AI 2027: e se a inteligência artificial avançar muito mais depressa do que esperamos? Parte I
De investigador de governação na OpenAI a diretor-executivo do AI Futures Project, Daniel Kokotajlo tornou-se uma das vozes mais conhecidas no debate sobre o futuro da inteligência artificial. Mas a questão relevante não é saber se devemos acreditar nele. É perceber como constrói os seus cenários, o que previu anteriormente e onde já se enganou.
Há pessoas que fazem previsões sobre o futuro da tecnologia.
E há pessoas que tentam construir cenários suficientemente concretos para que possam ser confrontados com a realidade.
Daniel Kokotajlo pertence à segunda categoria.
O investigador norte-americano tornou-se conhecido no debate sobre inteligência artificial depois de trabalhar na área de governação da IA da OpenAI e, posteriormente, abandonar a empresa num contexto de preocupações sobre segurança, transparência e capacidade de controlo dos sistemas avançados.
Hoje lidera o AI Futures Project, organização sem fins lucrativos dedicada à previsão do futuro da inteligência artificial e às implicações dessa evolução.
Foi também um dos principais autores do AI 2027, cenário que colocou no centro do debate a possibilidade de uma aceleração muito rápida da investigação em inteligência artificial.
Mas há uma pergunta mais importante do que saber quem é Kokotajlo:
As suas previsões merecem confiança?
A resposta não deve ser simplesmente sim ou não.
Deve ser procurada nos dados.
De filosofia para a previsão da IA
Kokotajlo não começou a carreira como engenheiro de inteligência artificial.
Estudou filosofia na Universidade de Notre Dame e prosseguiu estudos de pós-graduação em filosofia na University of North Carolina at Chapel Hill. Posteriormente, aproximou-se do campo da previsão tecnológica e dos riscos associados à inteligência artificial.
Esta trajetória é relevante porque ajuda a compreender o tipo de trabalho que desenvolve.
Não está exclusivamente interessado em construir modelos.
Está interessado em perguntas como:
O que acontece quando a tecnologia muda mais depressa do que as instituições?
Como se pode antecipar uma transformação antes de ela acontecer?
Que decisões podem alterar uma trajetória tecnológica?
E, sobretudo:
Como transformar incerteza em cenários que possam ser discutidos e testados?
Antes do AI 2027 houve o “What 2026 Looks Like”
A credibilidade de Kokotajlo não começa em 2025.
Em 2021, publicou “What 2026 Looks Like”, um exercício de previsão que descrevia uma possível evolução da inteligência artificial entre 2022 e 2026.
A metodologia era deliberadamente diferente de uma previsão tradicional.
Kokotajlo construía uma espécie de história futura, ano após ano, condicionando cada etapa aos acontecimentos anteriores.
O objetivo era produzir uma trajetória que lhe parecesse realista, suficientemente detalhada para poder ser posteriormente confrontada com a realidade.
Na altura, o exercício podia parecer excessivamente especulativo.
Hoje pode ser avaliado.
E essa é uma das razões pelas quais o seu nome ganhou relevância.
O que acertou?
Uma avaliação independente publicada em fevereiro de 2025 analisou as previsões que Kokotajlo tinha feito para 2022, 2023 e 2024.
Dos 35 elementos avaliados:
19 foram considerados totalmente corretos;
8 foram considerados ambíguos ou parcialmente corretos;
6 foram considerados totalmente incorretos.
Ou seja, nessa avaliação, mais de metade das previsões consideradas individualmente foram classificadas como totalmente corretas.
É um resultado interessante.
Mas não deve ser transformado em:
“Kokotajlo previu o futuro.”
A própria metodologia exige cautela.
Estamos perante um cenário, não uma lista de apostas independentes.
Além disso, algumas das previsões estavam erradas.
Por exemplo, a avaliação identificou erros relacionados com a data das restrições norte-americanas às exportações de semicondutores para a China, com a evolução da IA no jogo Diplomacy e com a dimensão da propaganda gerada por IA.
