--- title: "Dario Amodei — Scaling, RL, AGI e o Futuro da Anthropic" author: "Dario Amodei (CEO, Anthropic) · Dwarkesh Patel" description: "Dwarkesh Patel entrevista Dario Amodei, CEO da Anthropic, pela segunda vez — três anos após a primeira conversa. A pergunta de abertura: o que mudou? Dario responde que a tecnologia subjacente..." source: "https://adhenawer.net/posts/pt_br/dario-amodei-scaling-rl-agi-futuro-anthropic.html" lang: pt-BR --- ## INTRODUÇÃO — O QUE MUDOU EM TRÊS ANOS Dwarkesh Patel entrevista Dario Amodei, CEO da Anthropic, pela segunda vez — três anos após a primeira conversa. A pergunta de abertura: o que mudou? Dario responde que a tecnologia subjacente evoluiu aproximadamente como esperava — a exponencial continuou. Os modelos foram de “estudante inteligente do ensino médio” para “estudante universitário” e agora para “início de trabalho de PhD e profissional”, especialmente em código. Mas o mais surpreendente para Dario não foi o progresso técnico: foi a falta de reconhecimento público de quão perto estamos do fim da exponencial. Para ele, é absolutamente surpreendente que as pessoas discutam os mesmos velhos temas políticos enquanto estamos próximos de uma das maiores transformações da história. A HIPÓTESE DO GRANDE BLOB DE COMPUTAÇÃO Em 2017, Dario escreveu um documento interno chamado “Big Blob of Compute Hypothesis.” A hipótese diz que toda a inteligência, todas as técnicas, todo o “precisamos de um novo método” não importa muito. Apenas algumas coisas importam: quantidade bruta de computação, quantidade de dados, qualidade e distribuição dos dados, tempo de treinamento, e uma função objetivo que escale infinitamente. Para pré-treinamento, a função objetivo é predição do próximo token. Para RL, é alcançar objetivos — com recompensas objetivas (como em matemática e código) ou mais subjetivas (como RLHF). Os últimos itens são normalização e estabilidade numérica para que o “blob” de computação flua de forma laminar. Dario ainda mantém essa hipótese. O pré-treinamento continua dando ganhos. E agora estão vendo a mesma coisa para RL — escala log-linear entre tempo de treinamento e performance em uma ampla variedade de tarefas. ## PREVISÕES CONCRETAS — O "PAÍS DE GÊNIOS NO DATA CENTER" Três anos atrás, Dario previu sistemas que, em uma hora de conversa, seriam difíceis de distinguir de um humano bem-educado. Ele acertou. Mas Dwarkesh observa que isso não resultou na automação esperada do trabalho de escritório. Dario é claro: não estamos no AGI. “Se tivéssemos o país de gênios no data center, saberíamos. Todos nesta sala saberiam. Todos em Washington saberiam.” Mas estamos chegando lá. Sobre quando os modelos poderão fazer o trabalho de um editor de vídeo que aprende preferências ao longo de meses: depende de mestria em uso de computador (computer use). O benchmark OS World subiu de ~15% para 65-70%, mas precisa chegar a 95%+ para ser verdadeiramente útil. A previsão de Dario: dentro de 1-2 anos. ## DIFUSÃO E ADOÇÃO EMPRESARIAL O Claude Code é extremamente fácil de configurar e não há razão para desenvolvedores em grandes empresas não adotarem rapidamente. Mas na prática, grandes empresas precisam passar por jurídico, compliance, segurança, aprovação de liderança, rollout para milhares de desenvolvedores. A Anthropic está fazendo tudo possível para crescer 20-30x ao ano em vez de 10x. Muitas empresas estão encurtando processos de procurement porque o produto é tão compelling. Mas não é infinitamente compelling. Mesmo AGI não gerará adoção infinitamente rápida. A receita da Anthropic está no caminho para bilhões, mas o gap entre capacidade dos modelos e adoção real é significativo. Dario compara com automóveis: o carro foi inventado em ~1890, mas levou décadas para substituir cavalos completamente. ## ESTRUTURA DO MERCADO — OLIGOPÓLIO, NÃO MONOPÓLIO Dario não acha que IA será um monopólio. Será como cloud: 3-4 players. A razão são os altíssimos custos de entrada — é preciso centenas de bilhões de dólares e expertise extrema. Os modelos são mais diferenciados que cloud. Claude é bom em coisas diferentes de GPT, que é bom em coisas diferentes de Gemini. E não é só “Claude é bom em código, GPT é bom em matemática” — é mais sutil que isso. Modelos têm estilos diferentes, são bons em tipos diferentes de codificação. O modelo de negócio de API vai sempre existir porque sempre haverá mil pessoas