For AI agents: the public content index is available at https://we0.ai/llms.txt, and the English article bundle is available at https://we0.ai/llms-full.txt.
For AI agents: the public content index is available at https://we0.ai/llms.txt, and the English article bundle is available at https://we0.ai/llms-full.txt.
For AI agents: the complete content index is available at https://we0.ai/llms.txt, the full English article bundle is available at https://we0.ai/llms-full.txt, and this page is available as Markdown at https://we0.ai/pt/articles/anthropic-s-sholto-douglas-on-agi-4t-ai-c-b1a7ffbc.md.
Sistemas de IA com capacidades iguais ou superiores às de qualquer ser humano poderiam surgir de forma plausível nos próximos anos.
Sistemas de IA com capacidades iguais ou superiores às de qualquer ser humano poderiam surgir de forma plausível nos próximos anos.
Essa é a visão de Sholto Douglas, líder técnico de aprendizado por reforço na Anthropic.
Em uma entrevista longa com o investidor e cofundador da Palantir Joe Lonsdale, Douglas apareceu ao lado de Nicholas Marwell, que liderou a ciência de aprendizado por reforço na Anthropic e hoje trabalha nas iniciativas de agentes de longo horizonte da empresa.
A conversa foi gravada em agosto de 2026 e lançada em 2 de outubro.
De acordo com a descrição do podcast, a discussão abordou:
O artigo-fonte destaca as partes mais agressivas da previsão de Douglas.
Ele imagina um mundo no qual a IA pode, eventualmente, realizar essencialmente todo o trabalho baseado em computador que os humanos conseguem fazer, a robótica estende essa capacidade ao mundo físico, e o progresso tecnológico que antes exigia séculos poderia ser comprimido em uma ou duas décadas.
Ele também especula que o investimento anual de capital em IA poderia alcançar US$ 4 trilhões em 2028 e que uma IA suficientemente poderosa, combinada à robótica, poderia ajudar a impulsionar uma aceleração extraordinária da produção econômica global.
Essas são previsões, não estimativas consolidadas.
A própria entrevista deixa claro que Douglas sabe que algumas dessas projeções parecem extremas.
Marwell, por sua vez, acrescenta um alerta importante: o período em que os humanos permanecem parceiros necessários para a IA pode não durar para sempre, e a transição para sistemas que não precisam mais desses parceiros humanos pode gerar riscos graves.
Quando Lonsdale perguntou como a missão da Anthropic se apresenta daqui para a frente, Douglas deu uma resposta direta.
Sua definição operacional do próximo grande limiar não é um modelo que vence um único benchmark ou escreve textos impressionantes.
É um modelo capaz de realizar essencialmente todo o trabalho que humanos conseguem fazer em um computador.
Douglas disse acreditar que modelos com capacidades iguais ou superiores às de todos os humanos têm grande probabilidade de surgir nos próximos anos.
Na formulação dele:
trabalho baseado em computador
→ potencialmente automatizável por IA avançada
trabalho físico
→ cada vez mais automatizável à medida que a robótica melhora
Esse é um padrão excepcionalmente elevado.
Ele também ajuda a explicar por que Douglas pode acreditar simultaneamente em duas coisas que parecem contraditórias:
"A AGI ainda não chegou"
e:
"A AGI pode estar a apenas alguns anos de distância"
O artigo-fonte aponta para uma publicação nas redes sociais de 23 de setembro, na qual Douglas escreveu que a AGI "obviamente" ainda não havia sido alcançada.
A distinção é definicional.
O limiar de Douglas não é apenas uma "IA que parece geralmente inteligente".
É uma IA capaz de realizar toda a gama de trabalho computacional economicamente relevante em nível humano ou sobre-humano.
Douglas afirma que a mudança já é visível em seu trabalho diário.
Cerca de 18 meses antes da entrevista, ele ainda digitava pessoalmente cada linha de código.
Depois de ingressar na Anthropic, os modelos se tornaram úteis o suficiente para ajudar, mas ele ainda precisava intervir a cada poucos minutos.
Quando a entrevista foi gravada, ele disse que conseguia delegar um ou dois dias de trabalho por vez.
