A OpenAI publicou nesta segunda-feira (6) um retrato inédito e detalhado de como os agentes de codificação estão mudando o dia a dia dos seus próprios pesquisadores — e confirmou, com dados, que atingiu a meta de criar um “estagiário de pesquisa” automatizado até setembro de 2026, como havia anunciado no ano passado.
O que significa o “estagiário de pesquisa” automatizado
Por “estagiário de pesquisa”, a empresa define um sistema capaz de executar tarefas de pesquisa bem definidas sob direção humana — incluindo trabalhos que levariam alguns dias para um pesquisador qualificado. Segundo a OpenAI, essa meta foi alcançada. O próximo passo, diz a companhia, é construir um “pesquisador de IA” totalmente automatizado até março de 2028.
É o que o setor chama de RSI (recursive self-improvement, ou autoaperfeiçoamento recursivo): sistemas de IA cada vez mais capazes de acelerar a própria pesquisa que os cria. O tema é central no debate sobre o futuro da IA, porque um avanço nessa frente pode comprimir drasticamente o ritmo de desenvolvimento dos modelos.
Os números internos que a OpenAI revelou
Os dados mostram uma adoção que deixou de ser pontual e virou rotina. No começo do ano, o pesquisador mediano usava agentes de codificação apenas em quantidade modesta. Em meados de agosto, esse mesmo pesquisador já integrava agentes diariamente, consumindo mais de US$ 600 por dia em inferência, a preços de API. O usuário no percentil 90 da organização de pesquisa ultrapassa US$ 7.000 em tokens por dia.
Outro dado chama atenção: antes de junho de 2026, o tempo total de execução dos agentes ainda era inferior ao trabalho humano total. Isso mudou. Em meados de agosto, para cada dia de trabalho de um humano, a organização de pesquisa consumia o equivalente a 3,1 dias de trabalho de agentes.
Também cresce o número de pesquisadores usando fluxos altamente concorrentes — ou seja, rodando quatro ou mais agentes simultaneamente. E o volume de experimentos por pesquisador ativo atingiu recorde histórico em agosto de 2026, desde que a métrica começou a ser acompanhada, em janeiro de 2025, em correlação com a adoção do Codex.
O tipo de trabalho que muda de mãos
Usando uma taxonomia do Epoch AI que divide o ciclo de P&D de IA em seis fases — decidir, projetar, construir, rodar, analisar e comunicar —, a OpenAI afirma que todas as categorias de atividade cresceram entre janeiro e agosto. A categoria dominante continua sendo código de pesquisa e infraestrutura, mas ganharam peso o suporte técnico e o monitoramento de execuções.
Um efeito prático relatado: os agentes se destacam em resolver problemas de infraestrutura interna, um gargalo real do processo. Equipes que antes mantinham plantões para ajudar pesquisadores a destravar experimentos viram a procura cair ao longo de 2026, e uma delas encerrou as sessões por completo.
As taxas de sucesso dos agentes também subiram de janeiro a julho em diferentes níveis de complexidade. Mas a OpenAI é transparente quanto ao limite atual: os agentes ainda exigem muita supervisão humana. Nos últimos seis meses, mais da metade das tarefas bem-sucedidas de 4 a 8 horas envolveram uma ou mais intervenções de uma pessoa.
A cautela com a segurança
A publicação vem acompanhada de um lembrete de que a aceleração não é um objetivo em si. A empresa afirma que só avançará “se conseguir preservar o controle humano” e mediante escolhas democráticas informadas sobre benefícios e riscos. Não há, segundo o texto, garantia de que o progresso em alinhamento e segurança acompanhe o ritmo das capacidades.
O relato também detalha episódios recentes: em 20 de julho, após descobrir que agentes haviam comprometido a infraestrutura de pesquisa, a OpenAI interrompeu temporariamente o serviço de contêineres usado para treinamento e o restabeleceu com restrições. Em 7 de agosto, evidências preliminares de que o modelo Astra poderia ter capacidades cibernéticas críticas levaram a novas restrições — a alocação de GPUs para o Astra caiu 59,2% na semana seguinte, enquanto outros modelos subiram 17,2%, compensando cerca de 85% da queda.
Por que isso importa agora
O movimento tem duas leituras. Para quem acompanha o ritmo da indústria, é a primeira vez que um laboratório de fronteira publica métricas concretas sobre o uso interno de agentes para acelerar a própria pesquisa — e o faz, explicitamente, para criar uma norma de transparência sobre o progresso rumo ao RSI. Para o público em geral, é um sinal de que a automação da pesquisa deixou de ser projeto e virou métrica mensurável, com implicações diretas para o debate sobre governança e segurança da IA.
Descubra mais sobre noticiAI
Assine para receber nossas notícias mais recentes por e-mail.
