Este artigo foi traduzido automaticamente. A versão original está disponível em inglês.
“Dá para ver a era do computador em toda parte, menos nas estatísticas de produtividade.” Robert Solow escreveu isso em 1987, quase de passagem, no meio de uma resenha de livro para a New York Times Book Review. A frase virou uma das mais citadas da economia, a linha fundadora do que ainda hoje se chama paradoxo da produtividade de Solow.
Em agosto de 2024, três pesquisadores do Fed de Richmond abriram um estudo sobre IA e força de trabalho citando a frase de Solow palavra por palavra e aplicando-a à inteligência artificial. No início de 2026, o economista-chefe da Apollo, Torsten Slok, foi ainda mais direto: “A IA está em toda parte, menos nos dados macroeconômicos que vão chegando.” Quase quatro décadas depois, a mesma frase era reciclada para falar de uma tecnologia completamente diferente.
O que quer que tenha produzido o paradoxo original nunca foi resolvido. A era do computador acabou aparecendo nas estatísticas, por pouco tempo, entre 1996 e 2004, e depois sumiu delas outra vez. Agora uma nova tecnologia faz o mesmo: transforma a vida cotidiana diante de todos, enquanto os números da produtividade se recusam a se mexer.
Já são duas vezes que uma tecnologia transformadora abre o mesmo fosso entre o que se vê e o que os dados registram. O fosso nasce de uma confusão específica entre o quanto uma tecnologia impressiona e a reorganização estrutural que move o crescimento agregado, uma confusão que continuamos cometendo porque nunca a diagnosticamos direito.
Os números
É fácil subestimar a escala da desaceleração, porque as porcentagens escondem o efeito composto. A produtividade do setor empresarial privado não agrícola dos Estados Unidos, isto é, a produção por hora trabalhada, cresceu cerca de 2,9% ao ano de 1948 a 1973. Depois de 1973, a média ficou mais perto de 1,8% e, tirando um surto entre meados dos anos 1990 e 2004, nunca voltou ao ritmo antigo. Se a taxa anterior a 1973 tivesse se mantido, a produção por hora nos Estados Unidos seria hoje cerca de 75% maior do que é, uma diferença que vale trilhões de dólares em produção a cada ano.
Robert Gordon trata isso como o fim de um “século especial”: a produção por hora cresceu 2,82% ao ano de 1920 a 1970, contra cerca de 1,5% nas décadas anteriores a 1920 e cerca de 1,6% depois de 1970. O crescimento da PTF, a medida mais profunda, que desconta a acumulação de capital, avançou a quase o triplo de suas taxas anteriores a 1920 e posteriores a 1970 nesse período central. Por essa leitura, as décadas desde 1970 marcam um retorno ao ritmo mais antigo e mais lento.
Os dados mais recentes pouco alteram esse quadro. A produtividade do trabalho no setor empresarial privado não agrícola dos Estados Unidos cresceu 3,0% em 2024, uma recuperação cíclica, depois 2,2% em 2025, e em meados de 2026 a produtividade do setor empresarial não agrícola ainda crescia 2,2% em termos anuais: um resultado respeitável, e ainda assim aquém do ritmo do pós-guerra. No conjunto da OCDE, a produtividade do trabalho cresceu cerca de 1,2% em 2024, mais do que no ano anterior.
As explicações óbvias caem rápido. O problema não é exclusivo dos Estados Unidos; a desaceleração aparece em todas as economias desenvolvidas. Tampouco é um abalo secundário da crise financeira de 2008: a desaceleração começou em 1973, e a perda de fôlego pós-2004 antecede a crise em quatro anos.
Também não é passageira, já que cinquenta anos são muito mais do que um ciclo econômico. Nem é simplesmente um efeito de composição causado pela migração para os serviços, porque a desaceleração atingiu igualmente a indústria e os serviços.