Portanto, o balanço é mais interessante do que um simples “acertou” ou “falhou”.
Kokotajlo demonstrou capacidade de identificar tendências, mas não demonstrou capacidade de prever o futuro com precisão absoluta.
Essa distinção é essencial.
O que torna as suas previsões diferentes?
Há uma característica recorrente no trabalho de Kokotajlo:
especificidade.
Em vez de dizer:
“A IA vai tornar-se muito importante.”
procura responder:
- Quando?
- Que capacidade aparece primeiro?
- O que essa capacidade permite fazer?
- Que consequência produz?
- Que capacidade seguinte pode resultar daí?
É esta cadeia que encontramos novamente no AI 2027.
- Agentes de IA.
- Automação da programação.
- Investigação automatizada.
- Investigadores de IA sobre-humanos.
- Aceleração da investigação.
- Superinteligência.
O valor de um cenário assim é precisamente permitir que cada etapa possa ser discutida e, em alguns casos, confrontada com indicadores reais.
A experiência dentro da OpenAI
Kokotajlo trabalhou na OpenAI entre 2022 e 2024 como investigador de governação.
Segundo a própria AI Futures Project, nessa função trabalhou em scenario planning relacionado com o futuro da IA.
Essa experiência é uma das razões pelas quais o seu trabalho desperta atenção.
Ele não observava a evolução da IA apenas de fora.
Estava dentro de uma das organizações que estavam a desenvolver sistemas de fronteira.
Mas esta proximidade também cria uma questão jornalística legítima:
Ter trabalhado numa das principais empresas de IA torna uma previsão mais credível — ou pode introduzir um determinado viés?
Não existe uma resposta automática.
A experiência interna pode oferecer informação, conhecimento do ritmo de desenvolvimento e contacto com problemas que não são visíveis publicamente.
Mas também pode aproximar o investigador da cultura, dos pressupostos e das expectativas de uma determinada comunidade tecnológica.
Por isso, a experiência na OpenAI deve ser vista como contexto, não como prova.
A saída da OpenAI
Em 2024, Kokotajlo abandonou a OpenAI.
A saída ganhou atenção porque recusou assinar uma cláusula de não-desprestígio que, segundo a TIME, poderia ter-lhe custado aproximadamente 2 milhões de dólares em participação acionista.
A sua preocupação estava relacionada com a capacidade da empresa para lidar responsavelmente com a chegada de sistemas de IA cada vez mais avançados.
Kokotajlo tornou-se também um dos signatários de uma carta que defendia maior proteção para trabalhadores de empresas de IA que quisessem alertar para riscos relacionados com a tecnologia.
O episódio é relevante porque ajuda a perceber uma característica do seu pensamento:
a governação não aparece no seu trabalho como uma questão secundária.
Está no centro.
Não é apenas uma questão de “IA perigosa”
Seria fácil reduzir Kokotajlo a alguém que prevê uma catástrofe provocada pela inteligência artificial.
Essa leitura seria demasiado simples.
O seu trabalho aborda também problemas de:
- concentração de poder;
- corrida tecnológica;
- transparência;
- governação;
- competição entre Estados;
- capacidade institucional;
- segurança;
- controlo de sistemas avançados.
O AI 2027 é, por isso, simultaneamente um cenário tecnológico e um cenário político.
A questão não é apenas:
“O que poderá fazer uma IA?”
É também:
“O que farão os humanos com uma IA cada vez mais poderosa?”
O ponto mais importante: Kokotajlo atualizou as suas próprias previsões
Este é talvez o aspeto mais importante para avaliar a sua credibilidade.
Um bom sistema de previsão não deve permanecer preso à primeira estimativa.
Deve atualizar-se quando surgem novos dados.
E Kokotajlo fez isso.
Em 2021, no “What 2026 Looks Like”, utilizava um determinado horizonte temporal.
Em 2022, explicou que as suas estimativas tinham mudado e que os seus horizontes temporais tinham encurtado.