A comparação dele foi aproximadamente a de um integrante júnior da equipe:
Quando Lonsdale perguntou se sistemas de IA estavam trabalhando ativamente para ele enquanto a entrevista acontecia, Douglas respondeu que sim — vários deles.
Essa anedota é consistente com uma tendência mais ampla que a Anthropic documentou em sua pesquisa econômica.
O Economic Index de janeiro de 2026 da Anthropic observa que as taxas de sucesso da IA caem à medida que as tarefas se tornam mais longas, mas essa queda ficou menos acentuada entre gerações de modelos, pois sistemas mais novos conseguem concluir tarefas cada vez mais extensas.
A mudança importante não é que os modelos nunca falhem.
É que a quantidade de trabalho ininterrupto que eles podem tentar realizar vem crescendo.
Douglas também usou a matemática avançada como exemplo de crescimento de capacidade.
Ele apontou para o FrontierMath, um benchmark da Epoch AI de problemas matemáticos difíceis e não publicados, escritos e revisados por matemáticos especialistas.
Na entrevista, Douglas caracterizou o desempenho dos modelos como tendo passado de efetivamente próximo de zero para bem acima de 60% em avaliações relevantes do FrontierMath ao longo de aproximadamente um ano.
Essa declaração deve ser tratada como uma caracterização feita na entrevista, e não como um único número de benchmark permanente.
O FrontierMath possui vários níveis, foi revisado, e suas versões de benchmark mudaram.
O programa atual do FrontierMath da Epoch AI inclui:
Portanto, a porcentagem exata depende do modelo, da versão do benchmark, do nível e da configuração de avaliação.
A direção do progresso, contudo, é real: modelos avançados obtiveram grandes ganhos em tarefas matemáticas difíceis e automaticamente verificáveis.
A conversa então passa de capacidade para dinheiro.
Se os sistemas de IA se tornarem dramaticamente mais capazes em poucos anos, quanta infraestrutura o setor construirá para sustentá-los?
Douglas apresentou uma extrapolação deliberadamente agressiva.
Ele afirmou que os gastos com computação para IA vêm crescendo aproximadamente de duas a três vezes ao ano nos últimos anos e sugeriu uma possível trajetória como:
2026:
~US$ 1 trilhão
2027:
~US$ 2 trilhões
2028:
~US$ 4 trilhões
O artigo-fonte visualiza a extrapolação desta forma:
Esses números não são uma previsão de consenso.
Eles são a tentativa de Douglas de perguntar o que acontece se o recente crescimento de investimentos continuar por muito mais tempo do que a maioria das pessoas espera.
Há, contudo, uma previsão separada de infraestrutura da NVIDIA em uma faixa semelhante.
No Dell Technologies World, em maio de 2026, Dell e NVIDIA discutiram a possibilidade de os gastos globais com infraestrutura de IA alcançarem US$ 3 trilhões a US$ 4 trilhões até 2030.
A especulação de Douglas, na prática, antecipa uma escala semelhante em cerca de dois anos.
Isso torna sua previsão substancialmente mais agressiva.
Douglas então leva o cenário ainda mais adiante.
Se o investimento em IA continuar a se compor e a robótica escalar paralelamente, ele argumenta que vale a pena considerar um aumento muito grande na produção global.
Ele sugeriu publicamente que, mesmo que a ideia pareça extrema hoje, as pessoas deveriam incluir em suas expectativas para a década de 2030 a possibilidade de a produção econômica dobrar.
O argumento básico é simples:
IA muito mais capaz
+
automação em larga escala
+
robótica
+
reinvestimento rápido
=
crescimento econômico potencialmente muito mais acelerado
Mas cada etapa contém grande incerteza.
Um modelo ser capaz de realizar uma tarefa não significa que sua implantação ocorrerá instantaneamente.
Economias reais contêm gargalos como:
O próprio Douglas reconhece que uma duplicação do PIB no início da década de 2030 parece extrema e exigiria que muitas coisas dessem certo.
O número de US$ 4 trilhões para infraestrutura e a projeção de PIB atraíram críticas imediatas online.
O crítico de IA e professor emérito da NYU Gary Marcus argumentou que a discussão passa rápido demais de uma alegação comparativamente plausível de gasto com infraestrutura para uma conclusão macroeconômica muito mais especulativa.
