A inteligência artificial chegou à fase de "IA do mundo real".

Autor: Wang Jie

Durante o Fórum Económico Mundial de Verão em Dalian, no final de junho, líderes mundiais da indústria de inteligência artificial (incluindo robótica) reuniram-se para discutir o desenvolvimento atual e as próximas tendências importantes no setor de IA. Entre eles, Wang Jie, o primeiro investidor chinês em IA e codiretor do Centro de Investigação Económica em IA da Academia de Economia Digital de Shenzhen, propôs que a indústria de IA, após passar pelas três fases de "geração de conteúdo", "capacidade de raciocínio" e "capacidade de ação", está prestes a entrar na fase "IA do Mundo Real". Todos os elos da indústria precisam de se preparar adequadamente para acolher esta fase.

Segue-se o texto completo de "A Inteligência Artificial Chega à Fase 'IA do Mundo Real'", publicado exclusivamente pela Tencent Technology.

We are at AI’s reality moment.

Nos últimos anos, a IA já aprendeu a gerar, raciocinar e agir. A próxima fase não é apenas se a IA consegue dar respostas mais bonitas no ecrã, mas se consegue aprender com o feedback do mundo real e entregar resultados de trabalho aceitáveis e sustentáveis no mundo real. Hoje, estamos no "momento do mundo real" do desenvolvimento da IA.

Observação: A IA está a afastar-se continuamente do mundo dos benchmarks

Nos últimos anos, a narrativa principal da indústria de IA foi organizada pelos benchmarks. Cada lançamento de modelo vinha acompanhado de um conjunto de pontuações: compreensão linguística, exames profissionais, raciocínio matemático, geração de código, engenharia de software, operação de páginas web, perguntas e respostas multimodais, tarefas de agente. As pontuações subiam, a indústria entusiasmava-se; as pontuações saturam, criavam-se novos benchmarks. Os benchmarks tornaram-se bandeiras de marcos ao longo do longo caminho do desenvolvimento da IA.

Contudo, um facto cada vez mais claro está a emergir: a IA está a afastar-se continuamente do mundo dos benchmarks. Muitos testes que antes se consideravam suficientemente difíceis para representar a inteligência estão a ser aproximados, igualados e ultrapassados pelos modelos, uma e outra vez. Os investigadores continuam a definir novas tarefas, novas classificações, novos conjuntos de avaliação, e os modelos continuam a perseguir e a arrancar novas bandeiras. Isto é, claro, parte do progresso científico, mas também mostra que os benchmarks isolados são cada vez mais insuficientes para suportar todo o significado do desenvolvimento da IA.

O mundo dos benchmarks é, essencialmente, um "mundo teórico": os problemas estão predefinidos, as respostas têm limites claros, os critérios de avaliação podem ser formalizados, e o custo do fracasso é geralmente apenas uma pontuação. É adequado para provar que um modelo possui uma certa capacidade, mas não equivale a provar que o modelo pode entregar os resultados que esperamos num fluxo de trabalho real. Um modelo que acerta num banco de questões não significa que consegue realizar tarefas de forma estável nos processos de compras de uma empresa, na coordenação clínica de um hospital, no sistema de planeamento de produção de uma fábrica, na revisão de riscos de documentos legais ou na resposta de emergência da governação urbana.

Portanto, quando dizemos que a IA está a deixar o mundo dos benchmarks, não queremos dizer que os benchmarks já não são importantes. Pelo contrário, os benchmarks continuam a ser um painel de instrumentos necessário para o progresso tecnológico. Mas o painel de instrumentos não é a estrada, a pontuação não é o resultado, e a demonstração não é a entrega. A IA está a afastar-se do mundo dos benchmarks, para que mundo está a ir? A resposta é: o mundo real. Toda a indústria está a entrar na fase da "IA do Mundo Real".

A transição do "mundo teórico" para o "mundo real"

### As três fases antigas do "mundo teórico"

O desenvolvimento atual da IA já passou por três fases antigas claras. A primeira é a fase de "geração de conteúdo", cuja forma típica é o chatbot. Pela primeira vez, a IA usa a linguagem natural como interface, capaz de escrever, resumir, traduzir, dialogar e explicar, tornando-se uma ferramenta textual universal para o trabalho cognitivo humano. A segunda é a fase de "capacidade de raciocínio", cuja forma típica é o raciocinador, representado por modelos como GPT o1 e DeepSeek R1. A IA começa a demonstrar capacidades mais fortes de decomposição, pesquisa, planeamento, prova e auto-verificação, podendo lidar com problemas de cadeias mais longas e maior complexidade. A terceira é a fase de "capacidade de ação", cuja forma típica é o agente. A IA já não se limita a responder perguntas, mas sim a chamar ferramentas, navegar na web, escrever código, operar software e executar tarefas de múltiplos passos.

