obteve retorno financeiro com a tecnologia — uma dinâmica insustentável.
- As empresas de semicondutores superaram o mercado acionário de forma geral. Daqui para frente, a pesquisa do Goldman Sachs espera que as hyperscalers superem as empresas de semicondutores.
Para que a inteligência artificial (IA) cumpra sua promessa, e para que os retornos se disseminem além das empresas de semicondutores — que concentraram a maior parte dos benefícios até agora —, as empresas precisam extrair mais valor da tecnologia, segundo a pesquisa do Goldman Sachs. Em última instância, a adoção corporativa bem-sucedida da IA ditará a viabilidade econômica de toda a cadeia de fornecimento.
“A ideia geral é que as empresas de chips deveriam prosperar quando seus clientes prosperam”, escreve James Covello, chefe de Pesquisa Global de Ações. “Não deveriam estar prosperando às custas das empresas mais acima na cadeia.”
A IA está correspondendo às expectativas?
A adoção de chatbots de IA pelo consumidor “foi espetacular”, escreve Covello. A IA generativa atingiu aproximadamente 53% de adoção em três anos (medido a partir do lançamento do primeiro produto amplamente disponível da tecnologia), de acordo com o Stanford Institute of Human-Centered AI. Esse ritmo supera em muito as trajetórias iniciais do computador pessoal e da internet em períodos comparáveis.
A maioria das empresas ainda não obteve nenhum retorno sobre seus gastos com IA, observa Covello, citando um estudo do Massachusetts Institute of Technology e outros relatórios. Como resultado, outras partes da cadeia de fornecimento de IA também enfrentam dificuldades. As empresas que desenvolvem os modelos e as hyperscalers que constroem a infraestrutura de IA estão consumindo caixa e aumentando seu endividamento.
Embora as empresas de semicondutores registrem receitas e lucros recordes, a dinâmica geral é “sem precedentes e insustentável”, escreve Covello.
Onde estão as oportunidades de investimento em IA?
A equipe destaca que, há cerca de dois anos, recomendou que os investidores adotassem uma abordagem de “pás e picaretas” [investir nos fornecedores de infraestrutura do setor, e não nas empresas do setor em si] para o boom da IA, investindo em empresas de semicondutores e de equipamentos para semicondutores (semi cap). Desde então, essas ações superaram o mercado, enquanto as hyperscalers majoritariamente não o fizeram.
Daqui para frente, a pesquisa do Goldman Sachs espera que as hyperscalers superem tanto as empresas de semicondutores quanto as fabricantes de equipamentos para semicondutores, escreve Covello.
Por um lado, os investidores tornaram-se bastante céticos quanto aos retornos que as hyperscalers provavelmente entregarão. Se as empresas começarem a demonstrar retorno sobre os gastos com IA, os investidores poderão estar dispostos a pagar múltiplos mais elevados por essas ações novamente. Mesmo que os retornos sobre os gastos corporativos em IA continuem desafiadores, as hyperscalers poderão decidir reduzir seus investimentos em capital (capex). Esse pode ser o melhor cenário para essa operação, escreve a equipe, provocando um rali de alívio para as hyperscalers diante da melhora nas perspectivas de fluxo de caixa, e uma queda para os semicondutores.
O pior cenário para essa operação seria a manutenção do status quo, com as hyperscalers continuando seus enormes desembolsos de capital apesar dos desafios para a adoção corporativa bem-sucedida da IA. Os investidores perderiam dinheiro nessa operação nesse cenário, pois todo o valor gerado pelos gastos com IA continuaria se acumulando nas empresas de semicondutores.
Como as empresas podem usar melhor a IA?
A grande questão, segundo a pesquisa do Goldman Sachs, é como as empresas podem criar valor econômico a partir de seus gastos com IA. Os pesquisadores sugerem que elas precisam garantir que a IA agêntica seja construída sobre dados devidamente estruturados, e que os modelos de IA sejam implantados — ou orquestrados — de forma economicamente eficiente.
“Os modelos continuarão a melhorar em ritmo acelerado, mas, no momento, a capacidade dos modelos não é o que está limitando o sucesso dos casos de uso corporativo da IA”, escreve Covello. “Acreditamos que a estrutura de dados e a orquestração são fatores críticos para desbloquear a IA no ambiente corporativo.” Uma nova camada precisa ser adicionada entre a empresa e os desenvolvedores de modelos, acrescenta.
