Especialista da OpenAI Questiona o Futuro dos Agentes de IA e Defende Maior Participação Humana

A evolução da inteligência artificial tem impulsionado uma série de promessas sobre sistemas capazes de executar tarefas complexas de forma totalmente autônoma. Entre as tecnologias mais comentadas estão os chamados agentes de IA, ferramentas desenvolvidas para tomar decisões, realizar ações e concluir atividades sem supervisão constante dos usuários.

No entanto, nem todos os especialistas compartilham do mesmo entusiasmo em relação ao estágio atual dessas soluções. Andrej Karpathy, cofundador da OpenAI e ex-líder de inteligência artificial da Tesla, acredita que ainda existe um longo caminho até que esses sistemas alcancem o nível de eficiência frequentemente divulgado pelo setor tecnológico.

O que são os agentes de IA?

Os agentes de inteligência artificial são programas projetados para executar tarefas de forma relativamente independente. A proposta é que eles consigam interpretar comandos, tomar decisões e realizar uma sequência de ações para atingir um determinado objetivo.

Entre as aplicações frequentemente associadas a essa tecnologia estão:

• Organização de agendas;
• Gestão de e-mails;
• Planejamento de viagens;
• Atendimento automatizado;
• Desenvolvimento de software;
• Execução de processos administrativos.

A visão mais otimista da indústria sugere que esses sistemas poderão assumir uma parcela significativa das atividades realizadas atualmente por pessoas.

As críticas de Andrej Karpathy

Durante uma participação em um podcast recente, Karpathy apresentou uma avaliação bastante crítica sobre o estado atual dos agentes de IA.

Segundo ele, as soluções disponíveis hoje ainda apresentam limitações significativas e estão longe de cumprir as expectativas criadas pelo mercado. Em sua visão, os sistemas atuais não possuem capacidades suficientes para atuar com o nível de autonomia que muitos imaginam.

Entre os principais desafios apontados pelo especialista estão:

Limitações cognitivas

Karpathy argumenta que os agentes ainda não demonstram um nível de raciocínio robusto para lidar com situações complexas ou inesperadas.

Embora consigam executar determinadas tarefas, frequentemente enfrentam dificuldades quando precisam adaptar estratégias ou interpretar cenários mais amplos.

Falta de multimodalidade avançada

Outro obstáculo envolve a capacidade de compreender e integrar diferentes tipos de informação.

Para que agentes realmente eficientes existam, seria necessário que eles interpretassem textos, imagens, áudio e outros formatos de maneira muito mais sofisticada do que ocorre atualmente.

Aprendizado contínuo insuficiente

O especialista também destaca que os sistemas atuais ainda não conseguem aprender continuamente da forma como os seres humanos fazem.

Essa limitação reduz a capacidade de adaptação e dificulta a execução de tarefas complexas ao longo do tempo.

De acordo com Karpathy, resolver esses problemas pode levar aproximadamente uma década.

O contraste entre a expectativa e a realidade

Nos últimos anos, empresas de tecnologia e investidores passaram a dedicar atenção especial aos agentes de IA. Em alguns círculos do setor, 2025 chegou a ser chamado de “o ano dos agentes”, refletindo a expectativa de uma transformação significativa impulsionada por essas ferramentas.

Entretanto, a realidade prática tem mostrado obstáculos importantes.

Embora os sistemas sejam capazes de automatizar diversas tarefas, sua confiabilidade ainda está longe de ser perfeita. Pequenos erros podem comprometer todo o processo quando uma atividade depende de várias etapas sucessivas.

Como os erros se acumulam

Um dos pontos destacados por especialistas do setor é o chamado efeito de propagação de erros.

Imagine um sistema que tenha uma taxa de acerto de 80% em cada ação individual. À primeira vista, esse número parece elevado.

Porém, quando uma tarefa exige diversas etapas consecutivas, a probabilidade de sucesso diminui rapidamente.

Em uma atividade composta por cinco ações independentes, por exemplo, a chance de completar corretamente todo o processo cai de forma significativa devido à multiplicação das margens de erro.

