Os agentes de IA podem agora concluir 16% dos trabalhos freelance reais com um nível de qualidade que os clientes pagantes aceitariam, de acordo com os últimos resultados do Índice de Trabalho Remoto – mais do que o quádruplo da taxa registada há apenas oito meses. A descoberta fornece uma das medidas mais concretas da rapidez com que os sistemas autónomos de IA estão a invadir o trabalho técnico e criativo profissional.

O Índice de Trabalho Remoto (RLI), desenvolvido pelo Center for AI Safety em colaboração com Scale Labs, rastreia a frequência com que os agentes de IA podem concluir projetos freelance comercialmente valiosos com qualidade profissional. O benchmark abrange áreas que incluem design 3D e CAD, arquitetura, design gráfico, vídeo e animação, produção de áudio, análise de dados e desenvolvimento de aplicativos web. Ele avalia 240 projetos no valor combinado de US$ 144.000, provenientes de 358 freelancers verificados. Os avaliadores humanos avaliam cada resultado em relação a um padrão-ouro criado por um profissional remunerado, oferecendo um retrato empírico das capacidades crescentes da indústria de IA.

Os números: uma fronteira que mais que quadruplicou

Quando o benchmark foi lançado pela primeira vez, o melhor agente de IA automatizou apenas 2,5% dos projetos. De acordo com os últimos resultados, o modelo Fable 5 da Anthropic atinge agora 16,1% – a pontuação mais alta já registrada no índice. Isso é quase o dobro dos 8,3% do Opus 4.8 e bem à frente dos 6,3% do GPT-5.5.

Todos os três modelos de fronteira venceram todos os sistemas testados anteriormente. O líder anterior, Opus 4.6 executado na estrutura Claude Cowork, ficou com 4,17 por cento. A fronteira da capacidade de automação mais que quadruplicou em menos de oito meses, segundo os autores do benchmark.

Os resultados, no entanto, não acompanham as datas de lançamento. Na tabela de classificação completa do Scale Labs, o mais recente Gemini 3 Pro chega perto do último lugar, com apenas 1,25 por cento, atrás de sistemas muito mais antigos. Isto sugere que a capacidade bruta do modelo não se traduz automaticamente no tipo de uso de ferramentas e habilidades de raciocínio necessárias para tarefas profissionais complexas.

Como funciona o benchmark

Para permitir que os modelos demonstrem toda a sua capacidade, a equipe os executa nas mesmas ferramentas de desenvolvimento que os engenheiros usam no dia a dia, incluindo Claude Code e Codex CLI. Esses ambientes foram ampliados com a capacidade de operar programas gráficos diretamente.

Cada agente de IA trabalha em uma máquina virtual Linux carregada com mais de 30 aplicativos profissionais, incluindo Blender para modelagem 3D, GIMP para edição de imagens e Audacity para produção de áudio. Os projetos recebem até 24 horas de tempo de computação – muito mais do que uma interação típica de chatbot.

A configuração também emprega um ciclo crítico: um segundo agente de IA analisa o resultado tão criticamente quanto um cliente exigente faria, e o primeiro agente revisa seu trabalho com base nesse feedback. Isso reflete o processo iterativo que os freelancers humanos seguem ao refinar os resultados.

Onde a IA ainda fica aquém

Apesar do rápido progresso, os agentes de IA ainda não conseguem atingir a qualidade profissional na grande maioria dos projetos. A postagem do blog do benchmark destaca exemplos específicos em que mesmo o resultado do modelo top não seria considerado um trabalho concluído.

Em uma tarefa de design de anel, o Fable 5 produziu um resultado que foi claramente melhor do que as tentativas anteriores de IA, mas ainda parecia pouco profissional após uma inspeção mais detalhada. Em um projeto de arquitetura, o GPT-5.5 falsificou uma renderização atraente usando um gerador de imagem, enquanto seu modelo 3D subjacente real permaneceu falho – um atalho que um cliente pagante descobriria apenas abrindo os arquivos de origem.

Uma das tarefas mais complexas do benchmark exige que o agente crie uma planta baixa dimensionada, opções de layout de móveis e renderizações fotorrealistas de banheiro a partir de uma planta cadastral digitalizada, fotos do local e medidas. Este fluxo de trabalho em várias etapas, que exige precisão técnica e julgamento criativo, continua a ser um desafio significativo para os sistemas atuais.

Os juízes de IA avaliam muito generosamente

A equipe de pesquisa também testou se a dispendiosa avaliação humana poderia ser substituída por juízes de IA. A resposta foi definitiva: os avaliadores de IA avaliaram os novos modelos de forma generosa demais. Para GPT-5.5, a pontuação do juiz de IA foi quase três vezes alta. Para o Opus 4.8, era cerca de duas vezes e meia mais alto.

Embora o juiz automatizado tenha acertado a ordem de classificação geral, os números reais foram significativamente inflacionados. O Center for AI Safety explicou o raciocínio: para julgar de forma justa o trabalho entregue, um avaliador deve abrir os arquivos no software profissional correto, operar esse software corretamente e formar um julgamento como faria um cliente pagante. Esse tipo de uso prático de software é exatamente o que os atuais agentes de IA mais enfrentam.

A ironia é instrutiva: um juiz de IA enfrenta as mesmas limitações que os trabalhadores de IA que deveria avaliar. A renderização falsa do GPT-5.5 é um exemplo disso – detectar o engano requer abrir o modelo 3D e inspecionar a geometria real, uma tarefa que o juiz de IA não poderia realizar com segurança.

A advertência: restrições governamentais

Uma advertência importante se aplica à pontuação principal de Fable 5. Apenas 218 dos 240 projetos puderam ser avaliados antes que o governo dos Estados Unidos restringisse o acesso ao modelo. Mesmo no pior cenário, onde o Fable 5 falhou em todos os projetos restantes, a sua taxa de automação ainda seria de 14,6% – superior a qualquer outro modelo testado.

As restrições governamentais, ligadas a preocupações de segurança nacional sobre os modelos da classe Mythos, limitaram a janela de avaliação, mas não minaram a conclusão fundamental: os agentes de IA estão a aproximar-se rapidamente do ponto em que podem lidar com uma parte significativa do trabalho profissional freelance.

Para os freelancers, a tendência é preocupante, mas ainda não catastrófica. A IA ainda falha em 84% dos projetos, e os exemplos do benchmark mostram que mesmo os resultados bem-sucedidos exigem muitas vezes uma revisão profissional. Mas com a taxa de automação mais do que quadruplicando em menos de um ano, a trajetória é clara. A questão já não é se os agentes de IA competirão por trabalho freelance, mas com que rapidez irão colmatar a lacuna restante.

Fique à frente da IA

Receba as últimas notícias, análises e avanços sobre IA — tudo em um só lugar.

Leia mais notícias sobre IA →