Líderes de IA afirmam que sistemas com nível humano estão se aproximando rapidamente

O rápido progresso da inteligência artificial está forçando governos e instituições a enfrentarem um caminho muito mais curto rumo a sistemas em nível humano do que se esperava anteriormente. Líderes da indústria agora dizem que a distância 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 rapidez com que a IA avançada está se aproximando. Ao lado do CEO da DeepMind, Demis Hassabis, Amodei argumentou que os sistemas sociais e os mercados de trabalho provavelmente não se adaptarão no mesmo ritmo do progresso técnico. Em sua visão, o tempo de preparação está diminuindo, e não aumentando.

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

Grande parte dessa velocidade vem do fato de que sistemas de IA estão cada vez mais auxiliando em seu próprio desenvolvimento. Na Anthropic, disse Amodei, engenheiros de software já estão migrando de escrever código para supervisionar saídas geradas por IA. Os engenheiros agora gastam mais tempo revisando e corrigindo código do que produzindo do zero. Em seis a doze meses, sugeriu ele, modelos de IA poderão lidar com a maioria das tarefas de programação do início ao fim.

Várias forças estão impulsionando esse ciclo:

• Modelos de IA agora geram grandes porções de código em nível de produção.
• Engenheiros atuam principalmente como revisores, e não como autores principais.
• Melhorias no treinamento levam diretamente a 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 cronogramas de adoção.

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

Embora reconheça o forte progresso, Hassabis argumentou que nem todos os campos são igualmente adequados 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. Sistemas atuais conseguem resolver problemas bem definidos, mas têm dificuldade em gerar novas questões ou teorias. Produzir hipóteses originais, em sua visão, representa um dos mais altos níveis de criatividade humana. A IA ainda não demonstrou capacidade confiável nessa área, e permanece incerto quando — ou se — essa lacuna será superada.

Por conta desses limites, Hassabis situou as chances de alcançar AGI até 2030 em aproximadamente cinquenta por cento. Ele apontou a diferença entre computação rápida e inovação genuína como uma das principais incertezas. Ainda assim, ambos os executivos concordaram que a disrupção econômica já não é mais uma preocupação distante.

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

Hassabis alertou que até mesmo previsões econômicas cautelosas podem subestimar a velocidade das mudanças. 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 emprego mudarem de uma só vez.

IA está corroendo a autonomia do trabalho muito antes do início de demissões em massa

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

Principais pressões políticas emergindo do debate incluem:

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

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

De acordo com Hutchins, essa mudança altera a forma e a sensação do trabalho. Funções criativas e técnicas passam de posições de tomada de decisão para funções de verificação. Os trabalhadores conferem resultados ao invés de moldar projetos. Com o tempo, esse processo pode retirar autonomia dos empregos e reduzir salários, mesmo que os títulos permaneçam os mesmos.

Em vez de perguntar se as máquinas substituirão as pessoas, Hutchins argumenta que a atenção deve 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 desgastar. Governos e empregadores agora enfrentam um desafio que vai além de preservar empregos, mas preservar o trabalho significativo à medida que as capacidades da IA continuam a se expandir.