Embora os investimentos globais de capital de risco em inteligência artificial (IA) tenham ultrapassado US$ 290 bilhões [aproximadamente R$ 1,5 trilhão] entre 2019 e 2024, menos de 1% desse financiamento foi destinado a iniciativas voltadas para impacto social. Essa disparidade gritante revela um profundo desalinhamento entre o potencial transformador da IA e as aplicações que hoje predominam.

Essa desigualdade também aparece nas iniciativas disponíveis para inovadores sociais que buscam usar IA para gerar impacto, sendo limitadas não apenas em número, mas também em tipo. Um relatório de 2024 da Fundação Schwab, em colaboração com Microsoft e EY, constatou que apenas 7% das iniciativas publicamente disponíveis e autodeclaradas de IA voltadas a impacto tinham como foco educação em IA ou desenvolvimento de habilidades. Como resultado, as taxas de adoção entre inovadores sociais e negócios de impacto, em geral, ficam atrás dos 78% das empresas globais que já usam IA ou que estão explorando seu uso de forma concreta.

As evidências são claras: a IA entrega valor para o setor social. Com base no nosso trabalho e nas interações nas redes da Fundação Schwab e do MIT Solve, observamos que inovadores sociais não apenas estão aplicando IA para impacto social e ambiental, como, mais importante, estão encontrando formas inovadoras de mitigar e compensar os riscos associados à tecnologia. Ainda assim, preocupações mais amplas sobre a lacuna de habilidades em IA, vieses de dados, custos de entrada e acesso à infraestrutura persistem, o que leva à pergunta: como inovadores sociais podem acessar e adotar capacidades de IA de maneira ética, em escala e num ritmo que garanta que esses agentes de mudança não fiquem para trás?

Inovadores sociais, especialmente aqueles localizados em regiões de baixa e média renda, precisam de um roteiro claro para aumentar sua conscientização e orientar a implementação da tecnologia. Em um mundo que enfrenta desafios globais crescentes, da desigualdade educacional ao acesso à saúde, redirecionar investimentos em IA para a inovação social e outras aplicações de impacto não é apenas uma formalidade; é um imperativo estratégico global.

As tendências atuais de investimento em IA ampliam a desigualdade

Embora a IA tenha sido promovida principalmente como um novo motor de produtividade e crescimento financeiro, ela é muito mais do que uma ferramenta para gerar lucro. A atual concentração de financiamento em IA em aplicações orientadas ao lucro cria um padrão preocupante de aumento das desigualdades. Isso se manifesta de três maneiras críticas:

1. Alocação de recursos: o foco em aplicações comerciais desvia talentos técnicos e capacidade de pesquisa de iniciativas voltadas ao impacto social.
2. Desigualdade geográfica: mesmo quando é direcionado para impacto social, o financiamento vai predominantemente para iniciativas sociais originadas em países de alta renda, criando uma lacuna de inovação em países de baixa e média renda, onde as soluções são mais necessárias.
3. Viés de dados: tudo isso acontece em um cenário de tecnologias emergentes que já sub-representa essas populações. Os principais modelos de IA são, em grande parte, treinados com conjuntos de dados dos Estados Unidos, da China, da União Europeia e do Reino Unido, perpetuando vieses algorítmicos contra populações sub-representadas.

O potencial transformador da IA para o bem social

No nosso trabalho na Fundação Schwab e no MIT Solve, e por meio das redes de nossos membros, apoiamos milhares de empreendedores sociais ao redor do mundo que demonstram como a IA pode ser aplicada para melhorar a vida das pessoas e impulsionar transformações sociais positivas, desde melhorar resultados em saúde e aprendizagem até mitigar os efeitos das mudanças climáticas. Além da amplitude de usos, a IA ajuda a escalar o impacto: soluções no portfólio do MIT Solve que são movidas por IA alcançam o dobro de pessoas em comparação com aquelas que não usam a tecnologia. De forma semelhante, empreendedores sociais da comunidade da Fundação Schwab relataram ganhos internos de eficiência de até 30% obtidos com a implementação de IA.

Veja, por exemplo, a LifeBank, da Nigéria, que usa algoritmos avançados de IA para levar sangue, oxigênio e equipamentos que salvam vidas a hospitais. Apesar do acesso limitado a capital, a LifeBank adotou uma abordagem orientada por tecnologia, firmando parceria com o Google Maps para identificar as rotas mais rápidas para a entrega de sangue e reunindo dados de bancos de sangue que podem ser acessados 24 horas por dia, sete dias por semana. Hoje, a Lifebank atende 3 mil hospitais que respondem às necessidades de saúde de uma população de mais de 40 milhões de pessoas em 15 cidades e três países. Para Temie Giwa-Tubosun, premiada pela Fundação Schwab em 2024 e fundadora da LifeBank, entender e aproveitar a IA tornou-se um imperativo de negócio para permitir que a organização alcançasse suas “grandes e audaciosas” ambições de impacto. A tecnologia surgiu como uma ferramenta que lhes permite saltar etapas em um ambiente operacional difícil e diante de desafios que incluem déficit de infraestrutura, subinvestimento em tecnologia e acesso a capital.

