Auditoria do próprio Google não encontra o flywheel de IA que seu cofundador diz já ter começado

O Google divulgou esta semana dois documentos que divergem entre si — e só um deles descreve o que os gastos da Alphabet▲+1.14% — Alphabet, up 1.14 percent today estão comprando. Em 14 de outubro de 2026, o Google DeepMind publicou a primeira auditoria interna sobre se a IA está acelerando a pesquisa em IA↗, inserida no relatório de segurança de seu novo modelo de fronteira, o Gemini 4 Argon, e não encontrou nenhuma aceleração que as máquinas pudessem reivindicar como mérito próprio ¹².

Um dia depois, o cofundador do Google, Sergey Brin, afirmou em uma mesa-redonda que seus pesquisadores e seus modelos "trabalham lado a lado" e que o Google está "começando a embarcar nessa esteira do RSI↗" ³⁴. O autoaperfeiçoamento recursivo (recursive self-improvement), ou RSI, é o ciclo em que a IA ajuda a construir a IA que a substitui — com cada geração supostamente chegando mais rápido que a anterior ³.

A auditoria encontrou uma reta, não um flywheel

A avaliação, liderada pelo pesquisador do DeepMind Haydn Belfield, acompanha a capacidade dos modelos de fronteira em um Índice de Capacidade Geral: um número por modelo, composto a partir de pontuações em 123 modelos e 92 benchmarks — algo como um QI para IA ¹². Desde o fim de 2024, a pontuação sobe cerca de 0,1 ponto por mês, uma reta notavelmente estável ². No caso dos modelos públicos do laboratório, o ganho mensal antes de abril de 2026 era de 0,091 ponto; depois de abril, ficou em 0,118 — e o relatório não encontrou diferença estatisticamente significativa entre os dois períodos ¹.

O próprio Argon fica ligeiramente acima da tendência, e a equipe atribui isso a mais computação e mais investimento organizacional, e não à autoaceleração ¹². Nas palavras de Belfield, "Atualmente não há aceleração significativa de ponta a ponta na P&D de aprendizado de máquina, seja ela impulsionada por IA ou não↗" ². Uma ressalva, porém, joga para os dois lados: os números descrevem apenas o laboratório da própria DeepMind, não os da OpenAIPVT$1.18T — OpenAI, private, latest valuation $1.18T nem os da AnthropicPVT$350B — Anthropic, private, latest valuation $350B ².

A IA escreve o código, mas humanos ainda conduzem quase toda alteração

O flywheel teria de engrenar no meio da cadeia — e é aí que ele empaca. As ferramentas de IA hoje escrevem mais de três quartos do código de produção da DeepMind, mas cerca de 88% das alterações de código ainda precisam de um humano para conduzir a IA ou escrever código antes de qualquer coisa entrar em produção ¹². A fatia concluída de ponta a ponta pela IA avançou apenas de 7,5% para 11,9% entre abril e setembro ².

No RE-Bench, uma bateria interna de 74 tarefas de engenharia de aprendizado de máquina, o agente do Argon concluiu cerca da metade ¹. O Gemini 3.7 Flash, da geração anterior, ficou em 27%. Ambos estão muito abaixo dos 90% que a DeepMind considera sinal de alerta para automação total ¹². Em 1.389 execuções de agentes revisadas, quanto maior a tarefa, menor a probabilidade de o modelo concluí-la sozinho ².

Um levantamento com 12 pesquisadores seniores da DeepMind constatou que a automação é maior na execução bem especificada e verificável, e menor na ideação aberta e no faro para pesquisa de longo prazo ¹². Continuam escassos a verificação, a revisão e o julgamento sobre qual ideia merece computação.

Os gastos de capital partem da versão do fundador

Brin diz que o Google já está uns dois modelos à frente do Argon internamente e espera que o ritmo apenas acelere ³⁴. Vihan Jain, líder de RSI do Gemini na DeepMind, publicou que, no pós-treinamento — o estágio em que um modelo-base pronto é refinado com feedback e dados —, a demanda havia migrado de pedir chips puros e simples para pedir "cota de Argon" ³.

A tese move dinheiro de verdade. As ações de chips recuaram quase 6% há um mês, quando o presidente-executivo da Anthropic, Dario Amodei, defendeu que o autoaperfeiçoamento recursivo já estava acelerando ². Um relatório publicado na quarta-feira pela Gladstone AI↗, consultoria que assessora o governo americano em política de IA, constatou que a maioria dos pesquisadores ouvidos espera RSI em três a doze meses ³⁵⁶. A Alphabet gastou cerca de US$ 45 bilhões com projetos de capital no segundo trimestre↗, contra um histórico medido em que cada ponto de capacidade ainda vem de chips e pessoas ⁷.

Leia o livro de contas antes de precificar o flywheel

Nada disso é um argumento contra a IA. O índice sobe de forma constante, os agentes são reais e o Argon, apresentado em 30 de setembro, está de fato concluindo trabalhos de engenharia de longo prazo por todo o Google ²⁸. É um argumento a favor de separar a medição da narrativa: pelos próprios números da DeepMind, cada ponto de capacidade até aqui remonta à computação e ao efetivo, e não a máquinas compondo o próprio progresso.

Duas linhas do livro de contas da DeepMind decidirão a questão: a inclinação mensal do índice de capacidade e a fatia de alterações de código delegadas por completo. Uma inclinação que empine sem mais computação, e alterações que deixem de aguardar revisão, seriam o flywheel chegando. Até lá, o valor vai para quem construir a camada de revisão e confiança entre o que a IA escreve e o que uma organização coloca em produção.