Na OpenAI, agentes trabalham 3,1 dias por dia humano — com correções

A OpenAI publicou em 6 de setembro de 2026 que, em meados de agosto, sua organização de pesquisa usava 3,1 jornadas de agentes para cada jornada humana, considerando períodos de oito horas. O relatório de aceleração da pesquisa mede o tempo agregado de execução de agentes de programação — não uma produtividade 3,1 vezes maior nem a realização autônoma de pesquisa científica.

Os mesmos dados mostram o principal limite dessa leitura: nos seis meses analisados, mais da metade das tarefas bem-sucedidas que exigiriam de quatro a oito horas de uma pessoa teve ao menos uma intervenção humana. O quadro é de expansão rápida da execução computacional dentro da empresa, mas ainda sob direção, avaliação e correção de pesquisadores.

O que as 3,1 jornadas realmente medem

A proporção compara dois totais da organização de pesquisa. O numerador é o tempo de funcionamento dos agentes, convertido em jornadas de oito horas; o denominador é o trabalho humano expresso na mesma unidade. Assim, 3,1 jornadas correspondem a 24,8 horas agregadas de execução para cada jornada humana, resultado aritmético que não representa três dias consecutivos no calendário.

Pesquisadores podem iniciar várias sessões ao mesmo tempo, enquanto agentes também podem criar subagentes. O total computacional, portanto, pode superar 24 horas dentro de um único dia porque diferentes execuções ocorrem em paralelo. A métrica descreve o volume de processamento mobilizado pela organização, não o rendimento individual de uma máquina comparado ao de uma pessoa.

Essa razão também não informa quantas tarefas foram concluídas sem ajuda, quanto tempo humano foi efetivamente poupado ou quantos resultados chegaram a um modelo. Antes de junho de 2026, o tempo total dos agentes ainda era inferior ao trabalho humano; a passagem para 3,1 indica uma mudança operacional expressiva, mas não mede sozinha o valor do trabalho produzido.

Mais experimentos ainda não equivalem a mais descobertas

O aumento de atividade aparece em outras medições internas. Em agosto de 2026, o número de experimentos por pesquisador ativo atingiu o maior nível desde o início do acompanhamento, em janeiro de 2025. A cobertura da ITmedia NEWS também registrou que o crescimento ocorreu junto da maior adoção do Codex e da ampliação da capacidade computacional disponível.

Essa combinação impede atribuir toda a mudança aos agentes. Mais capacidade de computação permite executar mais testes mesmo sem um ganho equivalente de automação, e os dados publicados não apresentam uma comparação controlada entre equipes ou períodos equivalentes com e sem essas ferramentas.

Há ainda uma diferença entre escrever código, rodar experimentos e produzir conhecimento validado. Uma sessão pode consumir horas corrigindo infraestrutura, monitorando uma execução ou tentando alternativas posteriormente descartadas. Código gerado e quantidade de experimentos são indicadores acessíveis, mas sua relação com o progresso científico permanece difícil de estabelecer.

As atividades delegadas cresceram em todas as categorias examinadas entre janeiro e agosto, sobretudo no suporte técnico e no monitoramento de execuções. O planejamento de alto nível, porém, continuou representando uma parcela mínima dos tokens produzidos pelos agentes. Pessoas ainda definem prioridades, avaliam ideias e resultados e decidem quando ampliar, interromper ou implantar um sistema.

As correções humanas delimitam a autonomia

A frequência de intervenções é a restrição mais direta à interpretação de que os agentes já pesquisam de maneira independente. O recorte considera tarefas que ocupariam uma pessoa por quatro a oito horas e que terminaram com sucesso; em mais da metade delas, alguém precisou intervir ao menos uma vez. Casos cujo resultado não pôde ser determinado ficaram fora da classificação.

O dado não revela a intensidade de cada correção. Uma intervenção pode significar um esclarecimento breve, uma mudança de estratégia ou a recuperação de uma tentativa que havia falhado. Sem informações sobre duração, conteúdo e gravidade, não é possível calcular quanto esforço humano cada tarefa consumiu.

A análise do The Next Web separou igualmente escala de independência ao destacar que o planejamento de alto nível permanecia residual e que tarefas longas bem-sucedidas ainda exigiam correções humanas frequentes. Isso sustenta uma conclusão mais limitada: os agentes já assumem execuções extensas, mas o julgamento científico continua fora da métrica de tempo.

Custo e simultaneidade explicam parte da escala

O crescimento veio acompanhado de consumo elevado de inferência. Em meados de agosto, o pesquisador mediano quando ordenado pelo uso de agentes consumia mais de US$ 600 por dia a preços de API; no percentil 90, o valor passava de US$ 7 mil. Essas cifras são equivalências de preço, não uma demonstração do desembolso interno efetivo da empresa.

A simultaneidade ajuda a explicar tanto o volume de horas quanto o custo. A medição abrange agentes iniciados diretamente pelos pesquisadores e subagentes derivados dessas sessões, enquanto aumenta a parcela de profissionais que mantém quatro ou mais agentes ativos ao mesmo tempo. A relação de 3,1 para 1 descreve essa capacidade de multiplicar execuções concorrentes, sem demonstrar substituição equivalente de pesquisadores.

O estágio alcançado é denominado “estagiário de pesquisa automatizado” e tem uma definição restrita: executar, sob orientação humana, tarefas bem especificadas que poderiam ocupar um pesquisador qualificado por alguns dias. Ele não corresponde ao objetivo posterior de um pesquisador de IA integralmente automatizado.

Até 7 de setembro, o que está demonstrado é que agentes acumulam mais tempo de execução do que as pessoas na organização de pesquisa da OpenAI e conseguem assumir trabalhos mais longos. Comprovar autonomia científica exigiria relacionar esse esforço à qualidade das descobertas, aos resultados incorporados, ao tempo humano economizado e à profundidade das intervenções — informações que a divulgação atual ainda não oferece.

Leia também:

• Freelancer com IA ganha mais — mas trabalho simples já paga 13% menos
• Gemini chega aos bancos com mais de 50 habilidades — mas ainda em prévia
• MHS quer ligar agentes a laboratórios — supervisão humana ainda é necessária