O cenário publicado pelo AI Futures Project em abril de 2025 colocou uma hipótese radical no debate: a IA poderá não apenas melhorar, mas começar a acelerar a própria investigação que a torna mais inteligente. O EDRO analisa o que está por detrás deste cenário, o que já aconteceu e o que ainda permanece no domínio da hipótese.

Há uma diferença entre imaginar o futuro e tentar antecipá-lo.

O primeiro exercício pode ser ficção. O segundo pode ser uma ferramenta de decisão.

É nesta segunda categoria que se apresenta o AI 2027, um cenário desenvolvido pelo AI Futures Project e publicado em 3 de abril de 2025 por Daniel Kokotajlo, Scott Alexander, Thomas Larsen, Eli Lifland e Romeo Dean.

O projeto ganhou rapidamente atenção porque fez algo pouco habitual no debate sobre inteligência artificial: em vez de apresentar uma previsão vaga sobre um futuro distante, construiu uma sequência concreta, mês a mês, sobre o que poderia acontecer entre 2025 e 2027.

A hipótese é ambiciosa.

E se a IA começar a melhorar a própria investigação em inteligência artificial?

Se isso acontecer, a velocidade da evolução poderá deixar de depender apenas da capacidade dos investigadores humanos.

E é aqui que começa o verdadeiro problema.

 

O que é, afinal, o AI 2027?

O AI 2027 não é uma tecnologia, um produto ou uma previsão oficial da indústria.

É um cenário de previsão.

Os seus autores dizem explicitamente que procuraram construir uma das possíveis trajetórias futuras da IA de forma concreta e quantitativa. O cenário foi informado por extrapolações de tendências, exercícios de simulação, opiniões de especialistas, experiência profissional na OpenAI e previsões anteriores dos autores.

A equipa realizou cerca de 25 exercícios de simulação e recolheu contributos de mais de 100 pessoas, incluindo especialistas em tecnologia de IA e governação.

O objetivo não era afirmar que aquele futuro iria necessariamente acontecer.

Era colocar uma trajetória suficientemente concreta em cima da mesa para que pudesse ser discutida, contestada e, posteriormente, comparada com a realidade.

Esta distinção é fundamental.

AI 2027 é um cenário, não uma profecia.

Os próprios autores acrescentaram posteriormente uma nota ao projeto para esclarecer que não sabem exatamente quando a AGI será desenvolvida. O ano de 2027 era o ano modal - o resultado mais provável dentro da distribuição que tinham então construído - e não uma certeza.

 

A ideia central: a IA começa a fazer IA

O elemento mais importante do cenário não é simplesmente a chegada de uma inteligência artificial mais poderosa.

É a possibilidade de automatizar progressivamente a investigação e desenvolvimento de IA.

Imagine-se uma empresa com milhares de investigadores humanos.

Hoje, esses investigadores concebem experiências, escrevem código, treinam modelos, analisam resultados e procuram novas técnicas.

Agora introduza sistemas de IA capazes de fazer parte desse trabalho.

Se esses sistemas conseguirem:

programar → testar → encontrar erros → melhorar algoritmos → executar experiências → analisar resultados

a própria investigação pode acelerar.

E quanto melhor forem esses sistemas, mais investigação conseguem realizar.

Surge então um possível ciclo:

IA mais capaz

↓

mais investigação automatizada

↓

melhores algoritmos

↓

IA mais capaz

↓

mais investigação automatizada

É este mecanismo de retroalimentação que está no centro da hipótese de uma “explosão de inteligência”.

 

O cenário começa antes da superinteligência

É importante perceber que o AI 2027 não começa com uma máquina subitamente superior ao ser humano.

Começa com algo muito mais próximo do que já estamos a observar: agentes de IA capazes de executar tarefas com crescente autonomia.

No cenário, os primeiros agentes surgem em 2025 e começam a evoluir para sistemas capazes de utilizar computadores, navegar na Internet, programar e executar tarefas mais complexas.