Essa crítica é importante porque as duas alegações não têm a mesma solidez.
Uma maneira útil de separá-las é:
Os gastos com infraestrutura de IA crescem acentuadamente:
plausível e já visível
A IA faz o PIB global dobrar em poucos anos:
muito mais incerto
Jürgen Schmidhuber também respondeu com ceticismo, brincando que o PIB nominal poderia dobrar por meio da inflação sem implicar o tipo de abundância econômica real que Douglas descreve.
A discordância não é realmente sobre se o investimento em IA é grande.
É sobre a rapidez com que esse investimento se converte em produtividade em toda a economia.
O cenário mais otimista de Douglas vai muito além de um PIB maior.
Ele imagina algo mais próximo da pós-escassez.
A lógica é que uma IA e uma robótica suficientemente capazes poderiam multiplicar a oferta efetiva mundial de trabalho intelectual e físico.
Se o custo de produzir muitos bens cair em direção ao custo de energia e matérias-primas, categorias inteiras de escassez poderiam enfraquecer.
Descreva sua ideia uma vez e o We0 AI pode gerar um site de apresentacao, paginas e CMS, alem de ajudar a atrair clientes e trafego apos o lancamento.
Uma geração completa de projetos para registro gratuito
Melhor para experimentar um fluxo de geração completo e ver rapidamente um primeiro rascunho do projeto.
Nesse cenário, avanços que, de outra forma, levariam séculos poderiam chegar em apenas dez ou vinte anos.
Douglas aponta para possibilidades que incluem:
Seu objetivo aspiracional é um mundo no qual cada pessoa possa desfrutar de um nível de abundância material indisponível até mesmo para as pessoas mais ricas vivas hoje.
Esta é a parte mais especulativa da entrevista.
Ela depende não apenas da capacidade da IA, mas também de distribuição, infraestrutura, instituições, escolhas políticas, oferta de energia e de os ganhos de produtividade realmente chegarem às famílias comuns.
O artigo-fonte a apresenta como a visão de Douglas sobre o objetivo final pelo qual a Anthropic trabalha, e não como um resultado garantido.
A entrevista também aborda uma questão mais imediata: o que acontece com os empregos enquanto a IA melhora?
Douglas diz ter visto exemplos em que o emprego não caiu mesmo com o aumento da adoção de IA.
Ele menciona o trabalho terceirizado em call centers nas Filipinas e o crescimento contínuo da engenharia de software como casos em que a produtividade aprimorada pode criar razões para que empresas contratem mais pessoas, e não menos.
O mecanismo é conhecido de tecnologias anteriores:
trabalhador se torna mais produtivo
→ o custo de produzir o serviço cai
→ a demanda pelo serviço aumenta
→ as empresas podem contratar mais trabalhadores
Isso pode ocorrer por algum tempo mesmo quando a automação melhora rapidamente.
Mas Marwell acrescenta uma condição importante.
A história favorável de complementaridade depende de os humanos continuarem necessários para extrair todo o valor da IA.
A preocupação de Marwell começa quando essa condição muda.
Hoje, muitos dos melhores fluxos de trabalho ainda se parecem com:
julgamento humano
+
velocidade e escala da IA
O humano define objetivos, interpreta ambiguidades, detecta erros, lida com o contexto organizacional e decide quando um resultado é suficientemente bom.
Marwell acredita que, eventualmente, o mundo pode passar de:
a IA precisa de um parceiro humano para entregar valor total
para:
a IA não precisa mais do parceiro humano
Ele disse que esse é o ponto em que as consequências se tornam muito mais preocupantes.
A fonte compara essa transição ao xadrez.
Durante anos, após os computadores se tornarem fortes, o melhor "jogador" muitas vezes era uma combinação de humano e máquina.
Eventualmente, as máquinas se tornaram boas o suficiente para que a contribuição humana deixasse de melhorar o resultado.
Marwell acredita que o período de superioridade de humano mais IA pode ser muito mais curto no trabalho do conhecimento.
A Anthropic é frequentemente criticada em direções opostas.
Algumas pessoas acusam a empresa de avançar rápido demais rumo a capacidades perigosas.