Produtividade do trabalho versus produtividade total dos fatores
A produtividade do trabalho, ou produção por hora trabalhada, pode subir só porque as empresas investem em mais equipamentos, ou em equipamentos melhores, por trabalhador. Uma fábrica que compra para cada operário uma máquina mais rápida aumenta a produção por hora sem se tornar nem um pouco mais eficiente. A produtividade total dos fatores desconta esse aprofundamento de capital e isola o resíduo: quanto mais a economia produz com os mesmos insumos. Os economistas tratam a PTF como a medida fundamental do potencial de crescimento de longo prazo, porque, quando ela estagna, a acumulação de capital sozinha não consegue sustentar o crescimento indefinidamente.A saída pela medição
A explicação mais confortável é que a desaceleração seria uma ilusão estatística. O PIB mede transações de mercado. Bens digitais gratuitos, como o Google Maps, a Wikipédia e as redes sociais de uso livre, dão aos usuários muito mais valor do que qualquer coisa que eles paguem, e o PIB, que conta o que é pago, deixa escapar a maior parte desse valor. Nessa visão, somos mais ricos do que o PIB diz, e a crise de produtividade é uma crise de medição disfarçada.
Erik Brynjolfsson e coautores tentaram pôr um número no valor que falta. Construíram um modelo chamado GDP-B para estimar o excedente do consumidor gerado por bens digitais gratuitos, perguntando às pessoas quanto aceitariam para abrir mão de um serviço.
O usuário mediano do Facebook nos Estados Unidos, descobriram, exigiria cerca de US$ 42 por mês para abrir mão do acesso. Nada desse excedente aparece no PIB.
Chad Syverson mostrou que o erro de medição não basta como explicação. Seu argumento empírico tem quatro partes. Comecemos pela geografia: a desaceleração da produtividade é um fenômeno que se repete em vários países, e seu tamanho não tem relação com a intensidade com que cada país usa tecnologias da informação e comunicação (TIC). Se a desaceleração fosse um artefato de medição das economias digitais, deveria ser mais severa nas mais digitais, e não é. O crescimento da produtividade do trabalho desacelerou em 29 dos 30 países da OCDE que ele examinou, em 1,2 ponto percentual ao ano, em média, fossem eles grandes usuários ou produtores de tecnologia digital ou não.
Depois há a escala. A “produção perdida” total implícita na desaceleração da produtividade pós-2004, isto é, a diferença entre o que o PIB teria sido na tendência de 1995–2004 e o que ele de fato foi, chegava a cerca de US$ 3 trilhões por ano em 2015. Todas as estimativas do excedente do consumidor gerado pelos bens digitais da era da internet que Syverson examinou cobrem só uma pequena fração dessa diferença. Trabalhos posteriores apenas reforçam o ponto: pelas estimativas do GDP-B, contar o valor não medido do Facebook acrescenta de 0,05 a 0,11 ponto percentual ao ano ao crescimento, ao passo que a própria desaceleração tirou cerca de 1,5 ponto percentual ao ano do crescimento da produtividade do trabalho.
Os dados setoriais tampouco ajudam. Para que o erro de medição explicasse ao menos uma fração modesta da produção perdida, os setores produtores e usuários intensivos de TIC precisariam ter tido taxas de crescimento da produtividade não medidas que fossem múltiplos de suas taxas medidas. Os dados por setor não sustentam isso. Os setores com mais probabilidade de produzir valor digital não medido não mostram nenhuma distância anômala desse tipo entre a produtividade medida e a implícita.
E na década seguinte a 2004, a renda interna bruta andou ligeiramente à frente do produto interno bruto — o padrão que se esperaria se os trabalhadores estivessem sendo pagos para fazer coisas distribuídas de graça. Mas a renda interna bruta começou a superar o PIB em 1998, no meio do boom de produtividade, e a renda extra foi para os lucros, não para os salários. Nem o momento nem a distribuição combinam com a história da produção escondida.
Syverson não nega que os bens digitais tenham valor não medido. Seu argumento é que esse valor é uma ordem de grandeza pequeno demais para explicar o que aconteceu. E a hipótese do erro de medição não tem resposta para as evidências entre países.
Como funciona o GDP-B
Para estimar o excedente do consumidor, o GDP-B usa experimentos de escolha discreta compatíveis com incentivos: os participantes escolhem entre manter um serviço e receber um pagamento em dinheiro, com dinheiro real em jogo. As estimativas são significativas, mas ruidosas, já que captam o que as pessoas dizem que aceitariam, em condições desenhadas para obter respostas sinceras. Um ganho de bem-estar de cerca de US$ 42 por mês por usuário do Facebook, mesmo somado sobre todos os americanos na plataforma, nem chega perto de US$ 3 trilhões em produção anual perdida.O que fez do século especial um século especial
Se a história da medição não explica a desaceleração, a pergunta muda: o que moveu os cinquenta anos de crescimento que não conseguimos repetir? O resumo corrente do argumento de Gordon, “a TI é superestimada”, deixa escapar a tese estrutural que está por baixo.
