Em 1865, o economista britânico William Stanley Jevons observou um fenômeno aparentemente contraintuitivo na indústria do carvão: à medida que as máquinas a vapor se tornavam mais eficientes, consumindo menos carvão por unidade de trabalho, o consumo agregado do insumo não diminuía, mas aumentava. A lógica é simples: ganhos de eficiência reduzem o custo de utilização de uma tecnologia, tornando seu uso viável em mais aplicações e por períodos mais longos. Nesse contexto, o efeito escala supera o efeito eficiência, fazendo com que o consumo total aumente, ainda que o consumo por unidade produzida seja menor.
O chamado “Paradoxo de Jevons” parece descrever bem o momento atual da inteligência artificial. Apesar da forte redução dos custos de processamento, os gastos corporativos com IA continuam crescendo de forma acelerada.
O gráfico desta semana, produzido pela Epoch AI, mostra que o custo para executar Large Language Models (LLMs), como ChatGPT e Claude, caiu drasticamente nos últimos três anos. Segundo o think tank, esses custos recuaram entre 9 e 900 vezes por ano, a depender do modelo analisado.
O paradoxo traz uma implicação importante: o crescimento das despesas corporativas com IA não necessariamente indica que a tecnologia se tornou mais cara. Pelo contrário, pode refletir justamente o aumento de sua adoção, impulsionado pela queda de custos e pela ampliação de suas aplicações. Em outras palavras, a eficiência reduz o custo por unidade, mas pode elevar significativamente o consumo agregado.
