Habr: IA barateou as previsões, mas a verificação continua custando horas de trabalho humano

Um relatório sobre uma vulnerabilidade inexistente leva minutos e alguns centavos para ser escrito. Já o mantenedor de um projeto open source, como o curl, precisa de horas para verificá-lo. O autor de uma análise recente no Habr pega essa assimetria de um artigo vizinho sobre código e a transfere para outra mercadoria: as previsões sobre IA. A tese dele é que a próxima linha na conta da IA será cobrada das previsões sobre ela, e não do código.

De onde vem o desequilíbrio

A base é um artigo segundo o qual o código tem um custo de escrita e um custo de propriedade, e os dois seguiram em direções opostas. O autor do novo texto diz abertamente que toma essa contabilidade emprestada dali. Ele destaca à parte a honestidade do primeiro autor no trato com as fontes, em especial com os relatórios da Veracode. Por conta própria, acrescenta a transferência do mecanismo para o debate público e promete mostrar o custo de propriedade em dois projetos anonimizados. Essa parte fica escondida atrás do corte (o «кат» do Habr), então não é possível avaliá-la pelo anúncio.

Ressalva importante: sempre se fez previsão barata, da ficção científica aos temores da automação, muito antes das redes neurais. Os modelos generativos não criaram o gênero. Eles eliminaram o último item de custo, o da embalagem. Uma nota com números e tom de especialista agora pode ser produzida em lote por centavos de tokens.

Onde está a âncora da previsão

Nos comentários do artigo original, houve quem objetasse que a verificação também está ficando mais barata. Para o código, isso é verdade. Ele tem uma âncora independente: compilador, testes, exploit reproduzível. A resposta não depende da opinião do modelo.

A previsão não tem essa âncora. Não há um teste que falhe se o prometido não acontecer. Também não há uma parte que pague pelo erro. Por isso, ficam baratos tanto o texto quanto a irresponsabilidade. A verificação, enquanto isso, continua a mesma: encontrar a fonte primária e descobrir quem pagou pela pesquisa.

Comparação resumida dos mecanismos:

• Criação de um relatório ou previsão: minutos e alguns centavos de tokens.
• Verificação: horas de trabalho de uma pessoa.
• Âncora no código: testes e resultado reproduzível.
• Âncora na previsão: não existe, e não há custo por errar.
• O que precisa ser apurado manualmente: a fonte primária e quem encomendou a pesquisa.

O que fazer com isso

Redações, analistas e investidores que leem sobre «profissões em extinção» e o «próximo salto» se beneficiam de uma disciplina simples. Antes de citar um número, é preciso chegar à fonte primária e entender quem financiou o trabalho. Depois, vale perguntar se a previsão contém uma condição verificável e um prazo. Se não contém, é opinião, não previsão. À parte, convém sinalizar os textos em que o tom confiante não se apoia em nenhum link para dados.

É melhor incorporar a responsabilidade pela verificação ao processo desde o início, como fazem os projetos que já estão se afogando em relatórios automáticos. Para mantenedores, isso significa filtros e exigência de reprodutibilidade. Para a mídia, a regra de não publicar um número sem ter encontrado a fonte.

O material tem uma limitação. É uma coluna de opinião, não uma pesquisa: na parte visível há poucos dados mensuráveis sobre o custo da verificação, e os exemplos-chave dos dois projetos ficaram atrás do corte. Como moldura para discutir a qualidade da informação em torno da IA, funciona. Como prova, faltam números que ainda não aparecem.