As invenções de 1870–1940 aboliram tarefas inteiras. Antes da água encanada, a família americana média carregava cerca de 9.000 galões de água por ano: trazia a água para dentro, esquentava no fogão e levava de volta para fora; o encanamento interno acabou de vez com essa tarefa. A refrigeração tornou desnecessária uma categoria inteira de trabalho doméstico: a geladeira a gelo já tinha reduzido o desperdício de alimentos, mas a refrigeração mecânica eliminou a ida diária às compras que a perecibilidade exigia. A eletrificação transformou a lavagem de roupa. Para uma mulher de fazendeiro entrevistada em 1945–46, uma carga de 38 libras de roupa que levava cerca de quatro horas à moda antiga passou a levar 41 minutos depois que a casa ganhou lavadora e secadora elétricas, água encanada e aquecedor de água.
Cada invenção eliminou, de uma vez por todas, uma atividade que consumia uma grande parte do tempo das famílias. As mulheres entraram em massa no trabalho remunerado em parte porque o trabalho doméstico que as mantinha fora dele foi assumido por máquinas.
A comparação de Gordon com a TI gira em torno da diferença entre melhorar uma tarefa tolerável e eliminar uma intolerável. O e-mail acelerou a escrita de cartas, mas escrever cartas nunca foi um gargalo da economia inteira: ninguém passava horas por dia na correspondência como as famílias um dia passaram carregando água e esfregando roupa à mão. Os mecanismos de busca aceleraram a recuperação de informação nas margens do trabalho intelectual, e encontrar informação nunca limitou a economia como a conservação de alimentos e o transporte fizeram.
Tyler Cowen amplia o quadro. Na leitura dele, o crescimento de 1880–1970 se apoiou em três tipos de frutos ao alcance da mão. O primeiro foi a terra livre: a fronteira continental, tomada das nações indígenas que viviam nela, e boa parte dela entregue a colonos por uma taxa de registro, desde que morassem na terra, construíssem uma casa e a cultivassem. O segundo foi a tradução rápida da ciência dos séculos XVIII e XIX em tecnologia que funcionava: a ciência básica da termodinâmica, do eletromagnetismo e da teoria microbiana, acumulada ao longo de séculos, converteu-se em energia elétrica, motores de combustão interna e saneamento moderno num surto concentrado entre 1880 e 1940. O terceiro foi o grande retorno de educar populações até então sem instrução, o que levou a conclusão do ensino médio de raridade a norma quase universal, com cada ano adicional de estudo gerando grandes retornos marginais porque a base de partida era muito baixa.
Os três foram condições únicas, e não traços renováveis das economias industriais: não se descobre terra livre duas vezes, nem se faz uma segunda vez a passagem do analfabetismo em massa para a alfabetização em massa. A internet, argumentou Cowen, proporciona um prazer enorme, em boa parte gratuito, mas “em termos de receita e empregos, a internet não acrescentou tanto valor quanto a maioria das pessoas pensa”. Quando ele escreveu isso, o Twitter empregava cerca de 300 pessoas e o Google cerca de 20.000, números de funcionários que teriam sido um erro de arredondamento na era do automóvel.
Gordon e Cowen discordam sobre o quanto o futuro está fechado — Gordon mais pessimista quanto à volta da inovação transformadora, Cowen deixando a porta aberta. Mas concordam no diagnóstico: a desaceleração pós-1970 é estrutural, enraizada na própria economia, e não no ciclo econômico ou nas estatísticas.
Essa concordância levanta uma pergunta mais ampla do que a razão de a TI ter decepcionado: o que qualquer tecnologia teria de fazer para se igualar ao século especial?
Os ventos contrários de Gordon
Independentemente da questão da inovação, Gordon identifica quatro entraves estruturais que freiam o crescimento: a desigualdade crescente, que concentra os ganhos de produtividade numa elite estreita em vez de elevar a renda mediana; a escolaridade que estacionou depois de décadas de expansão; o envelhecimento demográfico, que reduz a parcela da população em idade ativa; e a relação crescente entre dívida pública e PIB, que limita a capacidade fiscal. Juntos, eles segurariam o crescimento do padrão de vida típico mesmo que a inovação ganhasse fôlego. A questão tecnológica é se a produtividade consegue acelerar de algum modo.O surto de 1996–2004
Entre 1996 e 2004, a desaceleração pareceu se inverter: a produção por hora do setor empresarial não agrícola cresceu cerca de 3% ao ano, igualando o ritmo anterior a 1970. Os otimistas da TI citam isso como prova de que a tecnologia pode puxar o crescimento, e nisso têm razão. A pergunta em aberto é qual tecnologia produziu os ganhos, e por meio de quais setores.
