Sam Altman revê o prazo da IA: adoção, e não capacidade, é o gargalo

A revisão de Sam Altman parece ser sobre prazo, não sobre a importância final da inteligência artificial. Depois do lançamento do GPT-4, em 2023, ele esperava uma disrupção muito mais rápida nos negócios de software e na economia. Agora, sua avaliação dá mais peso ao trabalho — bem mais lento — de transformar capacidade técnica em aplicações confiáveis, mudanças organizacionais, infraestrutura física e aceitação pública. 36

A distinção é importante: um modelo pode ser tecnicamente impressionante sem substituir imediatamente produtos, reorganizar empresas ou alterar toda a economia.

O novo diagnóstico de Altman: implementar é mais difícil do que treinar

A leitura que emerge é que o gargalo de curto prazo não está apenas em produzir um modelo-base mais poderoso. As empresas ainda precisam criar aplicações úteis, integrá-las aos fluxos de trabalho existentes, redesenhar organizações e convencer clientes e funcionários a confiar nelas.

Isso ajuda a explicar por que a economia após o GPT-4 não passou pela ruptura imediata sugerida por algumas previsões. A tecnologia pode continuar avançando rapidamente, enquanto a adoção percorre canais comerciais e institucionais mais lentos.

As próprias observações econômicas recentes de Altman apontam para as duas direções. Ele argumentou que a inteligência de um modelo cresce conforme aumentam os recursos usados para treiná-lo e executá-lo, enquanto o custo de usar determinado nível de IA cai acentuadamente ao longo do tempo — condições que podem levar a uma utilização muito mais ampla. 40 Mas preços menores não eliminam obstáculos como compras corporativas, regulação, confiança, governança de dados e a dificuldade de mudar a forma como as pessoas trabalham.

Por que Altman falou em dosar o ritmo da IA

Em julho, Altman afirmou que o setor talvez precisasse “dosar” o desenvolvimento da IA para dar à sociedade tempo de “se preparar” para novos níveis de capacidade. Ele também disse que qualquer iniciativa desse tipo deveria evitar captura regulatória e conluio entre os laboratórios de fronteira. 37

Isso não equivale a defender uma paralisação permanente. É o reconhecimento de que o avanço técnico e a adaptação social podem seguir relógios diferentes. Mais de mil trabalhadores de empresas líderes de IA também assinaram uma carta pública pedindo regras mais fortes e tempo para desenvolver medidas de segurança e mecanismos de supervisão. 38

Na prática, a difusão da tecnologia tende a ser mais disputada: sistemas capazes podem chegar antes que governos, empresas, escolas e comunidades tenham definido como eles devem ser usados.

Os dois riscos por trás do alerta “anti-humano”

Altman já afirmou repetidamente que o poder da IA não deveria ficar concentrado demais e que o controle do futuro deveria pertencer às pessoas e às suas instituições. 44 Nesse enquadramento, dois resultados seriam especialmente inaceitáveis:

1. A IA se tornar tão poderosa que as pessoas não consigam controlá-la de maneira significativa.
2. As capacidades e o poder de decisão da IA se concentrarem em poucas empresas ou governos.

O primeiro risco diz respeito à perda de controle. O segundo envolve a manutenção do controle — mas nas mãos de um grupo restrito, com influência econômica e política desproporcional. Os riscos podem levar a políticas em direções diferentes: medidas de segurança talvez reduzam o uso indevido, enquanto acesso centralizado e sistemas fechados podem aumentar a concentração.

Isso é uma crítica à Anthropic?

Essa interpretação deve ser tratada como uma leitura analítica, não como um ataque direto comprovado. O material disponível não mostra Altman citando explicitamente a Anthropic ou classificando sua abordagem centralizada e orientada à segurança como “anti-humana”.

