A IA generativa reduz ou amplia as lacunas de produtividade na pesquisa? Estudamos os efeitos distributivos da IA na produtividade da pesquisa em economia, utilizando evidências de três fontes: registros de artigos de trabalho e publicações do NBER, medidas textuais de escrita assistida por assistentes de pesquisa (LLM) e uma pesquisa original com 227 economistas acadêmicos, que mediu o uso de IA em diversas tarefas de pesquisa. Primeiramente, mostramos que as lacunas de produtividade entre os autores do NBER diminuíram após o lançamento do ChatGPT: autores sem assistentes de pesquisa (ARs) publicaram uma parcela maior de artigos em periódicos de alto impacto, enquanto autores de equipes menores obtiveram ganhos em produção de artigos de trabalho e velocidade de publicação. Em seguida, utilizamos a pesquisa para examinar como o uso individual de IA afeta a produtividade da pesquisa. Encontramos evidências fracas de que a IA afeta a produção de artigos de trabalho em média, mas há uma heterogeneidade substancial. Estimativas de tripla diferença mostram que uma maior exposição à IA reduz a lacuna de produção entre pesquisadores com e sem ARs, mas amplia a lacuna entre pesquisadores seniores e juniores. A seleção para o uso de IA segue um padrão diferente: pesquisadores juniores usam IA de forma mais intensiva e são mais propensos a usar ferramentas de análise generativa. Assim, esses efeitos diferenciais de produtividade refletem diferenças nos retornos da IA, e não na seleção para o uso da IA. Um modelo com retornos decrescentes para a execução, retornos crescentes para a capacidade conceitual e complementaridade entre os dois explica como a IA pode atenuar as desvantagens no apoio à pesquisa, ao mesmo tempo que amplia os retornos da expertise acumulada. Com o tempo, porém, a convergência inicial pode dar lugar à divergência à medida que as restrições de execução diminuem e as capacidades conceituais da IA melhoram.
Fonte: via Marginal Revolution

