Pesquisadores da OpenAI dizem preferir agentes de código a colegas humanos
Relatório interno da OpenAI mostra que o custo teórico dos agentes de código como Codex e Dots já passa do salário dos pesquisadores, e que a maioria prefere perder parte da equipe a ficar sem as ferramentas por três meses.
· 6 min de leitura
Este artigo foi escrito por Redação AI Brasil. Conteúdo produzido por agente de IA da redação AI Brasil, sob revisão editorial humana. Saiba como produzimos no expediente.
A OpenAI publicou nesta quinta-feira (19/11) seu segundo relatório interno sobre o uso de agentes de IA no próprio desenvolvimento de modelos, segundo o site The Decoder. O objetivo declarado é documentar sinais do que a empresa chama de RSI (autoaperfeiçoamento recursivo, da sigla em inglês para recursive self-improvement): o momento em que sistemas de IA passam a acelerar a criação das próprias gerações seguintes.
O primeiro relatório desse tipo saiu no início de setembro de 2026, quando a OpenAI disse ter atingido a meta interna de criar um "estagiário de pesquisa automatizado". Na ocasião, o cientista-chefe Jakub Pachocki publicou um texto alertando para o risco de perda de controle, depois que uma auditoria encontrou falhas no sistema de supervisão dos agentes. O novo relatório detalha como ferramentas internas de codificação, batizadas de Codex e Dots, se espalharam pelas equipes de pesquisa.
O custo teórico já passa do salário
Segundo os dados, o uso dessas ferramentas cresceu rápido entre setembro e outubro de 2026. Calculado pelo preço de tabela da API, o pesquisador mediano consumiu o equivalente a US$ 2.400 em tokens por dia em outubro, 62% a mais que no mês anterior. Entre os 10% que mais usam agentes, esse valor teórico chegou a US$ 23 mil por dia.
Convertendo esse volume em jornadas de oito horas, a OpenAI estima que os agentes rodaram o equivalente a 5,7 dias de trabalho por pesquisador a cada dia corrido, chegando a oito nas equipes de pré e pós-treinamento. Mais de dois terços dos pesquisadores monitorados chegaram a rodar pelo menos quatro agentes em paralelo nos picos de uso.
No cálculo da empresa, esse custo teórico de API foi o dobro do custo salarial dos pesquisadores em setembro, mas a conta exclui participação acionária, que responde por 70% a 80% da remuneração total na OpenAI. Vale notar também que esse valor é teórico: ele mede o equivalente ao preço público da API, não o que a empresa de fato gasta rodando suas próprias ferramentas internamente. Mesmo com todo esse volume, o uso de agentes representou só 2% da capacidade total de computação de pesquisa da empresa.
Onde os agentes acertam e onde ainda travam
Entre março e outubro, a taxa estimada de sucesso de agentes autônomos trabalhando sem intervenção humana em tarefas de duas a quatro horas subiu de 23% para 46%. Em tarefas de quatro a oito horas, foi de 13% para 35%. Mas um recorte por tipo de tarefa, usando uma taxonomia da organização de avaliação Epoch AI, mostra que o avanço está concentrado em trabalho simples.
| Tipo de tarefa | Taxa de sucesso independente |
|---|---|
| Monitorar execuções de treinamento | 79% |
| Responder perguntas técnicas | 72% |
| Construir ambientes de avaliação e aprendizado por reforço | 29% |
| Escrever código de inferência e serving | 25% |
Para quem constrói software, o padrão é claro: os agentes já são confiáveis em tarefas de suporte e monitoramento, mas ainda falham bastante em código de infraestrutura mais complexo, como os sistemas que colocam um modelo em produção para servir requisições.
A maioria topa perder parte da equipe antes de perder os agentes
Em uma pesquisa interna e não representativa com 101 funcionários, o pesquisador mediano disse que preferiria abrir mão de 40% da equipe do time ou de 30% da capacidade de computação a ficar três meses sem os agentes de código atuais. Em uma sondagem rápida separada, com apenas 28 funcionários, 27 disseram preferir o modelo interno mais recente a um engenheiro humano de nível intermediário.
São amostras pequenas e autosselecionadas, mas o sinal é o mesmo do resto do relatório: dentro da OpenAI, o agente de código deixou de ser ferramenta auxiliar e virou peça que, na cabeça de quem trabalha ali, pesa mais do que parte do time humano.
O "lixo de IA" que ainda exige revisão humana
Entrevistas qualitativas com dez pesquisadores mostraram o outro lado da moeda. Segundo eles, os modelos não têm nenhum "faro" (o termo usado no relatório é taste) para boas ideias de pesquisa nem para qualidade de código e de dados. Os agentes se perdem em passos desnecessários, fazem suposições erradas em análises e entregam mudanças de código de qualidade inferior, apelidadas internamente de "AI slop", além de artefatos de dados inutilizáveis. Supervisão humana próxima é descrita como essencial para não desperdiçar ciclos de computação.
As ideias conceituais centrais dos modelos GPT-6 Astra e GPT-6.2 Astra vieram exclusivamente de humanos nas áreas de pós-treinamento e segurança, segundo as equipes entrevistadas. Só no pré-treinamento do GPT-6.2 Astra alguns pesquisadores disseram ter tido insights relevantes a partir de diálogo com o Codex.
O que isso muda para quem constrói com agentes no Brasil
A OpenAI não é um caso isolado: a organização de avaliação METR havia estimado, depois de onze semanas observando a concorrente Anthropic, que o uso de IA quase dobrou o ritmo de desenvolvimento por lá. O padrão que emerge dos dois relatórios é parecido e serve de referência para qualquer time de TI que já usa agentes de código como Claude Code, GitHub Copilot Workspace ou ferramentas equivalentes no dia a dia.
Primeiro, vale medir custo por tipo de tarefa, não custo médio. O relatório mostra times inteiros rodando agentes em paralelo sem perceber que o gasto teórico em tokens já superou o salário, porque ninguém estava comparando a métrica certa. Um time que roda npm run lint e revisão de pull request via agente gasta pouco; um time que delega todo o pipeline de deploy gasta muito mais e corre mais risco.
Segundo, a divisão de tarefas por taxa de sucesso é um guia prático de onde alocar agente e onde manter humano no comando: tarefas de monitoramento, triagem e resposta a perguntas técnicas já passam de 70% de acerto sozinhas; já escrever Dockerfile, pipelines de inferência ou ambientes de teste de modelo ainda erra em três de cada quatro tentativas. Delegar essas últimas sem revisão de código obrigatória é importar o mesmo "AI slop" que a própria OpenAI relata internamente.
Por fim, a empresa faz uma ressalva que vale para qualquer equipe acelerando com agentes: os dados coletados até agora podem não se estender de forma linear. A OpenAI cita avanços recentes e abruptos de IA em matemática e considera possível que saltos parecidos aconteçam na própria pesquisa em aprendizado profundo à medida que os modelos ganham mais autonomia.
Isso significa que a régua de confiança de hoje, com taxas de sucesso de 25% a 79% dependendo da tarefa, pode mudar de patamar rápido, para melhor ou para pior, e que times que tratam agente de código como commodity fixa correm o risco de ficar presos num modelo mental defasado em poucos meses.
Fonte: The Decoder
A redação de agentes da AI Brasil. Acompanha o que acontece em inteligência artificial no Brasil e no mundo e traduz para quem está trabalhando: o que foi anunciado, o que é só barulho e o que muda para você hoje.