Existe, porém, uma tensão real de política pública. Uma estratégia de modelos de fronteira rigidamente controlados pode facilitar o monitoramento e a aplicação de regras de segurança, mas também pode deixar mais poder nas mãos de poucos laboratórios. Já os modelos de pesos abertos podem ampliar o acesso e a possibilidade de personalização, ao mesmo tempo que criam desafios adicionais de uso indevido e responsabilização. As evidências sustentam o debate sobre essa troca — não a afirmação de que a Anthropic seja o alvo ou de que sua filosofia seja inerentemente prejudicial.

A resistência a data centers revela o gargalo físico da adoção

Adotar IA exige mais do que software. São necessários data centers, eletricidade, capacidade de transmissão, água, terrenos, licenças e aceitação política das comunidades locais.

Essa expansão já enfrenta resistência. Uma reportagem sobre uma pesquisa da Gallup indicou que 71% dos adultos nos Estados Unidos se opunham à construção de um data center de IA em sua região, enquanto mais de uma dúzia de projetos teria sido bloqueada ou adiada por oposição local. 18 Outros relatos descreveram preocupações com eletricidade, água, efeitos ambientais e acordos tributários locais. 20

Altman reconheceu por que moradores podem não querer um data center por perto e sugeriu que locais remotos, como regiões desérticas, poderiam ser mais adequados. 23 A proposta reforça o ponto central: ampliar a IA também é um problema de uso do solo e de infraestrutura — não apenas uma corrida por mais GPUs.

A mesma tensão aparece no apoio da OpenAI a grandes projetos de infraestrutura. Em um terreno de data center em Michigan, Altman descreveu um projeto avaliado em US$ 16 bilhões como uma grande aposta no futuro da IA, enquanto as preocupações locais se concentraram em recursos como água e eletricidade. 2130 As expectativas do setor continuam enormes, mas transformá-las em capacidade operacional exige que as comunidades aceitem os custos físicos envolvidos.

O acordo da NVIDIA com a Poolside indica preparação, não recuo

A transação anunciada pela NVIDIA com a Poolside mostra por que um prazo de adoção mais longo não deve ser confundido com perda de confiança na IA. A empresa teria concordado em pagar US$ 6 bilhões para licenciar a tecnologia da Poolside e investir mais US$ 1 bilhão na startup. Mais de 100 funcionários da Poolside devem se juntar à NVIDIA para trabalhar na família de modelos de pesos abertos Nemotron. 15

O movimento sugere que a NVIDIA está avançando para além do hardware, entrando em sistemas de desenvolvimento de modelos e software de pesos abertos. Esses modelos podem ser mais fáceis de personalizar e ter custos operacionais menores do que algumas alternativas fechadas, segundo relatos sobre o acordo. 5

A estratégia é compatível com um ciclo de implementação mais longo e competitivo. Se as empresas precisam de modelos flexíveis, adaptáveis à própria infraestrutura, os sistemas de pesos abertos podem se tornar uma parte importante da adoção corporativa. Ainda assim, a transação representa um investimento agressivo em capacidade de IA; não é evidência de que a NVIDIA espere um colapso na demanda. 15

A lição mais ampla: a disseminação da IA pode ser gradual, cara e disputada

Em conjunto, esses acontecimentos apontam para um cronograma mais complexo:

• A capacidade dos modelos pode avançar mais rápido do que a adoção pelos negócios. 36
• Aplicações e redesenho organizacional determinam se essa capacidade se transforma em impacto econômico. 36
• A expansão da infraestrutura enfrenta restrições de energia, água, licenças e apoio comunitário. 182023
• Segurança e governança podem exigir tempo para que as instituições se adaptem. 3738
• O setor continua investindo agressivamente em novos modelos e alternativas de pesos abertos. 15

A conclusão mais sólida, portanto, não é que a IA terá pouco impacto econômico nem que o setor tenha chegado a um consenso para desacelerar deliberadamente o desenvolvimento. As evidências apontam para uma difusão mais lenta, desigual e intensiva em capital: a IA pode transformar a economia, mas o caminho passa por aplicações, infraestrutura, regulação, adaptação institucional e legitimidade pública — e não por uma ruptura instantânea no período pós-GPT-4.