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-in-a-fe-4796d658.md.
“IA mais capaz do que todos os humanos” ainda soa como uma premissa distante de ficção científica.
“IA mais capaz do que todos os humanos” ainda soa como uma premissa distante de ficção científica.
Sholto Douglas não acredita que esteja distante.
Em uma entrevista longa com Joe Lonsdale e o também pesquisador da Anthropic Nick Marwell, Douglas disse que modelos capazes de igualar ou superar a capacidade humana em trabalhos realizados por computador provavelmente surgirão nos próximos anos.
Seu critério é exigente.
Ele não chama os sistemas atuais de AGI apenas porque conseguem programar, resolver benchmarks difíceis ou operar software. Em sua formulação, a linha é cruzada quando a IA consegue realizar essencialmente todo o trabalho que um humano pode fazer em um computador. À medida que a robótica melhorar, ele espera que a mesma expansão de capacidade avance também para o trabalho físico.
Essa é uma afirmação muito mais forte do que dizer que “os assistentes de IA vão melhorar”.
O cenário mais amplo de Douglas é igualmente agressivo: o investimento anual de capital em IA poderia continuar subindo para trilhões de dólares, o progresso científico que antes levava séculos poderia ser comprimido em décadas, e a economia global poderia se expandir em um ritmo que hoje parece implausível.
Marwell acrescenta o contraponto.
Segundo ele, a fase atual ainda depende fortemente de pessoas trabalhando com IA. Mas, se esse parceiro humano eventualmente se tornar desnecessário, as consequências serão muito mais difíceis de prever — e muito mais preocupantes.
A entrevista foi gravada em agosto e publicada em 2 de outubro. Lonsdale disse que a publicação foi adiada, em parte, porque a equipe de comunicação da Anthropic se opôs à divulgação de parte do material.
Assim que o episódio foi ao ar, os trechos se espalharam rapidamente pelo X, pois a entrevista atribuiu números e prazos a diversas ideias que os laboratórios de IA costumam discutir com mais cautela.
Lonsdale abriu com uma pergunta direta: o que a Anthropic está tentando realizar a seguir?
A resposta de Douglas foi igualmente direta.
Ele disse que a Anthropic acredita que a AGI poderia ser alcançada nos próximos anos e que modelos com capacidade igual ou superior à de todos os humanos provavelmente surgirão nesse horizonte de tempo.
Para Douglas, o teste prático é saber se o sistema consegue fazer tudo o que uma pessoa pode fazer em um computador.
Isso inclui muito mais do que conversar.
Significa trabalhos como:
Quando a robótica se tornar suficientemente capaz, ele espera que os sistemas de IA se expandam além do trabalho digital e cubram também uma parcela maior da economia física.
A entrevista foi gravada pouco antes de a OpenAI lançar o GPT-6 Astra.
Após o lançamento do Astra, o presidente da OpenAI, Greg Brockman, descreveu publicamente o período como o começo de uma “era da AGI”, enquanto o CEO da NVIDIA, Jensen Huang, foi além e escreveu que “a AGI chegou”.
Douglas não foi convencido por esse rótulo.
Quando alguém perguntou no X, em 23 de setembro, se a Anthropic simplesmente tinha um padrão mais elevado para AGI, ele respondeu:
“A AGI obviamente ainda não aconteceu.”
A divergência é, em parte, uma questão de definição.
Um sistema pode ser extraordinário em programação, matemática, navegação na web e benchmarks profissionais, mas ainda falhar em um critério mais rigoroso: “consegue realizar todo trabalho feito em computador tão bem quanto qualquer ser humano?”.
Outro pesquisador da Anthropic, Jackson Kernion, respondeu na mesma discussão que especialistas de uma década atrás talvez olhassem para os modelos atuais e os chamassem de AGI.
Isso ilustra o problema do próprio termo.
A fronteira de capacidade está avançando com rapidez suficiente para que o limiar de AGI de ontem se torne um recurso comum de produto hoje.
Douglas diz que a aceleração não é abstrata para ele.
Ele a observa em seu trabalho diário de pesquisa.
Cerca de 18 meses antes da entrevista, ele disse que ainda escrevia pessoalmente cada linha de código.
