Insights, tendências e aplicações práticas de IA e machine learning — de modelos generativos a casos reais em negócios, saúde e governo.

Grokipedia: a alternativa de Elon Musk à Wikipedia — quando (e por que) pode ser melhor

/0 Comentários/em /por

Este texto é uma adaptação do artigo publicado na Business Insider e examina Grokipedia, a enciclopédia alternativa lançada por Elon Musk via xAI. Projetada para oferecer uma versão menos “woke” do acervo enciclopédico, Grokipedia já conta com cerca de 800 mil páginas — em comparação com os mais de 7 milhões da Wikipedia em inglês — e, segundo relatos, muitas das entradas não políticas são praticamente cópias diretas das páginas da Wikipedia. Em temas polêmicos, como artigos sobre “Elon Musk” ou “gênero”, o tom reflete claramente a missão declarada da plataforma, o que levanta dúvidas sobre parcialidade; xAI não respondeu ao pedido de esclarecimentos sobre como escolheu as páginas que compõem o site.

Em grande parte, as páginas comuns — por exemplo, sobre filmes como Bolt — seguem o formato habitual: resumo da trama, detalhes de produção, elenco e recepção crítica. Nesses casos, Grokipedia costuma espelhar Wikipedia quase palavra por palavra, o que é possível porque a Wikipedia permite que seus conteúdos sejam rastreados por bots de IA. Em uma comparação automatizada, ferramentas como o ChatGPT chegaram a apontar diferenças de viés (por exemplo, citar somente declarações de executivos da indústria em vez de fontes mais diversas), mostrando que nem sempre a “neutralidade” automática é neutra na prática.

Onde Grokipedia mostrou vantagens foi em artigos negligenciados na Wikipedia — páginas esparsas, desorganizadas ou com históricos fragmentados. O autor original notou que a entrada sobre a Dana Hall School, por exemplo, ganhou uma versão mais extensa e melhor estratificada em Grokipedia, com seções sobre história, ensino, infraestrutura e admissões. Esse é um cenário em que a IA pode agregar valor: ao rastrear fontes disponíveis online, ela consegue compilar e reorganizar informações que pessoas ainda não acrescentaram à Wikipedia. Importante: a versão consultada não foi verificada ponto a ponto, e também continha trechos que aparentavam inclinações ideológicas (como críticas a políticas de diversidade), o que reforça a necessidade de checagem humana.

Outros exemplos incluem entradas de cidades pequenas e biografias menos conhecidas — em alguns casos Grokipedia produziu narrativas mais claras, como no artigo sobre a baronesa Marie Vetsera, que apareceu mais longo e com uma sequência narrativa considerada melhor pelo autor. Ainda assim, alguns problemas aparecem: citações questionáveis (como links para páginas do Facebook com conteúdo viral de baixa qualidade) mostram que a IA pode incorporar fontes frágeis. A postura defendida por figuras como Jimmy Wales — permitir que editores humanos usem IA para sugerir fatos relevantes a partir de fontes já listadas e, depois, verifiquem manualmente antes de publicar — parece um caminho sensato. No fim, Grokipedia não é uma fonte pronta para substituir a Wikipedia, mas pode funcionar como um campo de testes para ideias que melhorem o trabalho colaborativo de editores humanos.

Convido você a refletir sobre o papel da IA na produção de conhecimento: seja crítico ao consultar novas fontes, verifique referências e considere a IA como ferramenta de apoio, não como árbitro definitivo da verdade. Este artigo é uma adaptação livre baseada em conteúdo publicado originalmente na(o) Business Insider. Para ler o original (em inglês), acesse: https://www.businessinsider.com/grokipedia-elon-musk-wikipedia-ai-which-better-why-review-2025-11.

Estudo mostra que agentes de IA ainda não conseguem substituir freelancers remotos

/0 Comentários/em /por

Com as empresas procurando cortar custos e automatizar tarefas, a tentação de substituir freelancers remotos por agentes de inteligência artificial cresce. No entanto, um novo estudo conduzido pelo Center for AI Safety (CAIS) em parceria com a empresa de anotação de dados Scale AI revela que esses agentes ainda estão longe de reproduzir o trabalho humano com qualidade e produtividade aceitáveis. A pesquisa testou modelos destinados a automatizar tarefas e, apesar do hype em torno das capacidades de IA, os resultados foram alarmantes para quem pensa em demitir humanos em favor de bots.

Os pesquisadores criaram um benchmark chamado Remote Labor Index (RLI), que reúne uma variedade de projetos remotos reais — de desenvolvimento de jogos a análise de dados — para avaliar a capacidade econômica dos agentes de IA. Seis agentes líderes do mercado foram submetidos a esses testes. No total, as IAs completaram apenas 3% do trabalho atribuído: faturaram apenas US$ 1.810 de um possível US$ 143.991, segundo o estudo. Dan Hendrycks, diretor da CAIS, disse que os números oferecem uma imagem mais realista das capacidades atuais da IA.

Entre os testados, a startup chinesa Manus foi a melhor colocada, com taxa de automação de 2,5%. Em seguida, empatados com 2,1%, estavam o Grok 4 (de Elon Musk) e o Claude Sonnet 4.5, da Anthropic. O GPT‑5, divulgado pela OpenAI como um passo significativo rumo à chamada AGI, alcançou só 1,7%, e o próprio ChatGPT Agent da OpenAI teve desempenho ainda pior, com 1,3%. O pior resultado veio do Gemini 2.5 Pro, do Google, com apenas 0,8% de automação aceitável para trabalho freelance real. Esses números contrastam com as promessas comerciais de muitas empresas, que tentam vender agentes de IA como substitutos diretos de mão de obra humana.

Além dos baixos índices de conclusão, os testes e estudos correlatos apontam problemas recorrentes: agentes sem memória de longo prazo, incapazes de aprender continuamente com a experiência e de adquirir habilidades “no trabalho” como fazem os humanos. Há relatos de empregadores que recontrataram funcionários após substituí‑los por ferramentas de IA que entregavam trabalhos de baixa qualidade — o chamado “workslop” — que demandavam revisão extensa e geravam atritos entre equipes. Pesquisas anteriores, como um estudo do MIT, também indicaram que 95% das empresas que pilotaram iniciativas de IA não viram crescimento de receita significativo.

Diante disso, fica claro que a promessa de automação total ainda não se concretizou na prática para tarefas remotas variadas e economicamente relevantes. Gestores e equipes ganham ao testar cuidadosamente soluções de IA em contextos reais, mensurar qualidade e custos de retrabalho, e planejar modelos híbridos que combinem automação com supervisão humana. A pergunta que fica é: em que áreas a IA pode realmente agregar hoje, e onde investir em treinamento humano será mais eficaz para reduzir custos e melhorar resultados?

Este artigo é uma adaptação livre baseada em conteúdo publicado originalmente na(o) Futurism. Para ler o original (em inglês), acesse: https://futurism.com/artificial-intelligence/paper-tested-ai-online-freelance-work.