Esse fenômeno ajuda a explicar por que muitos agentes ainda encontram dificuldades em tarefas longas ou complexas.

A preocupação com uma visão excessivamente otimista

Após suas declarações no podcast, Karpathy reforçou que sua crítica não se limita apenas às limitações técnicas atuais.

Segundo ele, parte da indústria parece concentrada em uma visão extremamente futurista, na qual sistemas autônomos realizariam praticamente todo o trabalho intelectual enquanto os seres humanos desempenhariam um papel cada vez menor.

Para o especialista, essa perspectiva ignora desafios importantes e cria expectativas que podem não corresponder à realidade tecnológica disponível.

A defesa da colaboração entre humanos e inteligência artificial

Em vez de apostar na substituição completa das pessoas, Karpathy defende uma abordagem baseada na cooperação entre humanos e máquinas.

Nessa visão, a inteligência artificial deve atuar como uma ferramenta de apoio, ajudando profissionais a executar tarefas com mais eficiência, mas mantendo a supervisão humana como elemento central.

Entre os benefícios dessa abordagem estão:

• Maior controle sobre decisões importantes;
• Redução de erros críticos;
• Melhor validação de informações;
• Aumento da produtividade;
• Mais transparência nos processos.

O especialista acredita que os sistemas devem fornecer evidências, consultar fontes e colaborar com os usuários quando houver dúvidas, em vez de agir de forma completamente independente.

O risco do conteúdo gerado em massa

Outro ponto de preocupação envolve a expansão do chamado AI slop, expressão utilizada para descrever conteúdos produzidos por inteligência artificial com baixa qualidade ou pouco valor informativo.

O crescimento desse tipo de material já pode ser observado em diversas plataformas digitais e redes sociais.

Quando sistemas automatizados produzem grandes quantidades de conteúdo sem supervisão adequada, existe o risco de aumentar a circulação de informações superficiais, repetitivas ou até mesmo incorretas.

Por isso, muitos especialistas defendem mecanismos que mantenham o controle humano durante o processo de criação e revisão.

A relação de Karpathy com a programação assistida por IA

Apesar das críticas aos agentes totalmente autônomos, Karpathy continua sendo um defensor do uso prático da inteligência artificial como ferramenta de apoio.

Ele ficou conhecido por popularizar o conceito de vibe coding, uma abordagem que busca simplificar o desenvolvimento de software por meio da linguagem natural.

Nesse modelo, o programador descreve aquilo que deseja construir e a inteligência artificial auxilia na geração do código necessário.

A proposta não elimina a participação humana, mas reduz a necessidade de escrever manualmente cada linha de programação.

Ferramentas utilizadas no dia a dia

O próprio Karpathy já revelou utilizar soluções modernas de assistência à programação para desenvolver aplicações.

Seu fluxo de trabalho inclui o uso de comandos em linguagem natural e até mesmo ditados por voz. Quando encontra erros ou problemas durante o desenvolvimento, ele utiliza a própria inteligência artificial para analisar mensagens e sugerir correções.

Esse exemplo demonstra uma diferença importante entre automação e colaboração.

Enquanto a ideia de agentes totalmente independentes ainda enfrenta limitações relevantes, o uso da IA como parceira de trabalho já oferece benefícios concretos para muitos profissionais.

O debate sobre os agentes de inteligência artificial continua dividido entre grandes expectativas e desafios técnicos significativos. Embora a indústria tecnológica projete um futuro com sistemas cada vez mais autônomos, especialistas como Andrej Karpathy alertam que a realidade atual ainda está distante desse cenário.

Questões relacionadas à precisão, aprendizado contínuo, compreensão multimodal e confiabilidade permanecem como obstáculos importantes para a evolução dessas ferramentas.

Ao mesmo tempo, cresce a percepção de que o modelo mais eficiente pode não ser a substituição completa das pessoas, mas sim uma colaboração equilibrada entre seres humanos e inteligência artificial. Nesse contexto, a tecnologia funciona como uma aliada poderosa, ampliando capacidades e aumentando a produtividade sem eliminar a necessidade de supervisão e julgamento humano.