A OpenAI anunciou nesta segunda-feira (2) uma nova ferramenta interna para avaliar o desempenho de seus modelos de inteligência artificial em tarefas cotidianas tradicionalmente executadas por humanos, como compras e criação de orçamentos. A empresa afirmou que sua tecnologia está ficando cada vez mais eficiente em realizar essas atividades.
Segundo a desenvolvedora, o modelo GPT-6 Astra alcançou 93,1% de acerto na busca por uma creche ideal após uma mudança, 98% na gestão de voluntários comunitários para a preparação em caso de enchentes, e 90,4% no desenvolvimento de um plano alimentar voltado para um pai recém-diagnosticado com diabetes. Em termos de desempenho geral nas tarefas diárias, o GPT-6 Astra registrou 80%, enquanto o modelo GPT-5.2, lançado em dezembro de 2025, obteve 49,3%.
Jenny Yang, pesquisadora da OpenAI, explicou que a iniciativa busca compreender como os usuários utilizam o aplicativo e identificar pontos de melhoria ao longo do tempo. O novo marco ocorre em meio à forte concorrência com empresas como Meta, Anthropic e Google na corrida pelo desenvolvimento de agentes de IA capazes de atuar no mundo real, além de pressões ligadas à segurança e à busca por lucratividade.
Como a OpenAI desenvolveu os testes
Para criar avaliações padronizadas que medissem o desempenho da IA em afazeres cotidianos — que costumam ser vagos e subjetivos —, a empresa consultou pesquisas detalhadas sobre o uso do tempo, como a do Departamento de Estatísticas do Trabalho dos Estados Unidos e a do Reino Unido. Além disso, a OpenAI entrevistou cerca de 4.000 usuários e pediu a um grupo menor, com cerca de 100 pessoas, que descrevessem as tarefas desejadas e fornecessem o contexto pessoal necessário, além de critérios para avaliar o sucesso do modelo.
A empresa exigiu comprovação de especialização dos colaboradores que sugeriram os testes para garantir a precisão das respostas corretas. Os testes avaliam habilidades como navegação em sites, análise de grandes volumes de informações em históricos de conversas e extração de conclusões alinhadas às expectativas do usuário.
Concorrência e desafios do setor
A corrida por agentes pessoais de IA envolve concorrentes como a Meta, com o agente Muse, e a Anthropic, com o aplicativo Claude Duet, enquanto a própria OpenAI apresentou o agente Dots. O avanço da tecnologia traz desafios sobre segurança, limites no uso de assistentes virtuais e o risco de dependência excessiva.
Para Jenny Yang, o principal objetivo da tecnologia é devolver tempo ao cotidiano dos usuários, eliminando tarefas demoradas e facilitando o aprendizado de novas habilidades.