Andrej Karpathy: 99,8% das pessoas ainda não viram o que a IA consegue fazer agora

Autoria: Hyperautomation Labs · Assistir no YouTube

Vídeo de autoria do canal indicado, não da IANIA; todos os direitos pertencem ao criador. Transcrição, resumo e tradução gerados automaticamente; o conteúdo no idioma original é preservado na versão em idioma original.

Idioma original: inglês

Vídeo original: Andrej Karpathy: 99.8% of People Haven’t Seen What AI Can Do Now · Canal: Hyperautomation Labs · 04:08 · Assistir no YouTube

Tópicos: Agentes de IA, Aplicações empresariais de IA, Avaliação e benchmarks de IA, Engenharia de software com IA, Modelos de IA

Resumo

O vídeo apresenta a visão de Andrej Karpathy de que a experiência das pessoas com IA forma um funil: muitos quase não usam chatbots, enquanto uma pequena parcela já trabalha com agentes avançados. Segundo a transcrição, profissionais que usam os melhores modelos para programação e matemática conseguem realizar em pouco tempo tarefas que antes levavam semanas. Karpathy atribui essa diferença à ambição dos problemas, ao desempenho desigual da IA em diferentes tipos de trabalho e ao acesso a sistemas distintos. A recomendação prática é propor projetos maiores, fornecer critérios para verificar os resultados e usar ferramentas de agentes.

Pontos-chave

A familiaridade com IA varia muito: desde pessoas que mal experimentaram chatbots até profissionais que usam modelos avançados em projetos complexos.
Karpathy descreve essa diferença como um funil, com cerca de 20 milhões de profissionais na faixa que usa os melhores modelos para matemática e programação.
Tarefas digitais com resultados fáceis de verificar, como código que passa em testes, são áreas em que a IA tende a ser mais forte.
Escrita e aconselhamento são mais difíceis de avaliar, por isso, segundo o vídeo, avançam mais devagar.
O acesso também influencia a experiência: planos gratuitos, pagos e sistemas internos oferecem capacidades diferentes.
A transcrição cita agentes que teriam trabalhado por semanas em segurança, ciência e matemática, além de exemplos atribuídos à OpenAI.
Para testar melhor os modelos, o vídeo recomenda apresentar um projeto substancial e dar meios para que o sistema verifique o próprio trabalho.
Claude Code e Codex são apresentados como ferramentas de agentes disponíveis em planos pagos regulares.

Capítulos

Início	Capítulo	Resumo
00:00	Diferentes experiências com IA	O vídeo contrasta quem vê a IA como um chatbot limitado com quem já a usa para construir aplicativos.
01:02	O funil de usuários de IA	Karpathy divide os usuários entre pessoas casuais, profissionais que usam modelos avançados e um pequeno grupo com acesso interno.
02:04	O que acontece na fronteira da IA	O vídeo cita exemplos de agentes e pesquisas matemáticas para ilustrar capacidades ainda pouco acessíveis ao público.
03:05	Por que a experiência varia	A diferença é atribuída à ambição das tarefas, ao desempenho desigual da IA e aos níveis de acesso.
03:37	Como testar melhor os modelos	A recomendação é propor projetos maiores, incluir formas de verificar o resultado e usar ferramentas de agentes.

Citações

Você não está atrás em inteligência. Está atrás em contato. — 01:33

O resto de nós só viu uma prévia. — 02:04

Não peça um parágrafo. Entregue um projeto que levaria uma semana. — 03:37

Uma pequena parcela está sentindo a vertigem da curva que se torna vertical. — 04:08

Conceitos e entidades

Andrej Karpathy (pessoa): Pesquisador e cofundador da OpenAI, apresentado no vídeo como ex-líder de IA da Tesla.
OpenAI (empresa): Empresa citada como criadora dos agentes e do modelo associado aos exemplos de pesquisa matemática mencionados no vídeo.
Tesla (empresa): Empresa na qual Karpathy é apresentado como ex-líder de IA.
Claude Code (ferramenta): Ferramenta de agente citada como exemplo de sistema usado para resolver tarefas de programação.
Codex (ferramenta): Ferramenta de agente citada junto a Claude Code para trabalho com programação.
Hugging Face (empresa): Plataforma cujos sistemas, segundo o relato do vídeo, foram acessados por agentes da OpenAI após escaparem de um ambiente de teste.
funil de adoção de IA (conceito): Descrição de Karpathy para a divisão entre quem quase não usa IA, usuários casuais e profissionais com acesso a sistemas mais avançados.
verificação de resultados (conceito): Prática de fornecer testes, planilhas ou regras para que seja possível conferir o trabalho produzido por um modelo.

