A inteligência artificial virou um espelho que devolve respostas diferentes, dependendo de quem está olhando. Para alguns, ela já se comporta como colega de trabalho incansável, acelerando tarefas e reorganizando rotinas. Para outros, é apenas um mecanismo de busca com uma camada de conversa por cima. E há quem enxergue o movimento como superestimado, embalado por marketing, expectativas e interesses financeiros. O resultado é um debate cada vez mais polarizado: a IA é a próxima revolução industrial ou uma promessa inflada que não entrega na mesma velocidade com que é anunciada?
Parte dessa divergência se tornou especialmente visível depois que um ensaio viral, assinado por um CEO e investidor do setor, afirmou que a IA está chegando para qualquer profissão que envolva “sentar em frente a um computador”. O texto inflamou discussões sobre automação do trabalho do conhecimento e a possibilidade de agentes assumirem tarefas inteiras, da análise ao desenvolvimento de software. Mas, por trás do choque, existe uma explicação menos dramática e mais prática: quando diferentes tecnologias são chamadas pelo mesmo nome, a percepção pública fica inevitavelmente embaralhada.
A reportagem sustenta que o rótulo “IA” passou a cobrir um espectro enorme de ferramentas e capacidades. E é nesse ponto que entram duas variáveis que reorganizam a conversa: o nível de exposição das pessoas à tecnologia e a forma como elas a utilizam. “Existe um amplo espectro de quanto as pessoas foram expostas à tecnologia, quanto a usaram”, disse Matt Murphy, sócio da Menlo Ventures que liderou investimentos em empresas de IA, incluindo a Anthropic. “E isso também está mudando bem rápido.”
Essa diferença de exposição aparece, de maneira concreta, na separação entre experiências gratuitas e pagas. Usuários que acessam versões gratuitas geralmente enxergam a IA como apoio para tarefas pontuais, como listas de compras, planejamento de férias e criação de textos simples. A leitura tende a ser a de uma ferramenta útil, mas limitada, com restrições de uso e menos profundidade. Já quem paga entra em outra categoria de produto: mais capacidade, menos barreiras e, principalmente, acesso a agentes, sistemas que fazem mais do que responder. Eles executam partes do trabalho.
Essa disparidade é retratada até em números. Um relatório da Menlo Ventures, citado na matéria, estimou que apenas 3% dos usuários de IA eram assinantes pagos. Murphy afirmou à CNN que espera mudança rápida desse quadro, o que sugere um deslocamento importante: conforme recursos avançados migram para planos de assinatura e, ao mesmo tempo, parte deles começa a “vazar” para faixas gratuitas, a fronteira entre o que a IA “é” fica mais difícil de definir em uma única frase.
Os exemplos citados ajudam a entender por que o tema “impacto no emprego” volta ao centro. O agente Claude Cowork, da Anthropic, aparece como recurso disponível a partir do plano Pro de US$ 20 por mês. O mesmo vale para o agente de codificação Codex, da OpenAI. A lógica é simples: quando uma ferramenta deixa de ser um chatbot que redige respostas e passa a atuar como executor de tarefas, a discussão sai do campo da produtividade individual e encosta no desenho de funções inteiras.
É nesse cenário que o ensaio viral de Matt Shumer, investidor e CEO da startup Otherside AI, entra como gasolina. Ele descreve um uso em que a IA assumiria uma cadeia completa de desenvolvimento. “Vou dizer para a IA: ‘Quero construir esse app. Aqui está o que ele deve fazer, mais ou menos como deve ser. Descubra o fluxo de usuários, o design, tudo isso.’ E realmente faz. Ele escreve dezenas de milhares de linhas de código”, escreveu Shumer.
A matéria mostra que esse tipo de relato não passa sem contestação. Shumer já havia sido criticado anteriormente por alegações sobre desempenho de modelo e, segundo o texto, pesquisadores o acusaram de exagerar em 2024. Ele pediu desculpas e disse à CNN que foi o “maior erro” de sua “vida profissional” e que aprendeu com o processo. Ainda assim, permanece a divergência central: mesmo com planos pagos, muitos especialistas duvidam que os casos de uso descritos sejam reproduzíveis da forma como foram apresentados, especialmente porque ele foi vago sobre modelo e especificações do aplicativo.
