SpaceX confia ao Grok a busca por detritos em peças: 99,9% contra 94% dos humanos

Quando se fala da SpaceX, normalmente pensamos em foguetes. Mas na conferência UP.Summit, na Flórida, o vice-presidente de lançamentos da empresa, Kiko Dontchev, disse em voz alta algo que já era visível na estratégia da companhia: "Sim, somos uma empresa de foguetes, mas, no fundo, somos uma empresa de infraestrutura". Para nós, o mais interessante é outro ponto: como exatamente a IA é usada ali e o que disso pode ser aproveitado em outros projetos.

O que foi realmente automatizado

Formalmente, a SpaceX comprou a xAI no início de 2026. Os engenheiros já usavam as ferramentas da xAI antes, mas, segundo Dontchev, o verdadeiro salto aconteceu nos últimos meses. Em 16 anos na empresa, ele nunca viu uma aceleração assim no trabalho de engenharia: o que levava horas e dias agora leva segundos e minutos.

O exemplo mais claro é a busca por FOD, ou seja, objetos estranhos dentro de peças. Um minúsculo pedaço de metal ou de detrito em uma linha de combustível pode destruir um motor. Antes, o inspetor introduzia um boroscópio (uma câmera em uma sonda flexível) no tubo e procurava defeitos a olho no vídeo. Segundo Dontchev, as pessoas encontram esse tipo de detrito em cerca de 94% dos casos. O Grok, analisando o mesmo vídeo, acerta em 99,9%.

As mesmas verificações por vídeo agora estão sendo automatizadas para outros equipamentos, como os terminais de usuário da Starlink. Dontchev afirma que a IA é usada em todos os níveis, até técnicos e seus supervisores, e que ela "nivelou o campo de jogo" entre novatos e funcionários experientes.

Por que isso não é apenas um número bonito

A principal lição aqui é metodológica. A comparação foi feita com os mesmos dados: a pessoa e o modelo olham o mesmo vídeo. É exatamente assim que se deve avaliar o controle de qualidade com IA. Não se discute "IA contra humanos" em geral: pega-se uma tarefa concreta, mede-se a precisão básica das pessoas e testa-se o modelo nas mesmas gravações.

Ainda assim, os números devem ser lidos com cautela. São palavras de um executivo em uma conferência, e não um relatório com metodologia. Não se sabe em quantos vídeos o cálculo foi feito nem o que exatamente significa "99,9% perfect": a proporção de defeitos encontrados ou a precisão geral. Também não há informação sobre falsos positivos, que nessas tarefas importam tanto quanto: se o modelo grita "detrito!" em um a cada dois tubos, a produção para. Tampouco se sabe se o humano continua no circuito para os casos duvidosos.

Demais contexto: o Falcon 9 sai, o Starship entra

Na mesma conversa, Dontchev explicou por que o Falcon 9 caminha para a aposentadoria: nunca se aprendeu a recuperar o segundo estágio, que precisa ser construído do zero a cada lançamento. Para cem lançamentos por ano isso é tolerável; para milhares, e nos sonhos até 10.000, já não é. O Starship deve capturar os dois estágios.

É significativo que ele tenha falado não de capacidade de carga, mas de "produtividade por lançamento". O primeiro voo orbital do Starship, no fim de setembro, colocou em órbita satélites Starlink V3 com capacidade total de banda 10 vezes maior que a do Falcon 9. Da Flórida, segundo ele, serão até 20 vezes. A plataforma 39A no Cabo Canaveral está quase pronta, e os primeiros transportes de estágios estão previstos para dezembro.

Há também um lado preocupante. A Ars Technica observa que Dontchev não respondeu às preocupações dos clientes comerciais: segundo várias fontes, nos próximos anos o Starship será reservado para as tarefas da própria SpaceX e, possivelmente, para a NASA e outros clientes governamentais. A comunidade de entusiastas, por sua vez, teme que Musk esteja se afastando de Marte em direção a data centers orbitais. Dontchev garante que Marte continua no centro dos planos e que a IA apenas acelerará o caminho até lá.

O que fazer com isso

• Se você tem controle visual (produção, estoque, conteúdo de mídia, testes de captura de tela), comece medindo a precisão das pessoas em gravações reais. Sem uma linha de base, qualquer "99%" não significa nada.
• Compare modelo e humano nos mesmos dados e calcule separadamente os defeitos não detectados e os falsos alarmes.
• Mantenha o humano nos casos duvidosos, especialmente onde o custo do erro é alto.
• Trate números impressionantes de entrevistas como hipótese a verificar, e não como resultado comprovado.

A história da SpaceX deve ser lida como um sinal: a IA entra na indústria pesada não por meio de chatbots, mas por tarefas entediantes e mensuráveis, como a inspeção de tubos. É justamente aí que a economia se torna verificável.