Estudo aponta que especialistas subestimaram a velocidade do avanço da IA

O que o estudo encontrou

Um relatório preliminar do Forecasting Research Institute (FRI), publicado em 23 de setembro de 2026, aponta que especialistas de destaque em inteligência artificial subestimaram de forma relevante o ritmo recente de avanço da área. A análise, divulgada em 24 de setembro de 2026, reúne previsões feitas desde meados de 2022 em vários projetos. O FRI é um instituto de pesquisa sobre previsões. O termo previsão, aqui, significa uma estimativa de probabilidade sobre algo que ainda vai acontecer, como a chance de um modelo de IA atingir determinado resultado.

A conclusão central é que, em testes padronizados de capacidade, chamados de benchmarks, os erros foram grandes e quase sempre na mesma direção: o avanço veio antes do esperado. Benchmark é uma prova comparável, aplicada do mesmo jeito a diferentes sistemas, para medir desempenho. É como usar a mesma prova de matemática para comparar alunos de escolas diferentes.

Os números que chamam atenção

O painel LEAP, sigla em inglês para Painel Longitudinal de Especialistas em IA, teve 339 participantes na primeira rodada. Entre eles, 76 cientistas da computação, 76 especialistas da indústria, 68 economistas e 119 especialistas em políticas de IA. Os cientistas da computação incluíam 30 professores de instituições entre as 20 melhores do mundo e 10 dos 200 autores de IA mais citados. Também participaram superforecasters, pessoas com histórico comprovado de previsões certeiras, segundo o instituto.

No caso da Olimpíada Internacional de Matemática, a IA atingiu nível de medalha de ouro em julho de 2025. Isso ocorreu cinco anos antes da previsão mediana dos especialistas e dez anos antes da previsão mediana dos superforecasters. As estimativas citadas foram coletadas em 2022, antes do lançamento do ChatGPT, mas o padrão se manteve depois, de acordo com o FRI. A probabilidade média que os especialistas atribuíam aos resultados de benchmark que de fato aconteceram era de 24,6%, enquanto os superforecasters davam 9,7%. Para a medalha de ouro na olimpíada, os números caíram para 8,6% e 2,3%.

Em outro caso, uma pesquisa de agosto e setembro de 2025 perguntou sobre a chance de a IA resolver um Problema do Milênio até o fim de 2027. A mediana dos especialistas era de apenas 10%, e a dos superforecasters, de 5,4%. A solução de um desses problemas ainda não tem clareza sobre atender aos critérios de avaliação. Já em um teste de virologia, especialistas previram que modelos de IA só igualariam uma equipe de ponta em 2030, e os superforecasters, em 2034. O FRI afirma que isso provavelmente aconteceu já em abril de 2025. Um teste de cibersegurança mostrou subestimação parecida.

Economia e adoção

As previsões econômicas também ficaram conservadoras. Especialistas estimaram, na mediana, que a maior receita recorrente anualizada de qualquer empresa de IA no fim de 2026 chegaria a 20 bilhões de dólares. Economistas disseram 16 bilhões, e superforecasters, 25 bilhões. Receita recorrente anualizada é uma forma de medir quanto uma empresa fatura por ano com contratos que se repetem. O FRI cita cerca de 100 bilhões de dólares para a Anthropic em setembro de 2026 como um valor que provavelmente já foi alcançado. Uma comparação no material do instituto indica que a receita anualizada de Anthropic e OpenAI ficou bem acima das medianas de todos os grupos pesquisados. Mesmo a maior estimativa, de 25 bilhões, ficou distante dos 65 bilhões relatados em julho de 2026.

Nem toda previsão errou para baixo

O relatório também registra casos de excesso de otimismo. Em um estudo de meados de 2025, especialistas em biossegurança previram que 22,5% dos participantes que usassem um modelo de linguagem completariam tarefas de laboratório biológico. Virologistas esperavam 40%, e superforecasters, 16,2%. Em um teste controlado, apenas 5,2% tiveram sucesso com um modelo de linguagem e acesso à internet, contra 6,6% usando apenas a internet. O modelo não produziu melhora mensurável nesse recorte. A mediana dos especialistas também parece ter superestimado bastante a difusão de veículos autônomos até o fim de 2027.

Algumas previsões parecem, até agora, amplamente corretas. É o caso do desempenho de modelos chineses no Epoch Capabilities Index e de questões ligadas à difusão, como o ritmo de crescimento de data centers, segundo o instituto.

Por que isso importa

A utilidade prática dessas previsões é orientar decisões de empresas, governos e pesquisadores. Se os prazos esperados para avanços são sistematicamente longos demais, políticas públicas, investimentos e planos de segurança podem chegar tarde. O próprio FRI alerta para limites do levantamento. Como muitos marcos foram atingidos antes do previsto, as perguntas que se resolvem cedo ganham destaque, o que pode introduzir viés na comparação. Para algumas questões ainda abertas, o instituto usou projeções de modelos de linguagem, que ele mesmo classifica como mais especulativas.

Um relatório separado, divulgado em 18 de setembro de 2026 por Google, Google DeepMind e MIT FutureTech, ajuda a entender por que o avanço não se espalha igualmente. O estudo combinou uma pesquisa com 637 cientistas, análises de 15 milhões de conversas no Gemini e um inventário de mais de 2.600 modelos especializados. Cerca de 44% dos cientistas disseram que, nos dois anos anteriores, seu principal gargalo de pesquisa migrou para etapas posteriores, como experimentação física e coleta de dados. Quarenta e um por cento afirmaram que o acúmulo de hipóteses não testadas cresceu. Em outras palavras, a IA ajuda a gerar ideias mais rápido do que os laboratórios conseguem testá-las.

Próximos passos

O FRI afirma que pretende publicar atualizações de acurácia ao longo do tempo, especialmente para o painel LEAP, e que o próximo texto da série vai discutir como melhorar a precisão e a relevância das previsões. Uma lição simples fica para o público não técnico: quando o assunto é IA, quem acompanha o tema deve tratar prazos longos com cautela, porque a distância entre a previsão e o resultado pode ser de anos, para mais ou para menos.

Fontes

• Top AI experts badly underestimated how fast the field is moving, study finds — the-decoder.com · 24/09/2026
• How Accurate Have AI Progress Forecasts Been So Far? — forecastingresearch.substack.com · 23/09/2026
• Why AI is speeding up scientific research but not lab experiments — scientificamerican.com · 18/09/2026