Outras argumentam que a Anthropic enfatiza os riscos da IA de maneiras que poderiam justificar uma regulação vantajosa para laboratórios já estabelecidos.
Lonsdale levantou diretamente a segunda crítica.
Douglas respondeu que a organização que a Anthropic mais desacelerou foi ela própria.
Marwell ofereceu um exemplo relacionado a um dos lançamentos de modelos da Anthropic, dizendo que a empresa havia aceitado anteriormente uma demora competitiva enquanto coordenava com o governo condições de segurança e acesso.
Lonsdale rebateu, argumentando que algumas restrições reduziram capacidades que poderiam ser úteis para a defesa cibernética.
Essa parte da conversa não resolve o debate de políticas públicas.
Ela mostra a tensão central:
avançar rápido o suficiente para competir
vs.
avançar com cautela suficiente para controlar o risco
Essa tensão está se tornando mais difícil à medida que os sistemas de agentes ganham mais autonomia.
O artigo-fonte conecta a discussão da Anthropic com acontecimentos em outras partes do setor de IA.
Em 28 de setembro, a Reuters informou que a OpenAI arquivou o lançamento planejado do GPT-6.1 Astra após testes internos de segurança levantarem preocupações.
Isso não prova que todos os laboratórios de fronteira estejam convergindo para a mesma política.
Mas ilustra o mesmo problema prático discutido por Douglas e Marwell:
À medida que os sistemas se tornam mais capazes e autônomos, a capacidade e a velocidade de implantação não podem mais ser consideradas independentemente da segurança e do controle.
A questão já não é apenas se um modelo tem bom desempenho em um benchmark.
É também se um laboratório está confiante o suficiente no comportamento do modelo para conceder a ele acesso e autonomia mais amplos.
A fonte encerra retornando ao próprio Douglas.
Ele cresceu em Sydney, estudou robótica e quase se qualificou para as Olimpíadas de Tóquio como esgrimista.
Por volta de 2020, começou a ler discussões sobre leis de escala e pesquisas de IA, convencendo-se de que a década de 2020 poderia produzir AGI.
Ele estudou mais pesquisa de aprendizado de máquina por conta própria durante noites e fins de semana e, depois, ingressou na DeepMind.
Em 2025, transferiu-se para a Anthropic.
Em uma publicação anunciando a mudança, Douglas escreveu que acreditava que o setor ainda seguia uma trajetória rumo à AGI por volta de 2027.
Um ano e meio depois, seu cronograma público não havia se tornado mais conservador.
Se algo mudou, foi a ampliação de suas expectativas, passando da capacidade dos modelos para robótica, matemática, ciência e transformação econômica.
No fim da entrevista, Douglas apresentou diversas previsões concretas para os próximos anos.
Entre elas:
Essas são previsões pessoais.
Elas são úteis não porque devam ser tratadas como um roteiro, mas porque mostram como pelo menos alguns pesquisadores de laboratórios de fronteira pensam hoje sobre a velocidade do crescimento de capacidades.
A parte mais marcante da posição de Douglas é sua consistência.
Ele já discutia publicamente um cronograma de AGI em escala de 2027 quando entrou na Anthropic.
No fim de 2026, depois de passar mais tempo no desenvolvimento de modelos de fronteira, ele não havia empurrado esse horizonte para mais longe.
A fonte mistura observações atuais e previsões, portanto separá-las ajuda.
