Fable 5.2 entregou resultados aceitáveis em 41,3% dos projetos freelance no RLI

Você pede a uma IA que prepare uma cena tridimensional para uma página de produto. Uma hora depois, o agente informa: está tudo pronto. Mas o projeto abre? É possível trocar o material da carcaça? As dimensões correspondem ao que foi solicitado? É justamente nessa distância entre uma resposta bem apresentada e um trabalho utilizável que a promessa da automação costuma falhar.

No Remote Labor Index, o Fable 5.2 foi aprovado em 41,3% dos projetos. Em comparação com os 17,92% do Fable 5.1, isso representa um aumento de 23,38 pontos percentuais. Para um desenvolvedor ou fundador, há um motivo concreto para experimentar: verificar quais tarefas completas já podem ser delegadas ao agente sob a supervisão de um especialista.

O que significa o resultado de 41,3%

Na classificação da Scale Labs, o Fable 5.2 supera o Opus 5.5, com 21,25%, e o GPT 6 Astra, com 20,83%. O resultado é quase o dobro do alcançado pelos concorrentes mais próximos. Mas o percentual exige uma leitura cuidadosa: ele representa a proporção de projetos aprovados dentro de um conjunto específico de tarefas e condições de avaliação.

Especialistas avaliam o trabalho do agente comparando-o com a entrega de um profissional humano. A pergunta central é se ele atende ao briefing suficientemente bem para que um cliente razoável aceite a entrega. Essa comparação aproxima a avaliação do cotidiano das equipes, em que não basta demonstrar uma única etapa bem-sucedida.

Ainda assim, 41,3% não deve ser interpretado como a probabilidade de sucesso de qualquer projeto seu. A equipe pode ter outros requisitos, formatos e uma distribuição diferente de tarefas. E, mesmo no próprio benchmark, a maioria dos projetos ainda não é aprovada.

Como testar isso no seu próprio processo

Voltemos à cena para uma página de produto. Trata-se de um exemplo hipotético, não de um resultado publicado de uma tarefa específica do Fable. Suponha que o projeto inclua um modelo do objeto, iluminação, vários ângulos de câmera e um arquivo-fonte editável. Uma imagem bonita não basta para aprovar a entrega: o próximo designer ainda precisará trabalhar com esse arquivo.

Um piloto prático deve se concentrar no pacote completo de entrega. Dê ao agente o mesmo briefing e os mesmos materiais de origem que um prestador de serviços receberia. Registre os critérios com antecedência: dimensões necessárias, conjunto de arquivos, possibilidade de edição e correspondência com as referências. Depois, encaminhe o resultado a um especialista que saiba avaliar esse tipo de trabalho.

Peça ao avaliador que registre separadamente o tempo gasto nas correções. O agente pode preparar uma base rapidamente, mas exigir um longo trabalho manual de refinamento. Para a empresa, essas horas entram no custo do resultado, junto com as despesas de execução e revisão.

Também é útil guardar as tentativas malsucedidas. Se o sistema perde texturas com frequência ou ignora parte dos requisitos, surge um problema concreto de engenharia: adicionar uma verificação do conjunto de arquivos, esclarecer os dados de entrada ou limitar o escopo de uso. Uma única pontuação média não basta para tomar essa decisão.

Onde terminam as conclusões da classificação

A publicação original no Telegram também afirma que houve avanços em áudio, arquitetura e modelagem tridimensional, além de quase 50 tarefas resolvidas pela primeira vez por algum sistema. A página pública da classificação não comprova esses detalhes com uma análise específica do Fable 5.2. Ainda é cedo para usá-los como base para escolher uma ferramenta.

A própria comparação também tem uma limitação: o RLI exclui projetos que exigem comunicação direta com o cliente. Em um projeto real, alinhar expectativas, esclarecer um requisito ambíguo e responder a pedidos de alteração pode representar uma parcela significativa do trabalho. Por isso, o resultado do teste não descreve todo o ciclo de relacionamento com o cliente. A metodologia do RLI também informa que a métrica Automation Rate não tem intervalo de confiança.

Para um gerente de produto, o próximo passo razoável é escolher um tipo recorrente de tarefa com critérios de aceitação claros e conduzir um pequeno piloto interno. A decisão de adotar a ferramenta deve se basear na proporção de entregas aceitas, no tempo do especialista e no custo final. O avanço para 41,3% torna esse teste mais interessante; a equipe ainda precisará medir por conta própria o impacto econômico.