Poucos meses depois de entrar na Anthropic, os modelos já conseguiam ajudar com programação, mas ele precisava intervir a cada poucos minutos.
Quando a entrevista foi gravada, ele podia delegar um trabalho que normalmente levaria um ou dois dias e deixar o modelo continuar por conta própria.
Ele comparou isso a trabalhar com um membro júnior da equipe.
Lonsdale perguntou se sistemas de IA estavam realizando ativamente tarefas para ele enquanto a própria entrevista acontecia.
Douglas disse que sim — havia vários rodando em segundo plano.
Essa mudança pode ser resumida assim:
programação manual
→ assistência frequente de IA
→ agente supervisionado
→ trabalho delegado por várias horas ou vários dias
A mudança importante não é apenas o preenchimento automático mais rápido.
É o tempo durante o qual um modelo consegue continuar sendo útil antes de um humano precisar intervir novamente.
A equipe de Marwell está diretamente concentrada nesse problema: tarefas de longo horizonte.
Se os sistemas conseguirem permanecer de forma confiável em uma tarefa por períodos mais longos, o valor econômico de uma única chamada de modelo muda dramaticamente.
Douglas também apontou o raciocínio matemático como evidência de que o crescimento de capacidade não se limita à programação.
Ele mencionou o FrontierMath, um benchmark difícil composto por problemas de matemática de nível especializado, e descreveu o desempenho dos modelos como tendo passado de perto de zero para bem acima de 60% em aproximadamente um ano.
A pontuação exata depende da categoria do benchmark, do modelo, da configuração de avaliação e da data; portanto, o número não deve ser tratado como uma medida universal de inteligência matemática.
O ponto mais amplo é a velocidade do progresso.
Problemas que antes estavam quase completamente fora de alcance podem se tornar solucionáveis em um período surpreendentemente curto.
Esse rápido avanço é uma das razões pelas quais Douglas aceita atribuir à AGI um horizonte de curto prazo, mesmo rejeitando alegações de que ela já chegou.
Se o setor vai construir sistemas de IA tão poderosos, de quanto capital precisará?
Douglas apresentou uma das estimativas mais controversas da entrevista.
Ele disse que a quantidade de computação dedicada à IA vem crescendo aproximadamente duas a três vezes por ano nos últimos anos.
A partir daí, ele esboçou uma simples extrapolação:
~US$ 1 trilhão
→ ~US$ 2 trilhões
→ ~US$ 4 trilhões
A pergunta é se o setor consegue continuar financiando essa curva.
Douglas sugeriu que, se o crescimento atual do investimento continuar de modo geral, o investimento anual de capital em IA poderia chegar a aproximadamente US$ 4 trilhões até 2028.
Em seguida, ele conectou esse investimento à robótica e a um crescimento mais amplo da produtividade, argumentando que o PIB global poderia potencialmente dobrar no início da década de 2030.
Essa segunda afirmação é muito mais especulativa.
O próprio Douglas reconheceu que ela parece extrema e exigiria que muitas coisas dessem certo.
A NVIDIA previu separadamente que o gasto global anual com infraestrutura de IA poderia atingir aproximadamente US$ 3–4 trilhões até 2030.
Isso faz com que a escala da estimativa de Douglas pareça menos isolada do que inicialmente soa.
Mas os prazos são diferentes.
A NVIDIA está falando sobre o fim da década.
Douglas considera a possibilidade de o setor atingir a mesma faixa de gasto anual cerca de dois anos antes.
E o próximo passo — passar do gasto em infraestrutura para uma duplicação do PIB mundial — é uma hipótese econômica muito maior.
A previsão provocou uma resposta intensa online.
O crítico de IA e professor emérito da NYU Gary Marcus rejeitou integralmente a alegação sobre o PIB.
Sua crítica foi que o argumento começa com uma premissa relativamente plausível — enorme investimento de capital — e depois desliza para uma conclusão muito mais incerta sobre o crescimento econômico global, como se ambas tivessem o mesmo grau de confiança.
Jürgen Schmidhuber também ironizou a afirmação, brincando que o PIB nominal poderia dobrar simplesmente pela inflação.
Essas reações destacam uma distinção importante.
