OpenAI concentra seus principais recursos na criação de um pesquisador de IA totalmente autônomo

A OpenAI muda o foco de suas pesquisas e faz sua principal aposta não no próximo chatbot, mas em um pesquisador de IA autônomo. A empresa quer um sistema capaz de destrinchar problemas complexos por semanas com participação humana mínima e que, com o tempo, se torne um verdadeiro «laboratório dentro de um data center».

Uma nova prioridade

Segundo Jakub Pachocki, cientista-chefe da OpenAI, o projeto se torna um objetivo comum dentro da empresa, em torno do qual devem convergir modelos de raciocínio, sistemas de agentes e ferramentas de interpretabilidade. O marco mais próximo é apresentar, até setembro de 2026, um «estagiário de IA autônomo»: um sistema ao qual se pode delegar um conjunto limitado de tarefas de pesquisa de vários dias de trabalho. A etapa seguinte está marcada para 2028: um sistema multiagente totalmente automatizado, capaz de assumir problemas grandes ou complicados demais para uma única equipe de pessoas.

Para a OpenAI, isso não é apenas uma linha de pesquisa atraente. A empresa já não dita sozinha o ritmo do mercado, como nos tempos dos primeiros GPT, e hoje compete com Anthropic e Google DeepMind não só pela qualidade dos modelos, mas também pelo que acontece com a pilha de produtos em torno deles. A aposta no pesquisador de IA parece uma tentativa de ir além do assistente de chat e de código e criar a próxima camada de automação: um sistema que não apenas responde a um pedido, mas conduz sozinho um trabalho longo, da formulação da tarefa até um resultado intermediário.

«Basicamente, você terá um laboratório de pesquisa inteiro dentro de um data center», diz

Pachocki.

O que já está pronto

A OpenAI acredita que um protótipo inicial dessa abordagem já pode ser visto no Codex. Essa ferramenta de agentes sabe escrever e executar código, analisar documentos, gerar gráficos, montar resumos e assumir longas cadeias técnicas que antes eram resolvidas manualmente por uma pessoa. Pachocki diz abertamente que a empresa quer pegar o que deu certo na programação e levar esse modo de trabalho para uma classe mais ampla de tarefas. A lógica é simples: se um agente consegue fechar de forma autônoma partes consideráveis do trabalho de engenharia, a mesma abordagem pode ser estendida à ciência e à pesquisa aplicada.

Do futuro sistema, a OpenAI espera não uma função «mágica», mas um conjunto de habilidades de pesquisa que podem ser encadeadas:

• analisar grandes volumes de texto, código e anotações
• propor hipóteses e formas de verificação
• dividir um problema grande em subtarefas e conduzi-las em paralelo
• buscar soluções em matemática, física, biologia, química e cenários de gestão pública

Segundo a OpenAI, a base técnica vem de duas frentes. Primeiro, os modelos de uso geral passaram a manter objetivo e contexto por mais tempo: a transição do GPT-3 para o GPT-4 já mostrou um ganho notável de «resistência» em uma mesma tarefa. Segundo, os modelos de raciocínio, que percorrem o problema passo a passo e sabem voltar atrás após um erro, são mais adequados para ciclos autônomos longos. Além disso, os modelos são treinados especificamente em problemas difíceis de matemática e programação, para aprender a manter um contexto longo e gerenciar várias subtarefas ao mesmo tempo.

Onde estão os pontos fracos

A pergunta mais óbvia não é sobre ambição, mas sobre confiabilidade. Pesquisadores independentes reconhecem que a ideia de um cientista de IA autônomo parece uma continuação lógica do sucesso dos agentes de programação, mas alertam: quando o sistema precisa executar não um passo, mas uma longa cadeia de ações, a probabilidade de erro em cada etapa começa a se acumular. Em testes do Allen Institute for AI, modelos fortes já mostraram bom nível em tarefas científicas, mas ainda assim erravam com frequência. Mesmo que as versões recentes tenham melhorado, o problema não desaparece: uma coisa é gerar uma boa ideia, outra é levar de forma estável uma pesquisa de vários dias a um resultado correto.

Há também uma camada de riscos mais séria. Pachocki diz que a OpenAI aposta no monitoramento da cadeia de raciocínio (chain-of-thought monitoring): o modelo deixa uma espécie de anotações de trabalho durante a resolução, e outros modelos ou pesquisadores observam se ele não passa a ter um comportamento perigoso ou simplesmente incorreto. Mas ele mesmo admite que ainda não há controle total. Um sistema autônomo pode entender mal uma instrução, extrapolar os limites da tarefa, virar alvo de um ataque ou ganhar acesso a ferramentas poderosas demais. Por isso, na opinião dele, as versões realmente fortes desses agentes terão de ser mantidas em ambientes isolados (sandbox) e limitadas até que os mecanismos de supervisão se tornem muito mais confiáveis.

O que isso significa

Se a OpenAI cumprir ao menos parte desse plano, o próximo salto da IA virá não de chatbots mais falantes, mas de sistemas aos quais se possam delegar pedaços de trabalho intelectual real por dias e semanas. Mas é justamente aí que ficará o principal teste: o mercado acredita de bom grado no avanço rápido dos agentes, enquanto a ciência e a segurança exigirão não efeito de demonstração, mas resultado reproduzível sob controle humano.