Depois, a programação assume uma importância crescente.

O cenário estabelece uma série de marcos:

superhuman coder

Um sistema capaz de desempenhar tarefas de programação relacionadas com investigação de IA ao nível dos melhores programadores humanos, mas de forma muito mais rápida e barata.

Depois:

superhuman AI researcher

Um sistema capaz de realizar o trabalho de um investigador de IA de topo, mas mais rapidamente e permitindo executar muitas cópias.

Depois:

superintelligent AI researcher

Um sistema muito superior aos melhores investigadores humanos na investigação de IA.

E finalmente:

artificial superintelligence — ASI

Um sistema muito superior aos humanos em todas as tarefas cognitivas.

É a passagem entre estes níveis que torna o cenário potencialmente explosivo.

 

Por que razão a programação é tão importante?

Porque programação é uma forma de trabalho que pode ser diretamente convertida em capacidade computacional.

Um investigador humano precisa de tempo.

Uma IA suficientemente competente pode, em princípio, ser replicada.

Se uma empresa conseguir executar milhares ou milhões de agentes capazes de realizar trabalho de engenharia e investigação, o número de “trabalhadores digitais” deixa de estar limitado pela população humana.

O AI 2027 considera precisamente esta possibilidade.

No seu modelo de takeoff, os autores estimam diferentes multiplicadores para a velocidade de investigação em IA à medida que os sistemas avançam. No cenário original, o multiplicador aumenta de forma muito significativa entre o programador sobre-humano, o investigador sobre-humano, o investigador superinteligente e a superinteligência.

Mas há aqui uma ressalva importante.

Isto não é uma medição observada da realidade.

São parâmetros utilizados num modelo de previsão.

Os próprios autores reconhecem que estas estimativas dependem substancialmente de julgamento intuitivo e apresentam níveis elevados de incerteza.

 

A “explosão de inteligência”

É neste ponto que aparece uma das expressões mais discutidas neste debate.

Uma explosão de inteligência seria uma aceleração muito rápida das capacidades dos sistemas de IA, sobretudo quando a própria investigação em IA passa a ser significativamente automatizada.

No cenário original, o salto entre a automação completa da programação e a superinteligência ocorre durante 2027.

A previsão de takeoff publicada em abril de 2025 colocava, condicionalmente à existência de um programador sobre-humano em março de 2027, a superinteligência artificial em dezembro de 2027 no cenário narrativo. O modelo probabilístico era, porém, muito mais amplo: a mediana apontava para cerca de um ano entre o marco do programador sobre-humano e a ASI, com margens de erro extremamente grandes.

Ou seja:

o cenário conta uma história muito rápida; o modelo estatístico reconhece uma distribuição muito mais incerta.

Esta diferença é essencial para compreender o AI 2027.

 

E se o cenário estiver errado?

Esta é talvez a pergunta mais interessante.

Um cenário não perde necessariamente todo o seu valor por falhar na data.

O valor pode estar nas relações causais que procura testar.

Por exemplo:

• os agentes de IA estão a tornar-se mais autónomos?
• a programação está a ser automatizada?
• a IA está a aumentar a produtividade dos investigadores?
• a investigação em IA está a ser parcialmente automatizada?
• os modelos conseguem executar tarefas durante períodos cada vez maiores?
• a capacidade computacional continua a crescer?
• a competição entre empresas e Estados acelera o investimento?

Estas são perguntas que podem ser observadas.

E é precisamente aqui que o AI 2027 se torna interessante como instrumento de análise.

 

O primeiro teste já chegou

Em fevereiro de 2026, os próprios autores do AI 2027 fizeram algo particularmente importante: avaliaram as previsões que tinham feito para 2025.

Segundo o AI Futures Project, o progresso quantitativo observado estava inicialmente em cerca de 65% do ritmo previsto no cenário.

Em julho de 2026, com mais dados disponíveis, a equipa atualizou essa avaliação preliminar para aproximadamente 75% do ritmo previsto. Algumas previsões qualitativas, por outro lado, estiveram próximas do que aconteceu.