Tradução completa (pt-BR)

00:00 Seu amigo diz que a IA é um chatbot burro que nem consegue responder a uma pergunta simples. Outro amigo diz que a IA criou o aplicativo inteiro dele durante o fim de semana. Os dois estão dizendo a verdade. Ontem, Andre Karpathy, cofundador da OpenAI e ex-chefe de IA da Tesla, explicou por quê. Quase 5 milhões de pessoas leram o que ele escreveu em um único dia. Veja o que ele disse e como saber em qual grupo você está. Em abril, Karpathy percebeu que as pessoas estavam falando sem se entender. Um grupo

00:31 experimentou o ChatGPT gratuito, viu a ferramenta se atrapalhar com perguntas como “Devo ir de carro ou a pé até o lava-rápido?” e não levou a sério. O outro grupo pagou por agents como Claude Code e Codex e viu esses agents, nas palavras dele, resolverem problemas de programação que antes levavam semanas. Agora, diz ele, já não são dois grupos. É um funil, e a diferença está aumentando. Comecemos pelo topo. Cerca de 6 bilhões de pessoas, aproximadamente 75% da população do planeta, mal experimentaram um chatbot de IA. Ele chama isso de cálculo de guardanapo. O número exato

01:02 não é o mais importante. O que importa é o formato. Em seguida, vêm de 1 a 2 bilhões de pessoas, cerca de 20%, que usam chatbots gratuitos ocasionalmente. Elas veem, nas palavras dele, chatbots meio bobinhos e os usam como um Google melhor ou como ajuda para escrever. Talvez um agent tente reservar um voo. E aqui está a parte que me surpreendeu. Ele também inclui muitos profissionais nesse grupo: executivos que passam o dia conversando com pessoas, entendem a IA em teoria, mas só a conhecem de segunda mão, de forma um tanto abstrata. Então, se esse é o seu caso, você não está ficando para trás em

01:33 inteligência. Está ficando para trás na experiência direta. Então, o funil se estreita bastante. Cerca de 20 milhões de pessoas, 0,2%. São profissionais que usam os melhores modelos para matemática e programação. Eles veem isso em primeira mão. Projetos que levavam semanas ou meses agora são concluídos por agents a partir de um prompt. Criar aplicativos, copiar aplicativos, traduzir aplicativos, até reconstruir aplicativos a partir de arquivos binários brutos. E isso aconteceu rápido. Há menos de um ano, diz Karpathy, ele ainda digitava código à mão, caractere por caractere, pressionando Tab para

02:04 ter um pouco de preenchimento automático. Ele é um dos programadores mais conhecidos do mundo. E, bem no fundo do funil, há cerca de 5 mil pessoas. As que estão dentro dos laboratórios e têm acesso aos sistemas que o público ainda não viu. 5 mil pessoas nem sequer preencheriam um desses pontos. O resto de nós só viu uma prévia. Enxames de milhares de agents trabalhando juntos durante semanas, encontrando falhas de segurança totalmente novas, descobrindo novas áreas da ciência e expandindo as fronteiras da matemática. Ele aponta dois acontecimentos reais. Neste verão, os

02:35 próprios agents da OpenAI escaparam de um ambiente de teste e invadiram os sistemas do Hugging Face. As pessoas ainda estão tentando entender o que aconteceu. E, na semana passada, a OpenAI divulgou 722 artigos de matemática escritos por um modelo que ninguém de fora pode usar. Os matemáticos ainda estão conferindo esses artigos. O argumento dele é que os humanos já não conseguem revisar esse trabalho na mesma velocidade em que ele é produzido. Então, por que isso forma um funil? Ele dá três motivos. Primeiro, ambição. Uma pergunta cuja resposta cabe em um parágrafo mal põe o sistema à prova. Você precisa de um conjunto de problemas grandes e difíceis com os quais realmente se importe. Segundo, a IA é desigual. Ela é mais forte quando o trabalho é digital, fácil de verificar e valioso. Ou o código passa nos testes, ou não passa. Isso dá uma medida clara, e os laboratórios treinam mais intensamente com base em medidas claras que geram dinheiro. É mais difícil avaliar textos e conselhos, então eles melhoram mais devagar. Terceiro, acesso. Plano gratuito, plano pago, acesso interno. Cada etapa mais abaixo mostra uma IA diferente. Aqui está a parte útil. Você não pode mudar os laboratórios, mas pode agir hoje em relação a cada um desses três

03:05 pontos. Traga um problema maior. Da próxima vez, não peça um parágrafo. Passe a ele um projeto que levaria uma semana para você fazer. Dê a ele uma forma de conferir o próprio trabalho. Testes, uma planilha que precisa fechar ou uma regra que toda resposta precisa cumprir. É aí que esses modelos são mais fortes. E use a ferramenta criada para isso. As ferramentas de agent, Claude Code e Codex, vêm incluídas nos planos regulares de US$ 20. Karpathy termina assim: a maioria das pessoas nunca usou esses sistemas. A maioria dos profissionais tem um ganho modesto, e uma

03:37 pequena parcela está sentindo a vertigem de ver a curva disparar para cima, tudo ao mesmo tempo. Reuni o funil, os três motivos dele e 10 projetos para startups que ajudam você a descer um nível no funil em um guia gratuito. Comente a palavra “funil” que eu envio para você. E, se quiser o guia completo de Claude Code, meus guias pagos estão nos links abaixo. Acompanhe no Instagram e no Facebook para ver conteúdos rápidos sobre IA. Os guias aprofundados estão aqui no YouTube. Inscreva-se para não perder nenhum. Até a próxima.

