IA pode acrescentar até US$ 1,7 trilhão por ano à economia da América Latina

Monica Miglio Pedrosa

A inteligência artificial tem o potencial de aumentar a produtividade da América Latina e trazer entre US$ 1,1 trilhão e US$ 1,7 trilhão por ano à economia da região. A estimativa é do relatório “Latin America in the Intelligent Age: a new path for growth”, produzido pelo Fórum Econômico Mundial em colaboração com a McKinsey & Company.

O Brasil ocupa posição de liderança entre os países latino-americanos, tanto pela elevada disponibilidade de energia renovável, que cria condições favoráveis para o desenvolvimento de uma infraestrutura de IA mais sustentável, quanto pela escala do mercado consumidor e pelo grau de digitalização de setores-chave da economia, com destaque para o sistema financeiro.

Segundo o relatório, o aumento de produtividade representa uma oportunidade única para a região, considerando seu crescimento econômico histórico, limitado por baixos ganhos de eficiência. Isso porque, nas últimas décadas, a expansão do PIB na região foi impulsionada principalmente pelo aumento da força de trabalho, modelo que tende a se esgotar com o envelhecimento da população.

Apesar do potencial, o impacto da inteligência artificial na produtividade da região ainda está engatinhando. Apenas 23% das organizações latino-americanas afirmam capturar algum valor com iniciativas de inteligência artificial, e somente 6% relatam impactos superiores a 5% no EBIT (earnings before interests and taxes). O relatório projeta que 60% do valor econômico potencial da inteligência artificial na região deve vir de aplicações analíticas, enquanto a IA Generativa responde por um potencial adicional estimado entre US$ 500 e US$ 700 bilhões.

A principal limitação não está no acesso às ferramentas, mas na incapacidade de escalar iniciativas e integrá-las aos processos centrais de negócio, mantendo a IA restrita a projetos experimentais ou ganhos incrementais de produtividade. Empresas latino-americanas que não geram impacto econômico com IA costumam levar mais de um ano para executar iniciativas, enquanto aquelas que conseguem capturar valor avançam em ciclos de seis a nove meses. A diferença está em fatores como governança, modelo operacional, clareza estratégica e integração entre tecnologia e negócio.

Entre os desafios estruturais estão a escassez de talentos especializados, a desigualdade de infraestrutura digital, a fragmentação dos dados e a limitada coordenação entre setor público e privado. Estes fatores restringem a capacidade de adoção ampla da tecnologia.

10 ações para impulsionar a execução

1. Criar estratégias focadas em setores-chave, com resultados mensuráveis

Sem uma estratégia clara, organizações tendem a dispersar esforços, perder foco e investir em projetos isolados que consomem recursos sem capturar valor real. No curto prazo, o estudo recomenda que estratégias nacionais de IA priorizem a criação das condições habilitadoras e o estímulo à inovação em setores como agricultura, mineração, energia e turismo, onde a região já possui vantagens competitivas. Isso inclui desde a criação de centros de IA especializados por setor até programas estruturados de formação e capacitação em todos os níveis educacionais.

Nas empresas, é preciso ir além da experimentação e incorporar a tecnologia ao core do negócio. Esse movimento exige priorização clara de oportunidades e patrocínio da liderança, além de modelos de colaboração que construam confiança, alinhem incentivos e acompanhem resultados mensuráveis.

2. Fomentar a sustentabilidade da IA

A inteligência artificial depende de alto consumo de água e energia. Com 88% de sua matriz energética renovável, o Brasil possui uma vantagem competitiva clara neste aspecto, assim como o Chile, o Paraguai e alguns países da América Central. Ainda assim, a oferta nem sempre está localizada onde há maior demanda, o que exige investimentos adicionais para conexão à rede e infraestrutura de transmissão. O desafio é ampliar a capacidade instalada sem que a expansão de data centers e de geração de energia resulte em novos desequilíbrios sociais ou impactos ambientais negativos para as comunidades e os ecossistemas envolvidos.

3. Construir conectividade universal e adaptar tecnologias de IA a diferentes realidades

A adoção da IA na região esbarra em desigualdades persistentes de conectividade e acesso digital. Expandir infraestrutura é necessário, mas insuficiente se as tecnologias não forem adaptadas a contextos distintos, como áreas rurais, cadeias produtivas pouco digitalizadas e economias informais. Soluções desenvolvidas para mercados avançados tendem a falhar quando transplantadas sem ajustes, limitando escala e impacto econômico.