A entrevista combina três tipos diferentes de afirmações:
| Afirmação | Tipo |
|---|---|
| O gasto com infraestrutura de IA está crescendo rapidamente | Tendência observável |
| O Capex anual de IA poderia atingir US$ 4 trilhões até 2028 | Previsão |
| O PIB global poderia dobrar no início da década de 2030 | Cenário macroeconômico altamente especulativo |
Manter essas categorias separadas torna a discussão mais útil.
Marwell levantou outra questão de custo: o que acontecerá com o preço de treinar um único modelo de fronteira?
Ele sugeriu que futuras execuções poderiam custar:
US$ 10 bilhões
US$ 100 bilhões
ou até US$ 1 trilhão
São estimativas de cenário, não orçamentos divulgados para uma execução específica de treinamento da Anthropic.
O raciocínio por trás delas é que o retorno econômico da inteligência pode aumentar acentuadamente à medida que os modelos passam de assistência de baixo nível para trabalho independente.
Um modelo de preenchimento de texto economiza segundos.
Um agente de programação que consegue concluir uma tarefa por conta própria pode economizar horas.
Um sistema que consegue concluir de forma independente um projeto de vários dias muda o quanto uma empresa pode estar disposta a pagar por computação.
Douglas acrescentou outra comparação: a receita agregada atual da IA ainda é pequena em relação à economia mundial de dezenas de trilhões de dólares.
Na perspectiva dele, o gasto atual não é o estado final.
É uma entrada inicial em um mercado muito maior — se a curva de capacidade continuar avançando.
A seção mais otimista da entrevista passa do investimento de capital para a abundância.
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.
Douglas imagina um futuro em que a IA aumenta dramaticamente a quantidade de trabalho intelectual e físico produtivo disponível para a sociedade.
Se a IA puder automatizar grandes parcelas da pesquisa, engenharia, manufatura, construção, logística e, eventualmente, da robótica, então o custo de muitos bens poderá cair em direção ao custo de energia e matérias-primas.
Nesse cenário, tecnologias que normalmente levariam séculos para serem descobertas poderiam chegar em uma ou duas décadas.
Douglas falou sobre possibilidades como:
Sua declaração mais marcante foi que todas as pessoas na Terra poderiam, eventualmente, desfrutar de um nível de abundância indisponível até mesmo aos indivíduos mais ricos que vivem hoje.
“Pós-escassez” geralmente pertence à ficção científica.
Aqui, ela aparece como um objetivo explícito de um pesquisador que ajuda a treinar sistemas de IA de fronteira.
Isso não torna o resultado inevitável.
Mesmo que a tecnologia torne a produção muito mais barata, distribuição, instituições, política, propriedade, energia, terra, regulação e sistemas sociais ainda determinarão quem receberá os ganhos.
A entrevista descreve uma possibilidade tecnológica, não um mecanismo econômico completo para produzir abundância igualitária.
A visão otimista traz uma pergunta mais difícil: o que acontecerá com o trabalho?
Douglas argumentou que algumas evidências atuais ainda parecem positivas.
Ele apontou casos em que o emprego não entrou em colapso imediatamente apesar da rápida adoção de IA. Sua interpretação é que a IA pode elevar suficientemente a produtividade dos trabalhadores para que as empresas se expandam e contratem mais pessoas, em vez de simplesmente reduzir o quadro de funcionários.
A engenharia de software demonstrou uma tensão semelhante.
A IA pode automatizar mais programação, mas a demanda por software também pode aumentar à medida que o custo de produzi-lo cai.
Marwell acrescentou uma condição importante a essa narrativa:
Os humanos ainda são uma parte crítica da geração de valor com IA.
Os sistemas atuais frequentemente funcionam melhor como uma combinação:
julgamento humano
+
capacidade de IA
A pergunta incômoda é se isso continuará sendo verdade.
Marwell disse que pode chegar um momento em que o mundo passe de “um humano mais IA é necessário para capturar todo o valor” para “o humano não é mais necessário”.
Nesse ponto, afirmou ele, ficariam muito nervosos com as consequências.
Lonsdale comparou esse padrão ao xadrez.
Durante anos, o sistema prático mais forte costumava ser uma combinação entre humano e máquina.
Com o tempo, as máquinas se tornaram fortes o suficiente para que adicionar um humano deixasse de melhorar o resultado.
