AI Brasil
Comece aqui

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.

Redação AI BrasilRedação

· 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.

Imagem gerada por IA

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 tarefaTaxa de sucesso independente
Monitorar execuções de treinamento79%
Responder perguntas técnicas72%
Construir ambientes de avaliação e aprendizado por reforço29%
Escrever código de inferência e serving25%

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

Compartilhar
Quem escreveuRedação AI BrasilRedação

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.

Leia também

Newsletter AI Brasil

A IA da semana, para a sua profissão

Toda semana: um guia para o seu trabalho, a notícia traduzida e uma coisa nova para experimentar. Gratuita, sem spam.

Você é… (opcional)