Isto significa que, até ao momento, a realidade não está a seguir exatamente o relógio do AI 2027.

Mas também não significa que o cenário tenha sido simplesmente descartado.

O próprio projeto refere que algumas áreas evoluíram de forma próxima do esperado.

Um exemplo são os agentes de programação.

O AI 2027 antecipava uma passagem progressiva de ferramentas que apenas obedeciam a instruções para sistemas capazes de executar tarefas mais autonomamente.

Segundo a avaliação dos próprios autores, esta parte da previsão esteve, em termos gerais, próxima da realidade observada em 2025.

 

A diferença entre “rápido” e “rápido o suficiente”

Esta é uma das questões que vamos acompanhar no EDRO.

Uma IA pode estar a evoluir rapidamente sem estar a evoluir suficientemente rápido para produzir uma explosão de inteligência.

Esta distinção é fundamental.

Por exemplo, o AI Futures Project concluiu que a evolução em determinados indicadores quantitativos estava abaixo do cenário original. Mas também encontrou áreas em que a evolução foi forte, nomeadamente agentes de programação e crescimento das receitas de empresas de IA.

A questão passa, portanto, de:

“A IA está a avançar?”

para:

“Está a avançar a uma velocidade capaz de criar os ciclos de retroalimentação previstos?”

É uma pergunta muito mais difícil.

 

O que mudou desde abril de 2025?

Há outro dado que não podemos ignorar.

Os próprios autores alongaram os seus horizontes de previsão durante 2025.

Na avaliação publicada em 2026, o AI Futures Project calculou que, se o ritmo observado continuasse aproximadamente a 65% do ritmo do cenário original, o takeoff poderia deslocar-se para o período entre o final de 2027 e meados de 2029.

Quando são considerados também possíveis abrandamentos no crescimento de capacidade computacional e mão de obra humana, o modelo utilizado pelo projeto apontava para um período entre meados de 2028 e meados de 2030.

E os próprios autores apresentam atualmente medianas diferentes entre si para alguns dos marcos.

Isto é importante porque demonstra uma coisa:

até os autores do AI 2027 estão a atualizar as suas previsões à medida que surgem novos dados.

Isso não é uma fraqueza do exercício.

É precisamente aquilo que se deve esperar de uma metodologia de previsão que se pretende falsificável.

 

O verdadeiro risco: confundir cenário com calendário

O maior erro seria olhar para o título AI 2027 e concluir:

“A superinteligência vai chegar em 2027.”

Não é isso que o estudo afirma.

O ano é parte de um cenário.

O próprio projeto diz que existem múltiplos futuros possíveis e apresenta dois finais diferentes: um cenário de “race”, associado a uma corrida acelerada, e um cenário de “slowdown”, em que a dinâmica é interrompida ou desacelerada.

Portanto, o número “2027” deve ser lido como uma pergunta:

E se determinadas condições se verificarem suficientemente cedo para criar uma aceleração rápida?

Não como uma data marcada no calendário.

 

O que pode fazer o cenário falhar?

Existem várias possibilidades.

1. A IA pode não conseguir automatizar suficientemente a investigação

Ser excelente a programar não significa necessariamente ser excelente a formular novas teorias, desenhar experiências ou compreender problemas científicos difíceis.

2. O crescimento do poder computacional pode abrandar

A inteligência artificial depende de semicondutores, energia, centros de dados, capital e cadeias de abastecimento.

A capacidade de software não existe no vazio.

3. A produtividade da IA pode ter limites

Uma ferramenta pode ser muito boa numa tarefa específica e continuar a precisar de supervisão humana noutras.

4. A complexidade da investigação pode aumentar

À medida que os problemas fáceis são resolvidos, os problemas seguintes podem tornar-se muito mais difíceis.

5. Empresas e Estados podem alterar o ritmo

Regulação, segurança, export controls, escassez energética, custos ou decisões políticas podem travar uma corrida tecnológica.

