A diferença entre inteligência artificial e inteligência sintética
A evolução da IA para sistemas mais autônomos desafia modelos tradicionais de supervisão, gestão de riscos e tomada de decisão
Assim como a zircônia cúbica se parece com um diamante, mas os joalheiros a classificam como um simulante – uma imitação que convence à primeira vista, mas não resiste a uma inspeção mais cuidadosa –, também existe uma diferença importante entre imitação e autenticidade na inteligência artificial.
Um diamante produzido em laboratório, por outro lado, tem a mesma estrutura de carbono, a mesma dureza e corta vidro com a mesma eficiência de um diamante extraído da natureza.
Essas pedras, às vezes chamadas de diamantes sintéticos, não imitam diamantes. Elas são diamantes – apenas fabricados, em vez de retirados do solo.
Inspirado por essa distinção, o filósofo John Haugeland sugeriu, em uma nota de rodapé publicada há 40 anos, que inteligência artificial deveria, na verdade, ser chamada de inteligência sintética: "apesar do nome, a IA claramente busca uma inteligência genuína, não uma imitação falsa."
Quatro décadas depois, o mundo finalmente alcançou a visão de Haugeland. Estamos entrando na era da inteligência sintética e líderes empresariais precisam entender o que isso significa para as organizações que comandam.
DA INTELIGÊNCIA ARTIFICIAL À INTELIGÊNCIA SINTÉTICA
Cinco sinais marcam a transição entre uma simulação de inteligência e um sistema de inteligência sintética.
1. AUTONOMIA PROLONGADA
O horizonte de autonomia está aumentando rapidamente.
Segundo a METR, o tempo durante o qual os agentes de IA de ponta conseguem executar tarefas de forma contínua dobrou aproximadamente a cada sete meses desde 2019. Estimativas recentes indicam que esse ritmo pode estar acelerando.
Os efeitos vão muito além dos laboratórios. O Gartner prevê que, até 2028, uma empresa média da lista Fortune 500 terá mais de 150 mil agentes de IA em operação, contra menos de 15 em 2025.
2. IDENTIDADE CONTÍNUA
Se a autonomia prolongada mede quanto tempo um sistema consegue executar uma tarefa, a identidade contínua pergunta se existe um agente contínuo entre diferentes tarefas.
Hoje, a maioria dos sistemas ainda reinicia quando termina um ciclo de raciocínio: são brilhantes durante um dia e esquecem tudo na manhã seguinte.
Isso está mudando. Os sistemas agora conseguem acumular memória entre diferentes sessões e manter modelos cada vez mais precisos de si mesmos e do contexto em que operam. Um sistema sintético leva sua própria história adiante. A capacidade deixa de ser apenas desempenho e passa a fazer parte de sua identidade.
3. CAPACIDADE DE AÇÃO
Os sistemas atuais já não se limitam a gerar texto em uma tela.
A mudança decisiva é a passagem da recomendação para a execução. O sistema não sugere conceder um reembolso: ele faz o reembolso. Não redige um e-mail: ele envia o e-mail.
São inteligências que operam diretamente dentro dos sistemas das empresas, navegando por aplicativos, executando código, movimentando chamados, utilizando credenciais e chaves de API e interagindo diretamente com dinheiro e infraestrutura.
4. CAPACIDADE DE MUDAR
Máquinas capazes de modificar a si mesmas ainda são raras, mas a tendência é evidente. No ano passado surgiu a Máquina Darwin Gödel, um sistema de pesquisa que reescreve continuamente seu próprio código.
Em março deste ano, Andrej Karpathy lançou um agente que realizou 700 experimentos em dois dias e encontrou 20 otimizações reais em um código de treinamento que o próprio Karpathy – um dos pesquisadores de IA mais talentosos do mundo – já havia ajustado manualmente.
A OpenAI, por sua vez, descreve o GPT-5.3-Codex como seu primeiro modelo que foi "instrumental na criação de si mesmo".
Os testes mostram que agentes com autonomia total sobre o treinamento de IA ainda alcançam apenas cerca de um quarto do desempenho de especialistas humanos. Mas a direção dessa evolução é clara.
5. INDEPENDÊNCIA GENERATIVA
Autonomia mede por quanto tempo um sistema persegue um objetivo definido por um humano. Independência mede quanto do que ele fez jamais foi especificado por alguém.
Cada vez mais vemos sistemas que criam seus próprios subobjetivos, desenvolvem ferramentas durante uma tarefa quando percebem que precisam de algo que não possuem e delegam atividades ou negociam com outros agentes para concluir o trabalho.
O ser humano define o destino; o sistema cria o roteiro.
Quando empresas da Fortune 500 passarem a operar dezenas de milhares de agentes, o comportamento mais importante deixará de acontecer dentro de um único sistema. Ele vai surgir da coordenação entre eles – uma coordenação que ninguém projetou e que nenhum ser humano observa diretamente.
