Se os últimos 12 meses nos ensinaram alguma coisa, é que o trem da Inteligência Artificial não mostra sinais de desacelerar. É difícil acreditar que, no começo do ano, a DeepSeek ainda não tinha virado toda a indústria de cabeça para baixo, a Meta era mais conhecida por tentar (e falhar) em tornar o metaverso legal do que por sua busca implacável para dominar a superinteligência, e vibe coding (prática de programar com base na intuição e experimentação) não era uma tendência.
Se isso deixou você um pouco confuso, não se preocupe. À medida que nos aproximamos do fim de 2025, nossos redatores olharam para os termos de IA que dominaram o ano, para o bem ou para o mal.
Certifique-se de reservar um tempo para se preparar para o que promete ser mais um ano completamente maluco.
—Rhiannon Williams
1. Superinteligência
Desde que as pessoas criaram uma euforia em torno da IA, elas vêm inventando nomes para uma forma futura, ultrapoderosa da tecnologia que poderia trazer consequências utópicas ou distópicas para a humanidade. “Superinteligência” é o termo da moda mais recente. A Meta anunciou em julho que formaria uma equipe para buscá-la e, segundo relatos, estava oferecendo pacotes de remuneração de nove dígitos a especialistas de empresas concorrentes para que se juntassem ao time.
Em dezembro, o chefe de IA da Microsoft seguiu o exemplo dizendo que a empresa gastaria grandes somas, talvez centenas de bilhões, na busca pela superinteligência. Se você acha que ela é tão vagamente definida quanto a Inteligência Artificial Geral você está certo. Embora seja concebível que esses tipos de tecnologias sejam viáveis no longo prazo da humanidade, a questão é, na verdade, quando, e se a IA de hoje é boa o suficiente para ser tratada como um degrau rumo a algo como a superinteligência. Não que isso vá parar os reis da euforia.
—James O’Donnell
2. Vibe coding
Trinta anos atrás, Steve Jobs disse que todo mundo nos Estados Unidos deveria aprender a programar um computador. Hoje, pessoas com conhecimento zero de programação podem montar um aplicativo, jogo ou site em pouco tempo graças ao vibe coding, uma expressão guarda-chuva cunhada pelo cofundador da OpenAI, Andrej Karpathy. Para fazê-lo, você simplesmente dá prompts aos assistentes de programação de modelos de Inteligência Artificial Generativa para criar o objeto digital que você deseja e aceita praticamente tudo o que eles cospem. O resultado vai funcionar? Talvez não. Vai ser seguro? Quase com certeza não, mas os maiores defensores da técnica não estão deixando esses detalhes menores atrapalharem. Além disso, soa divertido!
— Rhiannon Williams
3. Psicose de chatbot
Uma das maiores histórias de Inteligência Artificial do último ano foi como interações prolongadas com chatbots podem fazer com que pessoas vulneráveis vivenciem delírios e, em alguns casos extremos, causar ou piorar a psicose. Embora “psicose de chatbot” não seja um termo médico reconhecido, pesquisadores estão prestando muita atenção às evidências crescentes de usuários que dizem que isso aconteceu com eles ou com alguém que conhecem. Infelizmente, o número crescente de processos judiciais movidos contra empresas de IA pelas famílias de pessoas que morreram após conversas com chatbots demonstra as consequências potencialmente fatais da tecnologia.
—Rhiannon Williams
4. Raciocínio
Poucas coisas mantiveram a euforia em torno da Inteligência Artificial, este ano, mais do que os chamados modelos de raciocínio, grandes modelos de linguagem que conseguem decompor um problema em várias etapas e trabalhá-lo uma a uma. A OpenAI lançou seus primeiros modelos de raciocínio, o1 e o3, há um ano.