Outra empresa de impacto, a SXD, transforma parte dos 92 milhões de toneladas de resíduos têxteis desperdiçados a cada ano em novos produtos e elimina desperdícios futuros por meio de design automatizado de produtos com desperdício zero, gerado por IA. Essa abordagem resulta em uma redução de aproximadamente 80% nas emissões de CO₂ e em uma economia de até 69% de material em comparação com métodos convencionais.

Já a plataforma de dados com IA da Amini fornece dados hiper precisos e localizados para agricultores familiares em áreas da África onde tanto a informação quanto o acesso à internet são escassos. Usando imagens de satélite e aprendizado de máquina, a Amini agrega e traduz dados brutos complexos em informações úteis, acessíveis via API, mensagem de texto ou WhatsApp, inclusive para quem não tem smartphone, oferecendo insights de alta qualidade. Com isso, melhora o acesso desses agricultores a recursos financeiros, como seguros agrícolas, e fortalece sua resiliência climática.

Essas histórias têm um fio condutor comum: empreendedores sociais na linha de frente das crises de desigualdade e climática, usando IA para criar soluções práticas, culturalmente adequadas e cuja escala pode ser ampliada, que atendem às necessidades das comunidades em que atuam. Eles conseguem desenvolver inovações que são tecnicamente sólidas e socialmente aceitáveis justamente porque conhecem o problema e o contexto local em primeira mão.

Implementando IA com propósito: o modelo PRISM

A tecnologia pode continuar sendo, em grande medida, inacessível para inovadores sociais, apesar do forte desejo de adotar e implementar suas capacidades. Os obstáculos para adotar IA podem ir desde uma aparente impossibilidade de compreender a tecnologia, alimentada por uma ilusão de complexidade técnica, até a falta de recursos internos e de preparo, além da falta de acesso.

Em 2024, a Fundação Schwab, em colaboração com Microsoft e EY, lançou o modelo PRISM, com base em aprendizados e experiências vividas por pioneiros da inovação social que já começaram a incorporar IA em seu trabalho. O modelo apresenta uma abordagem modular, acompanhada de exemplos do mundo real, para orientar inovadores sociais em sua jornada de adoção de IA, independentemente do nível de maturidade. Ele é composto por três camadas, além de várias dimensões e métricas interconectadas, por meio das quais cada negócio de impacto pode avaliar seu trabalho com IA, e oferece recomendações práticas e próximos passos.

Camada 1: Missão e estratégia de impacto
A base do modelo coloca no centro a missão e a estratégia de impacto dos negócios sociais. Ao ancorar a adoção de IA em sua missão principal, inovadores sociais conseguem definir com clareza o “porquê” de buscar a IA. Por exemplo, a SAS Brasil, negócio social premiado pela Fundação Schwab em 2023, que atua para reduzir as taxas de câncer do colo do útero entre mulheres indígenas no Brasil, decidiu que priorizar uma adoção ética é central para sua missão de impacto, especialmente considerando seu trabalho em regiões do país com baixa oferta de serviços. Esse compromisso moldou sua forma de implementar a tecnologia; até aqui, eles desenharam e institucionalizaram um arcabouço ético que orienta sua abordagem de IA e garantiram que os LLMs (sigla para Large Language Models, termo em inglês para modelos de linguagem de grande porte) nos quais sua ferramenta de diagnóstico de câncer do colo do útero baseada em IA será apoiada usem conjuntos de dados representativos das comunidades que atendem.

Camada 2: Caminho de adoção
Essa dimensão aborda o “como” da adoção de IA, oferecendo caminhos ajustados ao modelo e ao grau de prontidão de cada organização. Posicionados ao longo de um percurso de amadurecimento, esses caminhos vão desde a experimentação consciente, indicada para organizações nos estágios iniciais de exploração da IA, até organizações que priorizam a IA, cujos recursos internos e externos permitem integrar plenamente a IA em todos os níveis de suas operações. Um exemplo é a High Resolves, um negócio social de tecnologia educacional com presença na Ásia, na África e na América Latina, que além de usar IA para oferecer módulos de aprendizagem personalizados para crianças, se expandiu para implementar ferramentas de IA para outras instituições, inclusive do setor social.

Camada 3: Capacidades e risco
Essa camada incentiva negócios sociais a avaliar suas capacidades internas e os riscos potenciais associados à adoção de IA, explicitando “o que” precisam considerar criticamente antes da implementação. Perguntas-chave que podem surgir nessa análise incluem: nossos dados estão organizados, são confiáveis e livres de vieses? Quão complexa é a capacidade que precisamos implementar? Existe apoio da liderança e das comunidades envolvidas? Ao integrar de forma proativa estratégias de gestão de riscos e de fortalecimento de capacidades, negócios sociais podem garantir uma implementação de IA responsável e eficaz.

O modelo PRISM também destaca as implicações de custo associadas à implementação da tecnologia. Este é um ponto essencial, já que custos altos de entrada são frequentemente citados por inovadores sociais em nossas redes como uma barreira para a adoção de IA.

