IA interna faz pesquisa da Anthropic andar o dobro

Inteligência Artificial

Sistemas internos da Anthropic aceleram avanços e aumentam a produtividade dos pesquisadores significativamente.

Leia também: Ricursive lança Ripple-65B, modelo aberto que lidera em código

A Anthropic atravessa, desde o fim do ano passado, um salto inédito no ritmo de avanço de suas capacidades de inteligência artificial: a pesquisa da empresa estaria progredindo cerca de duas vezes mais rápido do que no período anterior, em grande parte porque os próprios sistemas de IA internos passaram a automatizar o trabalho de pesquisa e desenvolvimento, multiplicando a produtividade dos cientistas.

Relatório vê limiar de “aceleração dramática” já superado

O diagnóstico aparece em um relatório da equipe da METR, que teve acesso profundo às rotinas de pesquisa da Anthropic e analisou dados internos, medidos por um índice chamado AECI (Epoch Capabilities Index interno). Segundo o documento, “eles observaram que o progresso em capacidades na Anthropic está indo cerca de duas vezes mais rápido do que no ano anterior”.

A própria Anthropic, em sua política de escalonamento responsável atualizada em julho, define que há “progresso dramaticamente acelerado devido à IA” quando a velocidade de avanço em capacidades dobra em relação ao ritmo mais rápido sustentado antes de a IA passar a contribuir de forma relevante para a pesquisa. Para o time da METR, esse limiar já foi ultrapassado.

O relatório sustenta que essa quebra de patamar não se explica só por mais potência de computadores ou maior volume de dados. “A automação da pesquisa por IA é provavelmente a maior razão para a aceleração contínua”, registra o texto, que teve boa parte das evidências detalhadas redigida por questões de confidencialidade.

Produtividade humana turbinada em até 12 vezes

Na prática, os modelos internos da Anthropic passaram a atuar como assistentes técnicos altamente especializados, desenhando experimentos, explorando novas arquiteturas, vasculhando resultados e sugerindo caminhos de otimização. O efeito sobre o trabalho humano é descrito como um salto de ordem de grandeza.

“Relatos informais da equipe da Anthropic indicam um aumento de produtividade de cerca de 12 vezes com o uso de modelos internos”, afirma o relatório. Os autores usam a imagem de um “encapsulamento no tempo”: como se cada pesquisador passasse a viver dez dias de trabalho para cada dia corrido do lado de fora, fazendo leituras, testes e iterações em velocidade muito maior.

Do ponto de vista quantitativo, o estudo estima que, para que as capacidades totais avancem duas vezes mais rápido apenas com melhorias de software — os chamados “compute multipliers”, otimizações que extraem mais desempenho da mesma quantidade de computação —, a taxa de crescimento desses multiplicadores precisa ser de 2,5 a 3 vezes maior.

Como o esforço humano é apenas um dos insumos para descobrir esses multiplicadores, e a experimentação computacional é outro, a conclusão é que a produtividade do trabalho de pesquisa precisa crescer ainda mais: algo entre 4 e 9 vezes para sustentar o dobro do progresso geral. Depois de meses nesse regime acelerado, a pressão aumenta: o relatório calcula que a elevação necessária pode chegar perto de 10 vezes — número que se encaixa com o ganho de 12 vezes relatado internamente.

Entenda o contexto

O ponto de partida da análise é um aviso recente da própria Anthropic a investidores, de que poderia “em breve” atingir o patamar de “progresso dramaticamente acelerado devido à IA”, definido em sua política de escalonamento responsável. A METR, ao investigar o caso ao longo dos últimos meses, concluiu que a empresa já cruzou essa linha.

O autor do relatório não esconde o peso dessa constatação. “Este relatório é a atualização mais importante sobre riscos de IA dos últimos anos, muito maior que o ataque ao Hugging Face”, afirma. A comparação com incidentes anteriores da área de segurança indica que, para esses analistas, a mudança não é incremental, mas estrutural.

O estudo também contrasta suas conclusões com projeções de grupos externos, como a equipe AI 2027, apontando que os prazos considerados plausíveis para avanços de alto impacto em IA podem estar subestimados se essa curva de aceleração se mantiver.

Aceleração muda dinâmica da inovação — e pressiona segurança

A consequência direta da automação de pesquisa por IA é uma espécie de compressão dos ciclos de inovação. Se o progresso em capacidades passou a dobrar na metade do tempo, avanços que antes exigiam um ano de trabalho coordenado passam a ser alcançados em cerca de seis meses — e, em cenários de aceleração contínua, esse intervalo pode encolher ainda mais.

Para a Anthropic, isso se traduz em vantagem competitiva: a companhia fica em posição de lançar modelos mais poderosos em janelas cada vez menores, disputando a dianteira do setor com concorrentes globais. Para os pesquisadores, o novo cenário redesenha o papel do trabalho humano, que passa a orquestrar e supervisionar sistemas automatizados em vez de executar diretamente cada etapa da descoberta.

Do outro lado, a mudança complica a vida de quem depende de prazos estáveis para planejar segurança, governança e regulação da IA. Programar auditorias, atualizar normas ou revisar salvaguardas técnicas fica mais difícil quando as capacidades dos modelos dão saltos expressivos em poucos meses.

O próprio relatório observa que os “frutos fáceis” da pesquisa — otimizações mais óbvias, ajustes diretos que geram ganhos grandes — começam a se esgotar rapidamente nesse regime acelerado. Cada nova melhoria requer mais criatividade, mais experimentos e, portanto, mais apoio das próprias IAs para manter o ritmo, o que aprofunda o ciclo de dependência da automação na fronteira tecnológica.

Riscos ampliados e próximos passos

Na visão dos autores, a ultrapassagem do limiar de “progresso dramaticamente acelerado” funciona como um indicador concreto de que capacidades muito mais extremas podem estar mais próximas do que se imaginava. A possibilidade de uma espiral de aceleração — em que IAs cada vez mais fortes aceleram ainda mais o desenvolvimento de novas IAs — preocupa setores focados em riscos de armas digitais, fraudes em larga escala e, no limite, perda de controle humano sobre sistemas avançados.

O relatório aponta que, até aqui, não surgiram evidências claras de gargalos técnicos ou de retornos rapidamente decrescentes que freiem por conta própria essa curva de aceleração. Isso tende a aumentar a pressão sobre políticas de escalonamento responsável, exigindo que empresas reforcem segurança, monitoramento, mecanismos de auditoria interna e controles de lançamento à medida que o uso de automação de pesquisa se aprofunda.

Dentro da Anthropic, as reações iniciais ao documento teriam sido de reconhecimento do salto de produtividade descrito, com relatos internos convergindo para a ordem de grandeza de 10 a 12 vezes mais produção por pesquisador. Fora da empresa, a expectativa é de que outros laboratórios de IA de fronteira e reguladores passem a revisar seus próprios cenários e cronogramas, ajustando estratégias de risco a um ambiente de inovação mais rápido, menos previsível e potencialmente mais disruptivo.