Um mês depois, a empresa chinesa DeepSeek pegou todo mundo de surpresa com um acompanhamento muito rápido, ao lançar o R1, o primeiro modelo de raciocínio de código aberto. Em pouco tempo, modelos de raciocínio viraram o padrão da indústria. Todos os principais chatbots de mercado de massa agora vêm em versões apoiadas por essa tecnologia. Modelos de raciocínio empurraram os limites do que se consegue fazer, igualando desempenhos humanos de ponta em competições prestigiosas de matemática e programação. Por outro lado, todo o burburinho sobre o que poderiam “raciocinar” reacendeu velhos debates sobre o quão inteligentes os modelos realmente são e como eles realmente funcionam. Assim como “Inteligência Artificial” em si, “raciocínio” é jargão técnico vestido com brilho de marketing.
—Will Douglas Heaven
5. Modelos de mundo
Por mais que tenham uma facilidade assustadora com a linguagem, os grandes modelos têm muito pouco senso comum. Em termos simples, eles não têm nenhuma base sobre como o mundo funciona. Aprendizes de livro no sentido mais literal, conseguem discorrer poeticamente sobre tudo que existe e, então, fracassar com uma gafe sobre quantos elefantes você conseguiria colocar dentro de uma piscina olímpica (exatamente um, segundo o Google DeepMind).
Modelos de mundo, um amplo espectro que abrange várias tecnologias, têm como objetivo dar à Inteligência Artificial um senso comum básico sobre como as coisas no mundo realmente se encaixam. Em sua forma mais vívida, modelos de mundo como o Genie 3, do Google DeepMind, e o Marble, a muito aguardada nova tecnologia da startup World Labs, de Fei-Fei Li, conseguem gerar mundos virtuais detalhados e realistas para robôs treinarem e mais. Yann LeCun, ex-cientista-chefe da Meta, também está trabalhando em modelos de mundo. Ele vem tentando dar à IA uma noção de como o mundo funciona há anos, treinando modelos para prever o que acontece a seguir em vídeos. Em 2025, ele deixou a Meta para se concentrar nessa abordagem em uma nova startup chamada Advanced Machine Intelligence Labs. Se tudo correr bem, modelos de mundo podem ser a próxima coisa.
—Will Douglas Heaven
6. Hiperescaladores
Você ouviu falar de todas as pessoas dizendo “não, obrigado, na verdade não queremos um data center gigante colocado no nosso quintal”? Os empreendimentos em questão, que as empresas de tecnologia querem construir em todos os lugares, inclusive no espaço, normalmente são chamados de hiperescaladores. São edifícios enormes construídos especificamente para operações de Inteligência Artificial e usados por empresas como a OpenAI e o Google para construir modelos maiores e mais poderosos. Dentro desses edifícios, os melhores chips do mundo zumbem treinando e fazendo ajuste fino e eles são construídos para serem modulares e crescer de acordo com as necessidades.
Foi um grande ano para os hiperescaladores. A OpenAI anunciou, ao lado do presidente Donald Trump, seu projeto Stargate, uma joint venture de US$ 500 bilhões para salpicar pelo país os maiores data centers já feitos. Mas isso deixa quase todo mundo perguntando: o que exatamente a gente ganha com isso? Consumidores temem que aumentem suas contas de energia. Esses edifícios, em geral, têm dificuldade para operar com energia renovável. E eles não costumam criar tantos empregos assim. Mas, ei, talvez esses edifícios gigantes, sem janelas, possam ao menos dar uma vibração sombria de ficção científica para a sua comunidade.
—James O’Donnell
7. Bolha
As promessas grandiosas da Inteligência Artificial estão fazendo a economia levitar. Empresas estão levantando somas de dinheiro de cair o queixo e vendo suas avaliações dispararem para a estratosfera. Despejam centenas de bilhões de dólares em chips e data centers, financiados cada vez mais por dívida e por acordos circulares de levantar as sobrancelhas. Enquanto isso, as empresas que lideram a corrida do ouro, como OpenAI e Anthropic, podem não dar lucro por anos, se é que algum dia darão. Investidores estão apostando alto que a IA vai inaugurar uma nova era de riquezas, mas ninguém sabe o quão transformadora a tecnologia realmente será.
