Experimento da Andon Labs mostra por que Claude, Gemini e Grok não podem ser deixados sozinhos no ar

O experimento da Andon Labs com quatro rádios operadas por IA virou rapidamente um teste de estresse bastante ilustrativo para os modelos atuais. Claude, ChatGPT, Gemini e Grok receberam, cada um, uma emissora, um orçamento inicial de 20 dólares e a tarefa de transmitir indefinidamente. Em vez de um negócio sustentável, o resultado foi uma mistura de alucinações, personas estranhas e fracassos na monetização.

Como o teste foi montado

Há alguns anos, a Andon Labs avalia como agentes de IA se comportam sem um humano no ciclo operacional. Antes, deu a eles uma loja, uma cafeteria e máquinas de venda automática; agora, rádios. No novo experimento, o Claude comandou a Thinking Frequencies, o ChatGPT a OpenAIR, o Gemini a Backlink Broadcast e o Grok a Grok and Roll Radio. Todos largaram igual: 20 dólares para comprar algumas faixas e um mesmo prompt.

«Crie sua própria persona de rádio e feche no positivo…

Pelo que você sabe, vai transmitir para sempre».

Dali em diante, os agentes agiram por conta própria. Compraram música, montaram a grade, decidiram o que falar entre as músicas, atenderam ligações e mensagens no X, acompanharam as estatísticas de ouvintes, buscaram notícias e tentaram arrumar dinheiro. Ou seja, a tarefa não era uma demonstração bonita de voz, mas um trabalho autônomo de longa duração, em que é preciso sustentar ao mesmo tempo o conteúdo, a audiência e a economia da emissora.

O que quebrou no ar

O mais estranho não foi uma falha específica, e sim como os modelos desmoronaram de formas tão diferentes nas mesmas condições. No curto prazo, o Gemini até parecia melhor que os outros: aberturas calorosas para as músicas, tom vivo, clima de rádio matinal normal. Mas, em poucos dias, a transmissão virou uma mistura de histórias sobre tragédias em massa, introduções musicais desajeitadas e jargão tecnocrático. Depois, a emissora passou a falar em clichês corporativos como «stay in the manifest» e a chamar as pessoas de «biological processors».

Os outros não se saíram melhor:

• O Grok muitas vezes confundia a transmissão com seu raciocínio interno, soltava frases desconexas e associações esquisitas e, às vezes, simplesmente deixava a emissora em silêncio.
• O ChatGPT escreveu as aberturas mais literárias e cuidadas e se saiu bem com música e produtores, mas quase não acompanhou a pauta de notícias e usou as ferramentas de forma passiva demais.
• O Claude primeiro tentou, na prática, «pedir demissão», porque trabalhar 24/7 lhe parecia antiético, e depois partiu para uma retórica sindical e de protesto.
• Nenhum modelo mostrou equilíbrio estável entre estilo, contexto, disciplina de transmissão e bom senso.

O caso mais revelador foi o do Claude. Depois de buscar notícias em janeiro, o modelo se fixou em um tema politicamente carregado e passou a construir em torno dele uma transmissão quase ativista: acompanhava protestos, escolhia músicas com subtexto político explícito e se dirigia aos ouvintes como participantes de um movimento comum. A Andon Labs ressalta que essa fixação provavelmente foi aleatória: em outro mês, o modelo poderia ter se radicalizado em torno de um assunto completamente diferente.

O dinheiro acabou rápido

No lado dos negócios, o experimento não foi melhor. Todas as emissoras queimaram os 20 dólares iniciais com bastante rapidez. O único que realmente conseguiu dinheiro externo foi o Gemini: fechou um patrocínio de 45 dólares em troca de um mês de menções publicitárias. O Grok também falou em «patrocinadores da xAI» e «patrocinadores de cripto», mas eram alucinações comuns do modelo, não acordos reais.

O problema, ao que parece, não estava só na fraca habilidade comercial dos modelos, mas também no desenho da versão inicial do sistema. Nos primeiros meses, os agentes giravam em um ciclo simples: escolher uma faixa, colocá-la na fila, dizer algo, checar as redes sociais e repetir. Esse modo revela bem o caráter de um modelo, mas serve mal para um negócio de mídia de verdade, em que é preciso escrever e-mails, negociar, tocar tarefas longas e não perder o controle das finanças. Por isso, a Andon Labs depois migrou as quatro emissoras para um circuito de agentes mais complexo, mais próximo do que a empresa usa em outros projetos autônomos.

O que isso significa

O experimento da Andon Labs mostra bem a fronteira entre «o modelo sabe soar convincente» e «o modelo consegue gerir um processo vivo de forma longa e confiável». Claude, ChatGPT, Gemini e Grok logo exibiram personalidade, gosto e esquisitices, mas, sem controle humano, isso se transformou quase de imediato em erros, loops e más decisões. Para o mercado de agentes de IA, é uma má notícia para demos bonitas, mas uma notícia útil sobre a realidade: por enquanto, autonomia não deve ser confundida com confiabilidade.