O que significa AGI

Poucos termos da tecnologia carregam tanto peso com tão pouco consenso. A inteligência artificial geral, AGI na sigla em inglês, é o objetivo declarado dos maiores laboratórios de IA, o tema de uma famosa cláusula contratual e o ponto final de muitas previsões.

Veja o que o termo significa, onde os sistemas estão no outono europeu de 2026 e o que achamos que uma empresa deveria fazer com isso.

O que as pessoas querem dizer com AGI

Comece com três termos simples. A IA estreita faz uma única tarefa, muitas vezes melhor do que qualquer pessoa: um programa de xadrez, um filtro de spam, um modelo que prevê como as proteínas se dobram. A IA geral faria a maior parte do trabalho intelectual que as pessoas fazem, em várias áreas, e aprenderia trabalhos novos como uma pessoa aprende. A superinteligência superaria qualquer pessoa em quase tudo. A IA estreita está em toda parte. As discussões são sobre as outras duas.

A definição mais citada está no estatuto da OpenAI de 2018: sistemas altamente autônomos que superam os humanos na maior parte do trabalho economicamente valioso. Ela mede trabalho, não mentes.

Em 2023, Meredith Ringel Morris e colegas do Google DeepMind propuseram níveis em vez de uma única linha de chegada, avaliando um sistema por quão bem ele se sai, de emergente a sobre-humano, e por quão geral ele é. O AlphaFold é sobre-humano, mas estreito. Eles colocaram o ChatGPT, o Bard, o Llama 2 e o Gemini no primeiro nível da IA geral, igual ou um pouco melhor do que uma pessoa sem qualificação. A autonomia, observaram, é uma questão separada.

Em outubro de 2025, Dan Hendrycks e 32 coautores definiram AGI como igualar a versatilidade e a proficiência cognitivas de um adulto com boa formação, medidas em dez áreas como raciocínio, memória e percepção. O GPT-4 marcou 27 por cento, o GPT-5, 57 por cento. O perfil era irregular: forte onde o conhecimento ajuda, fraco em coisas básicas, como guardar o que aprende ao longo do tempo.

A ARC Prize Foundation define AGI como um sistema capaz de adquirir qualquer habilidade que um humano consegue, com a mesma eficiência de um humano, e constrói seus testes em torno disso.

Onde as coisas estão em 2026

O movimento mais forte deste ano veio no teste mais recente da fundação. Quando o ARC-AGI-3 foi lançado em março, um conjunto de jogos interativos sem instruções, as pessoas resolveram todos e os melhores sistemas de IA marcaram 0,51 por cento. Em setembro, o GPT-6 Astra, da OpenAI, marcou 62,7 por cento na configuração padrão, e 99,9 por cento em uma configuração que mantém o raciocínio oculto do modelo entre as etapas. A fundação chamou isso de um salto, e acrescentou que não afirma que o resultado seja AGI: o teste é rigidamente delimitado e não capta o quanto o mundo real é aberto e complexo.

O trabalho real avança mais devagar. O METR cronometra agentes de IA em tarefas de software comparando-os com pessoas qualificadas. Em maio, relatou que os melhores modelos públicos tinham sucesso na metade das vezes em tarefas que levam cerca de 12 horas para uma pessoa. Para ter sucesso quatro vezes em cinco, as tarefas precisavam encolher para cerca de uma hora e meia. Tarefas longas podem ser tentadas. As curtas são concluídas com confiabilidade.

Os líderes do setor divergem sobre quão perto está o resto. Em agosto, Sam Altman disse à TIME que a OpenAI ainda não tinha chegado lá, mas que teria até o fim do ano um sistema interno que ele chamaria de AGI. Em Davos, em janeiro, Demis Hassabis, do Google DeepMind, disse que os sistemas atuais estão longe de uma AGI de nível humano e que talvez sejam necessários mais um ou dois avanços decisivos. Yann LeCun, que deixou a Meta para fundar a AMI Labs, argumentou que modelos treinados com texto nunca vão atingir inteligência de nível humano, porque lhes falta um modelo de causa e efeito no mundo real.

Somando tudo, os sistemas de hoje são sobre-humanos em algumas tarefas, especialistas em muitas e ainda fracos para lembrar, aprender no trabalho e manter a confiabilidade por longos períodos. Se isso conta como AGI depende da definição que você adota.