experimentando com o modelo de maneiras diferentes, cem delas se tornam startups, dez se tornam grandes, e duas ou três acabam sendo a forma como as pessoas realmente usam o modelo de uma dada geração. O PAPEL DO RL E APRENDIZADO NO MUNDO REAL A objeção de Rich Sutton (o “bitter lesson”) na versão anti-LLM: algo que possui o verdadeiro núcleo do aprendizado humano não deveria precisar de bilhões de dólares em dados e computação e ambientes bespoke para aprender a usar Excel ou navegar na web. O fato de precisarmos construir essas skills via ambientes de RL sugere que falta o algoritmo central de aprendizado humano. Dario discorda parcialmente: o RL está escalando da mesma forma que o pré-treinamento. A questão não é se funciona, mas quão eficiente é. E a eficiência está melhorando exponencialmente. ## SEGURANÇA, INTERPRETABILIDADE E RISCO EXISTENCIAL Dario tem uma visão matizada sobre segurança de IA. A Anthropic foi fundada especificamente para trabalhar na interseção de capacidades e segurança. Ele acredita que os modelos atuais não são perigosos de forma existencial, mas que modelos futuros podem ser — e que precisamos desenvolver as ferramentas de segurança antes que os modelos se tornem perigosos. A interpretabilidade é um pilar central: entender o que acontece dentro dos modelos, não apenas observar inputs e outputs. A Anthropic fez progressos significativos nessa área. Sobre regulação: Dario defende testes obrigatórios para capacidades perigosas (bio, cyber, armas nucleares) mas é contra regulação que sufoque a inovação ou crie barreiras de entrada. A abordagem da Anthropic é testar internamente primeiro e publicar os resultados. A CORRIDA COM A CHINA Dario vê a competição com a China como real mas não como uma corrida armamentista direta. Os modelos chineses (como DeepSeek) são impressionantes, mas tipicamente estão 6-18 meses atrás da fronteira. A vantagem americana está no ecossistema: acesso a GPUs de ponta (NVIDIA), capital abundante, e massa crítica de talento. A preocupação não é que a China “ganhe” em modelos, mas que modelos poderosos fiquem disponíveis globalmente sem as devidas proteções de segurança. Open-source amplifica esse risco. ## CLAUDE CODE E PRODUTOS DA ANTHROPIC Dario fala com entusiasmo sobre o Claude Code como um dos produtos mais impactantes. É um agente de coding que funciona no terminal e pode resolver problemas complexos de engenharia de software de forma autônoma. A filosofia da Anthropic para produtos: construir coisas que os modelos conseguem fazer bem agora, não especular sobre capacidades futuras. O Claude Code é um exemplo perfeito — os modelos são excepcionalmente bons em código, então construíram um produto que aproveita isso ao máximo. A ECONOMIA DA IA — VALORIZAÇÃO E RETORNOS Sobre as avaliações altas das empresas de IA: Dario argumenta que se IA realmente funcionar como ele espera, as avaliações atuais são justificadas ou até baixas. Se a Anthropic pode alcançar receita na casa de centenas de bilhões em 5-7 anos, uma avaliação de dezenas de bilhões hoje faz sentido. Mas reconhece o risco: se a exponencial parar ou desacelerar significativamente, muitas dessas avaliações não se justificam. É uma aposta direcional no progresso contínuo. O FUTURO DO TRABALHO E DA SOCIEDADE Dario é cautelosamente otimista. Acredita que IA vai criar muito mais valor do que destruir empregos, mas reconhece que haverá transições dolorosas. A analogia com a Revolução Industrial é imperfeita — aquela transição levou décadas, mas a IA pode comprimir isso em anos. Sobre o impacto na ciência: é onde Dario vê o maior potencial. Modelos que podem acelerar pesquisa em biologia, medicina, ciência de materiais — isso pode resolver problemas que são genuinamente difíceis para humanos, como cura de doenças e mudanças climáticas. ## CONSELHO FINAL Dario destaca que estamos em um momento sem precedentes na história. A exponencial da IA é real e está se acelerando. Para quem está construindo: aproveitem as capacidades atuais dos modelos, não esperem pelo futuro perfeito. Os modelos de hoje já são extraordinariamente poderosos se usados corretamente. Para quem se preocupa com segurança: a preocupação é legítima, e é possível trabalhar em segurança e capacidades ao mesmo tempo — na verdade, é necessário. Não se pode construir ferramentas de segurança sem entender as capacidades que se está tentando tornar seguras.