noticias

IA pode dar novo salto em dois anos e o Brasil ainda corre o risco de virar apenas cliente

**Linha fina:** Previsão feita em debate econômico não significa que a inteligência artificial geral chegará em 2028, mas expõe uma janela curta para países que ainda dependem de tecnologia, infraestrutura e modelos estrangeiros.

**Meta description:** Previsão de salto da IA em dois anos expõe o risco de o Brasil adotar ferramentas estrangeiras sem construir infraestrutura, talentos e autonomia.

**Slug:** salto-inteligencia-artificial-dois-anos-brasil

**Palavra-chave principal:** avanço da inteligência artificial

**Editoria:** Inteligência Artificial

**Autor:** Redação PixBugTech

**Data:** 6 de agosto de 2026

A inteligência artificial poderá atravessar um novo salto de capacidade dentro de aproximadamente dois anos, segundo uma avaliação apresentada durante um painel econômico no Rio Innovation Week. A frase chama atenção porque sugere uma data próxima, quase uma contagem regressiva para 2028. Seu significado real, entretanto, é menos cinematográfico e mais incômodo: países, empresas e trabalhadores possuem pouco tempo para preparar infraestrutura, formação e regras antes que sistemas de IA se tornem ainda mais baratos, autônomos e integrados ao funcionamento da economia.

A previsão foi feita pelo economista e ex-ministro da Fazenda Joaquim Levy durante um debate promovido pela Fundação Getulio Vargas. Ao tratar dos principais desafios internacionais, ele colocou o avanço da IA ao lado da desinflação ainda incompleta e das dúvidas sobre a situação fiscal dos Estados Unidos. Não era uma apresentação técnica sobre modelos de linguagem, mas uma leitura sobre forças capazes de reorganizar investimentos, produtividade, comércio e relações de trabalho em pouco tempo.

Essa diferença precisa ser preservada. Levy não anunciou que uma inteligência artificial comparável ao ser humano surgirá exatamente em 2028. Também não apresentou um teste, uma arquitetura ou uma descoberta capaz de confirmar esse prazo. “Salto” pode significar várias coisas: agentes mais confiáveis, automação de tarefas longas, redução do custo computacional, modelos multimodais mais precisos ou sistemas capazes de operar diretamente sobre softwares empresariais.

A manchete mais fácil seria dizer que estamos a dois anos de uma inteligência artificial quase humana. A conclusão mais responsável é outra: o intervalo entre uma novidade de laboratório e sua adoção em massa está diminuindo, enquanto governos e empresas continuam planejando como se cada transformação digital levasse uma década.

Não existe um relógio científico marcando 2028

Previsões sobre inteligência artificial possuem uma relação difícil com o calendário. Algumas capacidades chegaram antes do esperado; outras permanecem muito abaixo das demonstrações. Modelos já produzem textos, imagens, códigos, músicas e vídeos convincentes, mas continuam cometendo erros básicos, inventando informações e falhando diante de situações que exigem contexto duradouro.

Não existe consenso científico de que 2028 marcará a chegada da inteligência artificial geral, conceito usado para descrever sistemas capazes de aprender e executar uma ampla variedade de tarefas intelectuais em nível humano ou superior. Nem sequer existe uma definição universalmente aceita para determinar quando esse patamar teria sido alcançado.

O salto mais provável é operacional. Em vez de apenas responder a perguntas, sistemas de IA começam a receber autorização para abrir arquivos, consultar bancos de dados, executar comandos, negociar com outros agentes e concluir etapas sem intervenção humana constante.

Essa mudança parece menos impressionante do que uma máquina consciente, mas pode produzir impacto econômico muito antes dela. Uma ferramenta não precisa pensar como uma pessoa para reduzir o número de profissionais necessários em um processo administrativo, acelerar o desenvolvimento de software ou alterar a forma como consumidores encontram produtos.

O risco de uma previsão grandiosa é fazer a sociedade esperar por uma ruptura visível enquanto a transformação já acontece silenciosamente dentro de empresas, escolas e órgãos públicos.

O salto pode acontecer no preço, não apenas na inteligência

Parte do avanço recente não está na criação de modelos absolutamente superiores, mas na redução do custo para utilizar capacidades que antes exigiam infraestrutura cara.

Modelos menores conseguem executar tarefas que, poucos anos atrás, dependiam dos sistemas mais avançados do mercado. Técnicas de quantização, otimização e roteamento permitem selecionar uma opção mais barata para cada etapa. Chips novos processam mais dados por unidade de energia, enquanto plataformas distribuem cargas entre diferentes modelos.