Estas três fases são muito importantes. A geração deu linguagem à IA, o raciocínio deu pensamento à IA, e o agente deu à IA uma mão inicial. Depois de gerar, raciocinar e agir, a próxima coisa não é realizar mais ações em demonstrações, mas sim assumir resultados em ambientes reais. O mundo real será o ambiente de ação de longo prazo para o futuro da IA.

Por que se diz que as três fases acima são antigas? Porque a maioria permanece no "mundo teórico" ou no "quase-mundo real". Os modelos enfrentam problemas abstraídos, em vez de sistemas económico-sociais completos; otimizam feedback computável, em vez de resultados reais com múltiplos agentes, múltiplas restrições e ciclos longos; mostram possibilidades de capacidade, em vez de resultados de trabalho que sejam aceites coletivamente por utilizadores, organizações, instituições e mercados.

### A nova fase do "mundo real"

Propomos "IA do Mundo Real", Real-World AI, para refletir a nova fase que a IA está prestes a entrar. A definição de IA do Mundo Real é: IA que pode aprender a partir do feedback do mundo real, completar tarefas do mundo real e produzir resultados reais. O "mundo real" aqui inclui dois significados: Primeiro, o feedback do treino vem de resultados, utilizadores, instituições, custos e riscos do ambiente real, e não apenas de respostas padrão; segundo, as tarefas vêm de fluxos de trabalho reais, e não apenas de bancos de questões, sandboxes ou demonstrações. Não é um rótulo vago, mas sim um nome de fase que marca a transição da IA da demonstração de capacidades para a entrega produtiva, da inteligência teórica para a inteligência de trabalho.

O núcleo da IA do Mundo Real não é conectar a IA a mais botões, mas sim colocá-la num ciclo fechado: compreender tarefas reais, receber feedback real, executar ações reais, corrigir as suas próprias estratégias e, finalmente, entregar resultados reais aceitáveis. Requer que a capacidade do modelo ultrapasse as áreas atualmente concentradas principalmente em "disciplinas académicas de computação", como código, engenharia de software, matemática e segurança cibernética, e avance para cenários de trabalho humano mais amplos: marketing, vendas, cadeia de suprimentos, produção, finanças, direito, medicina, educação, investigação científica, governação pública, e sistemas robóticos e de automação no mundo físico.

Segue-se uma comparação chave entre o mundo real e o mundo teórico:

› Mundo Teórico
• Problemas predefinidos
• Respostas com limites claros
• Critérios de avaliação formalizáveis
• Custo do fracasso é uma pontuação
• Feedback de erros padrão
• Ambiente: bancos de questões, sandboxes, demonstrações

› Mundo Real
• Problemas emergentes
• Resultados aceitos por múltiplos agentes
• Critérios de avaliação contextuais
• Custo do fracasso é real (dinheiro, tempo, reputação)
• Feedback de utilizadores, instituições, custos, riscos
• Ambiente: fluxo de trabalho real, organização, mercado, física

Neste sentido, a IA do Mundo Real não é um modelo específico, um produto específico ou uma rota algorítmica específica, mas sim a nova direção de toda a indústria. Conectará pós-treino, aprendizagem por reforço, uso de ferramentas, sistemas de memória, integração de fluxos de trabalho, feedback organizacional, supervisão humana, mecanismos de segurança e medição de valor económico. O mundo real tornar-se-á o novo campo de treino da IA.

A IA do Mundo Real produzirá inteligência do mundo real. Real-world intelligence é a capacidade do modelo formada após o treino com feedback do mundo real, e também a capacidade de transformar objetivos em resultados sob restrições reais. Mede não o desempenho momentâneo do modelo em questões estáticas, mas a usabilidade contínua, fiabilidade e capacidade de criação de valor do sistema de IA em tarefas reais. Se o núcleo da benchmark intelligence é "se consegue obter a resposta correta numa determinada questão", então o núcleo da real-world intelligence é "se consegue completar um resultado aceitável numa tarefa real".