Mais tarde, ao trabalhar no AI 2027, voltou a construir um cenário muito mais detalhado.
E em 2026 participou na avaliação do próprio cenário.
Essa última parte é particularmente importante.
O teste do AI 2027
Em fevereiro de 2026, Kokotajlo e Eli Lifland publicaram uma avaliação das previsões que o AI 2027 tinha feito para 2025.
A conclusão não foi:
“Acertámos.”
Nem:
“Falhámos.”
Foi mais complexa.
Segundo os autores, o progresso quantitativo agregado estava inicialmente a cerca de 65% do ritmo previsto no cenário original.
Em julho de 2026, com mais dados, a avaliação preliminar foi atualizada para cerca de 75% do ritmo previsto.
Ou seja:
a realidade está a avançar, em média, mais lentamente do que o relógio do AI 2027.
Mas algumas previsões qualitativas estiveram próximas da realidade.
Os próprios autores destacam, por exemplo, que determinados desenvolvimentos relacionados com agentes de programação seguiram uma trajetória relativamente próxima do cenário.
Isto é precisamente o tipo de resultado que devemos querer de uma previsão:
algo que possa ser medido.
E aqui aparece uma surpresa
O próprio Kokotajlo tem hoje uma previsão temporal diferente da que estava implícita no título AI 2027.
Na avaliação de 2026, o AI Futures Project refere que a mediana atual de Kokotajlo para automação completa da programação está em 2029.
Ou seja, o investigador que ajudou a criar um cenário chamado AI 2027 já não coloca esse marco central em 2027 na sua estimativa mediana atual.
Isto é importante.
E deveria ser apresentado publicamente.
Porque mostra que:
AI 2027 não é um calendário ao qual o seu próprio autor esteja preso.
É uma trajetória que pode ser atualizada.
O cenário também ficou mais conservador
O próprio Kokotajlo fez outra observação interessante em 2025.
Comparando o “What 2026 Looks Like” de 2021 com o AI 2027, disse que o novo cenário lhe parecia mais “contido”, depois de maior escrutínio, da participação de vários autores e das limitações de espaço.
Mas acrescentou uma distinção importante:
O AI 2027 também lhe parece mais especulativo.
Porquê?
Porque o primeiro cenário tentava antecipar uma evolução relativamente convencional das capacidades de IA.
O AI 2027 tenta prever algo muito mais difícil:
o que acontece depois de a própria investigação em IA começar a acelerar.
Quanto mais avançamos na cadeia, maior é a incerteza.
Então, devemos acreditar em Daniel Kokotajlo?
Não.
Pelo menos não dessa forma.
A pergunta correta é outra:
Devemos acompanhar Kokotajlo?
Sim.
Porque apresenta cenários suficientemente concretos para serem testados.
Porque tem experiência relevante na governação de IA.
Porque já publicou previsões anteriores que podem ser avaliadas.
Porque algumas dessas previsões estiveram próximas da realidade.
Porque outras falharam.
E, sobretudo, porque atualiza as suas estimativas quando os dados mudam.
Isso é muito mais interessante do que possuir uma suposta capacidade de “prever o futuro”.
A credibilidade de um futurista mede-se depois do futuro
Esta é talvez a principal lição desta análise.
Quando alguém anuncia que uma tecnologia vai mudar o mundo, é fácil ficar impressionado.
O verdadeiro teste começa depois.
- O que aconteceu?
- O que não aconteceu?
- O que aconteceu antes do previsto?
- O que aconteceu depois?
- Que pressuposto estava errado?
- A previsão foi atualizada?
Esta metodologia pode ser aplicada não apenas a Kokotajlo, mas a qualquer pessoa que faça previsões sobre inteligência artificial.
E é particularmente importante num setor em que interesses empresariais, financeiros, políticos e tecnológicos se cruzam.
Entre o alerta e o alarmismo
Existe ainda uma última questão.
