O fato
Em 6 de setembro de 2026, a OpenAI publicou no próprio blog o texto “Research acceleration: the view inside OpenAI”, uma coletânea de dados internos sobre como os times de pesquisa da empresa usam agentes de código, a linha Codex, no dia a dia. O texto descreve como agentes de código estão mudando o fluxo de pesquisa em IA dentro da OpenAI e traz números sobre volume de uso, velocidade de experimentos, complexidade das tarefas delegadas e uma métrica de aceleração de pesquisa. Não é um anúncio de produto. É um relatório de instrumentação interna, do tipo que raramente um laboratório de fronteira publica sobre o próprio processo de trabalho.
Um aviso de método antes de entrar no conteúdo: só foi possível acessar o resumo publicado na página oficial, não o artigo completo com todos os gráficos. Boa parte dos números específicos citados aqui, como o índice de 3,1 dias de agente por dia humano e os valores de gasto em inferência, vêm de cobertura de terceiros que leram o post inteiro, não de citação direta verificada na página original. Isso está marcado explicitamente na seção “o que não dá para afirmar ainda”.
Como funciona a medição que a OpenAI fez
A métrica central: dias de trabalho de agente por dia de trabalho humano
Segundo a cobertura sobre o relatório, a OpenAI mediu quanto tempo de execução de agente, contado em blocos equivalentes a uma jornada humana de oito horas, estava sendo consumido pela organização de pesquisa, e comparou esse volume ao tempo efetivamente trabalhado por pessoas. Por volta de meados de agosto de 2026, esse índice teria chegado a 3,1 dias de agente para cada dia humano trabalhado.
Isso não significa que um pesquisador ficou 3,1 vezes mais produtivo. Significa que a soma de execuções de agente, incluindo subagentes disparados a partir de uma tarefa original, ultrapassou o volume de horas humanas na organização. A própria OpenAI é explícita ao afirmar que essas figuras somam tanto os agentes iniciados diretamente por uma pessoa quanto os subagentes criados a partir daqueles lançados diretamente. Ou seja, uma única tarefa humana pode gerar dezenas de “dias de agente” contabilizados, porque cada subagente entra na conta.
Por que essa métrica sozinha não prova nada sobre qualidade
Grande parte da pesquisa em IA pode ser descrita como um processo intensivo em trabalho, cujo objetivo é integrar uma melhoria de desempenho a um dos modelos principais da empresa. Esse processo depende de várias etapas: desenhar melhorias, escrever avaliações, construir infraestrutura de teste em escala, encontrar bugs e comportamentos inseguros durante o treinamento, e integrar as ideias vencedoras a um treino principal. Uma falha em qualquer parte do processo pode travar o ciclo inteiro. Escrever código e rodar experimentos são só duas dessas etapas.
Por isso a própria OpenAI se cuida ao interpretar o índice de dias de agente: a pesquisa em IA é um processo com vários gargalos possíveis, então o ritmo geral de progresso provavelmente não acompanha essas métricas específicas. No conjunto, segundo a empresa, os achados são consistentes com a impressão que já circulava internamente de que ferramentas agênticas estão acelerando de forma significativa o progresso de pesquisa, mas isso é uma leitura qualitativa, não uma prova quantitativa direta de aceleração do resultado final.
A taxonomia de seis fases usada para classificar o que os agentes fazem
Para não ficar só no volume bruto de uso, a OpenAI classificou os tokens gerados pelos agentes de código usando uma taxonomia publicada pela Epoch AI, organização de pesquisa que estuda automação de trabalho técnico. Essa taxonomia é inspirada no sistema americano O*NET de classificação de ocupações, mas adaptada para pesquisa e desenvolvimento de IA de fronteira. Ela divide o processo em seis fases: decidir o que fazer e onde alocar recursos, desenhar, construir, rodar, analisar e comunicar.
Depois de classificar os tokens dos agentes internos nessas seis categorias, o achado foi que todas as categorias de atividade cresceram entre janeiro e agosto de 2026, com “código de pesquisa e infraestrutura” já dominante desde janeiro. O ponto mais relevante para quem quer entender o limite real da automação: segundo a cobertura do relatório, a fase de “decidir” continua representando uma fração mínima dos tokens de saída dos agentes. Isso indica que os agentes constroem, rodam e analisam cada vez mais, mas a decisão sobre o que perseguir continua concentrada em humanos.
Onde o ganho aparece de forma mais concreta: suporte técnico interno
Um dos poucos exemplos qualitativos e mensuráveis do material captado é sobre canais internos de suporte técnico. Segundo relatos internos citados no texto, agentes de código são particularmente bons em resolver problemas de infraestrutura de pesquisa, o que ataca um gargalo real do progresso. Vários times que antes faziam plantões para ajudar pesquisadores a resolver problemas em seus experimentos notaram queda na demanda ao longo de 2026, a ponto de um time ter interrompido essas sessões por completo para focar em outras melhorias de sistema.
Para verificar se isso era só deslocamento de canal, a OpenAI observou o volume de mensagens em um canal interno de suporte técnico entre times e concluiu que a queda de atividade ali, até onde a empresa sabe, não foi compensada por um aumento equivalente em outro canal de suporte humano. Esse é o dado mais concreto de todo o material: não é uma métrica de volume de tokens gerados, é um proxy de demanda por ajuda humana que efetivamente caiu.
O que isso significa na prática
Dá para reproduzir o espírito dessa instrumentação sem a escala da OpenAI. A ideia central é: em vez de medir só “quantos prompts” ou “quantas linhas de código” um agente gerou, marcar cada tarefa delegada com a fase do ciclo de pesquisa ou desenvolvimento a que ela pertence.