Essa combinação transforma a economia da IA. Uma automação que não fazia sentido quando custava dezenas de dólares por execução pode tornar-se viável por centavos. Ao atravessar esse limite, deixa de ser demonstração e passa a ser incorporada a milhões de operações.

O relatório AI Index de 2026 indica que a inteligência artificial generativa alcançou adoção equivalente a 53% da população estudada em apenas três anos, uma expansão mais rápida que a observada nos primeiros anos do computador pessoal e da internet. O investimento empresarial também acelerou, e a IA passou a aparecer em atividades como engenharia de software, gestão de conhecimento, atendimento, saúde e administração.

O salto pode não chegar como uma única descoberta anunciada em um palco. Pode surgir quando milhares de empresas perceberem, quase ao mesmo tempo, que automatizar determinado trabalho ficou barato o suficiente.

Os primeiros impactos aparecerão nos trabalhos organizados em telas

As ocupações mais expostas não são necessariamente aquelas consideradas menos qualificadas. O critério principal é a quantidade de tarefas que podem ser descritas, registradas e executadas dentro de sistemas digitais.

Desenvolvimento de software, contabilidade, análise financeira, atendimento ao cliente, produção publicitária, revisão de documentos, pesquisa jurídica e atividades administrativas estão entre as áreas nas quais a IA encontra mais material estruturado para trabalhar.

Isso não significa que profissões inteiras desaparecerão em dois anos. Significa que partes relevantes delas poderão ser executadas com menos tempo humano. Uma equipe de cinco pessoas pode produzir o que antes exigia dez, sem que nenhum cargo seja formalmente declarado extinto pela tecnologia.

O impacto aparece primeiro como redução de novas contratações, exigência de produtividade maior e concentração de tarefas em profissionais que supervisionam sistemas automáticos. O emprego não desaparece de uma só vez; ele deixa de ser criado no mesmo ritmo.

Profissionais iniciantes enfrentam um problema adicional. Tarefas repetitivas funcionavam como porta de entrada e treinamento. Quando essas atividades são entregues à IA, empresas continuam precisando de especialistas experientes, mas podem perder o caminho usado para formar a próxima geração.

Automatizar o trabalho básico sem criar uma nova estrutura de aprendizagem é uma forma eficiente de economizar hoje e descobrir, mais tarde, que ninguém sabe assumir as decisões complexas.

O Brasil pode adotar IA rapidamente e ainda ficar para trás

O Brasil possui grande população conectada, sistema financeiro digitalizado, empresas relevantes em serviços e uma administração pública com enorme volume de documentos e processos. Esses fatores criam um ambiente favorável à adoção de ferramentas de inteligência artificial.

Adotar, entretanto, não é o mesmo que dominar.

Uma empresa brasileira pode utilizar modelos estrangeiros, armazenar dados em nuvens internacionais e pagar por processamento fornecido por grandes grupos tecnológicos. Ela obtém produtividade, mas permanece dependente de preços, regras, disponibilidade e decisões tomadas fora do país.

Caso o próximo salto da IA ocorra em dois anos, economias que controlam chips, data centers, modelos e capital terão condições de transformar a tecnologia em produto. Países compradores poderão modernizar atividades, mas enviarão parte crescente da renda gerada para fornecedores externos.

O cenário lembra outras dependências tecnológicas, porém com uma diferença importante. A IA não é apenas uma ferramenta adicionada à operação. Ela pode tornar-se a camada responsável por interpretar dados, decidir prioridades, produzir software e organizar serviços.

Quando essa camada pertence a outra empresa ou jurisdição, a dependência deixa de ser apenas financeira. Passa a atingir conhecimento, segurança e autonomia decisória.

O Plano Brasileiro de IA possui ambição; a execução decidirá o resultado

O Plano Brasileiro de Inteligência Artificial prevê investimentos de até R$ 23 bilhões entre 2024 e 2028. A proposta inclui infraestrutura computacional, supercomputação, desenvolvimento de modelos em português, formação profissional, aplicações para serviços públicos e incentivo à inovação empresarial.

O valor parece expressivo dentro da realidade brasileira. No mercado global de IA, contudo, grandes companhias individuais já anunciam investimentos anuais superiores ao orçamento de países inteiros.

Isso não torna o plano irrelevante. Torna obrigatória a escolha de prioridades.

