Autores do AI 2027 revisam previsão: IA está cinco meses à frente de seu cenário
Se a IA ajuda a desenvolver o próximo modelo mais rápido, é preciso recalcular os prazos de evolução da tecnologia. Os autores do AI 2027 avaliam que a aceleração da pesquisa já está cerca de cinco meses à frente de seu cenário. Agora, toda a equipe espera um pesquisador de IA sobre-humano em 2027, caso o desenvolvimento não seja substancialmente desacelerado. A revisão se baseia em uma avaliação da METR, cujas evidências são parcialmente confidenciais.
Processado por IA de TG: @data_secrets (Data Secrets); editado por Hamidun News
Quando a IA escreve código mais rápido, a próxima tarefa da equipe é verificar se isso permite entregar um produto funcional mais cedo. No desenvolvimento dos próprios modelos, surge um efeito adicional: um modelo melhorado pode ajudar a criar o seguinte. Foi esse ciclo que levou os autores do AI 2027 a rever os prazos de sua previsão. Para desenvolvedores e fundadores, fica uma questão prática: quais processos vale a pena começar a reformular agora, caso as ferramentas passem a melhorar mais rápido do que o esperado?
O que mudou na previsão
Em 10 de novembro, o AI Futures Project publicou uma atualização: agora, todos os integrantes da equipe consideram provável o surgimento de um pesquisador de IA sobre-humano, ou SAR, em 2027, na ausência de uma desaceleração deliberada e substancial do desenvolvimento. Antes, Daniel Kokotajlo atribuía 50% de probabilidade ao surgimento de um SAR antes de 2029.
Os autores definem SAR como um sistema capaz de automatizar completamente a programação dentro de um projeto de IA e escolher linhas de pesquisa no nível do melhor pesquisador humano. É um patamar consideravelmente mais alto do que o de um agente que conclui tarefas individuais em um repositório de forma independente.
A equipe também estima em 35–65% a probabilidade de surgir uma IA que supere os melhores especialistas em praticamente todas as tarefas antes do início de 2028. O resumo inicial mencionava «em 2028», mas a fonte original estabelece um limite anterior. Os autores defendem uma pausa ou uma limitação substancial do ritmo de desenvolvimento de fronteira. Essa é a proposta deles para gerenciar o risco. Atualização do AI Futures Project.
O que a METR observou
O motivo da revisão foi o relatório da METR de 5 de novembro sobre a pesquisa dentro da Anthropic. Seus autores avaliam que as capacidades dos modelos em tarefas com condições claramente definidas estão melhorando a um ritmo aproximadamente duas vezes maior que o histórico. A incerteza é grande: os pesquisadores não se surpreenderiam com uma aceleração de 1,3 vez ou de três vezes.
A METR atribui, de forma provisória, a maior parte da aceleração atual ao uso de IA. No entanto, a Anthropic manteve confidencial a maior parte das evidências que os avaliadores consideraram mais informativas. Assim, leitores externos não conseguem verificar de forma independente uma parte substancial da argumentação. A METR também alerta que as métricas internas podem não refletir plenamente o trabalho em condições menos bem definidas. Relatório da METR.
Com base nessas estimativas, o AI Futures Project calculou uma aceleração do progresso decorrente da IA de aproximadamente 1,7 vez. Foi nessa medida que a equipe calculou cerca de cinco meses de avanço em relação ao seu cenário. Aplicar esse ajuste a cada evento previsto seria um erro: a comparação envolve um indicador específico, enquanto os prazos dos próximos marcos dependem de premissas adicionais.
Como aplicar isso à sua equipe
Imagine um laboratório em que um agente prepara o código de um experimento em uma hora, em vez de um dia de trabalho. Depois, o experimento espera por uma GPU disponível, o treinamento leva vários dias e o pesquisador ainda precisa interpretar o resultado. Encurtar a primeira etapa ajuda, mas o ciclo completo só vai acelerar até onde as demais etapas permitirem. Se o agente ajudar a escolher experimentos melhores, o efeito poderá ser consideravelmente maior.