Quando pressionado, Shumer diz à CNN que utiliza principalmente a ferramenta GPT-5.3 Codex da OpenAI e que está trabalhando em um “aplicativo de complexidade média a alta” para teste. O detalhe importa porque, na prática, a avaliação de capacidade depende de contexto: tipo de tarefa, critérios de qualidade, ambiente de execução, revisão humana e o quanto do trabalho foi realmente delegado.
A reportagem também dá voz a quem observa o fenômeno do ponto de vista educacional e empresarial, chamando atenção para um erro comum nas discussões públicas: generalizar o que se viu em uma versão gratuita para julgar o potencial inteiro da tecnologia. Emily DeJeu, professora que ministra cursos sobre IA em negócios na Carnegie Mellon University, afirma que seria “equivocado” fazer suposições sobre as capacidades da IA com base apenas em serviços gratuitos.
O contraste é explicado com uma analogia que vai direto ao ponto. Oren Etzioni, professor emérito da Universidade de Washington e ex-CEO do Allen Institute for Artificial Intelligence, compara os níveis gratuitos e pagos a estágios de maturidade de um profissional. Ele descreve a diferença como a de um estagiário entusiasmado, porém inexperiente, versus um estagiário experiente e trabalhador. Para ele, as versões gratuitas são boas para resumos e geração de conteúdo, enquanto tarefas como pesquisa profunda e redação de documentos sofisticados tendem a exigir pagamento. Ele ainda delimita riscos de confiança excessiva: embora a IA gratuita possa “dar conselhos surpreendentemente bons” e “dialogar com você em um diálogo surpreendentemente sofisticado, você não gostaria de usar um desses conselhos como seu advogado ou mesmo como assistente jurídico”, disse ele.
Ao mesmo tempo, a linha que separa “grátis” e “pago” não é estática. A reportagem aponta que empresas vêm trazendo recursos avançados para a faixa gratuita, e cita a leitura de James Landay, cofundador do Stanford Institute for Human Centered AI, que diz não ver grande diferença entre IA gratuita e o paywall. Um exemplo mencionado é o lançamento de um novo modelo chamado Sonnet 4.6 pela Anthropic, descrito como um passo para aproximar desempenho de modelos mais avançados, antes restritos a planos pagos.
O pano de fundo dessa conversa é uma tensão que não é apenas tecnológica, mas econômica e cultural. De um lado, o medo de automação ampla do trabalho do conhecimento cresce com o avanço de ferramentas que “fazem” e não apenas “respondem”. Do outro, surge um ceticismo cada vez mais barulhento sobre se a IA está correspondendo às promessas mais grandiosas e sobre o quanto a adoção real acompanha a narrativa.
A reportagem relembra estudos que questionam desempenho em tarefas específicas e chama atenção para resultados que frustram expectativas de produtividade automática. Um grupo de pesquisadores do Center for AI Safety e Scale AI teria encontrado falhas em tarefas como visualização de dados e programação de videogames. A organização Model Evaluation and Threat Research, por sua vez, teria identificado que desenvolvedores demoraram 19% mais para trabalhar em código ao usar IA, em pesquisa baseada em ferramentas do início de 2025.
Nesse ponto, Landay também contesta a ideia de que programação seja prova universal de substituição de trabalho. A IA pode acelerar desenvolvimento, mas ainda erra, e não se escreve sozinha. O argumento é que programação tem estrutura lógica, mais fácil de validar, testar e medir. “(Programação) também é uma estrutura lógica, o que é uma ótima opção para uma máquina também testar o código e ver se funciona”, disse ele. “O trabalho de muitas pessoas não é estruturado dessa forma.”
No fim, o debate sobre a IA parecer “revolucionária” ou “superestimada” pode estar menos ligado a uma resposta definitiva e mais ao tipo de IA que se está usando, em qual contexto, com quais limites e com qual responsabilidade. Quando parte do público experimenta apenas funções básicas e outra parte convive com agentes que executam tarefas, a mesma sigla passa a significar coisas distintas. É nesse desalinhamento que a conversa se acirra. E é também nele que se decide a próxima fase: se a IA será incorporada como infraestrutura do trabalho ou permanecerá como promessa maior do que a prática.
fonte: CNN Brasil
Acesse as verticais Revna a seguir, para obter mais detalhes:
Serviços: Assessment de TI / Data Science
Soluções: Inteligência Artificial / Business Analytics
