Por que o ChatGPT não é confiável para prever a inflação: evidências do estudo do Fed de São Francisco

Nos últimos anos, a inteligência artificial (IA) tem se destacado como uma ferramenta revolucionária em diversas áreas, desde atendimento ao cliente até a análise de grandes volumes de dados econômicos. Dentre as soluções de IA mais conhecidas, o ChatGPT, modelo de linguagem desenvolvido pela OpenAI, tem ganhado amplo reconhecimento por sua capacidade de gerar textos coerentes e responder perguntas complexas. Apesar desse sucesso, uma questão crucial tem se destacado: o ChatGPT é realmente uma ferramenta eficaz para prever fenômenos econômicos complexos, como a inflação? Um recente estudo conduzido pelo Federal Reserve Bank de São Francisco (Fed SF) levanta sérias dúvidas sobre essa capacidade.

Este artigo explora os motivos pelos quais o ChatGPT, embora impressionante na geração de linguagem natural, apresenta limitações significativas para realizar previsões econômicas precisas, com foco na inflação. Além disso, abordaremos as particularidades do estudo do Fed de São Francisco, suas conclusões principais e as implicações para o futuro das aplicações de IA na economia.

A inflação representa o aumento generalizado e sustentado dos preços de bens e serviços em um determinado período. É uma variável macroeconômica fundamental que afeta o poder de compra da moeda, as decisões de investimento, o crescimento econômico e a política monetária. Prever a inflação com precisão é um dos desafios mais complexos para economistas e formuladores de políticas, devido à multiplicidade de fatores que influenciam seu comportamento, tais como preços internacionais de commodities, demanda agregada, oferta monetária, expectativas dos agentes econômicos, choques exógenos e políticas governamentais.

Por sua natureza dinâmica e sensível a múltiplos motores, a inflação demanda modelos analíticos sofisticados que vão além do simples processamento de linguagem ou análise de dados históricos. É necessário integrar informações quantitativas, qualitativas e contextuais com alta capacidade interpretativa — algo que desafia os modelos padrões de IA baseados em linguagem.

Construído sobre a arquitetura de transformadores e treinado com grandes volumes de texto retirados da internet, artigos, livros e outros documentos, o ChatGPT é excepcional para entender e gerar linguagem natural. Por isso, é amplamente utilizado para responder perguntas abertas, auxiliar em redação, programar, entre outras tarefas.

No entanto, o ChatGPT não é especificamente projetado para executar previsões quantitativas complexas em tempo real. O modelo:

• Baseia suas respostas em padrões linguísticos e probabilísticos encontrados no conjunto de dados de treinamento;
• Não possui acesso direto e atualizado a dados econômicos em tempo real, a menos que integrado a sistemas externos;
• Não tem compreensão causal ou capacidade analítica profunda inerentes, limitando sua habilidade para explicar fenômenos econômicos complexos;
• Não é treinado para realizar cálculos precisos ou simulações econométricas necessárias para prever indicadores como a inflação;

Essas limitações evidenciam que, embora possa parecer impressionante para interações humanas e até mesmo para algumas análises qualitativas, o ChatGPT não funciona como uma “bola de cristal” para previsões econômicas detalhadas e confiáveis.

O Federal Reserve Bank de São Francisco conduziu um estudo recente para examinar a eficácia do ChatGPT na previsão da inflação nos Estados Unidos. Os economistas do Fed compararam as previsões geradas pelo modelo de linguagem com aquelas produzidas por métodos tradicionais econométricos e por especialistas humanos ao longo de diversos períodos.

A metodologia incluiu:

• Solicitar ao ChatGPT que produzisse previsões de inflação para períodos futuros baseando-se em dados econômicos disponíveis;
• Comparar essas previsões com modelos tradicionais, como o Phillips Curve, modelos de expectativa racional e redes neurais treinadas especificamente para previsão econômica;
• Avaliar a precisão e consistência das projeções em termos quantitativos (erro médio, desvio padrão) e qualitativos (capacidade de capturar choques de oferta e demanda);

Os resultados foram claros:

• O ChatGPT apresentou previsões menos acuradas e mais voláteis comparado aos métodos tradicionais;
• Falhou em captar rapidamente choques externos significativos, como aumentos repentinos no preço do petróleo ou alterações na política fiscal;
• Mostrou forte tendência a reproduzir padrões históricos sem incorporar nuances atuais e inesperadas no cenário econômico;
• Demonstrou inconsistências nas interpretações dos dados macroeconômicos quando solicitados a explicar sua previsão;

Essas evidências indicam que o ChatGPT, em sua forma atual, não deve ser utilizado como ferramenta principal para previsão de inflação no contexto de política monetária.

A previsão econômica demandam mais do que análise textual: requerem modelagem matemática, integração de dados em tempo real, compreensão causal e adaptação rápida a novos dados. Modelos econométricos são desenvolvidos especificamente para essas funções, treinados com dados estruturados e calibrados para considerar relações de causa e efeito.

Por outro lado, o ChatGPT é um modelo de linguagem, especializado em estatísticas de palavras e frases, sem um entendimento intrínseco do conteúdo ou capacidade de inferência causal. Isso limita sua precisão para fenômenos que dependem de variáveis quantitativas complexas, variáveis latentes e interações dinâmicas.

Além disso, a integração do ChatGPT em sistemas de previsão exigiria acesso contínuo a bases de dados econômicos atualizadas e algoritmos adicionais capazes de interpretar os números além do texto. Estas características ainda não fazem parte da configuração padrão do ChatGPT.

Apesar das limitações atuais, o estudo do Fed não significa que as IAs baseadas em linguagem natural não terão papel relevante na economia e finanças. Pelo contrário, há potencial significativo para uso combinatório:

• Suporte à análise qualitativa: analisar opiniões, discursos de autoridades monetárias, notícias e relatórios para extrair insights que podem complementar modelos quantitativos;
• Auxílio na comunicação: explicar resultados complexos de modelos econômicos para públicos não especializados;
• Integração com modelos quantitativos: incorporar a capacidade de linguagem natural para interpretar e apresentar dados gerados por modelos tradicionais;
• Desenvolvimento de novos modelos híbridos: que combinam linguagem natural com aprendizado de máquina estruturado para previsões mais sofisticadas;

Esse caminho exige pesquisas contínuas, desenvolvimento tecnológico e colaboração multidisciplinar entre economistas, cientistas de dados e especialistas em IA.

O estudo do Fed de São Francisco evidencia que o ChatGPT, apesar de suas notáveis capacidades em linguagem natural, não é uma ferramenta confiável para prever inflação. Suas limitações estruturais, falta de dados em tempo real e ausência de compreensão causal custam-lhe a precisão exigida para análises econômicas rigorosas.

Assim, para previsões macroeconômicas e formulação de políticas monetárias, os métodos tradicionais continuam imbatíveis, embora o ChatGPT possa desempenhar papéis complementares importantes. O futuro, porém, pode reservar uma integração maior entre IA de linguagem e modelos quantitativos, abrindo novas possibilidades para a compreensão e antecipação dos complexos fenômenos econômicos.

Portanto, é fundamental que o público e os desenvolvedores de tecnologia tenham expectativas realistas e saibam valorar corretamente as capacidades e limites do ChatGPT na área econômica, evitando decisões baseadas em suposições incorretas sobre o potencial da IA.