No dia 6 de setembro, depois do lançamento do GPT 6 Astra pela OpenAI, o CEO da Nvidia, Jensen Huang, publicou uma frase curta que correu o mundo: “GPT 6 Astra, treinado em cerca de 100 mil NVIDIA Grace Blackwell NVLink72. Do ChatGPT ao o1 e ao Astra em 4 anos. A AGI chegou.” Ele acrescentou que outras 400 mil GPUs entram em operação em seguida.
A reação foi rápida e dividida. Parte do mercado tratou a declaração como marco histórico. Pesquisadores e críticos apontaram um problema mais básico: não houve definição do que seria AGI, nem teste apresentado para sustentar a afirmação.
Essa discussão parece distante de quem trabalha com marketing, CRM ou e-commerce. Não é. Ela é o exemplo mais visível de um problema que chega à sua mesa toda semana, em forma de proposta comercial, release de fornecedor e promessa de plataforma.
O que foi dito e o que foi mostrado
Vale separar as duas camadas com calma, porque elas se misturam com facilidade quando a manchete é boa.
O número de GPUs é real e verificável. A linha do tempo de lançamentos também. O que não foi apresentado é a ponte entre essas duas coisas e a conclusão de que existe agora uma inteligência geral de nível humano. Como observou a Forbes, a declaração funciona melhor como argumento de negócio do que como fato estabelecido.
Um detalhe reforça o ponto: a equipe do benchmark ARC Prize, citado pela própria OpenAI no anúncio do Astra, também se recusou a classificar o modelo como AGI. Quando quem mantém a régua não valida a medição, a afirmação fica sem apoio externo.
A crítica de Gary Marcus
O crítico mais insistente foi Gary Marcus, que respondeu em seu Marcus on AI. O argumento dele tem duas partes. A primeira é que a declaração de Huang não trouxe evidência nem uma definição suficientemente precisa de AGI. A segunda é que, aplicando critérios explícitos de avaliação, o Astra falha na maioria deles.
Dá para discordar de Marcus em muita coisa. O método que ele propõe, porém, é difícil de recusar: declare o critério antes, depois teste. Sem critério declarado, “chegamos lá” é uma frase que nunca pode ser contestada, porque nunca definiu o que seria “lá”.
Por que isso importa para quem compra tecnologia
O problema não é o entusiasmo de um executivo. É o efeito cascata. Uma declaração assim vira slide de fornecedor em duas semanas e chega ao seu comitê de compras como contexto de mercado, não como opinião interessada.
E existe um conflito estrutural que raramente é dito em voz alta: quem afirma que a inteligência geral chegou é a empresa que vende os chips usados para treinar os modelos. A TechRadar foi direta ao notar que a celebração soa como argumento de venda da próxima geração de GPUs. Isso não invalida automaticamente a tese, mas muda o peso que ela deveria ter na sua decisão.
Um filtro simples para promessas de IA
Você não precisa de formação em machine learning para avaliar uma promessa. Precisa de quatro perguntas, feitas na ordem.
| Pergunta | O que você está verificando | Sinal de alerta |
|---|---|---|
| Qual é a definição? | Se o termo usado tem significado operacional | Palavra grandiosa sem critério explícito |
| Qual é o teste? | Se existe medição reproduzível | Demonstração escolhida a dedo, sem benchmark |
| Quem validou? | Se alguém sem interesse no resultado confirmou | Só o fornecedor atesta o próprio resultado |
| Qual é a tarefa? | Se a promessa cobre o seu caso de uso real | Capacidade genérica apresentada como solução específica |
Repare que nenhuma dessas perguntas exige conhecimento técnico profundo. Elas exigem disciplina. E são as mesmas perguntas que separam um estudo confiável de um número solto, o que também vale para estudos sobre comportamento de IA na busca.
O risco de confundir capacidade com capacidade
Existe uma ambiguidade útil na palavra capacidade. Quando Huang menciona 100 mil GPUs no treinamento e mais 400 mil entrando em operação, ele está falando de capacidade computacional, que é infraestrutura. A conclusão de que a AGI chegou fala de capacidade cognitiva, que é outra coisa.
Escala tem produzido ganhos reais, e seria tolice negar. Mas escala de hardware é um insumo, não um resultado. Tratar o insumo como prova do resultado é o mesmo erro de quem mede a qualidade de uma operação de marketing pelo tamanho do orçamento.
Esse deslize aparece de forma menos dramática no dia a dia. Times adotam ferramentas pelo que elas prometem em geral e depois descobrem que o ganho não apareceu na tarefa específica que precisavam resolver, um padrão já documentado na discussão sobre as horas de IA que o time de marketing não está contando.
Ceticismo não é imobilidade
Fica um risco no caminho oposto: usar a crítica à hype como desculpa para não fazer nada. Seria um erro de leitura. Os modelos atuais entregam valor concreto em tarefas bem delimitadas, e quem estruturou casos de uso específicos está colhendo resultado.
A postura útil é a do comprador informado. Aceite a ferramenta pelo que ela demonstra na sua tarefa, com sua base e suas métricas, e não pelo que a manchete diz que ela representa para a humanidade. Rode um piloto com critério de sucesso definido antes de começar, que é exatamente o método que faltou na declaração que gerou toda essa discussão.
Se a AGI chegou ou não, é uma pergunta que continuará em aberto enquanto ninguém combinar a definição. Enquanto isso, a pergunta que decide o seu próximo trimestre é bem menor e bem mais respondível: essa ferramenta resolve este problema, com este dado, neste prazo?
Perguntas frequentes
O que Jensen Huang afirmou exatamente?
Em 6 de setembro de 2026, após o lançamento do GPT 6 Astra, o CEO da Nvidia escreveu que o modelo foi treinado em cerca de 100 mil GPUs Grace Blackwell NVLink72 e que a AGI havia chegado. Ele também mencionou outras 400 mil GPUs entrando em operação.
Por que a afirmação foi contestada?
Porque não veio acompanhada de uma definição precisa de AGI nem de um teste que sustentasse a conclusão. A equipe do benchmark ARC Prize, citado pela OpenAI no anúncio do Astra, também se recusou a classificar o modelo como AGI.
O que é AGI?
AGI é a sigla para inteligência artificial geral, a ideia de um sistema com capacidade cognitiva ampla comparável à humana. Não existe definição única aceita pela comunidade, e é justamente essa ausência de critério comum que torna a afirmação difícil de verificar.
Como avaliar uma promessa de IA feita por um fornecedor?
Com quatro perguntas: qual é a definição do que está sendo prometido, qual é o teste que comprova, quem validou o resultado sem ter interesse nele e se a promessa cobre a sua tarefa específica. Elas não exigem conhecimento técnico, apenas disciplina.
Ser cético significa adiar a adoção de IA?
Não. Os modelos atuais entregam valor concreto em tarefas bem delimitadas. A recomendação é adotar com base no que a ferramenta demonstra no seu caso de uso, rodando pilotos com critério de sucesso definido antes do início do teste.
