Líderes em IA alertam: Sistemas com inteligência humana estão chegando mais rápido do que o previsto

O progresso rápido em inteligência artificial está forçando governos e instituições a enfrentarem um caminho muito mais curto para sistemas de nível humano do que se esperava anteriormente. Líderes da indústria agora dizem que a diferença entre as ferramentas atuais e a inteligência artificial geral está estreitando rapidamente. Conforme o desenvolvimento acelera, preocupações sobre empregos, governança e estabilidade econômica estão se tornando o centro do debate.

Amodei afirma que a IA de nível humano pode surgir em poucos anos, não em 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. Aparecendo ao lado do CEO da Google DeepMind, Demis Hassabis, Amodei argumentou que os sistemas sociais e mercados de trabalho provavelmente não vão se adaptar no mesmo ritmo que o progresso técnico. Em sua visão, o tempo de preparação está diminuindo, ao invés de aumentar.

Amodei reiterou sua crença de que a IA de nível humano está provavelmente a apenas alguns anos de distância. Ele disse que suas projeções anteriores ainda valem e que o progresso continuou em uma curva acentuada. Capacidades super-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 período.

Grande parte dessa velocidade vem dos sistemas de IA cada vez mais auxiliando em seu próprio desenvolvimento. Na Anthropic, disse Amodei, os engenheiros de software já estão mudando de escrever código para supervisionar a saída gerada pela IA. Os engenheiros agora passam mais tempo revisando e corrigindo código do que produzindo-o do zero. Em seis a doze meses, ele sugeriu, modelos de IA podem assumir a maioria das tarefas de codificação do início ao fim.

Diversas 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 primários.
• Melhorias no treinamento alimentam diretamente atualizações mais rápidas dos modelos.
• Limites de fornecimento de hardware determinam a velocidade mais do que a capacidade de pesquisa.
• Ciclos de desenvolvimento mais curtos comprimem os prazos de adoção.

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

Embora reconhecendo forte progresso, Hassabis argumentou que nem todos os campos são igualmente propensos à automação. Áreas como codificação e matemática são alvos mais fáceis porque os resultados podem ser rapidamente verificados. Outras disciplinas, especialmente as ciências naturais, dependem de experimentos que requerem tempo e recursos.

A descoberta científica, disse ele, continua sendo uma grande barreira. 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 níveis mais altos de criatividade humana. A IA ainda não demonstrou capacidade confiável nessa área, e permanece incerto quando — ou se — essa lacuna será fechada.

Por causa desses limites, Hassabis colocou 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. Mesmo assim, ambos os executivos concordaram que a disrupção econômica 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 nível inicial poderia desaparecer em cinco anos e, em Davos, ele manteve essa cifra. Trabalhos em escritórios, antes vistos como protegidos, agora enfrentam 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 sociedades se ajustarem. Instituições construídas para transições mais lentas podem ter dificuldades para responder se as estruturas de emprego mudarem de uma vez.

A inteligência artificial está minando a autonomia dos trabalhadores antes mesmo das demissões em massa

Para Amodei, o desafio se expandiu além da engenharia para uma crise de coordenação. Ele argumentou que os governos deveriam focar a maior parte da atenção na gestão da transição. Enquanto os riscos ligados ao uso indevido e à tensão geopolítica permanecem gerenciáveis, a margem de erro está diminuindo.

Principais pressões políticas emergentes do debate incluem:

• Mudanças no trabalho ocorrendo mais rápido do que os sistemas de requalificação existentes podem lidar.
• Lacunas regulatórias envolvendo modelos poderosos de propósito geral.
• Aumento da desigualdade impulsionado pela automação do trabalho qualificado.
• Concentração de capacidades de IA entre um pequeno número de grandes empresas.
• Coordenação global limitada em padrões de segurança.

Alguns analistas de trabalho acreditam que a disrupção pode chegar por meio da reestruturação dos empregos em vez de substituição direta. Bob Hutchins, CEO da Human Voice Media, disse que as 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.

Segundo Hutchins, essa mudança altera como o trabalho se sente e funciona. Funções criativas e técnicas passam de posições de tomada de decisão para papéis de verificação. Trabalhadores checam os resultados em vez de moldar projetos. Com o tempo, esse processo pode retirar dos empregos a autonomia e reduzir salários, mesmo que os títulos permaneçam os mesmos.

Em vez de perguntar se as máquinas irão substituir as pessoas, Hutchins argumentou que a atenção deve mudar para como a qualidade do trabalho é alterada. À medida que as tarefas se fragmentam e a supervisão aumenta, a identidade profissional pode se deteriorar. Governos e empregadores agora enfrentam um desafio que vai além de preservar empregos; trata-se de preservar o trabalho significativo conforme as capacidades da IA continuam a expandir-se.