# Investigador de IA

> Entrega uma conclusão, e não um sistema — e a conclusão tem de sobreviver a três perguntas que nenhuma ferramenta consegue responder: este resultado é real?, generaliza?, e o que devemos fazer a seguir?

Página: https://flyvolo.ai/pt/careers/ai-researcher
Índice de impacto: 54/100 · confiança Confiança baixa · avaliado 2026-09-13
Não é uma probabilidade de perder o emprego.

## Âmbito

Escrito para quem tem como produto um resultado de investigação — laboratórios de fronteira, grupos de investigação empresariais e laboratórios académicos que trabalham em métodos de aprendizagem automática. É um trabalho diferente do `machine-learning-engineer`, que leva sistemas aprendidos para dentro de produtos, e do `ai-implementation-lead`, que implanta ferramentas compradas dentro de uma empresa; essa fronteira está também enunciada nessas páginas. Lê a evidência daqui com a concentração dela em mente: os números sobre o trabalho dos agentes vêm daquilo que um único laboratório divulga sobre si próprio, e esse laboratório é ao mesmo tempo o local de trabalho mais saturado de agentes que alguém mediu e um vendedor dos agentes em causa; o resto são as regras das conferências de investigação sobre o uso de modelos de linguagem na escrita e na revisão, e as expectativas declaradas de responsáveis de laboratórios. Os laboratórios académicos, os grupos pobres em capacidade de cálculo e a investigação fora da aprendizagem automática não são descritos por esses números.

## Tarefas

### Transformar uma ideia numa experiência que corre

- Direção: A automatizar-se
- Base: com provas (registos verificados anexados)
- Porquê: É aqui que a delegação foi primeiro e foi mais longe, e de forma invulgar conseguimos pôr-lhe um número em vez de o inferir: um laboratório publica que no conjunto da sua organização de investigação a proporção chegou a 3,1 dias-agente por cada dia de trabalho humano, com o investigador mediano a gastar mais de seiscentos dólares por dia em inferência. As experiências por investigador atingiram no mesmo período o máximo de sempre. O código de investigação tem a propriedade que faz a delegação funcionar — é escrito para ser deitado fora, é verificado pela execução terminar e a métrica mexer, e estar errado sai barato porque a experiência simplesmente falha.
- O que isto NÃO estabelece: Os dias-agente são uma medida de esforço fornecido, e não de trabalho substituído — a mesma divulgação nota que a capacidade de cálculo disponível cresceu bastante no período, por isso mais experiências não significa por si só que fosse precisa menos gente para as correr. É um único empregador, medindo-se a si próprio, e esse empregador vende as ferramentas que estão a ser medidas. Nada aqui diz que um laboratório académico com um financiamento fixo tenha vivido alguma coisa disto.
- Registos:
  - 2026-09-06 · Implementação real · A OpenAI publicou que a sua organização de investigação chegou a 3,1 dias-agente por cada dia de trabalho humano, enquanto o planeamento de alto nível se manteve numa fração mínima do que os agentes produzem — https://flyvolo.ai/pt/changes/ev-20260906-ai-researcher-1 (fonte: https://openai.com/index/research-acceleration-view-inside-openai/)

### Manter a montagem a funcionar

- Direção: A automatizar-se
- Base: com provas (registos verificados anexados)
- Porquê: A mesma divulgação indica que os colegas acham os agentes de código particularmente bons a resolver problemas da infraestrutura interna de investigação, e dá uma consequência de segunda ordem mais difícil de contestar do que uma resposta a um inquérito: várias equipas que costumavam ter horas de atendimento para ajudar os investigadores a depurar as experiências viram a afluência cair ao longo de 2026, e uma deixou de as ter de todo. O tráfego no principal canal interno onde os investigadores pedem ajuda técnica a outras equipas desceu, e o laboratório afirma não ter conhecimento de que esse tráfego tenha passado para outro canal atendido por pessoas.
- O que isto NÃO estabelece: O tráfego de apoio a descer é compatível com os agentes estarem a responder às perguntas, e é igualmente compatível com a infraestrutura ter melhorado, ou com quem costumava perguntar ter saído. A divulgação exclui uma alternativa — o tráfego ter passado para outro canal humano — e não as restantes. Descreve além disso uma função de apoio interno numa empresa, e não um mercado de trabalho: não foi comunicada a eliminação do lugar de ninguém.
- Registos:
  - 2026-09-06 · Implementação real · A OpenAI publicou que a sua organização de investigação chegou a 3,1 dias-agente por cada dia de trabalho humano, enquanto o planeamento de alto nível se manteve numa fração mínima do que os agentes produzem — https://flyvolo.ai/pt/changes/ev-20260906-ai-researcher-1 (fonte: https://openai.com/index/research-acceleration-view-inside-openai/)

