Líderes de IA dizem que sistemas em nível humano estão se aproximando rapidamente

O rápido progresso na inteligência artificial está forçando governos e instituições a enfrentar um caminho muito mais curto em direção a sistemas em nível humano do que se esperava anteriormente. Líderes da indústria agora afirmam que a diferença entre as ferramentas atuais e a inteligência artificial geral está diminuindo rapidamente. À medida que o desenvolvimento acelera, preocupações sobre empregos, governança e estabilidade econômica passam a ocupar o centro do debate.

Amodei diz que IA em nível humano pode chegar em anos, não décadas

No Fórum Econômico Mundial em Davos, o CEO da Anthropic, Dario Amodei, alertou que os formuladores de políticas podem não estar preparados para a velocidade com que a IA avançada está se aproximando. Ao lado do CEO da DeepMind, Demis Hassabis, Amodei argumentou que sistemas sociais e mercados de trabalho provavelmente não vão se adaptar no mesmo ritmo do progresso técnico. Em sua visão, o tempo de preparação está diminuindo, não aumentando.

Amodei reiterou sua crença de que a IA em nível humano provavelmente está a poucos anos de distância. Ele disse que suas projeções anteriores ainda valem e que o progresso continuou em uma curva acentuada. Capacidades sobre-humanas, segundo sua estimativa, poderiam chegar já em 2026 ou 2027. Em suas palavras, é difícil ver como o desenvolvimento poderia se estender muito além desse período.

Grande parte dessa velocidade vem do fato de que os sistemas de IA estão cada vez mais ajudando em seu próprio desenvolvimento. Na Anthropic, disse Amodei, engenheiros de software já estão passando de escrever código para supervisionar a produção gerada por IA. Agora, engenheiros gastam mais tempo revisando e corrigindo código do que produzindo do zero. Em seis a doze meses, ele sugeriu, modelos de IA podem realizar a maioria das tarefas de programação do início ao fim.

Várias forças impulsionam esse ciclo:

• Modelos de IA agora geram grandes porções de código em nível de produção.
• Engenheiros atuam principalmente como revisores, não como autores principais.
• Melhorias no treinamento alimentam diretamente atualizações mais rápidas dos modelos.
• O fornecimento de hardware limita a velocidade mais do que a capacidade de pesquisa.
• Ciclos de desenvolvimento mais curtos comprimem os prazos de adoção.

Hassabis, da DeepMind, estima 50% de chances para AGI até 2030

Embora reconheça o forte progresso, Hassabis argumentou que nem todas as áreas são igualmente adequadas à automação. Áreas como programação e matemática são alvos mais fáceis porque os resultados podem ser rapidamente verificados. Outras disciplinas, especialmente as ciências naturais, dependem de experimentos que exigem tempo e recursos.

A descoberta científica, disse ele, continua sendo uma grande barreira. Os sistemas atuais podem resolver problemas bem definidos, mas têm dificuldade em gerar novas perguntas ou teorias. Produzir hipóteses originais, em sua visão, representa um dos mais altos níveis de criatividade humana. A IA ainda não demonstrou habilidade confiável nessa área, e permanece incerto quando — ou se — essa lacuna será fechada.

Por causa desses limites, Hassabis avaliou as chances de alcançar AGI até 2030 em cerca de cinquenta por cento. Ele apontou a diferença entre computação rápida e inovação genuína como uma incerteza chave. Ainda assim, ambos os executivos concordaram que a disrupção econômica deixou de ser uma preocupação distante.

Funções de colarinho branco estão cada vez mais expostas. Amodei já estimou anteriormente que até metade dos empregos profissionais de nível inicial poderiam desaparecer em cinco anos, e em Davos, manteve essa estimativa. O trabalho em escritórios, antes visto como protegido, agora enfrenta pressões de automação semelhantes às que remodelaram a manufatura décadas atrás.

Hassabis alertou que mesmo previsões econômicas cautelosas podem subestimar a velocidade da mudança. Cinco a dez anos, disse ele, não é muito tempo para que as sociedades se ajustem. Instituições criadas para transições mais lentas podem ter dificuldades para responder se as estruturas de trabalho mudarem de uma vez só.

A IA está corroendo a autonomia do trabalho muito antes de grandes demissões começarem

Para Amodei, o desafio já ultrapassou o campo da engenharia e se tornou uma crise de coordenação. Ele argumentou que os governos deveriam focar a maior parte de sua atenção na gestão dessa transição. Embora os riscos ligados ao uso indevido e à tensão geopolítica permaneçam administráveis, a margem para erro está diminuindo.

Principais pressões políticas emergentes do debate incluem:

• Mudanças no trabalho ocorrendo mais rápido do que os sistemas de requalificação existentes conseguem acompanhar.
• Lacunas regulatórias em torno de modelos poderosos de uso geral.
• Desigualdade crescente impulsionada pela automação do trabalho qualificado.
• Concentração de capacidades de IA em um pequeno número de grandes players.
• Coordenação global limitada sobre padrões de segurança.

Alguns analistas trabalhistas acreditam que a disrupção pode chegar por meio de reestruturação de empregos, e não pela substituição direta. Bob Hutchins, CEO da Human Voice Media, disse que funções profissionais estão sendo divididas em tarefas menores e mais monitoradas de perto. Algoritmos gerenciam cada vez mais fluxos de trabalho que antes eram controlados por trabalhadores individuais.

De acordo com Hutchins, essa mudança altera como o trabalho é sentido e realizado. Funções criativas e técnicas passam de cargos de tomada de decisão para funções de verificação. Trabalhadores conferem resultados ao invés de moldar projetos. Com o tempo, esse processo pode retirar a autonomia dos empregos e reduzir salários, mesmo que os títulos permaneçam inalterados.

Em vez de perguntar se as máquinas vão substituir as pessoas, Hutchins argumentou que a atenção deveria se voltar para como a qualidade do trabalho é alterada. À medida que as tarefas se fragmentam e a supervisão aumenta, a própria identidade profissional pode se corroer. Governos e empregadores agora enfrentam um desafio que vai além de preservar o emprego: é preciso preservar o trabalho significativo à medida que as capacidades da IA continuam a se expandir.