A aceleração se concentrou num punhado de setores: em 1995–2000, seis de 59 setores, liderados pelo comércio atacadista e varejista, pelos semicondutores e pela fabricação de computadores, responderam por quase toda ela. Dois mecanismos se destacam. Um foi a fabricação de semicondutores, em que a Lei de Moore impôs uma deflação rápida e contínua nos preços do hardware de computação, barateando cada unidade de capacidade de processamento num ritmo que inflava diretamente a produção por hora medida no setor de semicondutores. O outro foi a logística no atacado e no varejo. A revolução da gestão de estoques do Walmart, construída sobre a leitura de código de barras, o intercâmbio eletrônico de dados e a coordenação da cadeia de suprimentos em tempo real, produziu grandes ganhos de eficiência medidos na distribuição, e os concorrentes passaram os anos seguintes copiando-os. A internet de consumo, com sites, comércio eletrônico e e-mail, contribuiu, mas bem menos do que o hardware e a logística.
O surto terminou por volta de 2004. A queda medida dos preços dos semicondutores desacelerou bruscamente nas estatísticas oficiais, em parte porque a Intel mudou a forma de precificar seus chips. Os próprios chips continuaram melhorando depressa; as estatísticas oficiais de preços captaram só uma fração disso. O setor produtor de TI deixou de acrescentar muito ao crescimento medido.
Então vieram o Facebook em 2004, o YouTube em 2005 e o iPhone em 2007. A computação em nuvem ganhou escala no fim dos anos 2000, a banda larga se espalhou, e as redes sociais se espalharam pela vida cotidiana. A mudança tecnológica visível acelerou fortemente justo quando o crescimento medido da produtividade recuou, e as duas seguiram caminhos separados desde então.
O problema do dínamo
Essa separação oferece um jeito de julgar a IA. Ela é o semicondutor, estruturalmente transformadora de maneiras que aparecem na produção, ou a internet de consumo, impressionante e dominante, mas economicamente marginal? O argumento mais forte a favor de uma recuperação puxada pela IA é aquele que especifica exatamente quais condições precisam ser cumpridas.
O historiador econômico Paul David encontrou o padrão na eletricidade. As primeiras usinas centrais abriram no início dos anos 1880, mas o acionamento elétrico se espalhou devagar pelas fábricas americanas, e a produtividade da indústria só acelerou nos anos 1920, cerca de quarenta anos depois. Os gerentes de fábrica que trocaram as máquinas a vapor por dínamos tinham mantido o arranjo físico existente: uma fonte central de energia movendo as máquinas por meio de eixos e correias. Os ganhos de eficiência dos motores elétricos individuais se perdiam em grande parte, porque a fábrica estava organizada em torno das limitações da transmissão mecânica de energia.
A virada veio quando as velhas fábricas se desgastaram e novas plantas, muitas construídas no boom de investimento dos anos 1920, foram projetadas do zero em torno de sistemas de acionamento individual, com um motor próprio em cada máquina. Isso permitiu plantas térreas que seguiam o fluxo de materiais e de trabalho, com sequências de produção organizadas pela lógica, e não pela proximidade de um eixo de transmissão. Essa reorganização, mais do que os motores em si, entregou o salto de produtividade dos anos 1920.
Os economistas chamam a versão moderna de curva J da produtividade: as tecnologias de propósito geral exigem grandes investimentos intangíveis complementares, como o redesenho dos fluxos de trabalho, a requalificação dos trabalhadores e a reestruturação organizacional, antes que os ganhos de produtividade se materializem, e essa fase de investimento deprime a PTF medida antes que os ganhos apareçam. No caso da IA, a pergunta é se as empresas ainda estão ligando motores novos no velho eixo de transmissão, encaixando a IA em fluxos de trabalho inalterados, ou se já começaram a construir novas organizações em torno dela.