4. Criar fundações para dados e governança

Dados fragmentados, de baixa qualidade ou pouco acessíveis seguem como um dos principais entraves à IA em escala. Sem padrões claros de governança, interoperabilidade e proteção de dados, os modelos perdem eficácia e a confiança nas decisões automatizadas diminui. Tratar dados como ativo estratégico, e não apenas como subproduto operacional, é condição para capturar valor de forma consistente

5. Adaptar e implementar tecnologias de IA às necessidades locais

Economias avançadas fora da região dominam a construção de modelos fundamentais, semicondutores e outras tecnologias de IA que exigem muitos recursos. Para competir, os países latino-americanos podem adaptar tecnologias existentes (por exemplo, código aberto) para setores prioritários, beneficiando indivíduos e organizações e gerando um impacto mais rápido. Para ter sucesso, as parcerias devem ir além de transferências pontuais de conhecimento, buscando iniciativas conjuntas de pesquisa, programas de desenvolvimento de talentos e padrões técnicos compartilhados.

6. Desenvolver a literacia em IA nos sistemas educacionais e oportunidades de aprendizagem contínua

O déficit de talentos não se restringe a perfis técnicos. Falta compreensão prática de IA entre lideranças e equipes de negócio, o que compromete decisões de investimento, priorização e escala. Ampliar a alfabetização em IA em todos os níveis educacionais e promover requalificação contínua são passos essenciais para integrar a tecnologia às estratégias organizacionais.

O financiamento público para centros de P&D e iniciativas de excelência em IA pode fortalecer ainda mais esse fluxo, expandindo as oportunidades de aprendizado prático e pesquisa localmente, ajudando os talentos emergentes a desenvolverem habilidades sem precisar sair da região.

7. Estabelecer regimes de ética e segurança em IA

A confiança é um pré-requisito para a adoção ampla da IA. A ausência de regras claras aumenta riscos jurídicos e reputacionais, enquanto regulações excessivamente restritivas podem inibir inovação. Para agilizar esse processo, os países poderiam se alinhar com princípios e estruturas internacionais amplamente aceitos, como os da UNESCO e da OCDE.

8. Mobilizar fundos e incentivos de investimento em IA

A região ainda atrai uma parcela reduzida dos investimentos globais em IA, o que limita sua capacidade de escalar soluções. Modelos de financiamento inovadores podem ajudar a desbloquear a escala. Por exemplo, fundos público-privados poderiam canalizar capital para inovação em IA e infraestrutura digital. Esses arranjos podem expandir o conjunto de capital disponível para empresas e iniciativas em estágio inicial.

9. Construir centros e ecossistemas inovadores de IA

A inovação em IA depende de ambientes que concentrem talento, dados, capital e conhecimento. Embora existam iniciativas relevantes na região, elas permanecem fragmentadas. Consolidar centros de IA e ecossistemas colaborativos pode acelerar o desenvolvimento tecnológico e reduzir a dependência de soluções externas.

Programas de P&D financiados publicamente e projetos desenvolvidos em conjunto com a academia e a indústria ajudam a garantir que pesquisadores, engenheiros e empreendedores possam desenvolver habilidades de ponta localmente, ao mesmo tempo que têm acesso a caminhos claros para a indústria ou para a criação de startups. Ao fazer isso, esses centros não apenas expandem a capacidade de inovação em IA, mas também aumentam a probabilidade de que talentos altamente qualificados permaneçam na região, contribuindo para uma IA crescente e autossustentável.

10. Promover a colaboração regional e intersetorial

A fragmentação entre países latino-americanos reduz escala e eficiência na adoção da IA. Apesar de desafios econômicos e produtivos semelhantes, a região avança de forma pouco coordenada. A colaboração regional pode harmonizar regulações, compartilhar boas práticas e aumentar a atratividade para investimentos globais, ampliando o impacto econômico da tecnologia.

– Baixe aqui o estudo “Latin America in the Intelligent Age: A New Path for Growth” na íntegra, em inglês.