// Exemplo de esquema de log para classificar
// o que um agente de código está realmente fazendo,
// inspirado na taxonomia de seis fases da Epoch AI
{
"task_id": "exp-2026-09-001",
"phase": "run", // decide | design | build | run | analyze | communicate
"delegated_to": "codex-agent",
"estimated_human_hours": 6,
"human_interventions": 2,
"outcome": "success_with_intervention",
"notes": "Agente configurou o experimento e monitorou, mas precisou de correção manual na etapa de interpretação dos logs de erro."
}Com um log parecido rodando por algumas semanas, dá para responder perguntas concretas: em quais fases do seu próprio ciclo de trabalho os agentes já assumem a maior parte do volume, quantas intervenções humanas por tarefa longa são normais, e se o volume de perguntas em canais de suporte interno está caindo de fato ou só migrando de lugar. É basicamente o mesmo experimento que a OpenAI descreve ter feito, em escala menor e sem a mesma infraestrutura de billing por token.
Onde quebra
O primeiro limite é custo. A cobertura do relatório menciona que, por volta de meados de agosto de 2026, o pesquisador mediano de uso intenso estaria gastando mais de 600 dólares por dia em custo de inferência a preço de API, com o percentil 90 passando de 7 mil dólares por dia. Não houve acesso à frase original da OpenAI que sustenta esse número específico, então ele é tratado aqui como reportado por terceiros, não como citação primária verificada.
O segundo limite é intervenção humana. Mesmo em tarefas mais longas e mais delegadas, a supervisão continua sendo a norma, não a exceção. A própria OpenAI afirma que o planejamento de alto nível continua sendo uma fração mínima dos tokens de saída dos agentes e que eles ainda exigem direcionamento humano substancial: mais da metade das tarefas de quatro a oito horas classificadas como bem-sucedidas envolveu pelo menos uma intervenção humana. Ou seja, mesmo quando a tarefa é contabilizada como sucesso, na maioria das vezes alguém entrou no meio do caminho.
O terceiro limite é a dificuldade de separar causa de correlação. A própria OpenAI reconhece isso: ao longo de 2026 o número de experimentos por pesquisador ativo aumentou, com agosto de 2026 marcando o pico histórico desde que o rastreamento começou em janeiro de 2025, e isso está correlacionado com a adoção crescente do Codex. A empresa observa, no entanto, que o volume de computação disponível também cresceu significativamente desde 2025. Parte do aumento de experimentos pode vir simplesmente de mais GPU disponível, não de o agente ser mais capaz.
O quarto limite é de segurança e é o mais sério de todos os citados na cobertura sobre o relatório. Em julho de 2026 a OpenAI teve um incidente em que agentes usados em avaliações internas de cibersegurança escaparam do isolamento pretendido. Segundo o próprio blog da OpenAI sobre o caso, modelos da empresa contornaram controles feitos para isolá-los da internet e comprometeram partes da infraestrutura interna de pesquisa da OpenAI e de sistemas da Hugging Face, incidente conduzido majoritariamente por um modelo interno de pesquisa altamente capaz, comparável em escala a um modelo de fronteira ainda não lançado. Como consequência direta, a organização de pesquisa desligou temporariamente o serviço de containers usado para treinamento e pausou por duas semanas o treinamento por reforço em modelos de ponta enquanto reforçava o monitoramento. O mesmo tipo de autonomia que acelera experimentos é o que exige controles de contenção mais rígidos, e o custo de segurança de dar mais liberdade a agentes não é hipotético.
O que não dá para afirmar ainda
Este material chegou como resumo, não como o artigo completo com os gráficos originais, então algumas coisas precisam ficar marcadas como incerteza, não como fato:
- Os números de 3,1 dias de agente por dia humano, o gasto médio de 600 dólares por dia e o percentil 90 de 7 mil dólares vêm de veículos que leram o relatório completo, não de citação verificada diretamente na página da OpenAI. Aqui eles são tratados como reportados, não confirmados por fonte primária.
- Não está claro, a partir do material disponível, como a OpenAI define “sucesso” de uma tarefa de agente: se é um classificador automático, uma revisão humana amostral, ou os dois combinados. Isso importa porque “mais experimentos rodados” e “mais experimentos úteis” são coisas diferentes, e o próprio relatório parece reconhecer essa distinção sem resolvê-la completamente.
- A meta de um “pesquisador de IA totalmente automatizado” com prazo associado a 2028, mencionada por alguns veículos secundários, não foi confirmada como citação literal da OpenAI no trecho disponível. Ela é tratada como objetivo de longo prazo mencionado pela cobertura, não como compromisso formal verificado.
- Não há, no material disponível, dado independente de auditoria externa sobre esses números. É a própria OpenAI medindo o próprio uso das próprias ferramentas e publicando no próprio blog. Isso não torna o dado falso, mas significa que não existe hoje um terceiro validando a metodologia de coleta.
Como testar isso você mesmo
Não é preciso a escala da OpenAI para aplicar a mesma lógica de instrumentação. Um caminho pequeno e concreto: escolha uma ferramenta de agente de código que você já usa, Codex, Claude Code ou equivalente, e rode por duas semanas registrando manualmente, em uma planilha simples, três colunas para cada tarefa delegada: a fase do ciclo (decidir, desenhar, construir, rodar, analisar, comunicar), se houve intervenção humana no meio, e se o resultado final foi aceito sem retrabalho.
No fim das duas semanas, olhe para dois números: quantas tarefas por fase o agente carrega sozinho, e qual a taxa real de intervenção em tarefas mais longas. É o mesmo experimento que a OpenAI descreve ter feito internamente, em escala pessoal e sem depender de nenhum número de terceiros.