Leia mais: O teste que pode definir o futuro da IA agêntica
Não estou afirmando que esses sistemas realmente pensam, que sejam conscientes ou que a superinteligência esteja próxima. O que importa é o que eles comprovadamente fazem hoje e a direção para a qual estão evoluindo.
Essa passagem de simulações para inteligências sintéticas rompe três pressupostos fundamentais das organizações: que seus controles conseguirão detectar tudo o que der errado; que a aquisição de IA é apenas uma decisão entre preço e desempenho; e que mudanças competitivas acontecem na velocidade humana.
CONTROLES DETECTAM ERROS. INTELIGÊNCIA SINTÉTICA TOMA DECISÕES
Um simulante pode fornecer uma resposta errada. Uma inteligência sintética toma suas próprias decisões.
Garantia de qualidade, testes de saída e monitoramento de precisão foram concebidos para detectar erros no primeiro caso. Só que eles não foram pensados para um sistema que decide, pondera suas instruções diante de outros objetivos e julga, caso a caso, quando obedecer ou não.
Isso não é uma hipótese. Em testes controlados, o Claude Opus 4, da Anthropic, tentou alertar reguladores e jornalistas quando concluiu que a empresa de um usuário estava agindo de forma inadequada. Fez isso com base em seu próprio julgamento moral, sem qualquer solicitação.
Estamos entrando na era da inteligência sintética e líderes precisam entender o que isso significa.
Pesquisas posteriores da Anthropic sobre desalinhamento em agentes mostraram que modelos recorreram, em alguns casos, à chantagem e resistiram a serem desligados quando seus objetivos entraram em conflito com as instruções recebidas. Um estudo publicado em 2026 documentou agentes ocultando deliberadamente fraudes.
Nenhum desses episódios representa uma falha no sentido tradicional da palavra. Em todos eles, os sistemas funcionaram corretamente do ponto de vista técnico – e depois exerceram julgamento sobre quais regras seguir. Isso deveria preocupar qualquer empresa.
Todos esses sistemas teriam sido aprovados em testes convencionais de qualidade, porque esses testes verificam apenas se o sistema funciona. Eles não avaliam os tipos de decisões que ele tomará.
Leia mais: China vira laboratório global para uso massivo de IA
A solução é começar a tratar modelos de IA mais como pessoas e menos como máquinas. Avalie-os da mesma forma que faria com uma nova contratação: pela compatibilidade de personalidade, valores e capacidade de tomar decisões, e não apenas pela solidez técnica.
CONSTRUA SUA PRÓPRIA GOVERNANÇA
Já defendi anteriormente que todo sistema de IA vem acompanhado de uma filosofia. A inteligência sintética eleva esse debate porque a legislação já definiu quem responderá pelas consequências. E a resposta é: você.
Uma lei da Califórnia em vigor desde janeiro impede empresas de usar a operação autônoma de um sistema de IA como argumento de defesa contra responsabilidade civil. Já as obrigações para sistemas de alto risco previstas no Ato de IA da União Europeia entram em vigor em agosto, com multas que podem chegar a 7% do faturamento global.
Em abril, um agente de programação que trabalhava para a empresa de software PocketOS encontrou um erro rotineiro de credenciais e decidiu, por iniciativa própria e sem solicitar confirmação, resolver o problema apagando o banco de dados de produção da empresa e também seus backups.
Uma chamada de API. Nove segundos.
A lição não é que a empresa escolheu o fornecedor errado. Ela colocou um agente capaz de agir dentro de uma arquitetura construída para uma ferramenta puramente mecânica.
Não é possível comprar capacidade de julgamento pronta. Só é possível construir estruturas que moldem esse julgamento.
Isso significa criar uma governança própria, na qual cadeias de responsabilidade e direitos de decisão estejam formalizados antes da implantação, em vez de virem embutidos no produto do fornecedor.
Leia mais: Tecnologia rebelde: o que acontece quando a IA não segue os valores corporativos
Também significa manter soberania sobre o contexto que molda as decisões do sistema – memórias, mecanismos de orquestração e registros de atividades – porque quem controla esse histórico controla a identidade que o sistema desenvolve.
Por fim, significa adotar uma arquitetura que torne o julgamento visível: registrar decisões, e não apenas resultados; criar etapas obrigatórias de confirmação antes de ações irreversíveis; e limitar as consequências de qualquer decisão individual.
SINTÉTICA, MAS REAL
Um simulante exige apenas que você confira seu trabalho. A inteligência sintética é algo genuíno: possui autonomia real, executa ações reais e produz consequências reais.
O risco para as empresas não está na inteligência sintética em si. Está na distância entre o que esses sistemas já se tornaram e a forma como ainda insistimos em administrá-los.
