Para cerca de 200 economistas e líderes do setor de tecnologia, a inteligência artificial (IA) pode causar uma transformação maior do que a Revolução Industrial na economia mundial.

Em declaração divulgada nesta segunda-feira, 13, eles afirmaram que a tecnologia "poderá se tornar 'radicalmente mais poderosa' na próxima década".

Para eles, os formuladores de políticas em todo o mundo precisam fazer mais para criar mecanismos de proteção para a tecnologia, sob o risco de "deslocamento de empregos em larga escala".

“A IA pode se tornar radicalmente mais poderosa nos próximos 10 anos”, escreveram os pesquisadores em um comunicado intitulado "We Must Act Now", ou "Precisamos Agir Agora", em tradução literal.

"Economistas, formuladores de políticas e líderes tecnológicos devem agir agora para compreender a economia da IA ​​transformadora e para construir os incentivos, as salvaguardas e as instituições necessárias para direcionar a IA em uma direção que complemente os humanos e beneficie a sociedade", afirmam.

Além de professores de universidades como Stanford e MIT, assinaram o documento 15 laureados com o Prêmio Nobel e os economistas-chefes da OpenAI e da Anthropic.

Jack Clark, cofundador da Anthropic; Eric Schmidt, ex-CEO do Google; e Vinod Khosla, investidor de capital de risco, também integram a lista.

E os empregos?

Os estudos mais recentes ainda não apontam uma substituição em massa de trabalhadores pela inteligência artificial, mas indicam mudanças na forma como as empresas contratam.

Uma pesquisa da Harvard Business School, do INSEAD e da Universidade de Toronto mostrou que startups apoiadas por capital de risco vêm reduzindo a contratação de profissionais em início de carreira enquanto ampliam a busca por funcionários mais experientes, refletindo a adoção de equipes menores apoiadas por IA.

Outro levantamento, publicado pelo Fundo Monetário Internacional (FMI), concluiu que a tecnologia ainda está concentrada em uma parcela relativamente pequena da força de trabalho, o que explica por que seus efeitos sobre o emprego permanecem limitados.

Onde mora o perigo da IA?

Até mesmo os grandes executivos de IA têm alertado para as possíveis ameaças da tecnologia.

Dario Amodei, um dos fundadores da Anthropic, por exemplo, afirmou recentemente que "a humanidade precisa acordar — e rápido".

"Para ser claro, acredito que, se agirmos com decisão e cautela, os riscos podem ser superados — eu diria até que nossas chances são boas. E há um mundo muito melhor do outro lado disso. Mas precisamos entender que este é um sério desafio civilizacional", escreveu em uma postagem em seu blog oficial.

Segundo Amodei, o estágio atual da tecnologia é comparável a uma “nação de gênios” digitais, que operam em data centers e dotada de capacidades superiores às humanas em diversas tarefas.

O avanço dos modelos de linguagem de larga escala (LLMs) provocou um impasse na comunidade científica. Estariam essas arquiteturas próximas de seus limites fundamentais, ou os problemas observados ainda seriam superáveis com novas abordagens?

Pesquisadores como Yann LeCun, Gary Marcus e Samy Bengio sustentam que os LLMs enfrentam barreiras estruturais profundas, enquanto laboratórios como OpenAI, Anthropic e DeepSeek defendem que margens de avanço continuam abertas com mudanças no paradigma de inferência e uso de ferramentas auxiliares.

O centro da disputa está em falhas persistentes dos modelos, como a alucinação — geração de informações falsas com aparência plausível —, que alguns pesquisadores consideram inevitável por razões matemáticas e computacionais.

Esses argumentos partem do princípio de que, como sistemas finitos, os LLMs sempre terão entradas para as quais não podem oferecer respostas corretas. Outros estudos apontam que os modelos falham ao tentar conciliar, ao mesmo tempo, geração fiel de informações, relevância contextual, controle de conhecimento e consistência semântica.

Outro ponto crítico para os especialistas é o desempenho dos modelos em tarefas de raciocínio simbólico. Um estudo recente conduzido por Samy Bengio e equipes da Apple mostrou que LLMs especializados em raciocínio entram em colapso quando enfrentam problemas com complexidade moderada a alta.

Mesmo com capacidade computacional e orçamento de tokens suficientes, esses sistemas demonstraram queda abrupta de desempenho, fenômeno descrito como "complete accuracy collapse", ou "colapso completo da precisão", em tradução literal.

Segundo os autores, os modelos processam instruções como sequências de predição, e não como execuções reais de algoritmos, o que impede avanços consistentes.

Yann LeCun, cientista-chefe de IA na Meta, afirma que a própria arquitetura dos LLMs representa um beco sem saída técnico.

Para ele, a linguagem sozinha não pode sustentar inteligência geral, pois representa uma fração mínima da banda cognitiva do cérebro humano.

LeCun propõe o abandono do modelo baseado em predição de tokens e a adoção de sistemas que integrem visão, ação no mundo físico e representação de causalidade — como os world models e arquiteturas de aprendizado preditivo.

Em contraste, outros pesquisadores como Ethan Mollick e Charlie Snell (UC Berkeley) argumentam que as métricas atuais de avaliação estão saturadas, e não a capacidade dos modelos.

Segundo essa visão, ganhos pequenos e marginais de acurácia em etapas únicas podem se transformar em melhorias exponenciais quando aplicados em tarefas longas e encadeadas.

Há registros de modelos como o GPT-5-Pro que resolveram problemas matemáticos abertos com raciocínio mantido por mais de 17 minutos, o que indicaria que a capacidade de raciocínio deliberado está em desenvolvimento — embora ainda limitada.

Com isso cresce o consenso de que LLMs puros não são suficientes para alcançar AGI (inteligência artificial geral). Em vez disso, a tendência parece combinar modelos de linguagem com componentes especializados: sistemas simbólicos, motores de busca, interfaces multimodais, controladores físicos e mecanismos de raciocínio orientado a metas.

Os LLMs seguem relevantes — mas como parte de um sistema maior e mais complexo, e não como solução única.