No nível das tarefas isoladas, as evidências são fortes. Entre mais de 5.000 atendentes de suporte ao cliente de uma empresa, o acesso a uma ferramenta de IA aumentou o número de chamados resolvidos por hora em cerca de 15%, em média, com ganhos muito maiores para os novatos. Desenvolvedores com o GitHub Copilot concluíram uma tarefa padrão de programação cerca de 56% mais rápido do que um grupo de controle.
Se esses ganhos se somam na economia como um todo é outra questão. Um ganho de 15% no suporte de uma empresa, ou uma aceleração de 56% numa tarefa de programação controlada, não move o PIB por si só. Para reverter a estagnação, o tempo poupado precisa virar mais produção com as mesmas horas, ou a mesma produção com menos horas pagas, em toda a economia.
Essa conversão depende de onde está o gargalo. Poupar horas semanais de um desenvolvedor só aumenta a produção da empresa se o tempo do desenvolvedor for o que freia a empresa. Se as decisões de produto, a infraestrutura de testes ou os processos de implantação ditarem o ritmo, a economia de tempo se dissolve em folga: almoços mais longos e tardes mais lentas nas mesmas horas pagas, que nenhuma estatística registra como produtividade. A mesma lógica vale para todos os setores: um analista de sinistros mais rápido só produz mais se a capacidade de análise era o gargalo, e não o fluxo de sinistros ou a aprovação regulatória. Um pesquisador jurídico mais rápido só produz mais trabalho faturável se o escritório cobrar pela rapidez, e não por hora. A analogia do dínamo diz o que procurar: empresas organizadas de outro jeito em torno da tecnologia.
Tecnologias de propósito geral
A definição padrão de uma tecnologia de propósito geral tem três critérios: presença generalizada em todos os setores, melhoria técnica contínua e a geração de inovações complementares. O vapor, a eletricidade e a computação se qualificam. Se a IA atual cumpre os três critérios, ou só os dois primeiros, continua em aberto. A presença generalizada é evidente e a melhoria técnica é rápida. A questão em aberto é a terceira: se os avanços da IA elevam a produtividade da inovação nos setores que a usam, gerando novos processos e produtos construídos sobre ela. As evidências disso continuam sendo episódicas, e não sistemáticas.O que as evidências mostram
As evidências até agora são de três tipos, e não apontam na mesma direção.
Os números mais sólidos são os oficiais. O crescimento da produtividade do trabalho nos Estados Unidos continuou respeitável desde a recuperação cíclica de 2024, enquanto o crescimento da produtividade total dos fatores no setor empresarial privado não agrícola desacelerou para 0,8% em 2025, ante 1,5% em 2024. Nenhuma série de dados agregados até meados de 2026 mostra uma ruptura estrutural compatível com uma aceleração puxada pela IA na economia como um todo.
As pesquisas com trabalhadores são mais animadoras. No fim de 2024, o tempo que os usuários de IA diziam poupar somava 1,4% de todas as horas da força de trabalho, o suficiente para elevar a produtividade agregada em cerca de 1,1% se o tempo poupado virasse produção adicional, e não folga absorvida. No verão de 2025, mais de um terço dos trabalhadores americanos usava IA generativa no trabalho, uma adoção mais rápida do que a do computador pessoal no mesmo ponto de sua difusão, e ela respondia por 5,7% de todas as horas de trabalho nos Estados Unidos.
Tempo poupado e tempo gasto são medidas diferentes, e nenhuma delas mede diretamente a produção. Os economistas que conduzem essas pesquisas veem, sim, indícios iniciais nos números agregados: entre o lançamento do ChatGPT e meados de 2025, o crescimento acumulado da produtividade ficou cerca de 1,9 ponto percentual acima de sua tendência pré-pandemia, e os setores que relataram maior economia de tempo tenderam a crescer mais do que sua tendência. Eles insistem que essa relação não pode ser lida como causal, e as estatísticas oficiais até meados de 2026 não registraram uma ruptura estrutural puxada pela IA.
As projeções são as mais incertas. O Penn Wharton Budget Model estima a contribuição da IA para o crescimento da PTF em cerca de 0,01 ponto percentual em 2025, mínima porque a maioria das empresas ainda não implantou ferramentas de IA em escala. O modelo projeta uma contribuição crescente ao longo dos últimos anos da década de 2020, com pico no início dos anos 2030, mas esses são resultados de modelo sob premissas específicas, não observações.
