Bom dia! Hoje é 23 de outubro. Neste mesmo dia, em 1906, Alberto Santos-Dumont decolava no Campo de Bagatelle, em Paris, a bordo do 14-bis, e, diante de centenas de testemunhas, juízes oficiais e cronômetros calibrados, percorria 60 metros a três metros de altitude no que se tornaria o primeiro voo de um aparelho mais pesado que o ar verificado publicamente na história. Os irmãos Wright haviam voado três anos antes em Kitty Hawk, numa praia vazia da Carolina do Norte, sem testemunhas independentes nem registro oficial. Santos-Dumont voou diante de Paris. E a diferença entre os dois não é quem voou primeiro, mas é quem provou.
Cento e vinte anos depois, a distância entre demonstrar e provar continua sendo a que separa a promessa da realidade na indústria de tecnologia – e as notícias de hoje percorrem exatamente essa fronteira. A Tesla anuncia que o Cybercab se expandirá de Austin para Dallas no próximo mês e que começará a vender os veículos a operadores de frotas, testando se o robotáxi que funcionou em condições controladas funciona também no mundo real. A Microsoft publica um estudo na revista Science mostrando que sua IA diagnostica casos médicos complexos com acerto de 83%, contra 36% dos médicos generalistas, ao mesmo momento em que Mustafa Suleyman anuncia que a empresa persegue o que ele chama de “superinteligência médica”. A Uber coloca todos os seus 30 mil funcionários no ChatGPT Work, expandindo um teste de mil pessoas para a empresa inteira, sem saber ainda, segundo a própria Uber, exatamente como os funcionários usarão a ferramenta. E Larry Fink, CEO da BlackRock (a maior gestora de ativos do mundo), alerta que atrasos na construção de data centers podem elevar custos de computação e ameaçar o crescimento econômico. Em todos os casos, alguém sai do campo de teste e entra no campo real. E, como Santos-Dumont provou naquela tarde de outubro, a prova não está no voo, mas está em quem assiste.
O Cybercab, da Tesla, Sai de Austin
Quando a Tesla lançou o Cybercab em Austin, em setembro, a reação foi dividida: metade do mercado celebrou o robotáxi sem volante nem pedais rodando em vias públicas; a outra metade observou que Austin é uma cidade com ruas largas, clima seco e tráfego moderado, ou seja, com condições ideais para um primeiro teste, mas que dizem pouco sobre como o veículo se comportaria em Dallas, Chicago ou Nova York. Nesta quinta-feira, porém, a Tesla respondeu à segunda metade: Dallas recebe o Cybercab no mês que vem. Outras cidades virão até o fim do ano e, pela primeira vez, a empresa começará a vender estes veículos diretamente a operadores de frotas, o que significa que o Cybercab deixa de ser apenas o robotáxi da Tesla e passa a ser o robotáxi de quem quiser comprá-lo.
A ambição declarada na teleconferência de resultados foi, mesmo para os padrões de Musk, excepcional: “Estamos começando por levar pessoas de um lugar para outro, mas queremos literalmente dominar todos os aspectos do transporte terrestre.” A frase é grandiosa, e compreende a “abundância incrível” descrita por Musk sobre o futuro que virá junto dos avanços proporcionados por suas empresas – mesmo que o empresário tenha, todavia, um histórico de declarações que impressionam pela grandiosidade e decepcionam na hora de serem colocadas em prática (ou o prazo para que elas se tornem materiais).
Mas os dados desta vez sustentam ao menos parte da tese: o Cybercab realmente já acumula quase dois milhões de milhas rodadas sem supervisão humana em Austin. O FSD, ou seja, o serviço de Full Self-Driving dos carros da Tesla, atingiu 1,74 milhão de assinaturas ativas. E a frota que roda em Austin é a mais antiga operação de robotáxi sem motorista que a Tesla já manteve, um fato que lhe dá dados de segurança, desgaste e manutenção que nenhum concorrente possui, de forma semelhante, em veículos fabricados em série.
O obstáculo que permanece, contudo, é o que a Tesla não controla: a regulação. Poucas horas depois do lançamento em Austin, a NHTSA – isto é, a agência federal de segurança rodoviária – abriu uma investigação sobre o Cybercab por suspeita de que ele não atende às normas vigentes, que exigem, entre outras coisas, pedal de freio e espelhos retrovisores, peças que o Cybercab simplesmente não possui. A Tesla, em seu contraditório, afirma que o veículo está em conformidade. A NHTSA, porém, ainda não decidiu.
Com isso, a distância entre as duas posições é exatamente onde se decide se “dominar todo o transporte terrestre” é uma visão de um futuro glorioso ou um delírio fundado em bases muito sólidas. Por via de comparação, a Waymo atualmente opera mais de quatro mil veículos em mais de uma dúzia de cidades americanas e nunca teve que explicar a um regulador por que seus carros não têm pedal de freio, sabe por quê? Porque eles têm. A Tesla, por outro lado, vetorizada pelas visões disruptivas de Musk, aposta que pode vencer sem pedal, sem espelho e sem volante – mesmo que isso não tenha uma razão lúcida de ser.