O Brasil dificilmente vencerá uma corrida baseada apenas em possuir o maior número de processadores. Pode concentrar esforços em áreas nas quais possui dados, instituições e problemas próprios: saúde pública, agricultura tropical, energia, biodiversidade, justiça, língua portuguesa e administração de grandes políticas sociais.

Também precisa evitar o hábito nacional de anunciar infraestrutura sem garantir continuidade. Supercomputadores exigem atualização, energia, equipes técnicas e orçamento operacional. Modelos precisam de dados limpos, manutenção e avaliações. Programas de formação precisam alcançar trabalhadores fora dos grandes centros.

O país não ganha soberania comprando uma máquina cara e inaugurando uma sala refrigerada. Ganha quando pesquisadores, empresas e órgãos públicos conseguem utilizá-la de maneira contínua para produzir soluções que permanecem sob controle nacional.

Energia abundante não resolve tudo

O Brasil possui matriz elétrica relativamente renovável e potencial para atrair data centers. Essa vantagem passou a ser apresentada como oportunidade econômica em meio ao crescimento da demanda global por processamento.

Data centers de IA, porém, não procuram apenas energia. Precisam de conectividade, equipamentos importados, refrigeração, segurança, profissionais especializados e contratos capazes de sustentar investimentos de longo prazo.

Também existe uma disputa sobre o uso dos recursos. Instalar grandes centros de processamento pode gerar investimento e arrecadação, mas não garante automaticamente desenvolvimento tecnológico local. Um país pode fornecer eletricidade, água e território enquanto modelos, propriedade intelectual e decisões permanecem no exterior.

Ser o lugar onde a IA estrangeira é processada não equivale a ser o lugar onde ela é desenvolvida.

A estratégia precisa incluir transferência de conhecimento, formação, pesquisa e acesso da indústria nacional à infraestrutura. Caso contrário, o Brasil corre o risco de repetir um papel conhecido: exportar recursos relativamente baratos e importar produtos de alto valor.

O português também é infraestrutura

Modelos globais funcionam em português, mas a qualidade varia conforme o assunto, a região, o vocabulário e a quantidade de dados disponíveis.

Leis, documentos públicos, produção científica, culturas locais e variações linguísticas brasileiras nem sempre aparecem adequadamente nos conjuntos utilizados por empresas estrangeiras. Quando aparecem, podem estar misturados a materiais sem origem clara ou sem autorização.

Construir bases nacionais não significa despejar documentos na internet e esperar que o modelo aprenda. É necessário organizar, classificar, proteger informações pessoais, definir licenças e avaliar representatividade.

A qualidade dos dados determinará quais grupos são atendidos e quais permanecem invisíveis. Um sistema treinado sobretudo com linguagem empresarial do Sudeste pode funcionar bem em bancos e mal em serviços destinados a populações rurais, indígenas ou comunidades com formas próprias de expressão.

A disputa pela IA também é uma disputa sobre quem será corretamente compreendido pelas máquinas.

O maior gargalo pode ser a capacidade de gestão

Mesmo que modelos avancem rapidamente, empresas e governos não conseguem incorporá-los com a mesma velocidade. Dados estão fragmentados, sistemas não conversam e processos foram construídos sobre regras que ninguém documentou completamente.

Colocar IA sobre essa estrutura não elimina o problema. Apenas cria uma camada capaz de produzir decisões rápidas com base em informações inconsistentes.

A OCDE destaca que infraestrutura, dados, qualificação, governança e capacidade interna são condições indispensáveis para adoção confiável. Sem profissionais capazes de avaliar resultados, instituições ficam dependentes da promessa dos fornecedores.

Isso vale especialmente para o setor público. Uma IA pode acelerar análise de requerimentos, atendimento e fiscalização. Também pode negar direitos, reproduzir distorções ou produzir decisões que ninguém consegue explicar.

A pressa de não ficar para trás não pode servir como autorização para implantar sistemas sem auditoria. Atraso tecnológico é um risco. Automatizar injustiça com orçamento público é outro.

Juros altos e incerteza fiscal reduzem a capacidade de reagir

A observação sobre o salto da IA foi apresentada dentro de um debate econômico mais amplo. O cenário internacional ainda convive com desinflação incompleta, disputas comerciais e dúvidas fiscais nos Estados Unidos. No Brasil, juros elevados e fragilidade das contas públicas limitam investimentos.

Essa combinação importa porque a adaptação à IA exige capital. Empresas precisam atualizar infraestrutura, treinar equipes e experimentar aplicações sem garantia imediata de retorno. O governo precisa financiar pesquisa, educação e modernização administrativa.

