O caso do retalho
Muitas empresas dizem já usar inteligência artificial, mas poucas conseguem explicar, com números, o que mudou nos seus processos. Este fosso entre adoção declarada e transformação efetiva é hoje um dos temas mais relevantes da economia da inovação, e talvez o mais mal compreendido pelas próprias organizações.
O setor do retalho ilustra bem este fenómeno. É comum uma cadeia de lojas de retalho adquirir uma ferramenta de previsão de procura baseada em IA, apresentá-la em relatório interno como marco de inovação, e continuar, na prática, a decidir reposições e campanhas exatamente como antes, com o gestor de loja a confiar mais na sua experiência do que no output do modelo. A ferramenta existe, foi paga, aparece no orçamento de tecnologia, mas não alterou o processo de decisão. Este é o núcleo do problema: a compra de tecnologia é um evento pontual, enquanto a transformação organizacional é um processo lento, que exige redesenho de funções, formação continuada e, frequentemente, alteração de incentivos internos.
A literatura em economia da produtividade já documentou este padrão noutras revoluções tecnológicas. Quando a eletricidade chegou às fábricas americanas no início do século XX, os ganhos de produtividade só surgiram décadas depois, quando as fábricas deixaram de simplesmente substituir motores a vapor por motores elétricos no mesmo layout, e passaram a redesenhar por completo a organização espacial da linha de produção. A tecnologia por si só não gera valor; o valor surge quando a organização se reestrutura em torno dela. Com a inteligência artificial, o mesmo princípio aplica-se, mas ao ritmo acelerado da economia digital, o que torna o atraso ainda mais visível e mais custoso para quem fica para trás.
No retalho, esse redesenho significaria, por exemplo, dar autonomia real às previsões algorítmicas na gestão de stock, redefinir o papel dos gestores de loja como intérpretes e validadores dos modelos em vez de decisores isolados, e criar mecanismos de aprendizagem organizacional que capturem os casos em que o algoritmo acerta e em que erra. Sem isso, a empresa acumula ferramentas sem acumular capacidade.
Há ainda um efeito de sinalização que agrava o problema. Anunciar a adoção de inteligência artificial tornou-se, em muitos setores, um sinal de inovação para investidores, clientes e reguladores. Esse incentivo reputacional favorece anúncios rápidos de compra de tecnologia, mas não recompensa da mesma forma o trabalho, mais lento e menos visível, de mudança de processos internos. As empresas de retalho que competem por atenção mediática ou por avaliação de investidores têm assim um incentivo estrutural para privilegiar a aparência de inovação sobre a sua substância.
Para gestores e decisores de política económica, a implicação é direta. Medir a adoção de inteligência artificial pela percentagem de empresas que compraram alguma ferramenta é um indicador enganador. Um indicador mais útil perguntaria quantas empresas alteraram efetivamente os seus processos de decisão, os seus organogramas e os seus critérios de avaliação de desempenho em função da tecnologia adotada. Enquanto essa distinção não for feita, continuaremos a celebrar estatísticas de adoção que escondem, na realidade, um enorme desperdício de investimento e uma oportunidade de produtividade por concretizar.
