O que os desenvolvedores de inteligência artificial conquistaram no último ano? Em que direção a indústria de IA continuará a se mover? Leia a visão geral elaborada por... Pitch Avatar .
Acostumando-se à IA
Comecemos pela principal conclusão do ano: a indústria da IA consolidou-se plenamente. Pode-se dizer que ela deixou a infância para trás e agora, com energia juvenil, domina profissões e especializações. Em certa medida, a relação entre humanos e inteligência artificial tornou-se "rotineira". Estamos acostumados a depender dela para uma ampla gama de tarefas cotidianas, tanto pessoais quanto profissionais, a pedir conselhos com ou sem um motivo específico, a tratá-la como um mecanismo de busca avançado, a personagens de IA, a nos comunicar com chatbots de IA, a criar textos, imagens, vídeos e softwares com sua ajuda... Em suma, a palavra-chave do ano quando se trata de IA é "acostumados". E nos acostumamos não apenas aos pontos fortes dos modelos de IA, mas também às suas limitações, aceitando o fato de que ainda estão longe do nível descrito na ficção científica.
Engenheiro de Pontualidade é a Profissão do Ano
Infelizmente, apesar de todos os esforços de seus criadores, os modelos de IA ainda cometem erros — frequentemente e de forma significativa. Em 2025, uma “cura” universal para as alucinações geradas por máquinas ainda não havia sido encontrada. No entanto, isso não é motivo para desânimo ou pessimismo. Os modelos e soluções de IA continuam a evoluir e estão se tornando cada vez mais precisos. Isso é especialmente verdadeiro para ferramentas especializadas.
Ao mesmo tempo, especialistas observam que uma parcela substancial dos erros de IA não é causada pela arquitetura ou pelo treinamento dos modelos em si, mas pela forma como as tarefas são formuladas para eles. Não é por acaso que a capacidade de definir claramente um prompt para a IA e monitorar a precisão de sua saída esteja se tornando cada vez mais valiosa. É precisamente por isso que afirmamos que a profissão do ano é a de engenheiro de prompts.
SLMs em vez de Super IA
Para a decepção dos entusiastas da tecnologia e a alegria dos céticos, o que é comumente chamado na cultura pop de Super IA não surgiu em 2025. Na verdade, isso não é nenhuma surpresa. Especialistas vêm alertando há tempos que, no nível atual da tecnologia, a criação de uma inteligência artificial forte e universal é extremamente improvável. Como resultado, o surgimento de uma “IA pensante capaz de lidar com todas as tarefas melhor do que os especialistas e profissionais humanos mais qualificados” foi mais uma vez adiado indefinidamente. Isso, é claro, não impede os otimistas da IA de sonharem com a chegada da Super IA em 2026 — assim como fizeram nos anos anteriores.
O que vimos, no entanto, foram avanços impressionantes no desenvolvimento e aprimoramento de pequenos modelos de linguagem (SLMs). Essa conquista é, sem dúvida, tão significativa quanto a criação de grandes modelos de linguagem. Ao contrário dos grandes modelos de linguagem (LLMs), os algoritmos de SLM são treinados em conjuntos de dados menores, cuidadosamente selecionados e de alta qualidade. Como resultado, eles lidam com certas tarefas tão bem — ou até melhor — do que seus equivalentes "maiores". Exemplos notáveis incluem as séries de modelos Orca 2 e Phi-3 da Microsoft.
Por que isso é importante? Primeiro, oferece uma saída simples e elegante para o chamado "beco sem saída do crescimento" que alguns declararam prematuramente em relação ao desenvolvimento de LLMs. Segundo, fornece um caminho direto e eficaz para a criação de ferramentas de IA especializadas que podem executar suas tarefas com o mínimo de erros e falhas.
IA chinesa de código aberto
Um marco importante de 2025 foi o fato de que, a partir de agora, praticamente qualquer pessoa pode criar ferramentas de IA. Vale lembrar que o ano passado foi o primeiro em que os desenvolvedores chineses de modelos de IA não apenas se destacaram, mas também, em certa medida, tomaram a iniciativa. Estamos nos referindo, é claro, principalmente aos modelos desenvolvidos pela Deepseek. O ponto crucial não é apenas que os desenvolvedores chineses conseguiram treinar modelos competitivos a uma fração do custo incorrido pelos líderes de mercado — outros também estão trabalhando nessa direção. O que realmente diferenciou a Deepseek foi o fato de terem sido os primeiros a oferecer um modelo de código aberto, disponibilizando-o em domínio público. Outros desenvolvedores chineses logo seguiram o exemplo. Nesse sentido, os líderes americanos e europeus se viram na posição de seguidores.
