O alerta da METR sobre velocidade e medição
A organização de pesquisa em segurança de inteligência artificial METR sustenta que os dados públicos disponíveis hoje não bastam para descartar um salto drástico na pesquisa em IA nos próximos anos. A consequência apontada pela entidade é que a capacidade de avaliar riscos pode ficar para trás da velocidade de evolução dos modelos.
O diagnóstico da METR é que a medição do avanço ficou mais difícil justamente quando o avanço acelerou. Em tarefas de programação e computação bem definidas, com retorno direto, os modelos já superam profissionais humanos experientes na maioria das tentativas — embora ainda não vençam grandes grupos de especialistas de ponta.
O número que resume o ritmo
O dado mais concreto é o tempo de tarefa que os sistemas conseguem concluir. A cada 3,6 meses, o horizonte de duração que um modelo resolve sem auxílio dobra. Numa extrapolação simples de seus próprios dados, a METR chega a 50% de acerto em tarefas de 200 horas até julho de 2027 — cenário que a própria organização trata como ingênuo, mas que dimensiona a ordem de grandeza do salto em curso.
| Métrica | O que a METR reporta |
|---|---|
| Tarefas de código com retorno direto | modelos superam profissionais experientes na maioria das vezes |
| Tempo de tarefa resolvido | dobra a cada 3,6 meses |
| Tarefa mais longa avaliada | 200 horas |
| Projeção de 50% de sucesso | julho de 2027, por extrapolação simples |
Onde os modelos ainda tropeçam
Duas frentes resistem: perguntas abertas, sem retorno imediato, que exigem julgamento real; e situações difíceis de reproduzir em ambiente de treinamento. A METR acrescenta uma crítica metodológica: testes comuns, fáceis de rodar, tendem a superestimar o desempenho em uso real, porque as empresas treinam seus modelos em ambientes muito parecidos com esses mesmos testes.
O que isso significa para o investidor
Para quem acompanha a bolsa, o recado é de risco de mensuração — não de recomendação. Empresas e setores que sustentam valor de mercado na promessa da IA dependem de métricas confiáveis de capacidade e de segurança para que o mercado precifique risco. Quando o próprio instituto de pesquisa afirma que os dados públicos não permitem descartar uma aceleração abrupta, o investidor opera com menos visibilidade sobre o calendário de regulação, de licenciamento e de eventuais restrições aos modelos.
A METR não apresenta um cronograma fechado para riscos catastróficos: o que a entidade afirma é que a ausência de dados suficientes impede negar a possibilidade de aceleração. Para a alocação de longo prazo, isso desloca a atenção do anúncio de novos modelos para a infraestrutura de avaliação — quem consegue medir, testar e auditar sistemas passa a deter informação relevante numa cadeia em que a opacidade é o principal custo.

