Dario Amodei, CEO da Anthropic, publicou em 12 de setembro um ensaio intitulado “We Must Pace the Frontier” — um pedido público para desacelerar o desenvolvimento das modelos de fronteira. O detalhe crucial: ele não está sozinho. Três outros líderes das maiores empresas de IA do mundo assinam embaixo do mesmo diagnóstico. A pergunta que fica é por que, apesar do consenso, o ritmo só acelera.
O raro alinhamento entre rivais
Há oito anos, os estatutos das principais labs de IA previam cláusulas de cautela. Pela primeira vez desde então, Amodei, Sam Altman (OpenAI), Demis Hassabis (Google DeepMind) e Mustafa Suleyman (Microsoft AI) convergem publicamente para a mesma tese: a tecnologia está avançando mais rápido do que a capacidade de governança, segurança e adaptação social.
O ensaio de Amodei não é um manifesto isolado. Ele ecoa declarações recentes de Altman sobre “superinteligência em poucos milhares de dias” e alertas de Hassabis sobre riscos de uso duplo. Suleyman, em seu livro recém-lançado, defende “contenção” como estratégia central. Quatro visões, um diagnóstico compartilhado.
Por que o freio não funciona na prática
A estrutura de incentivos do setor impede a desaceleração voluntária. Três forças operam simultaneamente:
- Concorrência de capital: investidores exigem marcos de desempenho trimestrais; quem pausa perde valuation.
- Geopolítica: governos dos EUA e China veem liderança em IA como segurança nacional; regulação unilateral é vista como desarmamento.
- Dinâmica de código aberto: modelos de pesos abertos (como Llama 3.1) disseminam capacidades de fronteira sem controle centralizado.
Mesmo que as quatro empresas concordassem em uníssono, o ecossistema mais amplo — startups, academia, laboratórios estatais — não tem mecanismo de coordenação vinculante.
O que os números mostram sobre a aceleração
Entre 2022 e 2024, o compute médio de treinamento de modelos de fronteira dobrou a cada 5,2 meses — ritmo superior à Lei de Moore. O custo do GPT-4 foi estimado em US$ 78 milhões; o Gemini 1.5 Ultra, em US$ 191 milhões. A barreira de entrada sobe, mas o número de players com capacidade de treinar modelos de 1025 FLOPs saltou de 2 para 12 no mesmo período.
Paralelamente, o tempo entre descoberta acadêmica e deploy comercial caiu de 18 para 6 meses. A janela para avaliação de risco encolhe na mesma proporção.
O que observar daqui para frente
Três marcos regulatórios podem forçar uma pausa real, não voluntária: o AI Act europeu entra em vigência plena em agosto de 2026; a ordem executiva americana de outubro de 2023 exige relatórios de modelos acima de 1026 FLOPs; e o Reino Unido sediará a próxima Cúpula de Segurança de IA no primeiro trimestre de 2025.
Enquanto isso, a métrica prática para investidores e executivos não é a velocidade do modelo, mas a latência entre capacidade e governança. Quem fechar essa lacuna — com avaliação contínua, red-teaming institucionalizado e procedimentos de rollback testados — captura valor independentemente do ritmo da fronteira.
