The better AI gets, the smaller its share of the economy might get – Alex Imas and Phil Trammell

Contexto

Nesta entrevista, Dwarkesh Patel conversa com Alex Imas (Google DeepMind/Universidade de Chicago) e Phil Trammell (Epoch/Stanford) sobre as implicações econômicas da automação avançada e da Inteligência Artificial. O debate foca em como a economia pode prever mudanças no mercado de trabalho, na parcela da renda destinada ao trabalho (labor share) e na distribuição de riqueza em um cenário de AGI (Inteligência Artificial Geral).

Pontos Principais

A Falácia do "Lump-of-Labor": Imas ressalta que, historicamente, o medo de que a automação causaria desemprego em massa (como visto na Revolução Industrial com David Ricardo) não se concretizou. A economia de mudança estrutural permitiu que bens automatizados ficassem baratos, liberando renda para novos setores de serviços.
O Setor Relacional: A escassez futura pode residir no "setor relacional" — bens e serviços onde a presença humana é intrinsecamente valorizada (ex: terapia, ensino, artes). Contudo, os convidados admitem falta de dados sobre a elasticidade da demanda por esse tipo de interação humana versus a substituição por IA.
Parcela do Trabalho (Labor Share): Historicamente, cerca de 60% da economia é destinada a salários. A preocupação é se a AGI reduzirá essa parcela a zero. Trammell argumenta que, se a IA e o trabalho humano forem complementares, a parcela do trabalho pode se manter estável, mas uma mudança qualitativa ocorrerá quando cadeias de suprimentos inteiras forem automatizadas sem necessidade de intervenção humana.
O "Meio Confuso" (Messy Middle): Existe o risco de um cenário onde a automação ocorre de forma gradual, causando desemprego em setores específicos sem gerar riqueza suficiente de forma rápida para financiar uma redistribuição eficaz, criando instabilidade política.
Preferências e Acumulação: Imas e Trammell discutem se as IAs ou os "titãs da indústria" do futuro terão preferências por acumulação infinita de capital (ex: colonização espacial) ou se buscarão o consumo. A seleção natural de agentes econômicos pode favorecer aqueles que não se saciam, tornando a acumulação de capital o motor dominante da economia.
Indexação da Economia: Para que a população geral se beneficie da riqueza gerada pela IA, os convidados sugerem que a estratégia mais eficaz é facilitar a "indexação" da economia (acesso a ações e capital), permitindo que o público capture os ganhos de produtividade, similar ao que ocorre com a infraestrutura de eletricidade.

Citações

"O que é escasso diz a você onde o valor irá se acumular."

"A forma pessimista de ver a Lei de Moore é: a cada 18 meses, o valor da computação cai pela metade. Estamos ficando sem usos para a computação tão rápido que isso sustenta a Lei de Moore."

Implicações

Política Pública: Governos devem priorizar mecanismos para que a população tenha participação no capital (via fundos soberanos ou facilitação de investimentos) em vez de focar apenas em programas de retreinamento, que podem ser ineficazes diante da velocidade da IA.
Desenvolvimento: Países em desenvolvimento (como Nigéria ou Índia) enfrentam o risco de ficarem fora da cadeia de valor da IA. A recomendação é buscar formas de indexar suas economias ao crescimento global da IA, possivelmente aproveitando modelos de código aberto para "saltar" etapas de desenvolvimento.
Incerteza: A falta de dados sobre elasticidade de demanda e o comportamento de agentes superinteligentes torna previsões individuais inúteis. Os convidados defendem o uso de mercados de previsão e o mapeamento rigoroso de cenários para orientar a coleta de dados necessária.