 

E há ainda uma possibilidade mais simples:

os pressupostos fundamentais podem estar errados.

É precisamente por isso que cenários deste tipo devem ser acompanhados, não venerados.

 

O que pode tornar o cenário mais plausível?

Também existem sinais na direção contrária.

Se a IA conseguir:

• trabalhar autonomamente durante períodos cada vez maiores;
• programar e depurar software complexo;
• conceber e interpretar experiências;
• melhorar algoritmos;
• utilizar ferramentas de investigação;
• gerar e testar hipóteses;
• coordenar grandes volumes de tarefas;
• multiplicar agentes a baixo custo;

então a investigação em IA poderá começar a parecer menos um trabalho exclusivamente humano e mais um processo parcialmente automatizado.

É esta transição que devemos observar.

Não é a existência de um chatbot mais inteligente que determina o risco de uma explosão de inteligência.

É a capacidade de uma IA contribuir para aumentar a velocidade a que a própria IA melhora.

 

E o que significa isto para as empresas?

Esta discussão pode parecer distante para uma PME portuguesa.

Não é.

Mesmo que o cenário extremo nunca aconteça, uma parte da transformação descrita pelo AI 2027 já aponta para uma mudança empresarial importante:

a unidade de trabalho deixa de ser apenas o trabalhador humano.

Começa a surgir uma combinação:

pessoa + software + agente de IA + computação.

Isto pode alterar radicalmente a produtividade.

Uma pequena empresa que consiga utilizar agentes para programação, análise documental, pesquisa de mercado, apoio ao cliente, tradução, marketing, engenharia ou gestão pode aumentar a sua capacidade sem aumentar proporcionalmente a sua estrutura.

Mas existe o movimento inverso.

Empresas que não adotem estas ferramentas podem começar a enfrentar concorrentes com estruturas de custo diferentes.

É aqui que a discussão sobre superinteligência começa a tocar a economia real.

 

A questão para Portugal

Portugal não precisa de saber hoje se a ASI chegará em 2027, 2030 ou 2040 para tomar decisões.

Precisa de acompanhar os indicadores que podem alterar a sua posição competitiva.

Entre eles:

• produtividade da IA
• automação da programação
• capacidade dos agentes
• custo da computação
• investimento em centros de dados
• consumo energético
• semicondutores
• competências digitais
• investimento empresarial
• adoção de IA pelas PME
• regulação europeia

Estes indicadores são mais úteis para uma empresa portuguesa do que uma previsão isolada sobre uma data futura.

 

O verdadeiro ensinamento do AI 2027

O AI 2027 não nos diz que sabemos como será 2027.

Diz-nos outra coisa.

Podemos construir cenários suficientemente concretos para começar a testar hoje quais seriam as consequências de determinados caminhos tecnológicos.

E isso tem valor.

O futuro da IA não será decidido apenas pela capacidade dos modelos.

Será também determinado por computação, energia, capital, talento, empresas, Estados, regulação e escolhas políticas.

É por isso que a questão central não deve ser:

“A previsão do AI 2027 vai acertar?”

Deve ser:

“Que sinais precisamos de acompanhar para perceber se estamos a aproximar-nos desse cenário?”

Essa será uma das perguntas centrais desta série do EDRO.

 

O próximo passo: quando a IA começa a melhorar a própria IA

Na próxima análise vamos aprofundar precisamente o mecanismo que pode transformar crescimento tecnológico em aceleração:

Recursive Self-Improvement: pode uma IA ajudar a construir uma IA melhor do que ela própria?

Vamos explicar o conceito sem ficção científica, identificar quais as partes que já existem hoje, quais permanecem experimentais e onde começa a verdadeira incerteza.

Porque antes de discutir uma eventual superinteligência, é preciso compreender como poderia surgir o mecanismo de aceleração que está no centro do AI 2027.

 

Compreender antes de prever. Preparar antes de reagir.