Santos-Dumont, à sua época, voou sem nenhuma dessas coisas. Mas o 14-bis era um avião que, se caísse, ceifaria apenas seu piloto. Já o Cybercab divide a rua com pedestres.
A Super Inteligência Médica
Se um médico generalista recebe um caso complexo, daqueles pacientes que chegam ao consultório com sintomas vagos, históricos confusos e múltiplas possibilidades que podem ser laudadas, ele tende a acertar em 36% das vezes o diagnóstico, segundo estudo publicado nesta quinta-feira na revista Science. Se o mesmo caso é apresentado ao MAI-DxO, que é o sistema de diagnóstico da Microsoft que coordena múltiplos agentes de IA atuando como um painel de médicos virtuais, a taxa de acerto sobe para 83%. A então diferença, que representa mais do que o dobro dos acertos humanos, é grande o bastante para que Mustafa Suleyman, CEO da divisão de IA da Microsoft, classificasse o resultado como um passo em direção ao que chama de “superinteligência médica”.
O termo é provocativo de propósito – e o estudo, embora rigoroso, merece uma leitura que vá além da manchete. A comparação foi feita com médicos generalistas trabalhando sozinhos, não com especialistas nem com equipes multidisciplinares, que é como casos complexos são efetivamente tratados em hospitais. No dia a dia, portanto, quando um paciente com sintomas atípicos chega a um hospital universitário, ele não é diagnosticado por um único médico com um livro de referência, mas ele é avaliado por uma equipe que inclui especialistas, exames laboratoriais e uma série de discussões coletivas que, por fim, resultam numa hipótese final.
A IA, por sua vez, não foi comparada com esse processo. Foi comparada com a versão mais solitária e limitada da prática médica. De todo modo, ainda que com ressalvas a serem apontadas, o resultado importa, porque a maioria dos pacientes no mundo não chega a um hospital universitário. Chega, em regra, a um posto de saúde, a uma UBS, ou a um consultório de interior onde o médico é, de fato, um generalista sozinho com um livro de referência. Logo, para esses pacientes, uma IA que acerta 83% pode ser a diferença entre um diagnóstico correto e meses de tratamento errado.
Já pensou em ter todo esse conteúdo em formato de áudio? Se sim, é só você clicar aqui e aproveitar!
Ainda, a parceria com a Clínica Mayo para treinar um modelo clínico com dados reais é o passo que transforma o DxO de um estudo publicado em um produto, agora, testado – e é aí onde a coisa fica um tanto mais promissora quanto mais delicada. Suleyman prevê que os modelos de saúde se tornarão “uma ordem de magnitude melhores em capacidade nos próximos 24 a 36 meses”, e a Microsoft espera ir além de diagnósticos isolados e se integrar a médicos e sistemas de saúde para melhorar desfechos clínicos em escala.
Diante disso, se tais integrações funcionarem, será a realização mais consequente da era da IA, mais, talvez, do que chatbots, mais do que agentes de código, mais do que qualquer suíte de escritório. Afinal, curar uma doença que um médico sozinho erraria é, além de uma demonstração eficiência, a capacidade de, por meio da IA, salvar uma vida. Mas o ciclo virtuoso que Suleyman descreve ao relatar o processo até esse objetivo final – que é mandar o modelo em produção, dar a ele uso real, identificar suas lacunas, o corrigir e o melhorar – exige algo que nenhuma IA possui e que nenhum estudo em laboratório produz: a confiança de um paciente que aceita ser diagnosticado por uma máquina.
Santos-Dumont não precisou convencer os passageiros a subir no 14-bis. A Microsoft, porém, precisará convencer os pacientes a confiar no DxO.
A Uber Colocou Todo Mundo no ChatGPT
No início do ano, a Uber selecionou mil funcionários, de áreas randomizadas, e deu a cada um acesso ao ChatGPT Work, isto é, a versão corporativa do modelo mais famoso da OpenAI. Como dado fático da deliberação, foi ressaltado que oitenta por cento desses primeiros usuários agraciados não eram engenheiros de software ou algo de tipo, mas sim funcionários comuns, que usaram a ferramenta para analisar dados operacionais do dia a dia, encontrar materiais de treinamento em diferentes idiomas, criar painéis interativos e automatizar tarefas que, antes, consumiam horas do dia. O piloto, findado, foi considerado bem-sucedido. E, por essa razão, ontem, a Uber decidiu que mil não bastava: agora, todos os seus 30 mil funcionários passam a usar o ChatGPT Work.
A declaração que acompanhou o anúncio é, nas Entrelinhas, tão reveladora quanto o anúncio em si. Isso porque a Uber admitiu que “ainda não definiu exatamente como os funcionários utilizarão” a ferramenta – e que a estratégia é “disponibilizar e dar às equipes espaço para experimentar”. Ou seja, isso é, em escala corporativa, o equivalente de comprar uma ferramenta elétrica para toda a família e dizer “descubram o que dá para fazer com ela”.