A maioria das organizações que usa IA ainda não está vendo o retorno, e a AI Slop, aquela que gera conteúdo de baixa qualidade, está por toda parte. Há incerteza científica sobre se escalar grandes modelos de linguagem vai entregar superinteligência ou se novos avanços precisam abrir caminho. Mas, ao contrário de suas antecessoras na bolha da internet, empresas de IA estão mostrando forte crescimento de receita e algumas são até titãs de tecnologia com bolsos fundos, como Microsoft, Google e Meta. Será que o sonho maníaco algum dia vai estourar?
—Michelle Kim
8. Agêntico
Neste ano, agentes de Inteligência Artificial estavam em toda parte. Cada anúncio de novo recurso, lançamento de modelo ou relatório de segurança ao longo de 2025 veio salpicado de menções a eles, embora muitas empresas e especialistas discordem sobre o que exatamente conta como ser de fato “agêntico”, um termo vago, se é que já houve um. Não importa que seja virtualmente impossível garantir que uma IA agindo em seu nome na internet afora sempre fará exatamente o que deveria fazer, parece que a IA agêntica veio para ficar no futuro previsível. Quer vender alguma coisa? Chame de agêntico!
—Rhiannon Williams
9. Destilação
No começo de 2025, a DeepSeek revelou seu novo modelo, o DeepSeek R1, um modelo de raciocínio de código aberto que se equipara aos principais modelos ocidentais, mas custa uma fração do preço. Seu lançamento deixou o Vale do Silício em pânico, quando muitos perceberam, de repente, pela primeira vez, que escala gigantesca e recursos não eram necessariamente a chave para modelos de IA de alto nível. As ações da Nvidia despencaram 17% no dia seguinte ao lançamento do R1.
A chave para o sucesso foi a destilação, uma técnica que torna modelos de Inteligência Artificial mais eficientes. Ela funciona fazendo um modelo maior ser tutor de um modelo menor. Você executa o “professor” em muitos exemplos e registra as respostas e recompensa o “aluno” à medida que ele copia essas respostas o mais de perto possível, para que adquira uma versão comprimida do conhecimento do mestre.
—Caiwei Chen
10. Bajulação
À medida que pessoas no mundo todo passam quantidades cada vez maiores de tempo interagindo com chatbots como o ChatGPT, os criadores estão tentando descobrir que tipo de tom e “personalidade” os modelos deveriam adotar. Em abril, a OpenAI admitiu que tinha encontrado o equilíbrio errado entre ser útil e ser servil, dizendo que uma nova atualização tinha deixado o GPT-4o bajulador demais. Fazer com que ele puxe o seu saco não é apenas irritante, isso pode induzir usuários ao erro ao reforçar crenças incorretas e espalhar desinformação. Então considere isto um lembrete para levar tudo, sim, tudo, que os grandes modelos de linguagem produzem com uma pitada de sal.
—Rhiannon Williams
11. Slop
Se existe um termo relacionado à Inteligência Artificial que escapou totalmente dos cercadinhos nerds e entrou na consciência pública, é “slop”. A palavra em si é antiga, mas agora é comumente usada para se referir a conteúdo gerado por IA de baixo esforço e produzido em massa, muitas vezes otimizado para tráfego online. Muita gente até usa o termo como uma abreviação para qualquer conteúdo gerado por IA. Pareceu inevitável se deparar com ele no último ano: fomos marinados de biografias falsas a imagens de “Jesus camarão” a vídeos surreais de híbridos humano-animal.
Mas as pessoas também estão se divertindo com isso. A flexibilidade sardônica do termo tornou fácil para usuários da internet colarem “slop” em todo tipo de palavra como sufixo para descrever qualquer coisa que não tem substância e é absurdamente medíocre. Pense em “work slop” (para se referir ao trabalho) ou “friend slop” (sobre amizades). À medida que o ciclo de euforia se reinicia, “slop” marca um acerto de contas cultural sobre o que confiamos, o que valorizamos como trabalho criativo e o que significa estar cercado por coisas que foram feitas para engajamento e não para expressão.
