IA
Redação Teknosfera
IA

A aposta da OpenAI em robótica: a escala vence, mas quem explica as falhas?

Incorporar a robótica aos modelos gerais pode ser eficiente, mas dissolve os especialistas que saberiam por que um robô deixou a garrafa cair, e isso importa mais do que o benchmark.

Publicado
14 de novembro de 2026
Leitura
4 min
Categorias
IA

Foto: Cwoo4792 / Wikimedia Commons (CC BY-SA 3.0)

Como se chama um programa de robótica sem equipe de robótica? Ou a estratégia mais confiante da IA, ou uma maneira muito elegante de cortar custos. Provavelmente as duas coisas.

Segundo uma exclusiva da Fortune, a OpenAI desfez sua equipe independente de robótica. Os pesquisadores agora respondem ao diretor de pesquisa, Mark Chen, enquanto o pessoal de robótica aplicada e hardware passou para o comando do presidente, Greg Brockman. A empresa diz que a robótica continua sendo parte central de sua visão de longo prazo, e Sam Altman estaria mirando uma primeira demonstração pública de seu próprio humanoide em 2027.

O motivo declarado é que os grandes modelos gerais de fronteira, entre eles o GPT-6 Astra, já podem ser aplicados diretamente a robôs. A Fortune cita um estudo da Nvidia em que um agente movido pelo Astra atingiu 74,8% em um benchmark de manipulação simulada, contra 51,0% dos melhores modelos robóticos especializados desse ranking.

A aposta na escala é mais crível do que parece

É fácil zombar, mas achamos a lógica coerente. Guanya Shi, da Carnegie Mellon, disse à Fortune que enxerga a mudança como sinal de que a OpenAI vê a robótica como "não mais um problema especial", apenas outra aplicação derivada da inteligência geral, como as ferramentas de programação ou jurídicas. Se o mesmo modelo que escreve código também consegue pegar uma garrafa em um lugar inesperado ou sob uma iluminação estranha, uma equipe separada para o cérebro do robô começa a parecer esforço duplicado.

Essa também é a história dos últimos anos em IA: sistemas especializados continuam perdendo para sistemas gerais maiores. Uma diferença de quase 24 pontos em um benchmark é difícil de ignorar. Nossa ressalva é que se trata de um benchmark simulado, não de um chão de fábrica, e benchmarks são exatamente onde os modelos gerais costumam aparecer melhor.

A questão do dinheiro está à vista de todos

Não encare isso como ciência pura. A Fortune observa que a OpenAI está sob pressão para conter custos, abandonou "projetos paralelos" (inclusive o Sora), teria perdido US$ 10,9 bilhões em prejuízo operacional no último trimestre e avalia uma possível abertura de capital no início de 2027. Uma equipe de robótica independente nos parece um projeto paralelo de manual. "Modelos gerais fazem melhor" é uma descoberta maravilhosa para se ter justamente quando é preciso simplificar o organograma.

Não estamos dizendo que a descoberta é falsa. Mas, quando uma conclusão técnica e uma necessidade orçamentária apontam para o mesmo lado, vale ter as duas em mente. Também é a segunda vez que a OpenAI encerra uma equipe de robótica, depois do desmonte de 2020, que, segundo a Fortune, o cofundador Wojciech Zaremba associou à escassez de dados de robôs.

Quem vai saber por que o robô falhou?

Esta é a nossa objeção de fato. Um modelo de linguagem que erra produz um parágrafo ruim. Um robô que erra pode quebrar um prato, ou algo pior. Depurar isso provavelmente exige gente que convive todo dia com atuadores, latência, calibração e física de contato. Se você espalha essas pessoas entre a pesquisa geral e as equipes aplicadas, talvez não perca as habilidades delas da noite para o dia, mas perde o lugar onde analisar falhas era o trabalho inteiro.

O contrapeso vem de Russ Tedrake, professor do MIT e cofundador e CEO da Walden Robotics. Ele argumenta que as empresas de robótica têm algo que os laboratórios não têm: experiência de implantação em locais de trabalho reais e dados específicos de cada unidade, que ganham valor à medida que os modelos de fundação melhoram. Para nós, esse é o verdadeiro fosso competitivo. Quem tem robôs trabalhando em fábricas aprende por que eles falham, e um modelo geral sozinho não consegue dizer isso.

Assim, as startups que levantaram bilhões partindo da premissa de que robôs precisam de cérebros próprios não estão mortas, mas o discurso delas provavelmente precisa mudar. O valor está nos dados e na operação, menos no modelo.

Nosso veredito

Achamos que a OpenAI provavelmente está certa ao dizer que os modelos gerais farão a maior parte do trabalho de "cérebro" e que as equipes dedicadas a modelos de robôs são a parte mais ameaçada. Mas o humanoide de 2027 será julgado no mundo físico, não em um ranking. Se a OpenAI quer que essa demonstração se sustente, precisa manter a expertise em falhas físicas em algum lugar com autoridade real, e não apenas com uma linha de subordinação. Fique de olho nisso: não nos números do benchmark, mas em saber se a empresa consegue explicar, em público, o que dá errado quando seus robôs falham.

Temas de debate

Ainda não há temas: abra o primeiro.

Mais matérias