Diante disso, a experiência dos chamados “grupos de IA” – que eram 30 engenheiros destacados por duas semanas para automatizar partes do trabalho de diferentes equipes – mostrou, segundo a própria Uber, “o enorme potencial que existe quando se combina conhecimento técnico com compreensão de uma função específica”, demonstrando que, de certo modo, a IA aumentou, potencialmente, a produtividade da equipe.
Contudo, a pergunta que o anúncio não responde é quanto desse potencial se converteu em resultado mensurável, algo que, como cobrimos quarta-feira sobre a Accenture, a distância entre potencial percebido e retorno comprovado é onde as empresas descobrem se estão investindo em produtividade ou em desperdício.
Deste modo, para a OpenAI, que compete com a Anthropic pelo mercado corporativo e se prepara para justificar uma avaliação de US$ 1,4 trilhão, cada grande empresa que adota o ChatGPT Work é uma prova de conceito – e a Uber, com 30 mil funcionários em dezenas de países, é uma das maiores vitórias comerciais que a empresa poderia exibir. Mas o caso da Uber também reforça a Entrelinha que a Accenture expôs: adotar IA sem definir métricas de retorno é uma aposta que funciona enquanto o orçamento permite.
É válido ressaltar isso, uma vez que a própria Uber, há alguns meses, já esgotou seu orçamento anual de IA depois de incentivar engenheiros a maximizar o uso do Claude Code sem controlar os custos. Nesse cenário, a migração de 30 mil pessoas para o ChatGPT Work precisa, portanto, vir acompanhada de algo que o comunicado não mencionou, que é uma forma de medir se o que os 30 mil produzem com IA vale o que a Uber paga pela ferramenta. Sem essa medida, a empresa não está adotando efetivamente IA, mas está apostando que a conta se paga sozinha – e, como Santos-Dumont provou, voar sem instrumentos é possível. Aterrissar sem eles, nem sempre.
Não Construir Data Centers É Mais Perigoso do Que Construí-los
Quando o CEO da maior gestora de ativos do mundo (que possui US$ 11,5 trilhões sob administração) sobe a um palco e diz que atrasos na construção de data centers representam um risco inflacionário que pode, além dos impactos de desvalorização monetária, ameaçar o crescimento econômico americano, o alerta não é teórico, muito menos uma brincadeira. É o tipo de declaração que move governos, reposiciona portfólios e altera a forma como reguladores tratam a infraestrutura de IA.
Em sua declaração, Larry Fink não está pediu para que se construam mais data centers porque a BlackRock investe neles – embora invista, e em escala bilionária. O executivo, na verdade, disse que a outra alternativa, ou seja, não construir nada, é pior. “Se não construirmos esses data centers, o custo da computação ficará muito alto”, afirmou. “E quanto mais rápido conseguirmos construir, mais capacidade teremos e mais rápido poderemos reduzir o custo.”
O argumento de Fink inverte a narrativa que dominou os últimos meses das revistas econômicas de que os gastos com infraestrutura de IA poderiam estar desproporcionalmente elevados em relação ao seu retorno. A fala contrapõe, por exemplo, o presidente da Broadcom, que comparou os investimentos estratosféricos destinados à IA a um cassino, ou quando os gastos corporativos com IA, pela primeira vez, estagnaram.
Entre no canal Entrelinhas no WhatsApp e siga nosso Instagram: informação rápida, em tempo real, que tangibilizam as transformações.
Fink, de seu lado, não nega que a conta é alta, mas diz que não pagá-la é mais caro e mais arriscado, porque, sem capacidade de computação suficiente, os preços sobem, a adoção das novas tecnologias desacelera e os ganhos de produtividade que a IA promete ficariam restritos a quem pode pagar o custo premium.
À luz disso, portanto, a Entrelinha mais inquietante da declaração é o momento em que ela acontece. Os rendimentos dos títulos do Tesouro americano atingiram máximas em décadas. A inflação voltou a acelerar nas principais economias. O déficit fiscal dos EUA se aproxima de US$ 2 trilhões. E Fink, que também disse que os rendimentos dos títulos “enviam um sinal de alerta” ao governo federal, pede que se construa mais infraestrutura – financiada com capital privado, em competição com títulos públicos – num ambiente em que o custo do dinheiro já é o mais alto em vinte anos.
É, claramente, a tensão que define a economia da IA em 2026: construir é muito caro, mas não construir é mais caro ainda. A diferença entre os dois cenários, ou seja, entre inflação por excesso de gasto e inflação por falta de capacidade, é, como Santos-Dumont demonstrou, uma questão de equilíbrio. Peso demais, e o avião não decola. Peso de menos, e ele não sustenta o voo. A IA, sob as lentes dessa analogia, precisa de infraestrutura suficiente para funcionar, mas não tanta que o custo de financiá-la esmague o retorno de usá-la. Assim, encontrar esse ponto de equilíbrio, como Fink implicitamente admite, é o desafio que ninguém, nem a maior gestora do mundo, resolveu ainda.