### Por que a transição do "mundo teórico" para o "mundo real" é inevitável?

Esta transição tem necessidade técnica e também necessidade económica. Tecnicamente, os modelos de linguagem de grande escala deram à IA capacidade linguística, os modelos de raciocínio deram-lhe capacidade de pensamento mais forte, e os agentes deram-lhe capacidade de ação inicial. Observando o comportamento humano, depois de possuir linguagem, pensamento e capacidade de ação, uma pessoa inevitavelmente entra na fase de interação com o mundo real. A inteligência não é uma capacidade que fica na mente, mas sim a capacidade de completar objetivos no ambiente. Portanto, o próximo passo da IA é muito claro: entrar no mundo real.

Economicamente, o maior valor da revolução da IA não pode permanecer para sempre em perguntas e respostas, escrita e fragmentos de código. A verdadeira libertação da produtividade vem do desbloqueio de tarefas reais: um processo de atendimento ao cliente é completado de ponta a ponta, uma due diligence legal é entregue de forma estável, uma cadeia de suprimentos é otimizada dinamicamente, uma hipótese de investigação é rapidamente validada, um robô colabora de forma fiável num armazém ou em casa. Apenas quando a IA entra em fluxos de trabalho reais, as empresas a contam como capacidade organizacional, a sociedade a conta como produtividade, e os humanos sentem verdadeiramente a escala desta revolução tecnológica.

É por isso que "IA do Mundo Real" é mais operacional do que simplesmente discutir AGI. A AGI pergunta se a IA se aproxima da inteligência humana; a IA do Mundo Real pergunta se a IA consegue completar tarefas reais. A AGI facilmente leva a discussão para capacidades infinitas; a IA do Mundo Real puxa a discussão de volta para o feedback, resultados, custos e valor. Não reduz o objetivo da IA, mas coloca o objetivo da IA no local onde ela deve finalmente enfrentar: a realidade.

Roteiro e Terminologia

### Roteiro

Em termos de roteiro, o roteiro de cinco fases proposto pela OpenAI em 2024 capta, de forma geral, a direção evolutiva do chatbot para o raciocinador e depois para o agente, mas não descreve completamente a transição do mundo teórico para o mundo real. Além disso, as duas últimas fases, inovador e organizador, são mais características de capacidades que um agente pode ter, em vez de formas técnicas paralelas ao chatbot, raciocinador e agente; os critérios não são consistentes. Mais importante, quando este roteiro foi proposto, a indústria ainda não tinha entrado verdadeiramente na fase do agente, pelo que o julgamento sobre o que vem a seguir ao agente é naturalmente incerto.

No ponto em que a indústria transita do mundo teórico para o mundo real, precisamos de um roteiro que possa orientar o trabalho de longo prazo. Propomos o seguinte quadro de cinco fases: Primeira, Foundation AI, fase do modelo base, onde a IA obtém capacidade de representação universal e compressão de conhecimento; Segunda, Generative AI, fase da IA generativa, onde a IA obtém capacidade de geração de linguagem natural e multimodal; Terceira, Reasoning AI, fase da IA de raciocínio, onde a IA obtém capacidades mais fortes de pesquisa, planeamento, prova e reflexão; Quarta, Agentic AI, fase da IA agêntica, onde a IA obtém capacidade de ação para chamar ferramentas, operar software e executar passos; Quinta, Real-World AI, fase da IA do Mundo Real, onde a IA entra em fluxos de trabalho reais, aprende a partir de feedback real e entrega resultados reais aceites por humanos, organizações e instituições.

Este roteiro coloca "IA do Mundo Real" depois do agente. O agente resolve o problema "se a IA pode agir", enquanto a IA do Mundo Real resolve o problema "se, depois de agir, a IA produz consequências aceitáveis". O agente é a interface, o mundo real é o ciclo fechado; o agente é a mão, a IA do Mundo Real é a capacidade de trabalho organizada; o agente permite que a IA entre no processo, a IA do Mundo Real permite que a IA seja aceite pelo processo, confiada pela organização e medida economicamente.

Mais adiante, a indústria pode entrar numa fase maior: a IA torna-se a camada operacional da economia e da sociedade, ou seja, a "camada digital" que mencionámos várias vezes antes. Nessa altura, a IA não só completará tarefas individuais, mas também participará no apoio à decisão, coordenação organizacional, alocação de recursos, descoberta científica, operação urbana e operação do mundo físico. Mas se este futuro chegará, depende se conseguimos ultrapassar a fase da IA do Mundo Real hoje. Sem feedback real, não há inteligência real; sem resultados reais, não há produtividade real.

