A próxima fase da IA não será definida apenas por melhores respostas.
Será definido por sistemas que possam agir com contexto, perceber com profundidade e modelar o mundo que devem mudar.
A próxima questão sobre IA não é apenas o que os modelos sabem
A conversa sobre IA está começando a ir além da interface do chatbot.
Nos últimos anos, a forma mais visível de IA tem sido a linguística. As pessoas digitavam perguntas, os modelos produziam respostas e a indústria media o progresso por meio de raciocínio, codificação, redação, resumo e pesquisa. Essa fase não acabou. A inteligência linguística continua a tornar-se mais útil, mais integrada e mais comercial.
Mas isso não é mais tudo.
A questão mais importante agora é o que acontece quando os sistemas de IA não só geram respostas, mas também começam a utilizar ferramentas, gerir fluxos de trabalho, compreender o espaço e raciocinar sobre o mundo físico. É aí que a indústria está começando a mudar: da linguagem à ação, do texto às interfaces, das respostas estáticas aos ambientes dinâmicos.
Essa transformação só ficou mais clara desde HumanX. Os gastos globais com IA estão agora sendo puxados por infraestrutura e ferramentas de agência. A questão não é simplesmente que outro modelo ficou disponível. É que os agentes estão se tornando parte da pilha empresarial.
É por isso que as conversas sobre HumanX em São Francisco ainda são importantes. O evento já passou, mas capturou uma transição que está se tornando mais visível agora: a IA está passando de sistemas que falam para sistemas que agem, e de modelos que processam a linguagem para modelos que precisam de alguma compreensão do mundo.
“A IA deixou de ser capaz de responder perguntas para agora ser capaz de fazer coisas.”
– Jensen Huang
A terceira onda da IA
Jensen Huang enquadrou a evolução diretamente. A IA, argumentou ele, é muito mais ampla do que grandes modelos de linguagem. A linguagem é uma forma de informação codificada, mas a informação também é codificada em genes, proteínas, produtos químicos, física, ferramentas, software e ambientes. Onde quer que haja estrutura, a IA pode aprender a representá-la.
Esse enquadramento é importante porque afasta a IA de ser entendida como uma categoria única. Os chatbots são importantes, mas são apenas uma expressão de uma tecnologia muito maior. A mudança mais profunda é que a IA está se tornando uma forma de representar, prever e agir em vários domínios.
Huang descreveu o momento atual como o início de uma terceira onda. A primeira onda de IA moderna foi generativa: modelos que podiam traduzir uma forma de informação em outra. A segunda onda foi o raciocínio, onde os modelos se tornaram mais fundamentados e úteis. A terceira onda, na sua opinião, é agente.
“O que está acontecendo agora é que a IA deixou de ser capaz de responder perguntas e passou a ser capaz de fazer coisas”, disse ele.
Essa é uma maneira concisa de descrever o novo centro de gravidade. A solicitação não é mais apenas uma pergunta. Cada vez mais, é um pedido de ação: construir algo, analisar algo, usar essas ferramentas, acessar esses arquivos, iterar até que o trabalho esteja concluído.
A frase mais útil de Huang pode ter sido ainda mais simples: “IA é software que usa software.”
Essa ideia muda o significado da camada de aplicação. A indústria de software foi construída em torno de ferramentas usadas por humanos. Processadores de texto, planilhas, suítes de design, sistemas empresariais, ferramentas para desenvolvedores, CRMs, ERPs e plataformas analíticas foram projetados para pessoas sentadas em frente às telas. Se os agentes de IA se tornarem usuários de ferramentas, o número de usuários de software aumentará dramaticamente.
O resultado não é apenas mais automação. É uma reinvenção de como o próprio software é consumido.
Codificação para gerenciar agentes
A conversa OpenAI/Codex na HumanX tornou a mesma transição visível dentro da engenharia de software.
Srinivas Narayanan descreveu as ferramentas de codificação como tendo passado de assistência para agência. Os engenheiros não estão mais usando IA apenas para preencher funções automaticamente ou explicar códigos. Eles estão orientando sistemas que geram software, revisam software e corrigem bugs. Em suas palavras, o trabalho passou a ser “principalmente não escrever software, mas gerenciar agentes”.
Essa linha se conecta diretamente ao que está acontecendo no trabalho do conhecimento. A codificação é o primeiro domínio onde esse padrão de agente se tornou altamente visível porque o software é invulgarmente verificável. Os testes podem ser escritos. Os repositórios são limitados. Bugs podem ser reproduzidos. As saídas podem ser verificadas.