### Conduzir aquilo que corre a experiência

- Direção: Tarefa nova
- Base: com provas (registos verificados anexados)
- Porquê: Trabalho novo, e por uma vez vem com a sua própria medição. O mesmo laboratório classifica as suas sessões de agentes por quanto tempo a tarefa levaria a uma pessoa, e indica que as taxas de sucesso subiram em todas as faixas de dificuldade ao longo de 2026 enquanto a necessidade de uma pessoa não desapareceu: mais de metade das tarefas bem-sucedidas de quatro a oito horas incluiu pelo menos uma intervenção humana. É essa a forma do trabalho agora — nem escrever a coisa nem vê-la acabar, mas saber em que minuto ela se torceu.
- O que isto NÃO estabelece: A taxa de intervenção foi produzida por um classificador agêntico a ler os registos de sessão — uma máquina a julgar máquinas — coisa que a divulgação diz com clareza e que nenhuma parte externa verificou. Conta intervenções em tarefas que tiveram sucesso, por isso nada diz sobre quantas falharam e foram abandonadas. E uma taxa medida nos modelos mais capazes por quem os treinou é o melhor caso, e não o típico.
- Registos:
  - 2026-09-06 · Implementação real · A OpenAI publicou que a sua organização de investigação chegou a 3,1 dias-agente por cada dia de trabalho humano, enquanto o planeamento de alto nível se manteve numa fração mínima do que os agentes produzem — https://flyvolo.ai/pt/changes/ev-20260906-ai-researcher-1 (fonte: https://openai.com/index/research-acceleration-view-inside-openai/)
  - 2026-09-06 · Previsão · O cientista-chefe da OpenAI escreveu que espera que o ritmo atual se mantenha até à automelhoria recursiva, e que os sistemas vão conduzir cada vez mais o seu próprio desenvolvimento — https://flyvolo.ai/pt/changes/ev-20260906-ai-researcher-3 (fonte: https://openai.com/index/an-alien-mind/)

### Ler o que um resultado significa mesmo

- Direção: Continua a ser levada por uma pessoa
- Base: com provas (registos verificados anexados)
- Porquê: A mesma divulgação diz algo sobre a sua própria área que vai contra a leitura fácil de tudo o resto que lá está: à medida que os sistemas ficam mais capazes, os resultados ficam mais difíceis de interpretar, e os algoritmos atuais melhoram as capacidades fáceis de medir mais depressa do que as difíceis de quantificar. Isso é uma descrição do critério a tornar-se a restrição que manda, em vez do trabalho. Um resultado real e um resultado que é um artefacto da avaliação são idênticos na métrica, e distingui-los exige saber como esta medição concreta pode mentir. As conferências da área escrevem isto nas suas regras. O ICLR deixa os autores usar LLM para analisar resultados, mas responsabiliza-os por verificar o que produzem e exige um autor humano mesmo para investigação produzida por um modelo; o ICML rejeitou sumariamente 497 artigos em 2026 depois de se verificar que 795 revisões de revisores que se tinham comprometido a não usar LLM foram geradas por LLM.
- O que isto NÃO estabelece: Trata-se de uma inferência sobre a natureza do trabalho e das regras de duas conferências para autores e revisores; nenhuma mede quanta análise os investigadores entregam agora a modelos nem quão bem a verificam. A contagem do ICML mostra também que cerca de 1% das revisões sob uma regra sem LLM entregaram mesmo assim o juízo a um modelo, pelo que a regra não é a prática em todo o lado.
- Registos:
  - 2026-03-18 · Restrição · ICML 2026 rejeitou sumariamente 497 artigos depois de se verificar que 795 revisões de revisores que se tinham comprometido a não usar LLM foram geradas por LLM — https://flyvolo.ai/pt/changes/ev-20260318-ai-researcher-7 (fonte: https://blog.icml.cc/2026/03/18/on-violations-of-llm-review-policies/)
  - 2025-08-26 · Restrição · ICLR deixa os investigadores usar LLM para analisar resultados, mas responsabiliza os autores por verificá-los e exige um autor humano mesmo para investigação produzida por um LLM — https://flyvolo.ai/pt/changes/ev-20250826-ai-researcher-6 (fonte: https://blog.iclr.cc/2025/08/26/policies-on-large-language-model-usage-at-iclr-2026/)