Duas leituras se encaixam nesse padrão. Uma é a curva J: o custo de implantar a IA e de se reorganizar em torno dela segura a produtividade por algum tempo, como aconteceu com a eletrificação, e o retorno vem depois. A outra é que o tempo liberado é absorvido como folga, de modo que a tecnologia ajuda cada trabalhador enquanto a economia nunca transforma esse tempo poupado em produção.
Os dados ainda não conseguem distingui-las. Trabalhadores concluindo tarefas mais depressa e entrevistados relatando tempo poupado não vão resolver a questão, porque os dois apareceriam tanto no cenário otimista, uma curva J antes da arrancada, quanto no pessimista, em que os ganhos por tarefa nunca se somam.
A história da eletrificação diz como seria “dar certo”. Os ganhos de PTF se sustentariam nos setores em que a adoção da IA tem três anos ou mais de maturidade. As melhorias de produtividade se manteriam ao longo de várias fases do ciclo econômico, em vez de refletir variações cíclicas. E as empresas redesenhariam o trabalho, as equipes e os produtos em torno da IA em escala, em vez de sobrepor ferramentas a estruturas inalteradas. Nos termos do dínamo, as empresas estariam construindo a fábrica térrea em vez de aparafusar o motor elétrico no eixo existente. Os estudos de caso de empresas fazendo isso se multiplicam, mas continuam sendo exemplos isolados, e o padrão na economia como um todo não apareceu.
O ciclo
O século especial nunca colocou o enigma de Solow. Refez a vida econômica cotidiana de forma tão completa que um viajante do tempo vindo de 1870 não reconheceria 1940, e ninguém precisava de medições sofisticadas para enxergar isso. Os computadores colocaram o enigma, e a IA o colocou de novo.
Para a IA romper o ciclo, as empresas teriam de fazer o que os construtores de fábricas fizeram nos anos 1920: reconstruir-se em torno da tecnologia e eliminar categorias inteiras de trabalho, em vez de fazer o trabalho existente um pouco mais depressa. Quando esse tipo de reorganização aconteceu, no século especial e de novo no surto de 1996–2004, ele apareceu com clareza nos números. Se chegar a vez da IA, ninguém vai precisar citar Solow.
Aviso sobre IA generativa
Parte do conteúdo desta página foi gerada e/ou editada com a ajuda de uma IA generativa.
Mídia
Principais fontes e referências
Robert Solow, “We’d Better Watch Out,” New York Times Book Review, July 12, 1987, p. 36.
Erin Henry, Pierre-Daniel Sarte, and Jack Taylor, “The Productivity Puzzle: AI, Technology Adoption and the Workforce,” Federal Reserve Bank of Richmond Economic Brief No. 24-25, August 2024. https://www.richmondfed.org/publications/research/economic_brief/2024/eb_24-25
Sasha Rogelberg, “Thousands of CEOs admit AI had no impact on employment or productivity—and it has economists resurrecting a paradox from 40 years ago,” Fortune, February 17, 2026. https://fortune.com/2026/02/17/ai-productivity-paradox-ceo-study-robert-solow-information-technology-age/
Robert J. Gordon, The Rise and Fall of American Growth: The U.S. Standard of Living Since the Civil War, Princeton University Press, 2016.
Tyler Cowen, The Great Stagnation: How America Ate All the Low-Hanging Fruit of Modern History, Got Sick, and Will (Eventually) Feel Better, Dutton/Penguin, 2011.
U.S. Bureau of Labor Statistics, Productivity and Costs news releases, 2024–2026, including “Total Factor Productivity — 2025” (March 19, 2026) and “Productivity and Costs, Second Quarter 2026, Revised” (September 3, 2026). https://www.bls.gov/productivity/ · https://www.bls.gov/news.release/prod3.nr0.htm · https://www.bls.gov/news.release/prod2.nr0.htm
OECD, Compendium of Productivity Indicators 2026, June 2026. https://www.oecd.org/en/publications/2026/06/oecd-compendium-of-productivity-indicators-2026_04e21c23.html
Erik Brynjolfsson, Avinash Collis, W. Erwin Diewert, Felix Eggers, and Kevin J. Fox, “GDP-B: Accounting for the Value of New and Free Goods in the Digital Economy,” NBER Working Paper 25695, 2019. https://www.nber.org/papers/w25695
Chad Syverson, “Challenges to Mismeasurement Explanations for the US Productivity Slowdown,” Journal of Economic Perspectives, vol. 31, no. 2, Spring 2017, pp. 165–186. https://www.aeaweb.org/articles?id=10.1257/jep.31.2.165 · https://www.nber.org/system/files/working_papers/w21974/w21974.pdf
Paul A. David, “The Dynamo and the Computer: An Historical Perspective on the Modern Productivity Paradox,” American Economic Review: Papers and Proceedings, vol. 80, no. 2, May 1990, pp. 355–361.
