Regulamentar a IA pode mudar quem vence a corrida da IA
Um novo estudo econômico argumenta que o pensamento regulatório existente é mal adequado à estrutura emergente da indústria de IA, onde desenvolvedores de modelos fundamentais poderosos e empresas de aplicação operam dentro de uma cadeia de suprimentos interconectada. A pesquisa destaca como decisões políticas que afetam a competição, recursos computacionais e dinâmicas de preços podem moldar não apenas os lucros corporativos, mas também o bem-estar do consumidor.
A ascensão da economia da cadeia de suprimentos de IA
O desenvolvimento de IA gira cada vez mais em torno de modelos fundamentais, redes neurais massivas treinadas em enormes conjuntos de dados que podem realizar uma ampla gama de tarefas, incluindo processamento de linguagem natural e raciocínio lógico. Esses modelos formam a espinha dorsal tecnológica dos produtos de IA modernos, mas são extremamente caros de desenvolver e manter. Treinar um modelo do tamanho do GPT-4 pode custar mais de $100 milhões, tornando impraticável para a maioria das organizações construir o seu próprio.
Devido a esses altos custos, a indústria de IA evoluiu para uma cadeia de suprimentos estruturada verticalmente. Nesse ecossistema, grandes empresas de tecnologia constroem e mantêm modelos fundamentais, enquanto empresas menores adaptam esses modelos para aplicações especializadas, como ferramentas de pesquisa jurídica, assistentes médicos ou sistemas de análise financeira.
O mecanismo chave que permite essa estrutura é o fine-tuning, um processo pelo qual as empresas menores re-treinam um modelo fundamental usando dados específicos do domínio. Essa etapa permite que as empresas personalizem sistemas de IA de propósito geral para atender às exigências de indústrias ou tarefas específicas. Enquanto o pré-treinamento do modelo requer enormes recursos computacionais, o fine-tuning normalmente exige menos poder de computação, tornando-se acessível a empresas menores.
Políticas de competição e bem-estar do consumidor
Os reguladores frequentemente tentam aumentar a competição melhorando a transparência dos preços ou exigindo que as empresas divulguem informações precisas sobre o desempenho dos produtos. A pesquisa identifica duas categorias principais de intervenção política: políticas de competição de preços e políticas de competição de qualidade.
As políticas que promovem a competição de preços focam em melhorar a transparência dos preços e facilitar a comparação de produtos pelos consumidores. No entanto, o estudo constata que o resultado é mais complexo nas cadeias de suprimentos de IA. Quando a competição se intensifica e as empresas reduzem os preços, seu incentivo para investir na melhoria dos modelos pode diminuir. Isso pode, sob certas condições, reduzir o bem-estar do consumidor.
Por outro lado, políticas que promovem a competição de qualidade consistentemente melhoram os resultados para os consumidores. Essas políticas incentivam as empresas a investir mais fortemente em melhorias dos modelos, aumentando a qualidade dos serviços de IA enquanto mantêm a pressão competitiva sobre os preços.
Subsídios de computação e a economia da infraestrutura de IA
A pesquisa também examina um segundo instrumento regulatório que está ganhando popularidade: os subsídios de computação. Vários países e governos regionais começaram a subsidiar o acesso à infraestrutura de computação usada para o treinamento de IA. Os pesquisadores analisam como esses subsídios afetam a cadeia de suprimentos de IA e descobrem que, geralmente, aumentam o bem-estar do consumidor.
No entanto, os benefícios dependem fortemente das condições de custo. Se os custos de computação e de preparação de dados permanecerem altos, os subsídios podem se tornar ineficientes. O estudo também destaca a importância do design dos subsídios, pois subsídios excessivamente grandes podem levar as empresas a superinvestirem em fine-tuning, aumentando os gastos públicos sem gerar ganhos proporcionais no bem-estar do consumidor.
Conclusão
Os avanços na tecnologia de GPU estão reduzindo constantemente o custo de treinamento e implantação de modelos de IA, uma tendência que deve continuar nos próximos anos. Os custos de computação em queda aumentam consistentemente o excedente do consumidor, permitindo produtos de IA de maior qualidade a preços mais baixos. Apesar disso, a pressão para melhorar o desempenho dos modelos pode reduzir os lucros das empresas, mesmo à medida que o ecossistema de IA cresce.
