By Empresas estão gastando tempo e capital em projetos de inovação que não geram valor porque aplicam à inovação a mesma lógica da operação. Ao tentar extrair previsibilidade de um processo que depende de erro, variância e experimentação, transformam tecnologia em fim, não em meio. O resultado é uma agenda de inovação capturada pelo discurso e desconectada da geração real de valor.
“A inovação pela inovação ela não serve para nada”, disse Manoel Lemos, sócio da Redpoint eventures, gestora de venture capital, em entrevista ao Green Economy.
Para Lemos, que assina a curadoria de inteligência artificial (IA) da SP Inovation Week, a inovação se consolidou como vetor central para enfrentar desafios globais, como as mudanças climáticas e a desigualdade, mas sua eficácia depende menos da tecnologia em si e mais da forma como ela é aplicada.
O avanço não está na adoção de ferramentas mais sofisticadas, e sim na capacidade de reinterpretar problemas antigos a partir de novos enquadramentos. À medida que temas como clima, energia e desigualdade ganham escala, soluções incrementais deixam de ser suficientes e passam a exigir abordagens que rompam com a lógica que originou esses desafios.
“O que trouxe a gente até onde o problema foi gerado, não vai levar a gente dali para frente”, diz o empreendedor.
Esse processo já produz efeitos mensuráveis em setores específicos. No campo energético, por exemplo, ganhos de eficiência em motores, iluminação e sistemas computacionais reduzem consumo e emissões no nível do uso individual.
Grandes desafios exigem avanços mais profundos, no entanto. A transição energética ilustra essa mudança: mais do que tornar sistemas existentes mais eficientes, trata-se de substituir a base produtiva por novos modelos, alinhados a uma lógica econômica diferente. Ainda assim, essa transformação segue uma curva de adoção, condicionada pela viabilidade econômica das novas soluções.
Para Lemos, o movimento é cumulativo e tende a produzir resultados ao longo do tempo, ainda que o ritmo de mudança seja desigual e, muitas vezes, insuficiente no curto prazo.
O impacto da IA
A inteligência artificial se consolida como a principal tecnologia desta nova onda de inovação, mas seu impacto não é uniforme. “Eu vejo duas grandes áreas de aplicação: uma em como a gente faz as coisas e outra em como as coisas são”, afirma.
Lemos divide o impacto da inteligência artificial em duas camadas. A primeira é quando a IA melhora a forma como o trabalho já é feito, tornando processos mais rápidos, baratos e eficientes, como no caso da automação de tarefas ou da escrita de código. A segunda é quando a IA passa a fazer parte do próprio produto, deixando de ser apenas uma ferramenta e assumindo funções de execução, como sistemas que tomam decisões ou realizam tarefas de forma autônoma.
Essa divisão ajuda a entender por que o ganho imediato está concentrado na produtividade, enquanto a transformação mais profunda ainda está em construção.
Monopólio da IA
Como é comum quando surgem novas tecnologias, o mercado de inteligência artificial tende à concentração. Treinar modelos avançados exige bilhões de dólares em infraestrutura, dados e capacidade computacional, o que limita esse processo a poucas empresas no mundo. Setores intensivos em tecnologia costumam concentrar poder em quem consegue investir mais, criando barreiras de entrada elevadas e reduzindo o número de competidores na ponta mais avançada.
Ao mesmo tempo, cresce um movimento que atua como contrapeso: o avanço de modelos código aberto. Esses sistemas permitem que empresas e desenvolvedores utilizem tecnologias já existentes sem precisar arcar com o custo do treinamento, focando na adaptação e no uso prático. Isso reduz a barreira de entrada e amplia o número de atores capazes de inovar com IA.
Na prática, enquanto poucos dominam a base, muitos passam a competir na aplicação, criando um mercado híbrido, em que concentração e democratização coexistem. “Há um mundo de modelos open source muito bons aparecendo, especialmente os chineses, que ajudam bastante”, diz Lemos.