Um dos objetivos dessa “camada de orquestração e implantação” seria garantir que os fluxos de trabalho sejam direcionados adequadamente com base na complexidade e nos custos envolvidos. Fluxos de trabalho de menor criticidade e maior volume devem ser encaminhados para tecnologias de IA mais simples — modelos de código aberto ou modelos leves. Tarefas de maior criticidade podem ser destinadas aos modelos mais avançados (e caros), que seriam reservados para ambientes em que o custo do erro é elevado.
Como os executivos devem abordar a IA em seus negócios?
Os pesquisadores apresentam um exemplo de como isso poderia funcionar em um hedge fund que deseja colocar ferramentas de IA nas mãos de seus colaboradores. Quando alguém faz uma consulta ao sistema de IA que equivale, essencialmente, a uma pesquisa avançada na web, ela seria encaminhada a um modelo de menor capacidade. Por outro lado, ao construir um novo modelo financeiro ou realizar uma análise de valuation [avaliação de valor] complexa entre setores, o trabalho poderia ser direcionado a um modelo mais caro e de maior capacidade.
Uma abordagem promissora é a implantação de modelos de linguagem pequenos (SLMs, na sigla em inglês), escreve Covello. Ao contrário dos grandes modelos de linguagem fundamentais (LLMs) que atraem as atenções, os SLMs podem ser otimizados para velocidade e menor custo, e adaptados a fluxos de trabalho específicos. Modelos menores podem ser mais rápidos e aumentar a precisão, ao mesmo tempo em que são muito menos custosos para treinar e utilizar — demonstrando a eficiência de custo necessária para uma implantação corporativa bem-sucedida da IA.
A nova camada entre as empresas e os provedores de modelos também endereçaria questões relacionadas a dados. Um exemplo básico seria garantir que os dados de um varejista estejam organizados e acessíveis para que uma ferramenta de IA possa oferecer sugestões relevantes aos clientes. Isso só será possível se os bancos de dados de algoritmos de recomendação, perfis de comportamento do consumidor e estoque atual estiverem devidamente organizados e não isolados em silos.
“Acreditamos que as organizações que colocarem esses blocos de construção em prática serão fundamentais para desbloquear a viabilidade econômica da IA no ambiente corporativo”, escreve Covello.
Os pesquisadores sugerem que os líderes do C-suite [alta administração] podem querer adotar uma visão de longo prazo, dado que parte do que é necessário para o sucesso corporativo da IA ainda não está consolidado. “Desacelere agora para poder acelerar depois”, escreve Covello. Isso não será fácil, ele admite, dada a enorme pressão que os executivos enfrentam para demonstrar que possuem uma estratégia sólida de IA — e o medo de ficar de fora (FOMO) que parece estar impulsionando acionistas e mercados.
Quais empregos e setores tendem a ser impactados pela IA?
Um dos aspectos que os mercados acompanham para avaliar o impacto da IA no nível corporativo é a substituição em larga escala de postos de trabalho — o que ainda não ocorreu. A pesquisa do Goldman Sachs demonstrou que, embora a IA esteja substituindo alguns trabalhadores, essas perdas de emprego estão sendo parcialmente compensadas pelo crescimento do emprego em áreas em que a IA potencializa o trabalhador humano e aumenta sua produtividade.
“Acreditamos que o mercado precisa ir além dos empregos para se sentir confortável de que haverá, eventualmente, retorno sobre o investimento”, escreve Covello. Isso significa explorar os pools de lucro [concentrações de rentabilidade setorial] que podem estar maduros para a disrupção pela IA nos próximos anos, explica. Os analistas de ações da pesquisa do Goldman Sachs identificaram diversos setores onde uma disrupção de lucratividade em larga escala parece mais provável, incluindo publicidade, software, cibersegurança e transporte.
No setor de publicidade, por exemplo, os processos criativos podem ser disrumpidos e há potencial para a automação dos processos de geração de anúncios. No transporte, à medida que os robotáxis e caminhões autônomos de carga pesada ganham aceitação, a disrupção dos mercados existentes nos EUA pode chegar a aproximadamente US$ 440 bilhões, segundo os pesquisadores.
Fonte: Goldman Sachs
Traduzido via Claude
