MIT Technology Review: OpenAI, Anthropic e todo o mercado de IA estão presos entre o hype e o lucro

O burburinho em torno da IA já criou uma sensação de revolução inevitável, mas entre promessas estrondosas e lucro real, permanece um vazio: a indústria dominou bem o passo de criar modelos impressionantes, no entanto ainda não consegue demonstrar claramente como eles se integram de forma confiável às operações das empresas e transformam a economia. O autor se lembra de uma marcha anti-IA de fevereiro em Londres, onde ativistas do Pause AI distribuíam um panfleto com um esquema quase meme: passo um, fazer crescer uma superinteligência digital; passo dois, uma pergunta; passo três, também uma pergunta. Esta é uma referência aos gnomos de South Park, cujo plano de negócios era assim: coletar cuecas, depois algo desconhecido, e depois lucrar.

De acordo com o autor, é exatamente nesse estado que o mercado de IA inteiro se encontra: a tecnologia existe, a promessa de transformação existe, mas o mecanismo intermediário permanece nebuloso. Para os opositores da IA, o segundo passo perdido geralmente significa regulação: primeiro você precisa entender quais regras devem limitar a implementação, quem as escreverá e quem garantirá o cumprimento. Para os apoiadores da tecnologia, o quadro é inverso.

Eles já estão mentalmente em um ponto onde a IA salva a economia, aumenta a produtividade e transforma o mercado de trabalho. Como disse ao autor o cientista-chefe da OpenAI, Jakub Pachocki, trata-se de uma tecnologia economicamente transformadora. O problema é que o caminho para esse futuro é diferente para todos, e ninguém tem mapas comprovados.

Um estudo publicado pela Anthropic em 5 de março de 2026 tenta avaliar o impacto da IA no mercado de trabalho. A empresa introduziu uma métrica chamada observed exposure, que conecta as capacidades teóricas dos modelos de linguagem com dados reais sobre seu uso. A conclusão é mista: gerentes, arquitetos, profissionais de mídia e outras profissões de colarinho branco correm maior risco, mas a penetração real da IA está muito abaixo de seu potencial teórico.

De acordo com os dados da Anthropic, na categoria Computer and Math, Claude realmente cobre apenas 33 porcento das tarefas, e cerca de 30 porcento dos trabalhadores têm zero exposição. Ao mesmo tempo, pesquisadores ainda não encontraram um aumento claro no desemprego nas profissões mais vulneráveis após o lançamento do ChatGPT, embora a contratação de funcionários jovens em tais cargos possa já estar diminuindo. Um segundo exemplo esfria ainda mais o mercado.

Em fevereiro, pesquisadores da Mercor testaram agentes de IA líderes do OpenAI, Anthropic e Google DeepMind em 480 tarefas longas de escritório compiladas de práticas reais de banqueiros de investimento, consultores e advogados corporativos. Os agentes receberam um ambiente realista com arquivos, documentos, planilhas e aplicativos para testar não uma bela cena de demo, mas rotina de trabalho real. O resultado foi duro: nenhum sistema conseguiu lidar consistentemente com a maioria das responsabilidades.

Mesmo os melhores modelos entregavam resultados parciais úteis, mas a execução completa do trabalho complexo permanecia mais uma exceção do que a regra. Este é aquele passo perdido. Modelos não são suficientes para simplesmente embutir em um produto ou sentar ao lado de um funcionário.

Eles devem trabalhar dentro de processos complexos, entre pessoas, regras, verificações, software desatualizado e responsabilidade por erros. Às vezes, adicionar IA não acelera o trabalho, mas o complica. Sim, as empresas podem reestruturar processos para se adequarem às novas ferramentas, mas isso exige tempo, dinheiro e coragem gerencial.

Por enquanto, o vácuo na compreensão é preenchido com anúncios estrondosos semanais, e uma postagem bem-sucedida nas redes sociais pode mover expectativas e até o mercado mais rápido do que dados cuidadosos. A conclusão principal é simples: o mercado de IA agora não carece de outra demonstração de capacidades, mas de evidências da operação do mundo real. O que é necessário é maior transparência dos desenvolvedores de modelos, trabalho colaborativo entre pesquisadores e negócios, e novos métodos de avaliação que mostrem não magia de laboratório, mas o que acontece após a implementação.

Até que isso exista, as promessas de uma revolução econômica iminente permanecem um lindo terceiro passo sem um segundo convincente.