Por que a palavra importa mesmo assim

Durante anos, a palavra teve um preço. Pela parceria original, a Microsoft perderia seus direitos sobre a tecnologia da OpenAI quando a OpenAI atingisse a AGI. Em dezembro de 2024, o The Information noticiou um critério financeiro: a AGI seria considerada atingida quando os sistemas da OpenAI gerassem pelo menos 100 bilhões de dólares em lucro. Em outubro de 2025, as duas concordaram que um painel independente de especialistas teria de verificar qualquer declaração, e estenderam os direitos da Microsoft até 2032, incluindo modelos posteriores à AGI.

Em abril de 2026, a cláusula caiu. Os pagamentos de participação na receita da OpenAI à Microsoft agora continuam até 2030, sujeitos a um teto total e independentes do progresso tecnológico da OpenAI, e a licença da Microsoft até 2032 não é mais exclusiva. Como resumiu o The Verge, não há mais painel nem regra para o que acontece se, ou quando, a AGI for declarada.

A palavra também carrega promessas. O estatuto da OpenAI compromete a empresa a parar de competir com um projeto alinhado a valores e atento à segurança que chegue perto de construir a AGI primeiro, e a passar a ajudá-lo. Uma promessa assim só funciona se alguém conseguir dizer quando esse perto foi alcançado.

Os legisladores evitam a palavra. O AI Act da UE regula modelos de IA de uso geral, com obrigações para seus fornecedores desde 2 de agosto de 2025, e presume risco sistêmico para um modelo treinado com mais de 10 elevado a 25 operações de ponto flutuante. A lei conta o que consegue medir. E uma previsão de AGI molda investimentos, contratações e a paciência dos conselhos muito antes de alguém concordar sobre o que chegou.

O que isso significa para uma empresa

Para uma empresa, esperar por uma declaração é o plano errado. Ela pode nunca vir, e o contrato mostra que ela pode deixar de importar até para quem negociou em torno dela. O perfil irregular é a parte útil: o mesmo sistema pode ser sobre-humano em uma tarefa e pouco confiável na seguinte. Então a pergunta não é quando a AGI chega. É qual trabalho pode ser delegado agora, e com base em quais evidências.

Liste o trabalho que a sua equipe repete: a proposta, o fechamento do mês, a resposta a uma solicitação padrão, o primeiro rascunho de uma página. Faça três perguntas sobre cada item. Uma máquina consegue fazer isso bem o bastante hoje? Uma pessoa consegue verificar o resultado em poucos minutos? Um erro pode ser desfeito a baixo custo? Comece onde as três respostas forem sim.

Depois, delegue passo a passo. Primeiro, a máquina rascunha e uma pessoa decide. Quando os rascunhos deixarem de precisar de correções ao longo de trabalho real suficiente para contar, a máquina executa a rotina e uma pessoa aprova em pontos fixos de controle. Só então ela roda sozinha, dentro de regras escritas, com cada etapa registrada. O tempo todo, as pessoas definem a direção e verificam o resultado. O que muda é quanto do trabalho intermediário a máquina carrega.

Nada disso espera por uma definição. Mesmo um sistema que passasse em todos os testes de AGI precisaria do conhecimento de uma empresa, das suas regras e de uma pessoa que responda pelo resultado. Isso pode ser construído agora, seja qual for o nome do próximo modelo.

Onde a crue está

Nossa linha diz: Liderado por pessoas. Movido por IA. Depois, autônomo. Ela descreve um caminho, não uma previsão sobre a AGI.

Hoje, todo produto da crue é liderado por pessoas. As pessoas trazem a ideia, a experiência e o gosto, a IA faz a produção, e as pessoas revisam o resultado e dão o toque final. Em seguida, os produtos se tornam agênticos: os agentes fazem a maior parte do trabalho, e as pessoas definem os objetivos e aprovam nos pontos de controle. Depois vem o autônomo, uma rotina de cada vez, à medida que cada uma faz por merecer.

Não construímos AGI, e não esperamos por ela. Modelos melhores aproximam cada etapa, mas as etapas não dependem de como um laboratório chama seu sistema. O Helm, nossa visão de uma empresa administrada pelo fundador com agentes, é onde levamos o caminho mais longe. O Twin dá a uma empresa seu cérebro de IA, e o Eigna, um modelo privado próprio.

Se um dia um sistema atender a todas as definições de AGI, uma empresa vai enfrentar as mesmas perguntas de hoje: qual trabalho delegar, quem define a direção e quem responde pelo resultado. A palavra vai continuar mudando. Alguém ainda precisa estar no leme.