| Declaração | Melhor interpretação |
|---|---|
| Douglas e Marwell participaram do podcast American Optimist, de Joe Lonsdale | Verificado |
| A entrevista foi lançada em 2 de outubro de 2026 | Verificado |
| Douglas é líder técnico de aprendizado por reforço na Anthropic | Verificado pela descrição do podcast |
| Marwell liderou a ciência de RL e trabalha em iniciativas de longo horizonte | Verificado pela descrição do podcast |
| Douglas diz que a IA pode igualar ou superar todos os humanos em poucos anos | Previsão do entrevistado |
| Douglas diz que seus agentes de programação podem trabalhar por um ou dois dias | Observação em primeira pessoa |
| O desempenho no FrontierMath melhorou drasticamente | Amplamente sustentado, embora as porcentagens exatas dependam de versão e nível |
| O capex de IA poderia alcançar US$ 4 tri em 2028 | Extrapolação de Douglas |
| O PIB global poderia dobrar no início da década de 2030 | Previsão altamente especulativa |
| A NVIDIA discutiu US$ 3 tri a US$ 4 tri em gastos globais com infraestrutura de IA até 2030 | Verificado |
| Todos poderiam um dia desfrutar de abundância no nível dos bilionários atuais | Cenário aspiracional de pós-escassez |
| Humanos podem eventualmente deixar de agregar valor como parceiros da IA | Previsão de Marwell |
| A OpenAI arquivou o GPT-6.1 Astra por preocupações de segurança | Reportado pela Reuters em 28 de setembro de 2026 |
Sholto Douglas é líder técnico de aprendizado por reforço na Anthropic e trabalhou anteriormente no Google DeepMind. Na entrevista ao American Optimist, ele discutiu cronogramas de AGI, agentes de programação, economia, robótica e segurança de IA.
Douglas usa um limiar prático exigente: um modelo capaz de realizar essencialmente todo o trabalho baseado em computador que humanos conseguem fazer, em nível humano ou sobre-humano. Ele afirmou explicitamente que os sistemas atuais ainda não cruzaram essa linha.
Ele afirma que modelos tão capazes quanto, ou mais capazes do que, todos os humanos poderiam chegar de forma plausível nos próximos anos. Esta é sua previsão pessoal, não uma data oficial de lançamento da Anthropic nem um cronograma garantido.
Ele aponta para seu próprio fluxo de trabalho de programação, no qual os modelos evoluíram de precisar de intervenção a cada poucos minutos para lidar com um ou dois dias de trabalho, e para o rápido progresso em benchmarks matemáticos difíceis. Ele também enfatiza a expansão contínua da computação e do aprendizado por reforço.
Sim, como uma extrapolação do crescimento recente. Ele perguntou se o investimento de capital anual relacionado à IA poderia aproximadamente dobrar de cerca de US$ 1 trilhão para US$ 2 trilhões e depois para US$ 4 trilhões até 2028; isso deve ser entendido como um cenário, não como uma previsão consensual de mercado.
Douglas argumenta que uma IA suficientemente poderosa, somada à robótica em larga escala, poderia tornar esse resultado digno de consideração, mas também reconhece que ele parece extremo e exige que muitas coisas deem certo. Críticos, incluindo Gary Marcus, contestam fortemente a plausibilidade de um efeito macroeconômico tão rápido.
A principal preocupação de Marwell é o ponto em que os sistemas de IA deixarem de precisar de parceiros humanos para entregar todo o seu valor econômico. Ele sugere que a atual fase de complementaridade entre humanos e IA pode ser temporária.
A Anthropic afirma que busca gerenciar riscos de segurança enquanto permanece competitiva. Na entrevista, Douglas disse que a organização que a Anthropic mais desacelerou foi ela própria; críticos continuam céticos quanto à posição regulatória da empresa.
A alegação central de Sholto Douglas é simples, mas abrangente: ele acredita que sistemas de IA capazes de igualar ou superar humanos em todo o trabalho baseado em computador podem chegar em poucos anos. Seu próprio fluxo de trabalho de programação é parte da evidência que o leva a tratar esse cronograma com seriedade.
A partir daí, a entrevista se torna muito mais especulativa. Douglas imagina o investimento de capital em IA alcançando trilhões de dólares por ano, a robótica multiplicando o trabalho físico, o crescimento econômico acelerando dramaticamente e níveis de abundância pós-escassez se tornando possíveis no futuro.
Nicholas Marwell oferece o contraponto mais sombrio. A colaboração entre humanos e IA pode ser produtiva hoje, mas, se a IA eventualmente deixar de precisar do parceiro humano, as questões de emprego, segurança e governança se tornam muito mais difíceis.
A entrevista é mais útil quando lida como uma janela para a forma como pesquisadores de laboratórios de fronteira estão pensando — e não como um conjunto de previsões consolidadas sobre quando a AGI, US$ 4 trilhões de gasto anual em IA ou uma economia pós-escassez de fato chegarão.
Comece com uma frase e tenha um site completo em minutos.