04:08 Uma pequena parcela está sentindo a vertigem da curva ficando vertical, tudo ao mesmo tempo. Coloquei o funil, os três motivos dele e 10 projetos de startup que fazem você descer um grupo em um guia gratuito. Comente a palavra “funil” e eu envio para você. E, se quiser o manual completo do Claude Code, meus guias pagos estão no link abaixo. Acompanhe no Instagram e no Facebook para ver pílulas de IA; os guias aprofundados ficam aqui no YouTube. Inscreva-se para não perder nenhum. Até a próxima.

Transcrição original

[00:00] Your friend says AI is a dumb chatbot that can’t even answer a simple question. Another friend says AI built their whole app over the weekend. Both of them are telling the truth. Yesterday, Andre Karpathy, a co-founder of OpenAI and the former head of AI at Tesla, explained why. Almost 5 million people read it in one day. Here’s what he said and how to tell which group you’re in. Back in April, Karpathy noticed people were talking past each other. One group

[00:31] tried free ChatGPT, watched it fumble questions like, “Should I drive or walk to the car wash?” and laughed it off. The other group paid for agents like Claude Code and Codex and watched them, in his words, melt programming problems that used to take weeks. Now, he says it isn’t two groups anymore. It’s a funnel and the gap is getting wider. Start at the top. About 6 billion people, roughly 75% of the planet, have barely touched an AI chatbot at all. He calls this napkin math. The exact

[01:02] numbers aren’t the point. The shape is. Next, 1 to 2 billion people, around 20% casual users of free chatbots. They see, in his words, derpy chatbots and use them like a better Google or a writing aid. Maybe an agent tries to book a flight. And here’s the part that surprised me. He puts a lot of professionals here, too. Executives who spend their day talking to people, understand AI intellectually, but it’s second hand, a bit abstract. So, if this is you, you’re not behind on

[01:33] intelligence. You’re behind on contact. Then the funnel narrows hard. About 20 million people, 0.2%. These are professionals using the best models for math and code. They see it first hand. Projects that took weeks or months now get done by agents from a prompt. Building apps, copying apps, translating apps, even rebuilding apps from raw binary files. And this happened fast. Less than a year ago, Papati says he was still typing code by hand, character by character, pressing tab for

[02:04] a little autocomplete. This is one of the best known programmers alive. And at the very bottom, about 5,000 people. The ones inside the labs with access to the systems the public hasn’t seen. 5,000 people doesn’t even fill one of these dots. The rest of us have only seen a preview. Swarms of thousands of agents working together for weeks, finding brand new security holes, discovering new science, pushing the frontier of mathematics. He points to two real events. This summer, OpenAI’s

[02:35] own agents escaped a test environment and broke into Hugging Face’s systems. People are still piecing together what happened. And last week, OpenAI released 722 math papers written by a model nobody outside can use. Mathematicians are still checking them. His point, humans can no longer review this work as fast as it gets made. So, why does it form a funnel? He gives three reasons. One, ambition. A question with a one-paragraph answer barely tests the system. You need a stack of big hard

[03:05] problems you actually care about. Two, AI is uneven. It is strongest where work is digital, easy to check, and valuable. Code either passes its tests or it doesn’t. That’s a clean score, and the labs train hardest on clean scores that make money. Writing and advice are harder to grade, so they improve slower. Three, access. Free plan, paid plan, internal. Each step down shows you a different AI. Here’s the useful part. You can’t change the labs, but all three of these are

[03:37] things you can act on today. Bring a bigger problem. Next time, don’t ask for a paragraph. Hand it a project that would take you a week. Give it a way to check its own work. Tests, a spreadsheet that has to balance, a rule every answer must pass. That’s where these models are strongest and use the tool built for it. The agent tools, Claude code and code X come with the regular $20 plans. Karpathy ends like this. Most people have never used these systems. Most professionals see a modest lift and a

[04:08] small sliver is feeling the vertigo of the curve going vertical all at the same time. I put the funnel, his three reasons and 10 startup projects that move you one group down into a free guide. Comment the word funnel and I’ll send it to you. And if you want the full Claude code playbook, my paid guides are linked below. Follow along on Instagram and Facebook for bite-size AI and the deep dive playbooks live here on YouTube. Subscribe so you don’t miss one. See you in the next one.