Gita Bhatt, editora-chefe da Finance & Development, escreveu no IMF Blog em 03/12/2025 sobre um ponto que parece óbvio, mas costuma se perder no hype: estatística é meio, não fim. No meio do dilúvio de dados, com IA amplificando possibilidades e ruído, a questão deixa de ser “ter mais” e vira “usar melhor”. O texto apresenta as perguntas certas sobre sinal e ruído, sobre o papel de dados alternativos e sobre limites de transparência quando informação decisiva não é pública. Como complemento, o anexo reúne a edição da Finance & Development que aprofunda esse debate por múltiplos ângulos.
A provocação do texto é bem direta. Melhor medição econômica não é colecionar novas bases, é transformar dados em decisão mais clara, com método, comparabilidade e responsabilidade pública.
A autora parte do cenário atual, uma “galáxia” de dados vindos de todo lado, e pergunta o que realmente muda quando a economia pode ser medida em alta frequência, com granularidade e com ferramentas de IA. A resposta não é triunfalista, porque nem todo dado novo vira insight bom.
Um ponto central é o risco de confundir volume com qualidade. Dados alternativos, muitas vezes, nascem como subproduto de atividade privada, então carregam vieses, lacunas e pouca continuidade, o tipo de coisa que derruba comparações no tempo.
Por isso, o texto defende que estatísticas oficiais seguem essenciais. A ideia não é escolher entre oficial e alternativo, é usar fontes novas em conjunto com séries consolidadas, sem desmontar o que sustenta integridade e confiança.
A discussão fica mais concreta quando entra o tema de bancos centrais e pesquisa. O texto cita a leitura de Claudia Sahm sobre o uso de novas fontes para preencher buracos, como queda de resposta em pesquisas, e ressalta um alerta que vale ouro em reputação institucional: se a fonte não é pública, a transparência cai, e a prestação de contas fica mais fraca.
Outro trecho importante é quando o texto reconhece que medir também precisa evoluir. Ele menciona a crítica de que métricas clássicas, como PIB e produtividade, podem ficar desalinhadas com uma economia cada vez mais digital e baseada em intangíveis, o que pressiona por modernização do sistema de medição.
Tem ainda um ângulo de poder, menos óbvio e bem relevante. O texto alerta para concentração de dados em poucas empresas de tecnologia e para o efeito disso sobre competição e inovação, além de lembrar que a “fome de dados” da IA tem custo material, energia, chips, minerais e água.
Para usar o anexo sem se perder, vale uma leitura guiada em três passos. Primeiro, procure os textos que discutem como separar sinal de ruído e como combinar fontes novas com estatísticas oficiais. Depois, foque nos trechos sobre transparência e acesso público a dados, porque isso afeta diretamente confiança em decisões de política. Por fim, escolha um ou dois artigos que tratem de modernização de métricas e do custo material da economia de dados, já que ali o debate sai do abstrato e vira agenda.