—Caiwei Chen
12. Inteligência física
Você se deparou com o vídeo hipnotizante, do começo deste ano, de um robô humanoide guardando pratos em uma cozinha sombria, em tons de cinza? Isso praticamente incorpora a ideia de inteligência física: a ideia de que avanços em IA podem ajudar robôs a se mover melhor pelo mundo físico.
É verdade que robôs conseguiram aprender novas tarefas mais rápido do que nunca, em lugares que vão de salas de cirurgia a armazéns. Empresas de carros autônomos também viram melhorias em como simulam as estradas. Dito isso, ainda é sensato ser cético quanto ao fato de a IA ter revolucionado o campo. Considere, por exemplo, que muitos robôs anunciados como mordomos na sua casa estão fazendo a maior parte de suas tarefas graças a operadores remotos nas Filipinas.
O caminho à frente para a inteligência física também certamente será estranho. Modelos de linguagem grandes treinam em texto, que é abundante na internet, mas robôs aprendem mais com vídeos de pessoas fazendo coisas. É por isso que a empresa de robôs Figure sugeriu, em setembro, que pagaria pessoas para se filmarem em seus apartamentos fazendo tarefas domésticas. Você se inscreveria?
—James O’Donnell
13. Uso justo
Modelos de Inteligência Artificial são treinados devorando milhões de palavras e imagens pela internet, incluindo trabalhos protegidos por direitos autorais de artistas e escritores. Empresas de IA argumentam que isso é “uso justo”, uma doutrina legal que permite usar material protegido por direitos autorais sem permissão se você o transformar em algo novo que não concorre com o original. Tribunais estão começando a se posicionar. Em junho, o treinamento do modelo de IA Claude, da Anthropic, em uma biblioteca de livros foi considerado uso justo porque a tecnologia era “extremamente transformadora”.
No mesmo mês, a Meta conseguiu uma vitória semelhante, mas apenas porque os autores não conseguiram mostrar que o banquete literário da empresa mexeu nos seus contracheques. À medida que as disputas de direitos autorais fermentam, alguns criadores estão lucrando com a festa. Em dezembro, a Disney assinou um acordo chamativo com a OpenAI para permitir que usuários do Sora, a plataforma de vídeo com IA, gerem vídeos com mais de 200 personagens das franquias da empresa. Enquanto isso, governos ao redor do mundo estão reescrevendo regras de direitos autorais para as máquinas devoradoras de conteúdo. Treinar IA com trabalho protegido por direitos autorais é uso justo? Como em qualquer questão jurídica de bilhões de dólares, depende. —Michelle Kim
14. GEO
Há apenas alguns poucos anos, toda uma indústria foi construída em torno de ajudar sites a se posicionarem bem nos resultados de busca (ok, só no Google). Agora, a Otimização para Mecanismos de Busca (Search Engine Optimization, ou SEO) está dando lugar à Otimização Generativa de Mecanismos (Generative Engine Optimization, ou GEO) que quer, à medida que o boom da IA força marcas e empresas a se desdobrarem para maximizar sua visibilidade, seja em resultados de busca turbinados, como os Resumos do Google, seja dentro de respostas de grandes modelos de linguagem. Não é de se admirar que estejam em pânico. Já sabemos que empresas de notícias sofreram uma queda colossal no tráfego da web vindo de buscas e empresas de IA estão trabalhando em maneiras de eliminar o intermediário e permitir que seus usuários visitem sites diretamente dentro de suas plataformas. É hora de se adaptar ou morrer.
—Rhiannon Williams
Com participação dos autores: Will Douglas Heaven, Michelle Kim, James O’Donnell e Rhiannon Williams
Caiwei Chen