### Terminologia

No passado, já temos muitos termos para descrever este desenvolvimento da IA: AGI, ASI, Generative AI, Agentic AI, Embodied AI, Physical AI, etc. (World Model não descreve as características do desenvolvimento da IA, mas sim uma rota de modelo). De forma geral, estes termos partem, na sua maioria, de perspetivas algorítmicas, de capacidade ou de suporte, podendo ser chamados de "descrições sob uma perspetiva algorítmica". São muito importantes, mas também facilmente levam a discussão da indústria para debates abstratos como "se o modelo é suficientemente inteligente", "se a inteligência é infinita" ou "quando ultrapassará os humanos".

Um bom nome deve ter um sentido de direção: não só descreve o que a tecnologia é, mas também nos lembra para onde vamos finalmente e onde estamos neste momento. "IA do Mundo Real" tem este sentido de direção. Não nega AGI, Physical AI ou Embodied AI, mas muda a forma de perguntar: já não se pergunta apenas o que a IA é tecnicamente, mas pergunta-se o que a IA pode fazer na economia e na sociedade; já não se pergunta apenas se a IA se aproxima da inteligência humana, mas pergunta-se se a IA consegue completar tarefas reais de forma estável, criar valor real e assumir consequências reais.

"IA do Mundo Real" também unifica o mundo digital e o mundo físico. No mundo digital, IA do Mundo Real significa que a IA entra em software empresarial, trabalho de conhecimento, processos de transação, processos de I&D, processos de governação; no mundo físico, IA do Mundo Real significa que robôs, condução autónoma, produção inteligente, serviços domésticos e infraestruturas urbanas aprendem a partir do ambiente real. Independentemente de o suporte ser um navegador, API, software de escritório, braço robótico, veículo ou robô humanoide, a questão central é a mesma: a IA consegue formar um ciclo fechado no ambiente real, completar tarefas e ser aceite pela realidade?

Portanto, apresentamos a toda a indústria a expressão "IA do Mundo Real / Real-World AI". Ela pode trazer investigadores, empreendedores, investidores, utilizadores empresariais e decisores políticos para o mesmo mapa: da benchmark intelligence para a real-world intelligence; do período de demonstração de capacidades para o período de desbloqueio de tarefas; da competição de modelos para a competição de produtividade; de "IA parece que consegue fazer" para "IA realmente consegue fazer".

A IA do Mundo Real não é um ponto final, mas uma porta de entrada. Lembra-nos que o trabalho mais importante da IA nos próximos anos não é apenas criar modelos maiores, contextos mais longos ou demonstrações mais bonitas, mas sim transformar a realidade num ciclo de treino, o feedback em capacidade, as tarefas em valor, e a IA numa força produtiva verdadeiramente utilizável pela sociedade humana.

Para que esta fase chegue realmente, a indústria precisa de formar um novo consenso. O treino de modelos precisa de usar o feedback do fluxo de trabalho real como um recurso central de pós-treino, e não apenas perseguir as listas existentes; as aplicações de IA precisam de evoluir de produtos de assistente para formas de entrega de tarefas, e não apenas embutir janelas de chat de IA no software; os utilizadores empresariais precisam de avançar a avaliação da IA de "se é fácil de usar" para "se consegue completar tarefas-chave de forma estável"; os investidores precisam de reavaliar a velocidade de desbloqueio de tarefas, a profundidade do ciclo de feedback e a produção por custo unitário, para além dos parâmetros do modelo e dos efeitos de demonstração; os decisores políticos precisam de estabelecer quadros de dados, responsabilidade, segurança e auditoria, para que a adoção no mundo real possa expandir-se com confiança.

Este é o significado de "IA do Mundo Real" como termo. Ele condensa o foco disperso da indústria numa direção comum: fazer a IA sair do palco de demonstração e entrar no local de produção; sair do banco de questões e entrar na organização; sair da resposta única e entrar no feedback contínuo; sair da inteligência abstrata e entrar no valor real. We are at AI’s reality moment. A próxima fronteira da IA não é outro benchmark, a próxima fronteira é o mundo real.

O mundo real tornar-se-á o novo campo de treino da IA.

Reality is becoming the next training loop for AI.