Organizações pressionadas por crédito caro tendem a buscar soluções rápidas. Em vez de desenvolver capacidade própria, contratam ferramentas prontas. Em vez de treinar pessoas, reduzem equipes. Em vez de reconstruir processos, colocam um agente sobre o sistema antigo.

A tecnologia pode aumentar produtividade, mas também pode ser usada como atalho para cortes que enfraquecem a capacidade futura.

O salto da IA chega justamente quando parte das instituições possui menos espaço financeiro para escolher com calma.

A concentração de poder pode crescer antes da produtividade

Treinar e operar modelos avançados exige chips, energia, dados e dinheiro em escala. Poucas empresas controlam todos esses elementos.

Se a IA se tornar a principal interface para pesquisa, programação, consumo e administração, essas companhias passarão a intermediar uma parcela ainda maior da economia. Não precisarão dominar todos os setores; bastará fornecer a camada de inteligência utilizada por eles.

O resultado pode ser um mercado no qual empresas locais aumentam produtividade enquanto se tornam dependentes de três ou quatro plataformas globais.

Mudanças de preço, limites de uso e políticas de conteúdo poderão afetar operações inteiras. Um fornecedor poderá retirar um modelo, alterar uma API ou decidir que determinado tipo de dado não será mais processado.

Esse é o ponto quase ausente das previsões sobre avanço técnico. A IA pode ficar melhor em dois anos, mas isso não garante que seus benefícios serão distribuídos. Capacidade tecnológica e acesso econômico são coisas diferentes.

Dois anos são pouco tempo para governos e uma eternidade para a IA

Em políticas públicas, dois anos podem ser consumidos por orçamento, licitação, contratação e regulamentação. No desenvolvimento de inteligência artificial, o mesmo intervalo já foi suficiente para transformar chatbots experimentais em agentes integrados a empresas.

Essa diferença de velocidade está no centro do alerta.

Não é necessário aceitar a previsão de Levy como prazo exato para reconhecer que a janela de preparação é curta. Empresas precisam mapear processos e dependências. Escolas precisam revisar formação. Trabalhadores precisam aprender a utilizar e supervisionar ferramentas. Governos precisam construir infraestrutura e regras que não expirem antes de entrar em vigor.

A pior resposta seria tentar prever qual modelo vencerá em 2028. A tarefa relevante é criar condições para que o país consiga aproveitar qualquer avanço sem entregar integralmente seus dados, decisões e produtividade a fornecedores externos.

O salto não será igual para todos

Para quem controla infraestrutura, o próximo avanço pode significar novos produtos e lucros. Para empresas preparadas, pode representar produtividade e expansão. Para profissionais qualificados, pode criar ferramentas capazes de ampliar trabalho e renda.

Para organizações sem dados estruturados, trabalhadores sem formação e países dependentes, o mesmo salto pode produzir desemprego, perda de competitividade e maior concentração.

Tecnologias de propósito geral não chegam com resultados sociais predefinidos. Seus efeitos dependem de propriedade, acesso, instituições e capacidade de negociação.

A eletricidade aumentou produtividade, mas precisou de redes, padrões e formação. A internet criou novos mercados, mas também concentrou plataformas. A IA seguirá uma trajetória própria, porém enfrentará a mesma pergunta: quem controla a infraestrutura e quem recebe o valor produzido?

O calendário importa menos que a preparação

É possível que 2028 chegue sem uma inteligência artificial geral e sem a ruptura espetacular sugerida por algumas previsões. Também é possível que agentes e modelos avancem o suficiente para reorganizar setores inteiros sem receber qualquer nome histórico.

O verdadeiro erro seria esperar por uma data oficial de início.

O salto já começou na redução de custos, na automação de tarefas e na velocidade de adoção. Os próximos dois anos podem apenas tornar essas mudanças impossíveis de ignorar.

O Brasil possui mercado, energia, pesquisadores, instituições e uma língua falada por centenas de milhões de pessoas. Também possui desigualdade educacional, dependência de hardware externo, baixa capacidade de investimento e histórico de planos que perdem força durante a execução.

A distância entre oportunidade e atraso não será definida por uma previsão em um evento. Será definida pelas decisões tomadas antes que a tecnologia fique mais poderosa, mais barata e ainda mais concentrada.

Talvez estejamos a dois anos de um grande salto da inteligência artificial. A pergunta mais urgente é se o país pretende saltar junto ou apenas pagar pelo ingresso depois.

👉 Dúvida? Então veja mais em: https://pixbugtech.com/linksuteis