No desenvolvimento de produtos, a lógica é semelhante. É possível produzir mais código e continuar levando o mesmo tempo para lançar uma versão por causa da validação de requisitos, da revisão do código ou dos testes de aceitação. Por isso, um próximo passo sensato é escolher uma categoria de tarefas recorrentes e medir o tempo entre a atribuição da tarefa e a aceitação do resultado. Correções, custos de execução e horas de revisão humana devem ser contabilizados separadamente. Isso permitirá enxergar onde a automação realmente libera recursos.
Para um fundador, essa medição ajuda nas decisões sobre contratações e orçamento. Se o gargalo continuar na verificação do resultado, gerar mais código, por si só, não vai eliminá-lo. Para quem gerencia o produto, vale verificar se a equipe consegue definir tarefas e aprovar mudanças com rapidez suficiente; caso contrário, a melhoria dos modelos poderá não se traduzir em avanços no produto.
A previsão atualizada oferece um motivo para reavaliar esses processos com mais frequência. Por si só, ela ainda não demonstra que uma equipe autônoma de pesquisa surgirá no ano indicado. A decisão prática hoje é reunir dados próprios sobre a eficácia dos agentes e manter a flexibilidade para trocar de ferramentas à medida que surgirem resultados verificáveis.
- 12 de nov. de 2026Jensen Huang deixa o cargo de CEO da Nvidia: empresa perde US$ 1,4 trilhão em duas semanas
- 12 de nov. de 2026Claude in Chrome exige autorização para cada clique em sites da categoria 3
- 12 de nov. de 2026AWS Quick ganha seis agentes para product managers: das reclamações de clientes à especificação
- 12 de nov. de 2026Anthropic fecha o Claude para empresas russas a partir de 12 de novembro, mesmo com entidade jurídica no exterior
Perguntas frequentes sobre a notícia
O que mudou na previsão?
Em 10 de novembro, o AI Futures Project publicou uma atualização: agora, todos os integrantes da equipe consideram provável o surgimento de um pesquisador de IA sobre-humano, ou SAR, em 2027, na ausência de uma desaceleração deliberada e substancial do desenvolvimento. Antes, Daniel Kokotajlo atribuía 50% de probabilidade ao surgimento de um SAR antes de 2029.
O que a METR observou?
O motivo da revisão foi o relatório da METR de 5 de novembro sobre a pesquisa dentro da Anthropic. Seus autores avaliam que as capacidades dos modelos em tarefas com condições claramente definidas estão melhorando a um ritmo aproximadamente duas vezes maior que o histórico. A incerteza é grande: os pesquisadores não se surpreenderiam com uma aceleração de 1,3 vez ou de três vezes. A METR atribui, de forma provisória, a maior parte da aceleração atual ao uso de IA.
Como aplicar isso à sua equipe?
Imagine um laboratório em que um agente prepara o código de um experimento em uma hora, em vez de um dia de trabalho. Depois, o experimento espera por uma GPU disponível, o treinamento leva vários dias e o pesquisador ainda precisa interpretar o resultado. Encurtar a primeira etapa ajuda, mas o ciclo completo só vai acelerar até onde as demais etapas permitirem. Se o agente ajudar a escolher experimentos melhores, o efeito poderá ser consideravelmente maior. No desenvolvimento de produtos, a lógica é semelhante.
Test Frontier LLMs & Autonomous Agents in One Workspace
Run Claude Opus 5.5, GPT-6, Gemini 3.1, and DeepSeek side-by-side in Nomad AI (nomadnet.ai) — unified model routing, deep research, and multimodal workflows under one subscription.
O essencial da IA — uma vez por semana
Sete histórias que realmente importaram, escolhidas a dedo. Sem ruído nem releases.
Pronto! Verifique seu e-mail para a confirmação.