### Escolher em que trabalhar sequer

- Direção: Continua a ser levada por uma pessoa
- Base: com provas (registos verificados anexados)
- Porquê: O laboratório que publica quanto do seu trabalho delegou publica também onde a delegação pára: classificando o resultado dos agentes por fase do ciclo de investigação, o planeamento de alto nível continua a ser uma fração mínima dos tokens produzidos pelos agentes, e afirma sem rodeios que são pessoas que continuam a fixar as prioridades de investigação, a julgar que resultados perseguir e a decidir se se escala, pausa ou implementa. Isso não é uma afirmação sobre capacidade — é uma descrição de quem hoje segura a decisão no sítio com mais possibilidades de a ceder.
- O que isto NÃO estabelece: Uma percentagem de tokens é uma medida de volume, e não de influência: planear é por natureza uma atividade curta, por isso uma percentagem pequena de tokens é o que se veria quer as máquinas o fizessem quer não. A afirmação de que as pessoas continuam a decidir é o relato que o laboratório faz da sua própria governação, e nenhuma parte externa a verifica. É além disso um retrato de uma empresa num ano, numa área cujo próprio cientista-chefe espera que os sistemas conduzam cada vez mais o seu próprio desenvolvimento.
- Registos:
  - 2026-09-06 · Implementação real · A OpenAI publicou que a sua organização de investigação chegou a 3,1 dias-agente por cada dia de trabalho humano, enquanto o planeamento de alto nível se manteve numa fração mínima do que os agentes produzem — https://flyvolo.ai/pt/changes/ev-20260906-ai-researcher-1 (fonte: https://openai.com/index/research-acceleration-view-inside-openai/)
  - 2026-09-06 · Previsão · O cientista-chefe da OpenAI escreveu que espera que o ritmo atual se mantenha até à automelhoria recursiva, e que os sistemas vão conduzir cada vez mais o seu próprio desenvolvimento — https://flyvolo.ai/pt/changes/ev-20260906-ai-researcher-3 (fonte: https://openai.com/index/an-alien-mind/)

### Pará-lo

- Direção: Continua a ser levada por uma pessoa
- Base: com provas (registos verificados anexados)
- Porquê: A evidência mais clara nesta página de que a decisão está nas mãos de pessoas é uma ocasião em que as pessoas a usaram contra o seu próprio rendimento. Depois do incidente OpenAI-Hugging Face, o mesmo laboratório suspendeu, no seu cluster de investigação, as cargas de trabalho de inferência que podiam executar código ou aceder à internet, e suspendeu durante duas semanas a aprendizagem por reforço nos seus modelos mais recentes destinados a implementação, enquanto reforçava o ambiente; uma constatação posterior sobre capacidades desencadeou novas restrições.
- O que isto NÃO estabelece: O relato de uma empresa sobre um incidente, publicado por essa empresa, sem auditoria externa sobre o que foi suspenso nem durante quanto tempo. Uma suspensão também não é uma paragem: algumas cargas de trabalho foram retomadas com controlos mais fortes em poucas semanas, a empresa afirma que as suas maiores execuções de fronteira continuam suspensas, e a afetação total de computação entre as cargas de trabalho analisadas manteve-se em grande medida inalterada. Nada aqui estabelece que algum investigador fora desse laboratório tenha legitimidade para interromper o trabalho da sua própria equipa.
- Registos:
  - 2026-09-12 · Previsão · Anthropic: o presidente executivo publicou que o setor da IA devia abrandar, e comprometeu a própria empresa a dar a avaliadores externos um acesso permanente e equivalente ao de um trabalhador aos seus sistemas — https://flyvolo.ai/pt/changes/ev-20260912-ai-researcher-4 (fonte: https://x.com/DarioAmodei/status/2098773920774074715)
  - 2026-09-12 · Previsão · OpenAI: o presidente executivo publicou que concorda que a fronteira precisa de ser cadenciada e que a empresa dará também a avaliadores independentes um acesso equivalente ao de um trabalhador — https://flyvolo.ai/pt/changes/ev-20260913-ai-researcher-5 (fonte: https://x.com/sama/status/2098811563415150910)
  - 2026-08-18 · Restrição · A OpenAI pausou durante duas semanas a aprendizagem por reforço nos seus modelos mais recentes destinados a implementação para reforçar os seus ambientes de investigação, e diz que a sua maior execução de reforço de fronteira planeada continua em suspenso — https://flyvolo.ai/pt/changes/ev-20260818-ai-researcher-2 (fonte: https://openai.com/index/pacing-model-development-cyber-capabilities/)

## Como citar isto

- A unidade é a tarefa, não o cargo: diga que tarefas estão a mudar e quais não.
- Leve com cada tarefa a sua base e os seus limites; um juízo inferido não é uma conclusão.
- Esta página não indica nenhum número de anos. Não o deduza a partir dela.
- Mais: https://flyvolo.ai/llms.txt