Empresas de IA querem desacelerar. Mas o que está por trás disso?
Em 12 de setembro de 2026, Dario Amodei, CEO da Anthropic, defendeu publicamente que as empresas que desenvolvem os modelos mais avançados de inteligência artificial diminuam o ritmo da corrida.
Não foi um pedido genérico para que todos fossem “mais responsáveis”. Amodei propôs avaliadores independentes dentro dos laboratórios, coordenação entre as empresas de fronteira para estabelecer padrões de segurança e, em uma etapa posterior, acordos internacionais. Sam Altman apoiou parte da proposta.
Quando vi isso, minha primeira reação não foi pensar que se tratava apenas de marketing. Existem motivos concretos para preocupação.
Dois dias antes, a própria Anthropic havia publicado testes sobre o uso de modelos em tarefas de inteligência militar e desenvolvimento de armamentos convencionais. Em algumas avaliações, os modelos conseguiram executar tarefas que historicamente dependiam de profissionais altamente especializados, como localizar alvos a partir de informações fragmentadas e auxiliar no desenvolvimento de sistemas capazes de atingir objetos em movimento.
É difícil olhar para esse tipo de capacidade e dizer que segurança é apenas uma desculpa.
O problema começa quando saímos da discussão técnica e olhamos para os incentivos econômicos.
Uma empresa que diz que sua tecnologia precisa ser controlada porque está ficando poderosa demais transmite duas mensagens ao mesmo tempo. A primeira é explícita: existem riscos que precisam ser administrados. A segunda é quase inevitável: nossa tecnologia chegou a um nível de capacidade que justifica supervisão especial.
Para empresas que disputam capital, contratos, talentos e espaço no mercado, essa segunda mensagem também tem valor.
Isso não significa que Amodei ou Altman estejam inventando riscos para gerar hype. Acho essa leitura simplista. O que me interessa é justamente a possibilidade de as duas coisas serem verdade ao mesmo tempo: o risco pode ser real e a narrativa em torno dele também pode favorecer quem já lidera o mercado.
E existe um mecanismo concreto para isso acontecer.
Quando falamos em regular modelos de fronteira, não estamos falando apenas de escrever uma política de uso aceitável. O AI Act europeu dá uma boa dimensão do que significa colocar controles sobre modelos realmente grandes.
Na União Europeia, modelos de propósito geral treinados acima de 10²⁵ operações de ponto flutuante são presumidos como modelos com risco sistêmico. Segundo a própria Comissão Europeia, treinar um modelo nesse nível já custa dezenas de milhões de euros. Esses provedores passam a ter obrigações adicionais de avaliação do modelo, análise e mitigação de risco sistêmico, comunicação de incidentes e proteção de cibersegurança.
As obrigações para modelos de propósito geral começaram a valer em agosto de 2025. A partir de agosto de 2026, a Comissão passou a poder fiscalizar plenamente o cumprimento dessas regras e aplicar multas.
Aqui aparece uma parte da discussão que considero mais interessante do que simplesmente perguntar se devemos ou não regular a IA.
Quem consegue absorver esse nível de exigência?
Uma OpenAI, uma Anthropic ou um Google já possuem equipes de segurança, pesquisadores especializados, infraestrutura de avaliação, advogados, departamentos de compliance e capital para adaptar seus processos.
Para quem está tentando chegar ao mesmo nível, cada nova exigência aumenta o custo da entrada.
Isso não significa que o AI Act esteja fechando o mercado para startups. Na verdade, o desenho europeu tenta evitar exatamente isso. As obrigações mais pesadas estão concentradas nos modelos considerados de risco sistêmico, e a própria Comissão afirma que atualmente apenas um pequeno grupo de empresas desenvolve modelos nessa categoria. A maioria das startups que constrói produtos utilizando modelos de terceiros não está treinando um modelo de 10²⁵ FLOP.
Esse contra-argumento é importante porque evita uma conclusão preguiçosa de que “toda regulação protege as Big Techs”.
Mas existe uma segunda camada.
Mesmo quando uma regra atinge apenas quem está no topo, ela ajuda a definir qual estrutura uma empresa precisará possuir quando tentar chegar lá. Segurança deixa de ser somente uma capacidade técnica e passa também a exigir uma estrutura institucional.
Não é uma preocupação nova. Em discussões anteriores sobre regulação de IA, pesquisadores do Brookings já alertavam que mecanismos como licenciamento podem acabar funcionando como um “fosso regulatório”: empresas estabelecidas conseguem absorver o custo e a burocracia, enquanto novos concorrentes precisam superar uma barreira adicional antes mesmo de disputar o mercado.
A discussão atual ficou ainda mais interessante porque Amodei sugeriu algum tipo de proteção antitruste para permitir que empresas concorrentes coordenem uma eventual desaceleração.
Em 17 de setembro, o Departamento de Justiça dos Estados Unidos se manifestou sobre o assunto. Um alto funcionário da divisão antitruste afirmou que a cooperação entre empresas em questões de segurança de IA não parece, por si só, anticompetitiva. Ao mesmo tempo, o presidente da FTC demonstrou preocupação com grandes empresas pedindo exceções antitruste enquanto defendem novas regulações.
Esse é o ponto que, para mim, muda a discussão.
Já não estamos falando apenas sobre pesquisadores tentando descobrir como impedir um modelo de fazer algo perigoso. Estamos falando de algumas das maiores empresas do setor discutindo entre si qual deve ser a velocidade da corrida, quais padrões devem ser adotados e até quais proteções jurídicas seriam necessárias para permitir essa coordenação.
Talvez seja necessário. Os riscos apresentados nos últimos meses mostram que simplesmente acelerar e resolver os problemas depois pode ser uma aposta ruim.
Mas eu também não trataria essa discussão como se segurança, competição e interesse econômico existissem em universos separados.
Se as empresas que estão na frente ajudarem a desenhar as regras de segurança, essas regras podem ser boas e necessárias. Elas também podem acabar criando uma estrutura que apenas empresas com muito capital, compute e equipes especializadas conseguem cumprir.
Não precisa existir conspiração para isso acontecer. Basta existir incentivo.
Por isso, quando vejo quem está acelerando a corrida pedir para pisar no freio, eu levo o alerta a sério.
Só não olho apenas para o freio.
Também quero saber quem vai desenhá-lo, quanto ele vai custar e quem ainda terá condições de acelerar depois que ele estiver instalado.
About author
Você pode gostar também
Compartilhando conhecimento em IA – De ‘Pense por Mim’ a ‘Penso Menos’: O Custo do Atalho Cognitivo
Saudações, pessoal! ทดลองเล่นสล็อตราคาบอล Aqui estamos para mais uma edição da Newsletter da 4Linux, e hoje quero refletir com vocês sobre a extrema dependência de LLMs que vem sendo criada na sociedade,
Como Construir um Agente de IA com RAG do Zero: Guia Completo
Um guia prático e detalhado para criar seu próprio assistente inteligente com Retrieval-Augmented Generation (RAG), busca vetorial, processamento multimodal e interface de chat — tudo com Python, Flask e SQLite.
Compartilhando conhecimento em IA – Inteligência Artificial e o Futuro da Educação: Como Vamos Aprender nos Próximos Anos
A inteligência artificial (IA) já faz parte do nosso dia a dia. Ela está no celular, nos apps que usamos, nas redes sociais, nas músicas que escutamos, e agora começa