O resultado previsível foi um aumento acentuado no número de ferramentas de IA. E é óbvio que isso é apenas o começo — a primeira pequena pedra que desencadeia uma avalanche.
Nesse contexto, tornou-se mais importante do que nunca avaliar cuidadosamente a confiabilidade dos fornecedores de soluções de IA e a qualidade de seus produtos. Isso é especialmente verdadeiro quando se trata de proteção de dados e interação segura com bancos de dados e outros softwares.
Transporte de IA e medicina de IA
Já que estamos falando sobre segurança, este é um bom momento para observar que a IA atingiu um nível de maturidade que permite seu uso em larga escala e seguro na medicina e no transporte de passageiros. Por exemplo, em 2025, o número de dispositivos médicos com IA aprovados pela Food and Drug Administration (FDA) dos EUA chegou a 1,250 (em comparação com apenas 223 em 2023).
A eficácia da IA em áreas como o diagnóstico médico é demonstrada de forma clara pelos modelos Xp-Bodypart-Checker e CXp-Proction-Rotation-Checker, desenvolvidos pelo Grupo de Pesquisa da Faculdade de Medicina da Universidade Metropolitana de Osaka. Projetados para analisar imagens de raios X, esses modelos apresentam taxas de precisão que variam de 98.5% a 99.3%.
No setor de transportes, no ano passado, tanto a Waymo, operadora americana de robotáxis, quanto sua concorrente chinesa, a Apollo Go, anunciaram ter alcançado a marca de 250 mil viagens por semana. Enquanto isso, no início de 2026, a NVIDIA anunciou o conjunto de modelos abertos Alpamayo, projetado para o desenvolvimento de veículos autônomos com inteligência artificial que simulam o raciocínio humano.
É claro que ainda é muito cedo para afirmar que médicos e motoristas automatizados substituirão em breve a maioria de seus equivalentes biológicos. No entanto, a crescente influência da inteligência artificial na medicina e na logística é inegável. Mais importante ainda, o ritmo acelerado de adoção da IA em áreas que exigem supervisão rigorosa serve como um forte indicador de progresso na automação impulsionada por IA.
A capacidade de pensar é mais importante do que o conhecimento.
A conquista mais significativa de 2025 — e aquela que definirá a direção da indústria de IA em um futuro próximo — reside no progresso considerável alcançado na criação de IA "racional". Para começar, houve um aumento expressivo nas pontuações dos benchmarks MMMU, GPQA e SWE-bench — de 18.8, 48.9 e 67.3 pontos percentuais, respectivamente. Vale lembrar que esses benchmarks foram originalmente projetados para demonstrar as limitações dos sistemas de IA de ponta. Após seu lançamento, acreditava-se amplamente que as melhorias nesses testes seriam muito lentas — apenas alguns pontos por ano — e que logo atingiriam um limite tecnológico que os sistemas atuais não conseguiriam superar. Nesse sentido, os modelos de IA surpreenderam os criadores desses benchmarks.
Uma surpresa ainda maior foi o surgimento de modelos que não se limitam a buscar respostas e compilar dados em resposta a um estímulo, mas sim a gerar “cadeias de pensamento” ocultas — compostas por centenas de palavras e conceitos — que permanecem invisíveis para o usuário. Os conceitos por trás desses sistemas foram introduzidos em 2024. Em 2025, tanto o Google DeepMind quanto a OpenAI demonstraram suas capacidades de forma espetacular, por exemplo, conquistando o ouro na Olimpíada Internacional de Matemática. Com base nas conquistas do ano passado, é justo afirmar que a ideia de que “treinar IA para construir longas cadeias de raciocínio é mais importante do que treiná-la com conjuntos de dados massivos” recebeu forte confirmação. Isso não significa, é claro, que grandes conjuntos de dados serão completamente removidos do treinamento de IA. No entanto, à luz desses novos resultados, as abordagens de treinamento serão revisadas e ajustadas em favor da construção de sistemas capazes de raciocínio genuíno.
O progresso é evidente e dá esperança de que, num futuro próximo, levará à criação de modelos de IA praticamente "isentos de erros", livres de alucinações da máquina.
Mais importante ainda, em nossa opinião, essa abordagem aprimorará drasticamente as capacidades e o desempenho de agentes autônomos de IA. Robôs virtuais digitais raciocinantes estão se tornando a principal tecnologia de IA — uma tendência que dará continuidade à revolução da IA tanto na produção de vídeo quanto no desenvolvimento de assistentes e funcionários artificiais.
Boa sorte a todos e muito sucesso no trabalho com inteligência artificial em 2026! Incluindo, é claro, as soluções de IA da nossa empresa. Pitch Avatar .
