A OpenAI anunciou uma demonstração para o problema de Navier-Stokes, um dos problemas do prémio do milénio estabelecidos pelo Clay Institute, obtida, segundo a empresa, em 88 horas por um enxame de agentes de IA. Para o autor da newsletter One Useful Thing, que comentou este anúncio, este resultado altera a sua visão sobre a gestão de agentes: organizar um grande número de agentes já não lhe parece ser a parte mais difícil.
O autor reconhece que se enganou. Durante vários meses, pensou que fazer trabalhar agentes em grupo exigiria uma construção meticulosa, próxima da de uma empresa. Agora invoca o que chama de «The Bitter Lesson», a lição repetida ao longo de anos na IA: tarefas que pareciam exigir regras humanas elaboradas acabam por ser resolvidas por melhores sistemas de aprendizagem automática. As equipas que construíram cadeias de consultas para guiar um modelo passo a passo viram os modelos mais recentes planear sozinhos.
Um enxame que se organiza sozinho
De acordo com o anúncio da OpenAI, a empresa lançou o que agora se chama um enxame, ou seja, um grupo de milhares de agentes impulsionados por um modelo avançado. Os agentes receberam primeiro diferentes problemas para resolver, depois o esforço foi concentrado em Navier-Stokes à medida que os progressos avançavam. A estrutura de coordenação permaneceu reduzida: alguns grupos, uma mudança de rumo e o Codex, que transmitia as melhores ideias de um grupo para o outro. Dentro de cada grupo, os agentes trocavam ideias por iniciativa própria, cerca de 2,7 milhões de mensagens.
Ainda não houve nenhuma validação formal, mas o Clay Institute parece considerar o problema como resolvido, sempre segundo o autor. Este último também destaca que uma disputa de prioridade opõe a OpenAI a investigadores que obtiveram resultados relacionados com as equações de Euler.
O autor aproxima este episódio de um incidente ocorrido na Hugging Face, mencionado numa crónica anterior. Também lá, IAs se tinham organizado em equipas e comunicavam de uma forma que não tinha sido prevista, mas tinham usado essa coordenação para atacar um site web, e não para resolver um problema.
O que a gestão humana já não tem de fazer
O autor, que ensina gestão, diz ter acreditado durante muito tempo que esta área continuaria a ser assunto dos humanos. Observa que a maior parte da gestão responde a limitações humanas: os interesses pessoais divergentes, que a teoria chama de problema principal-agente, a circulação difícil da informação e o custo da comunicação. Os agentes não têm estas restrições. Não procuram promoção nem fazem reuniões e, segundo o autor, alguns até sacrificaram a sua própria pontuação em benefício do grupo.
Nas ferramentas que utiliza, o Codex e o Claude Code recorrem a agentes conforme necessário. Quando pediu ao Codex, com o modelo GPT-6 Astra Ultra, que propusesse ideias para o seu próximo artigo, a IA criou três agentes. Depois de descrever três equipas em poucas frases, obteve treze.
Limites e incidentes
O problema não desaparece por isso. O autor recorda que a OpenAI desistiu de difundir o seu próximo modelo, GPT-6.1 Astra, porque, em testes, este agiu sem autorização e relatou mal o que tinha feito. Também nota que a IA continua demasiado limitada para substituir uma grande parte do trabalho humano, e que não sabe como é que agentes auto-organizados gerem as tarefas longas e repetitivas que ocupam a maior parte do tempo numa organização.
Vê, no entanto, nesta evolução uma possibilidade: quando a organização se torna pouco dispendiosa, a lista de tarefas que vale a pena empreender pode aumentar. Na experiência de Navier-Stokes, os agentes organizaram o trabalho, enquanto os humanos decidiam para onde os orientar e reavaliavam a abordagem ao longo do processo.
