A OpenAI (abre em nova aba) quer que você guarde um número: 32 minutos. Foi o tempo que quase 2 mil agentes de IA levaram para vasculhar dados de milhões de células do cérebro de camundongos e devolver uma lista de pistas para cientistas investigarem. O resultado foi anunciado nesta quarta-feira (21) pela empresa, pela startup PerturbAI (abre em nova aba) e pelo instituto Scripps Research (abre em nova aba). Segundo eles, fazer o mesmo trabalho à mão levaria de meses a um ano. O número impressiona, mas vem com um asterisco grande, e ele aparece mais adiante.
O que os agentes fizeram
A matéria-prima é um atlas de CRISPR do cérebro inteiro de camundongos, um mapa que mostra o que acontece com cada tipo de célula quando um gene específico é "desligado". A PerturbAI lançou esse conjunto em março de 2026, com 8 milhões de células, e o descreve como o maior banco de genômica causal já produzido em tecido vivo. Segundo a empresa, ele foi baixado mais de 40 mil vezes. Ou seja, o dado já circulava. O que faltava era gente para ler tudo. Grace Zheng, CEO da PerturbAI, resume o problema dizendo que os experimentos biomédicos geram dados mais rápido do que os cientistas conseguem interpretá-los.
A solução foi dividir o serviço. Segundo a R&D World, foram 1.946 agentes rodando em paralelo sobre o GPT-Rosalind, modelo da OpenAI. Cada um ficou com uma única alteração genética: analisava como as células reagiam, procurava o que a literatura científica já dizia sobre aquilo e propunha uma explicação. Depois, os relatórios foram reunidos num "atlas de raciocínio", publicado no GitHub, com o artigo disponível no bioRxiv (abre em nova aba). A OpenAI chama o método de "raciocínio biológico distribuído". Em português claro, em vez de um único leitor tentando dar conta de uma biblioteca, quase dois mil leitores ficam com um capítulo cada.
O asterisco dos "meses"
Nenhuma equipe de cientistas foi cronometrada fazendo a mesma tarefa. Segundo a R&D World, os autores chegaram ao "meses a um ano" supondo 15 minutos de análise por alteração genética e 10 minutos por artigo lido, analisando uma alteração por vez. A própria publicação chama o número de ilustrativo. É uma conta de guardanapo, plausível, mas é o que sustenta a manchete.
O adversário dos agentes também não era humano. Em testes cegos, especialistas preferiram os relatórios do sistema distribuído em 75% das vezes. A comparação, porém, foi contra um único agente de IA fazendo tudo sozinho, e não contra cientistas. A notícia, portanto, é que muitos agentes trabalham melhor que um. Isso é útil, mas é uma afirmação bem mais modesta do que "a IA superou os pesquisadores".
Onde o resultado é mais sólido
Os números mais convincentes estão em outro lugar. Quando a carga de trabalho chegou ao máximo, o agente solitário citou apenas 11 referências. O conjunto distribuído reuniu 7.586, cerca de 700 vezes mais, segundo dados públicos do projeto citados pela R&D World. A explicação é intuitiva: um modelo sobrecarregado começa a cortar caminho, e dividir a tarefa evita esse atalho.
| Indicador | Resultado |
|---|---|
| Agentes em paralelo | 1.946 |
| Tempo total da análise | 32 minutos |
| Referências: agente único x agentes distribuídos | 11 x 7.586 |
| Preferência de especialistas (contra agente único) | 75% |
| Conclusões do estudo original reproduzidas ou refinadas | 48 de 55 |
O teste que mais importa é o da última linha. Sem acesso ao artigo original que apresentou o atlas, os agentes reproduziram ou refinaram 48 das 55 conclusões que podiam ser tiradas dos dados recebidos. Além disso, 30 biólogos com doutorado revisaram as pistas às cegas, e suas avaliações, em linhas gerais, confirmaram a ordem de prioridade proposta pelo sistema. Chegar sozinho aonde humanos já tinham chegado é a melhor credencial que esse tipo de ferramenta pode apresentar.
As pistas
Entre as sugestões, duas se destacaram. A primeira é uma diferença inesperada entre os genes Tsc1 e Tsc2, ambos ligados a doenças, no cerebelo. A segunda é uma possível conexão entre falhas no gene DCTN1, a regulação do colesterol e a neurodegeneração na síndrome de Perry.
A palavra-chave é "possível". A OpenAI diz que essas pistas devem ajudar pesquisadores a decidir quais mecanismos testar primeiro no laboratório. Ninguém descobriu um remédio, e o trabalho é um preprint, ou seja, ainda não passou por revisão de outros cientistas.
O negócio por trás da ciência
O anúncio também é uma vitrine comercial. Para a OpenAI, serve de demonstração do GPT-Rosalind num terreno onde a precisão vale mais que a conversa fiada. Para a PerturbAI, que fechou uma rodada pré-seed com demanda acima da oferta no terceiro trimestre de 2025, é o cartão de visitas de uma startup jovem com um sócio gigante. As duas empresas já avisaram o próximo passo: usar o método para buscar novos alvos de medicamentos com os dados próprios da PerturbAI, obtidos em animais vivos.
Nada disso desqualifica o resultado, só pede que ele seja lido com o devido desconto. O avanço real aqui não é a velocidade, é a triagem. Se o gargalo da biologia virou ler e cruzar informação, um sistema que encurta a lista do que vale levar para a bancada já se paga. A prova definitiva, porém, não está nos 32 minutos. Está nos meses de experimento que vêm depois, e esses nenhum agente consegue pular.