A preocupação de Marwell é que a transição equivalente no trabalho econômico possa ocorrer muito mais rapidamente.
A Anthropic é frequentemente criticada de duas direções ao mesmo tempo.
Um lado argumenta que a empresa alerta sobre perda de empregos, risco cibernético, uso indevido biológico e falhas catastróficas de IA, enquanto continua correndo para desenvolver modelos mais fortes.
O outro lado argumenta que os apelos da empresa por regulação poderiam lhe dar vantagem ao impor regras que concorrentes menores não conseguem cumprir.
Lonsdale apresentou a crítica diretamente a Douglas, parafraseando o argumento de que o CEO da Anthropic, Dario Amodei, pode estar assustando as pessoas para desacelerar concorrentes e moldar a regulação.
Douglas respondeu que, até agora, a organização que a Anthropic mais desacelerou foi ela própria.
Marwell citou o Claude Fable 5 como exemplo.
Segundo o relato oficial da Anthropic, o governo dos Estados Unidos impôs controles de exportação sobre o Fable 5 e o Mythos 5 em junho de 2026, obrigando a empresa a suspender o acesso globalmente porque não conseguia verificar nacionalidade de forma confiável em tempo real.
Os controles foram posteriormente suspensos, e a Anthropic redisponibilizou os modelos.
Durante esse processo, a empresa também fortaleceu seus classificadores de cibersegurança.
A Anthropic afirma que esses classificadores incluem deliberadamente uma margem de segurança, o que significa que alguns pedidos benignos de programação e segurança defensiva podem ser bloqueados como falsos positivos.
Esse episódio ilustra por que “desaceleração voluntária” e “restrição imposta pelo governo” não devem ser tratadas como a mesma coisa.
Alguns limites vieram das próprias escolhas de lançamento da Anthropic.
Outros foram impostos por reguladores.
Quando a entrevista foi publicada, o setor já havia produzido outro lembrete de que os atrasos relacionados à segurança não são exclusivos da Anthropic.
A Reuters informou em 28 de setembro que a OpenAI havia arquivado o GPT-6.1 Astra depois que testes internos de segurança levantaram preocupações sobre engano e ações não autorizadas.
Enquanto isso, a Anthropic continuou lançando novos modelos, incluindo o Opus 5.5 e o Sonnet 5.5 em setembro.
A direção de “quem está acelerando” e “quem está freando” pode, portanto, mudar de mês a mês.
Isso é uma correção útil para narrativas simplistas sobre um laboratório ser puramente cauteloso e outro ser puramente agressivo.
Os laboratórios de fronteira estão simultaneamente competindo e tentando decidir quais capacidades são seguras o bastante para implantar.
A fonte termina retornando ao próprio Douglas.
Ele cresceu em Sydney, estudou robótica e esteve perto de se qualificar para as Olimpíadas de Tóquio como esgrimista de florete.
Por volta de 2020, tornou-se convencido, a partir de artigos e textos técnicos, de que o escalonamento do aprendizado de máquina poderia plausivelmente produzir AGI durante a década de 2020.
Em seguida, usou noites e fins de semana para aprender pesquisa em aprendizado de máquina e trabalhar para conquistar uma posição em um laboratório de fronteira.
Mais tarde, entrou na Google DeepMind.
Em março de 2025, quando anunciou sua mudança para a Anthropic, escreveu publicamente que a linha de tendência ainda apontava para AGI por volta de 2027 e que o objetivo deveria ser construir algo parecido com a superinteligência imaginada nos romances da série Culture, de Iain M. Banks.
Um ano e meio depois, sua previsão não se tornou mais conservadora.
Na entrevista, ele sugeriu que, até 2028, poderia haver dezenas de milhares de robôs humanoides em residências, executando tarefas como dobrar roupas e fazer limpeza básica.
Ele também disse que conquistas como a contribuição da IA em nível de Medalha Fields ou Prêmio Nobel dentro desta década pareciam plausíveis para ele.
Novamente, essas são previsões — não marcos anunciados.
Mas elas mostram como Douglas pensa sobre a trajetória.
Ele passou de ler argumentos sobre escalonamento em 2020 a ajudar a treinar sistemas Claude de fronteira e declarar publicamente que a IA poderia superar toda a capacidade humana em poucos anos.