Kokotajlo está associado a uma visão de risco elevado sobre o desenvolvimento de IA.
Há investigadores que consideram esses riscos muito relevantes.
Outros são muito mais céticos relativamente à possibilidade de uma explosão de inteligência e defendem que existem limites técnicos, económicos e institucionais que tornam uma aceleração extrema menos provável.
O debate é real.
Uma análise publicada pelo The New Yorker em 2025 colocou precisamente Kokotajlo e o AI 2027 em contraste com uma visão mais gradualista, associada a Sayash Kapoor e Arvind Narayanan, que argumentam que a IA enfrenta “limites de velocidade” impostos pela infraestrutura, complexidade, custos e integração no mundo real.
Isto é importante porque nos impede de transformar uma única escola de pensamento na própria definição do futuro.
Kokotajlo é uma voz relevante no debate. Não é o debate inteiro.
O que devemos acompanhar daqui para a frente?
Se queremos perceber se os cenários de Kokotajlo estão a aproximar-se da realidade, não precisamos de esperar por 2027.
Podemos acompanhar sinais.
1. Capacidade dos agentes
Quanto tempo conseguem trabalhar autonomamente?
2. Programação
Até que ponto conseguem substituir trabalho de engenharia de software?
3. Investigação
Conseguem produzir novas descobertas relevantes em IA?
4. Recursive self-improvement
A IA está efetivamente a contribuir para melhorar os sistemas que a sucedem?
5. Compute
O poder computacional continua a crescer ao ritmo necessário?
6. Energia
Existe energia suficiente para suportar essa expansão?
7. Capital
O investimento continua a financiar uma corrida cada vez maior?
8. Geopolítica
EUA e China aceleram ou tentam coordenar o desenvolvimento?
9. Governação
As instituições conseguem acompanhar a velocidade tecnológica?
10. Produtividade
A IA começa realmente a alterar de forma significativa a produtividade económica?
Estas são perguntas muito mais úteis do que perguntar simplesmente:
“A AGI chega em 2027?”
O verdadeiro legado de Kokotajlo pode não ser a previsão
Talvez a contribuição mais importante de Daniel Kokotajlo não seja acertar o ano em que surgirá a superinteligência.
Pode ser outra.
Introduzir no debate uma forma mais concreta de pensar sobre futuros tecnológicos.
Em vez de discutir apenas:
“A IA será boa ou má?”
propõe perguntar:
- Que capacidades surgem primeiro?
- Que capacidades tornam possíveis as seguintes?
- Que decisões humanas aceleram ou travam o processo?
- Que indicadores permitem perceber se estamos a sair da trajetória prevista?
E essa abordagem tem valor mesmo que o cenário AI 2027 nunca aconteça.
Porque uma sociedade que consegue discutir cenários concretos está melhor preparada para reconhecer mudanças antes de elas se tornarem inevitáveis.
A pergunta que fica
Daniel Kokotajlo não sabe quando chegará a superinteligência.
Os seus próprios dados mostram que as previsões temporais mudam.
O AI 2027 está atualmente atrás do seu ritmo quantitativo original.
Algumas previsões estiveram próximas.
Outras falharam.
E os próprios autores continuam a rever os seus modelos.
Isso não encerra o debate.
É precisamente o que o torna interessante.
Porque agora temos algo raro no debate sobre o futuro:
um cenário suficientemente específico para poder ser confrontado com a realidade.
E é essa realidade que o EDRO vai continuar a acompanhar.
Próxima análise
Parte III - A máquina que melhora a própria máquina
Se a questão central do AI 2027 é a possibilidade de a IA começar a acelerar a investigação em IA, precisamos de perceber o mecanismo.
- O que significa recursive self-improvement?
- Já existe?
- O que os sistemas atuais conseguem fazer?
- Onde estão os limites?
E em que momento uma melhoria da produtividade dos investigadores humanos poderia transformar-se numa aceleração autónoma da própria investigação?
É aí que começa a verdadeira questão do AI 2027.