IA enfrenta impasse sobre como chegar à inteligência geral

A indústria de inteligência artificial vive um momento de inflexão sobre o caminho até a chamada Inteligência Artificial Geral (AGI), afirmou ao Olhar Digital Gabriel Cunha, especialista em IA da Oracle, em texto publicado neste domingo (4 de outubro de 2026). A dúvida central é se os modelos existentes conseguem evoluir o bastante por conta própria ou se será necessário repensar a forma como as máquinas aprendem. A resposta define para onde vão os bilhões investidos no setor.

Segundo o Olhar Digital, pesquisadores e empresas não chegam a um consenso sobre um ponto específico: ampliar o tamanho dos modelos, o volume de dados e a capacidade computacional seria suficiente para produzir uma inteligência de alcance geral.

Uma corrente defende que as arquiteturas em uso ainda têm margem de avanço e que ganhos relevantes virão de modelos maiores, mais dados e mais poder de processamento, conforme o texto.

Do outro lado, Yann LeCun, da AMI Labs, questiona se modelos de linguagem, mesmo levados a escalas muito superiores, dariam conta de representar a amplitude das capacidades da inteligência humana, de acordo com o artigo.

Para Gabriel Cunha, o problema é de natureza conceitual. "Inteligência não se resume a prever a próxima palavra ou produzir uma resposta coerente", disse o especialista da Oracle ao Olhar Digital.

Entenda os termos

Os grandes modelos de linguagem são sistemas treinados para processar e gerar texto. Produtos como o ChatGPT já interpretam comandos, redigem textos, escrevem códigos de programação e sintetizam informações — tarefas que antes dependiam de intervenção humana, segundo o material publicado.

A AGI, por sua vez, descreve um estágio diferente: um sistema capaz de aprender, raciocinar, perceber o ambiente e se adaptar de forma ampla, e não apenas executar bem um conjunto de tarefas definidas. Essa distinção está no centro do debate relatado: desempenho alto em atividades específicas não equivale, por si só, a inteligência geral.

Conforme o artigo, a próxima fase do desenvolvimento passa por identificar exatamente o que ainda falta para que os sistemas atinjam esse patamar — da percepção à capacidade de se adaptar a situações novas.

O debate técnico tem consequência financeira direta, porque define onde o dinheiro do setor será aplicado nos próximos anos. O volume envolvido aparece no desempenho comercial das empresas de IA: em julho de 2026, a receita anualizada da Anthropic ultrapassou a marca de US$ 65 bilhões, enquanto ao término de 2025 esse indicador estava em US$ 9 bilhões, segundo números do TechCrunch citados pelo Olhar Digital. Receita anualizada é a projeção anual feita a partir do faturamento de um período curto.

Para o usuário brasileiro, o impacto é mais prático do que imediato. Se a aposta no aumento de escala prevalecer, a tendência é de versões cada vez mais potentes das ferramentas já conhecidas, com custos de infraestrutura crescentes. Se vencer a tese de que são necessárias novas abordagens, o setor pode passar por uma mudança de rota, com efeito sobre produtos, serviços e investimentos.

Vale a distinção que atravessa o texto: escrever um código funcional, resumir um relatório ou gerar uma imagem são tarefas delimitadas. Lidar com um contexto inédito, perceber o mundo e ajustar o próprio comportamento é outro tipo de exigência, e é nela que, segundo os especialistas ouvidos, os sistemas atuais ainda encontram limites.

O indicador mais objetivo a acompanhar é o comportamento das receitas das empresas de IA, que sinaliza o apetite do mercado pela corrida em curso. Também convém observar os anúncios técnicos sobre arquiteturas diferentes dos modelos de linguagem puros e os critérios que a indústria adotar para medir avanços rumo à inteligência geral.

Até a publicação do texto do Olhar Digital, não havia definição de prazo nem consenso técnico sobre qual caminho prevalecerá.

Com informações de Olhar Digital.