OpenAI anuncia um «estagiário pesquisador» e mira um cientista automatizado até 2028

Em setembro, a OpenAI anunciou ter alcançado uma meta intermediária: o «estagiário automatizado de pesquisa em IA». O próximo marco é um «pesquisador de IA automatizado» completo, que, pelo plano da empresa, deve surgir antes de março de 2028. A informação vem do veículo chinês Jiqizhixin, em reportagem sobre como os agentes avançam rumo à automelhoria recursiva (RSI) e por que a memória tem papel importante nesse processo.

Ressalva: o trecho disponível do artigo termina na menção ao cientista-chefe da OpenAI, Jakub Pachocki. Ele não traz as falas de Pachocki, detalhes técnicos nem métricas. Tudo o que vem abaixo se baseia apenas nas linhas confirmadas do original e na lógica evidente que as cerca.

O que exatamente foi declarado

A Jiqizhixin descreve uma mudança geral: os principais laboratórios sinalizam, de forma intensa, que a IA deixa de ser apenas uma ferramenta para tarefas humanas e passa a participar das próprias pesquisas e melhorias. A OpenAI se tornou o exemplo mais concreto porque apontou dois pontos com data.

• Setembro de 2026: declarada a conquista da etapa «estagiário pesquisador de IA automatizado».
• Março de 2028: prazo para a criação do «pesquisador de IA automatizado».
• Tema da reportagem: a transição dos agentes da memória à autoevolução como passo rumo ao RSI.

O texto disponível não diz como a OpenAI mede o «estagiário», em quais tarefas ele foi testado nem que fatia do trabalho ele executa sem intervenção humana. Essa é a principal lacuna: sem critérios, a formulação continua sendo uma declaração, e não um resultado mensurável.

Por que a memória está no centro das atenções

O título do original monta uma cadeia: «memória, autoevolução, RSI». A lógica é clara. Um agente que não lembra das execuções anteriores começa do zero a cada vez e repete os mesmos erros. Para melhorar o próprio trabalho, ele precisa guardar experiência: quais hipóteses testou, o que funcionou e o que não funcionou, quais ferramentas e técnicas deram resultado. Só com essa base é possível o passo seguinte, em que o agente muda não apenas a resposta, mas também seus métodos, prompts, ferramentas ou o processo de pesquisa.

Essa é uma interpretação nossa do título, e não um resumo dos detalhes da reportagem. Mas ela combina bem com a forma como os sistemas agênticos vêm sendo desenvolvidos hoje: memória de longo prazo, registros de trajetórias e acúmulo de habilidades viraram um problema de engenharia à parte.

O que continua em aberto

A palavra «estagiário» no trabalho de pesquisa pode significar muita coisa. Pode ser um agente que reproduz experimentos alheios, escreve código para ablações ou analisa a literatura. Mas também pode ser um sistema que propõe e testa ideias por conta própria. A diferença é enorme, e por enquanto não temos dados públicos para avaliá-la.

Há ainda a questão da verificação. Se a IA participa da melhoria da própria IA, fica mais difícil confirmar de forma independente a velocidade desse progresso: os dados principais estão dentro dos laboratórios.

Conclusão prática

Equipes que constroem agentes devem tratar a memória, desde já, como um componente pleno do sistema, e não como um complemento da janela de contexto. Vale registrar em log as trajetórias das execuções, rotular tentativas bem-sucedidas e malsucedidas e verificar se a experiência acumulada melhora o resultado em tarefas repetitivas. Enquanto a autonomia do agente cresce, são necessários limites para mudanças feitas por conta própria e revisão humana obrigatória. Analistas e investidores fariam melhor em esperar da OpenAI não novos slogans, mas benchmarks concretos e uma descrição do que o «estagiário» faz sem ajuda humana. O próximo ponto de controle continua sendo março de 2028.