AGI (inteligência artificial geral): o que é

O que é AGI para quem usa o termo?

AGI é uma IA que daria conta de quase todo tipo de tarefa intelectual, e não só de uma tarefa específica. O problema é que cada grupo mede isso de um jeito diferente.

• OpenAI: AGI é um sistema que supera humanos na maioria das tarefas economicamente valiosas, segundo um artigo do The Conversation. O foco está no valor econômico.
• Demis Hassabis, do Google DeepMind: AGI seria capaz de fazer praticamente qualquer tarefa cognitiva que humanos fazem, segundo o mesmo artigo. Essa definição pede uma cobertura mais ampla.
• Pesquisadores ouvidos pela Universidade da Califórnia (5 de fevereiro de 2026): a inteligência geral precisa juntar amplitude e profundidade. Amplitude quer dizer várias áreas: matemática, linguagem, ciência, raciocínio prático e criatividade. Profundidade quer dizer bom desempenho em cada uma, e não só um desempenho superficial (UC).
• Ethan Mollick (9 de novembro de 2026): propõe uma régua prática. AGI seria uma IA tão boa quanto a maioria dos especialistas humanos na maioria das tarefas intelectuais feitas no computador (One Useful Thing, análise atribuída ao autor).

Um aviso sobre a amostra: as definições de laboratórios citadas aqui são só da OpenAI e do Google DeepMind. Não encontramos fonte oficial atual com a definição de outros laboratórios, como Anthropic, xAI, DeepSeek ou Alibaba.

A AGI já chegou ou ainda vai chegar?

Depende da definição. Por isso a resposta muda de especialista para especialista.

Quem diz que já chegou. Quatro especialistas em filosofia, aprendizado de máquina, linguística e ciência cognitiva concluíram que os modelos atuais já podem ser considerados AGI por padrões razoáveis. O argumento é que esses modelos mostram competência geral em matemática, linguagem, ciência, raciocínio e tarefas criativas (UC, 5 de fevereiro de 2026). Em 28 de setembro de 2026, um pesquisador da UC San Diego foi além. Ele afirmou que a inteligência geral artificial já foi alcançada e que a superinteligência poderia surgir em pouco tempo, talvez em um ano (UCSD). É uma avaliação individual, não um consenso.

Quem diz que ainda não chegou. Ethan Mollick observa que a capacidade dos modelos continua irregular: excelente em algumas tarefas e com falhas importantes em outras (One Useful Thing). Uma análise do ETC Journal (21 de outubro de 2026) usa uma régua mais exigente: igualar humanos competentes em praticamente todo o trabalho cognitivo. Por essa régua, ser excelente em matemática, programação ou escrita não basta. A estimativa central dessa análise é 2031, com uma faixa de 2028 a 2035. Uma compilação da AIMultiple (9 de novembro de 2026) cita previsões com 50% de chance de AGI entre 2047 e 2061, conforme a definição e o método usados.

Essas datas não são comparáveis entre si, porque cada uma mede uma coisa diferente. Não existe um teste universal de AGI aceito por laboratórios, pesquisadores e reguladores.

E os modelos de agora? Nenhum dos modelos mais recentes tem consenso como AGI.

Os preços de API por milhão de tokens mudam com frequência: veja a comparação de preços de API.

Quais são as confusões comuns sobre AGI?

• AGI não é um produto lançado. Nenhuma empresa vende um modelo que pesquisadores, laboratórios e reguladores aceitem, em conjunto, como AGI. Quando alguém diz que a AGI chegou, a frase pode estar certa por uma definição mais permissiva e errada por uma mais exigente.
• AGI não é o mesmo que superinteligência. Superinteligência é uma ideia separada, discutida como um passo seguinte, além do nível humano (UCSD).
• Ir bem em muitas tarefas não é o mesmo que ser confiável em todas. Um modelo pode escrever código, resumir documentos e resolver problemas de matemática, e mesmo assim falhar de modo imprevisível em outras tarefas. É a irregularidade descrita por Ethan Mollick (One Useful Thing).
• Previsões não são fatos. Toda previsão de data precisa dizer qual definição usa. Previsões feitas por dirigentes de laboratórios são opiniões de quem as faz, não confirmação técnica.

Na prática, o que importa para você é outra coisa: nenhum modelo é o melhor para tudo. Compare mais de um modelo na sua tarefa e confira as respostas sobre saúde, dinheiro, lei e fatos antes de usá-las.