Erik Brynjolfsson, Daniel Rock, and Chad Syverson, “The Productivity J-Curve: How Intangibles Complement General Purpose Technologies,” American Economic Journal: Macroeconomics, vol. 13, no. 1, January 2021, pp. 333–372. https://www.aeaweb.org/articles?id=10.1257/mac.20180386
Erik Brynjolfsson, Danielle Li, and Lindsey Raymond, “Generative AI at Work,” Quarterly Journal of Economics, vol. 140, no. 2, 2025, pp. 889–942. https://academic.oup.com/qje/article/140/2/889/7990658
Sida Peng, Eirini Kalliamvakou, Peter Cihon, and Mert Demirer, “The Impact of AI on Developer Productivity: Evidence from GitHub Copilot,” arXiv:2302.06590, February 2023. https://arxiv.org/abs/2302.06590
Alexander Bick, Adam Blandin, and David Deming, “The Impact of Generative AI on Work Productivity,” Federal Reserve Bank of St. Louis, On the Economy blog, February 27, 2025. https://www.stlouisfed.org/on-the-economy/2025/feb/impact-generative-ai-work-productivity
Alexander Bick, Adam Blandin, and David Deming, “The State of Generative AI Adoption in 2025,” Federal Reserve Bank of St. Louis, On the Economy blog, November 13, 2025. https://www.stlouisfed.org/on-the-economy/2025/nov/state-generative-ai-adoption-2025
Penn Wharton Budget Model, “The Projected Impact of Generative AI on Future Productivity Growth,” September 8, 2025. https://budgetmodel.wharton.upenn.edu/issues/2025/9/8/projected-impact-of-generative-ai-on-future-productivity-growth
Congressional Budget Office, “Labor Productivity: Developments Since 1995,” March 2007. https://www.cbo.gov/sites/default/files/110th-congress-2007-2008/reports/03-26-labor.pdf
Timothy F. Bresnahan and M. Trajtenberg, “General Purpose Technologies: ‘Engines of Growth’?” Journal of Econometrics, vol. 65, no. 1, January 1995, pp. 83–108. https://doi.org/10.1016/0304-4076(94)01598-T
Robert J. Gordon, “Off Its Pinnacle,” Finance & Development, IMF, vol. 53, no. 2, June 2016. https://www.imf.org/external/pubs/ft/fandd/2016/06/gordon.htm
“The Great Stagnation: Why Hasn’t Recent Technology Created More Jobs?” (interview with Tyler Cowen), PBS NewsHour, 2011. https://www.pbs.org/newshour/show/the-great-stagnation-why-hasn-t-recent-technology-created-more-jobs
Jeremy Greenwood, Ananth Seshadri, and Mehmet Yorukoglu, “Engines of Liberation,” Review of Economic Studies, vol. 72, no. 1, 2005, pp. 109–133. https://users.ssc.wisc.edu/~aseshadr/Publications/engines.pdf
Brink Lindsey, “Not So Stagnant,” Reason, April 15, 2011. https://reason.com/2011/04/15/not-so-stagnant/
Shawn Sprague, “Contributions to labor productivity growth, private nonfarm business, 1948–2018,” Monthly Labor Review, U.S. Bureau of Labor Statistics, 2021. https://www.bls.gov/opub/mlr/2021/highcharts/data/sprague-fig2.stm
McKinsey Global Institute, “US Productivity Growth 1995–2000,” October 2001. https://www.mckinsey.com/featured-insights/americas/us-productivity-growth-1995-2000
David M. Byrne, Stephen D. Oliner, and Daniel E. Sichel, “How Fast Are Semiconductor Prices Falling?” NBER Working Paper 21074, 2015. https://www.nber.org/papers/w21074
National Park Service, “About the Homestead Act,” Homestead National Historical Park. https://www.nps.gov/home/learn/historyculture/abouthomesteadactlaw.htm