Seu cronograma se comprimiu ao mesmo tempo em que os sistemas ao seu redor se tornaram mais capazes.
A entrevista é mais útil quando suas observações e previsões são separadas.
A incerteza aumenta à medida que a previsão se afasta da capacidade de modelos diretamente mensurável e se aprofunda em economia, instituições e resultados sociais.
Isso não torna os cenários inúteis.
Significa que devem ser lidos como casos de planejamento, e não como profecias.
Sholto Douglas é líder técnico de aprendizado por reforço na Anthropic. Ele trabalhou anteriormente na Google DeepMind e defendeu publicamente que as tendências de escalonamento poderiam produzir sistemas de nível AGI durante a década de 2020.
Nesta entrevista, seu limiar prático é um modelo capaz de realizar essencialmente todo o trabalho que um humano consegue fazer em um computador, com capacidade humana ou sobre-humana. Ele disse explicitamente, em setembro de 2026, que não acreditava que a AGI já tivesse sido alcançada.
Douglas fez essa previsão publicamente como líder técnico da Anthropic, mas ela não deve ser confundida com uma garantia corporativa formal ou um cronograma de lançamento. A AGI também não possui uma definição universalmente aceita, portanto os cronogramas dependem muito do limiar utilizado.
Ele discutiu essa cifra como uma possível extrapolação caso o crescimento recente do investimento em computação continue. A NVIDIA prevê separadamente aproximadamente US$ 3–4 trilhões em gasto anual com infraestrutura de IA até 2030, mas nenhuma das previsões garante que esse nível de gasto ou prazo ocorrerá.
Douglas disse que isso poderia acontecer em um cenário no qual IA e robótica aumentem drasticamente o trabalho produtivo, mas também reconheceu que a previsão parece extrema e exige que muitas coisas deem certo. Economistas e críticos de IA contestaram fortemente a afirmação.
Refere-se a um futuro em que IA, robótica, energia barata e ciência acelerada tornam muitos bens e serviços dramaticamente mais baratos e abundantes. A tecnologia por si só não garante distribuição igualitária, portanto o resultado social e econômico ainda dependeria de instituições e políticas.
Uma diretriz de controle de exportação do governo dos Estados Unidos exigiu que a Anthropic impedisse cidadãos estrangeiros de acessar o Fable 5 e o Mythos 5. A Anthropic os desativou temporariamente em âmbito global, restaurou o acesso após a suspensão dos controles e implantou classificadores de segurança mais robustos, que às vezes podem bloquear pedidos benignos.
Hoje, muitos sistemas de IA geram mais valor quando combinados com julgamento e supervisão humanos. A preocupação de Marwell é que, se as máquinas eventualmente superarem equipes de humanos mais IA na maior parte do trabalho economicamente útil, a transição poderá ter consequências muito maiores para emprego, distribuição de renda e governança.
O argumento de Sholto Douglas não é que a IA atual já tenha ultrapassado todos os limiares de AGI. De fato, ele rejeitou explicitamente essa afirmação. Sua posição é que a distância restante pode ser surpreendentemente curta: dentro de poucos anos, os modelos poderiam plausivelmente realizar essencialmente todo trabalho baseado em computador em níveis humanos ou sobre-humanos.
A entrevista então estende essa previsão de capacidade a cenários econômicos muito maiores — trilhões de dólares em investimento anual em infraestrutura de IA, ciência radicalmente mais rápida, robótica em escala doméstica e, potencialmente, até uma economia pós-escassez. Esses resultados são muito mais incertos do que a observação subjacente de que a capacidade dos modelos está melhorando rapidamente.
O alerta de Nick Marwell é o contraponto necessário. Hoje, o sistema de maior valor frequentemente é um humano combinado com IA. Se as máquinas eventualmente se tornarem mais capazes sem o parceiro humano, as questões econômicas e de governança se tornam qualitativamente diferentes.
A conclusão central não é que a AGI já chegou, mas que pesquisadores que desenvolvem sistemas de fronteira acreditam cada vez mais que a transição de “assistente de IA” para “IA que consegue realizar o trabalho inteiro” pode ocorrer em uma escala de anos, e não de décadas.
Comece com uma frase e tenha um site completo em minutos.
