Economista

Estados Unidos. O serviço de estatística projeta que o emprego de economistas cresça 5 por cento de 2025 a 2035, de 18.600 para 19.500, com cerca de 1.100 vagas por ano. Diz que a procura virá de organizações que aplicam a análise de grandes volumes de dados à fixação de preços, à publicidade e a outras áreas, e de uma economia global mais complexa, mas que o emprego dependerá em parte dos orçamentos públicos. Não menciona a IA.

Uma pessoa com nome e com posição reconhecida previu algo publicamente, numa data, numa declaração atribuível. É registado para que fique verificável quem disse o quê e quando, e nunca move a avaliação de uma tarefa, porque uma previsão não é uma observação. O seu valor chega depois: o registo fica na mesma página que a prova sobre essa profissão, portanto quem lê a previsão lê ao lado o registo do que aconteceu a seguir. É essa a prestação de contas; este sítio não publica veredicto nenhum sobre se uma previsão se cumpriu.

Alemanha. A presidência do banco central diz que as aplicações de aprendizagem automática são usadas para modelar a inflação, as taxas de juro e a despesa orçamental, bem como os volumes de crédito e de comércio, que a experiência mostra que estas abordagens nem sempre são superiores às tradicionais, e que a IA complementa os técnicos como ferramenta adicional e não substitui o conhecimento especializado; o banco lançou também uma plataforma para os técnicos configurarem assistentes baseados em texto. Quem dirige a instituição a descrever o seu próprio trabalho.

Uma empresa pô-lo em produção. Pode mover a linha de base, ponderado pela escala e por quanto esse contexto se parece com o teu.

Estados Unidos. Este membro do Conselho de Governadores diz que o Comité Federal do Mercado Aberto não está a usar a IA para elaborar ou definir a política, mas sim para ajudar os técnicos noutras tarefas, como escrever, programar e investigar, e que a investigação na Reserva Federal avança de forma ponderada e cautelosa, porque muitas ferramentas de IA ainda não estão prontas para entrar em produção. A declaração de um decisor de política sobre uma instituição.

Uma falha, um recuo, uma regulação ou um custo estão a travar a adoção. Pode baixar uma avaliação ou alargar a sua incerteza.

Estados Unidos, técnicos do Conselho da Reserva Federal. Ao testarem a memória dos modelos de linguagem sobre dados macroeconómicos, os autores concluem que a recordação é globalmente exata, mas com dois erros importantes: misturar dados da primeira publicação com revisões posteriores e misturar dados de períodos passados e futuros; em qualquer dia, é provável que o modelo julgue ter na mão dados que ainda não foram publicados, o que limita o seu uso na análise histórica ou para imitar quem faz previsões em tempo real.

Uma demonstração, um referencial ou um artigo mostram que a tarefa pode ser feita. Atualiza o que a tecnologia consegue fazer, não o que as empresas vão fazer.

Bancos centrais de todo o mundo, inquiridos de setembro a novembro de 2024. O relatório diz que as aplicações de IA avançaram mais na estatística e na investigação económica, em particular na previsão imediata, na análise de sentimento e na deteção de valores atípicos, mas que apenas cerca de um quarto dos casos de uso de IA chega à implementação à escala plena, pelo que os bancos centrais ainda estão sobretudo a experimentar, em vez de usar a IA nas operações do dia a dia. Conta casos de uso, não tempo dos técnicos.

Ensaio em pequena escala num contexto real. Diz-nos que as condições de implementação estão a ser testadas, não que se verificam, por isso um piloto nunca chega sozinho; dois independentes chegam.

Uma experiência com 288 investigadores distribuídos aleatoriamente por 103 equipas que reproduziram computacionalmente resultados publicados de ciências sociais: equipas só humanas, equipas assistidas por IA e equipas que se limitaram a orientar minimamente uma IA. As equipas humanas igualaram as taxas de êxito das equipas assistidas por IA, tiveram um êxito 57 pontos percentuais superior ao das equipas lideradas pela IA e encontraram significativamente mais erros graves do que ambas. Um documento de discussão com modelos de 2024.

Uma demonstração, um referencial ou um artigo mostram que a tarefa pode ser feita. Atualiza o que a tecnologia consegue fazer, não o que as empresas vão fazer.

Se estás a começar, conta com os modelos de aprendizagem automática e a ajuda da IA na programação como parte do trabalho. Desenvolve aquilo para que as instituições dizem ainda precisar de pessoas: conhecer os dados e as suas revisões, perceber quando um modelo está errado e transformar a análise em aconselhamento com base no qual alguém possa agir.

Conta com programação mais rápida e mais resultados de modelos para verificar. O juízo sobre o que os números significam para uma decisão continua a ser teu.

Refazer o posto

Torna-te a pessoa que verifica os modelos

Os bancos centrais usam a aprendizagem automática a par dos modelos tradicionais e dizem que nem sempre é melhor, e os modelos de linguagem confundem as versões dos dados.

Ficar e reforçar-te

Fica na análise de políticas e no aconselhamento

Os bancos centrais dizem que a IA não é usada para definir a política, e os EUA projetam crescimento para os economistas.

Movimento lateral

Passa para a engenharia de dados de estatísticas económicas

O trabalho de IA dos bancos centrais concentra-se na estatística e na previsão imediata, que precisam de pessoas que percebam tanto os dados como os métodos.

Não, com a evidência atual. Os bancos centrais usam a aprendizagem automática nas previsões e na modelação, mas dizem que complementa, em vez de substituir, o conhecimento especializado, a Reserva Federal não usa a IA para definir a política, e os EUA projetam um crescimento de 5% para os economistas.

Não respondemos a isso com um número de anos. Repara se os bancos centrais passam mais IA das experiências para a produção, e se os modelos deixam de confundir as versões dos dados. Isso diz-te mais do que qualquer data.

Não de forma fiável, com a evidência atual. O banco central da Alemanha diz que a aprendizagem automática nem sempre é superior às abordagens tradicionais, e técnicos da Reserva Federal concluíram que os modelos de linguagem misturam primeiras publicações com revisões e pressupõem dados que ainda não foram publicados.

Não bem, na evidência até agora. Num estudo aleatorizado sobre a reprodução de resultados publicados, as equipas que se limitaram a orientar minimamente uma IA tiveram êxito com menos 57 pontos percentuais do que as equipas humanas, enquanto as equipas assistidas por IA se saíram tão bem como as humanas, mas não melhor.