Viabilizando a inovação social impulsionada por IA

Enquanto inovadores sociais fazem o trabalho internamente para acessar e implementar a tecnologia, uma coisa continua clara: o poder transformador da IA precisa ser redirecionado para o impacto social por meio de uma abordagem colaborativa, coordenada e abrangente. Isso exige enfrentar três sistemas interligados:

Fluxos de capital: o capital de risco e seus critérios dominam o financiamento em IA, com o retorno sobre investimento sendo medido puramente em termos financeiros, junto de expectativas agressivas de escala e de saídas de curto prazo. Para incentivar investimentos em IA voltados a impacto social, precisamos repensar como essas decisões de investimento são tomadas e medidas. Investidores de impacto e filantropos de risco estão bem posicionados para preencher essa lacuna, com modelos financeiros híbridos que incorporem métricas de retorno social ao lado das métricas financeiras e operem com horizontes de investimento mais longos. Um dos investimentos do MIT Solve, a Globhe, é um exemplo emblemático do que lucro e propósito podem produzir. Depois de captar investimentos numa rodada semente, a empresa vem gerando lucro, e os dados obtidos por sua frota de drones estão sendo usados para garantir reflorestamento, expandir energia renovável, assegurar preparação para desastres e muito mais, cobrindo áreas onde vivem 60 milhões de pessoas.

Troca de conhecimento: existe um cenário em que as gigantes de tecnologia, que financiam grande parte do desenvolvimento de IA, podem se associar a inovadores sociais, As primeiras podem oferecer capacidade técnica e apoio de infraestrutura, enquanto os segundos podem influenciar positivamente o desenvolvimento da tecnologia, garantindo que ela seja equitativa, livre de vieses e adequada ao propósito. Vemos isso de perto quando articulamos parcerias entre inovadores e empresas. Um exemplo é a Livox, um software para tablets que permite que pessoas não verbais se comuniquem e aprendam. A Livox integrou IA generativa à sua solução para facilitar que pessoas com deficiência criem conteúdo. Em maio de 2024, a equipe baseada no Brasil foi escolhida para o HP AI in Social Impact Award, do MIT Solve. Seu fundador afirmou: “Ao integrar o apoio da HP à nossa plataforma, conseguimos alcançar crianças com autismo que recentemente enfrentaram enchentes devastadoras no sul do Brasil, um resultado das mudanças climáticas em curso.”

A fundadora da LifeBank acrescenta: “Ao longo do tempo, conseguimos firmar parcerias com grandes instituições que, de certa forma, fazem essa transferência de habilidades com a gente. Fizemos parceria com a IBM para nossos produtos de blockchain, aproveitando a expertise técnica deles. Essa expertise é então transferida para um membro-chave da nossa organização, que trabalha de perto com a nossa equipe para desenvolver nossa capacidade de gerenciar e expandir nossa infraestrutura de blockchain, e estamos em busca de mais oportunidades desse tipo.”

Criar mecanismos de transferência bilateral de conhecimento entre empresas de tecnologia e empreendedores sociais pode garantir que as inovações sejam tecnicamente sofisticadas e, ao mesmo tempo, adequadas ao contexto, além de demonstrar a próxima geração de modelos de negócios em tecnologia que unem lucro e propósito.

Desenvolvimento do ecossistema: devido a desigualdades sistêmicas, empreendedores sociais com soluções inovadoras para desafios sociais críticos em países de baixa e média renda raramente têm acesso a financiamento internacional ou a redes influentes. De fato, pesquisas sugerem que apenas 10% dos recursos de grants destinados a trabalhos com IA voltados aos Objetivos de Desenvolvimento Sustentável (ODS) da ONU nos últimos anos foram para organizações sediadas em países de baixa e média renda. Sem os recursos, o apoio e a expertise desses ecossistemas, essas soluções permanecem irrealizadas ou ficam restritas a implementações em pequena escala. Por isso, terceiros (aceleradoras, incubadoras, organizações internacionais) desempenham um papel intermediário crucial para ajudá-los a obter parcerias e apoio de empresas de tecnologia, investidores e atores do setor público. Isso significa ir além dos modelos tradicionais de aceleração para criar parcerias sustentadas, bem financiadas e com continuidade.

A escolha diante de nós é clara: podemos permitir que a IA agrave desigualdades existentes ou podemos, intencionalmente, redefinir sua trajetória para criar um mundo mais justo. Os exemplos acima mostram o que é possível. Agora, com o apoio adequado do ecossistema, o redirecionamento de capital e parcerias comprometidas entre empresas de tecnologia e inovadores sociais, podemos acelerar a transição para uma sociedade mais sustentável, equitativa e justa para todos. O momento de agir é agora. A questão não é se podemos arcar com o redirecionamento de orçamentos de IA para a inovação social, mas se podemos suportar o custo de não fazê-lo.

*Artigo publicado originalmente na Stanford Social Innovation Review com o título “Bridging the AI Investment Divide”.

Leia também a edição especial: Futuros possíveis (IA)