The Overhang: o abismo entre o que a IA já consegue fazer e o que realmente usamos

Em seu novo ensaio, Ethan Mollick — professor da Wharton e uma das vozes mais influentes sobre IA aplicada — cunha um conceito que ajuda a explicar o momento atual: o “capability overhang”, o abismo entre o que os modelos já conseguem fazer e o que a maioria das pessoas e empresas realmente usa deles.

A curva continua exponencial

Mollick argumenta que a ansiedade sobre modelos futuros — e sobre como controlá-los — é legítima, mas desvia a atenção de um fato incômodo: os modelos que já existem são suficientes para impacto transformador em largas porções da economia. GPT-6 Astra e Fable 5.1, segundo ele, já executam “semanas de trabalho humano” quando bem orientados.

Dois experimentos que mostram o ponto

Ele ilustra com exemplos concretos: transformou Zork, um jogo de texto de 1977, em um jogo de ação 3D completo — a IA teve de decidir a aparência de cada cenário e personagem que o original nunca descreveu. E usou o Fable 5.1 para reconstruir em 3D a biblioteca de Umberto Eco, cruzando vídeos, fotos das estantes e catálogos para posicionar cerca de 5 mil livros entre 27 mil vagas de prateleira, marcando cada item como certo, suposição ou desconhecido.

As quatro vantagens humanas

Diante desse cenário, Mollick propõe quatro diferenciais que seguem sendo humanos: conhecimento profundo (saber o bastante para guiar a IA), conhecimento amplo (conhecer as técnicas que a IA tem, mas não oferece espontaneamente), gosto (saber selecionar entre os resultados baratos que a IA gera em massa) e agência (a disposição de testar os limites do que é possível quando ninguém sabe exatamente o que a IA consegue).

A conclusão incômoda

Mesmo que todos os laboratórios parassem de treinar modelos amanhã, escreve Mollick, o sobrehang de capacidade permaneceria. A mudança virá de qualquer forma — desigualmente, mas de forma inevitável. O que não está decidido é o tipo de mudança: se a IA amplia ou apenas substitui o trabalho humano. Para ele, desenvolver modelos de trabalho humano-IA que potencializem em vez de substituir é a tarefa mais urgente — individual e socialmente.