Mas a afirmação mais profunda é que a codificação pode ser uma prévia de outras formas de trabalho. Narayanan descreveu o Codex e os modelos de codificação como um recurso subjacente para muitos tipos de trabalho de conhecimento, desde fluxos de trabalho jurídicos e financeiros até automação de processos de negócios.
É aí que os agentes se tornam mais do que ferramentas de desenvolvedor. Eles se tornam uma interface geral de trabalho. Se eles puderem manipular arquivos, acessar sistemas, usar aplicativos e operar dentro de barreiras de proteção, os mesmos primitivos que os tornam úteis para código podem torná-los úteis para outros fluxos de trabalho.
A limitação não é a imaginação. É contexto, segurança e acesso. O agente conhece os sistemas da empresa- Entende o fluxo de trabalho- Tem as permissões corretas- Pode ser monitorado- Pode ser confiável quando os agentes começam a interagir com outros agentes-
Essas questões explicam por que o futuro agente não é apenas uma corrida modelo. É um problema de infraestrutura, governança e interface.
A mudança das palavras para os mundos
Se Jensen e OpenAI mostraram a mudança da resposta para a ação, Fei-Fei Li empurrou a conversa para outra fronteira: inteligência espacial.
Seu argumento não era que a inteligência linguística estivesse acabada. Na verdade, ela deixou claro que os modelos linguísticos continuarão críticos. Mas a inteligência humana não é apenas linguística. Compreendemos o mundo através do espaço, movimento, objetos, corpos, geometria, interação e tempo. Para que as máquinas se tornem mais úteis em ambientes físicos e virtuais, elas precisam de alguma versão dessa compreensão espacial.
Li descreveu a ausência desta consciência como inteligência no escuro. No momento em que os animais tomaram consciência dos seus corpos e da sua relação com o mundo, disse ela, a inteligência evoluiu rapidamente. Para a IA, a implicação é que ver e raciocinar sobre o mundo não é um acessório da inteligência. É fundamental para isso.
Sua definição de modelo de mundo foi precisa: um sistema que pode compreender o espaço, raciocinar sobre geometria, interatividade, física e dinâmica e, eventualmente, gerar espaço 3D e 4D, assim como os computadores de hoje geram palavras.
Essa é uma ambição diferente de criar um chatbot melhor. Ele aponta para sistemas que podem criar ambientes de treinamento para robôs, ajudar a projetar experiências, oferecer suporte a imagens de saúde, potencializar mundos virtuais e modelar o próximo estado de um ambiente físico.
O Marble do World Labs, que Li discutiu no palco, é uma expressão inicial dessa direção: um modelo generativo para verdadeiros mundos consistentes em 3D. A questão não é apenas que tais mundos possam ser gerados. É que eles podem se tornar ambientes para outros sistemas aprenderem, testarem, simularem e agirem.
A próxima fase é ação mais compreensão mundial
Em conjunto, as conversas da HumanX sugeriram que a próxima fase da IA não será definida por uma interface.
Os agentes precisam de ferramentas. As empresas precisam de proteções. O software precisa de contexto. A robótica precisa de dados espaciais. Os modelos de vídeo precisam de compreensão temporal. Os modelos mundiais necessitam de computação, de novas arquiteturas e de ambientes de formação que ainda não existem à escala da Internet.
O ponto comum é que a IA está se aproximando do trabalho e do mundo. Já não é suficiente que os modelos produzam uma linguagem plausível. Eles precisam agir, operar software, compreender os ambientes e gerar resultados que possam ser verificados, usados e confiáveis.
É também por isso que São Francisco continua a ser uma lente tão útil. HumanX não foi apenas uma reunião de executivos e fundadores de IA. Foi um retrato do próximo argumento da indústria: a fronteira está a passar das palavras para os fluxos de trabalho e dos fluxos de trabalho para os mundos.
Isso não torna a linguagem menos importante. Isso o torna parte de um sistema maior.
A primeira experiência de IA no mercado de massa foi a conversação. O próximo pode ser a delegação. Depois disso, pode ser simulação: agentes que trabalham dentro de ambientes que podem compreender, modelar e mudar.
Esse é o verdadeiro significado do momento capturado pela HumanX. A próxima fase da IA não consiste apenas em respostas mais inteligentes. São sistemas que podem agir com contexto, perceber com profundidade e, eventualmente, raciocinar sobre o mundo que são solicitados a mudar.
