GDPval: O Estudo que Mostra Como a IA Já Compete com Humanos no Trabalho

Inteligência Artificial

O Benchmark que Revela: a IA Já Compete com Humanos em Tarefas Profissionais

5 de outubro de 2025
Sem Comentários

Se você acha que IA ainda está longe de substituir o trabalho humano, prepare-se para mudar de ideia. Um novo estudo da OpenAI, liderada por Sam Altman, revelou que modelos de IA já conseguem entregar resultados tão bons quanto especialistas humanos em tarefas que movimentam trilhões na economia global.

Esse estudo se chama GDPval e ele pode mudar tudo o que você pensa sobre IA no trabalho.

A Inteligência Artificial (IA) está evoluindo rapidamente, mas será que ela já é capaz de competir com humanos em tarefas profissionais do mundo real? Essa é a pergunta que o benchmark GDPval, criado pela OpenAI, se propõe a responder. Avaliando o desempenho de modelos de IA em tarefas com valor econômico real, o GDPval traz dados concretos sobre onde a IA está se destacando — e onde ainda precisa melhorar.

Neste artigo, vamos entender o que é o GDPval, como ele foi desenvolvido, os principais resultados obtidos e o que eles significam para o futuro do trabalho e da automação inteligente.

O que é o benchmark GDPval?

O GDPval é um benchmark criado para avaliar o desempenho de modelos de IA em tarefas profissionais reais que contribuem diretamente para o Produto Interno Bruto (PIB) dos Estados Unidos. O nome vem da sigla “GDP” (Gross Domestic Product) e “val” de “value” (valor).

O foco está em tarefas digitais e economicamente valiosas realizadas em computadores, cobrindo:

44 ocupações diferentes
9 setores que representam mais de 70% do PIB americano
Mais de 1.300 tarefas baseadas em entregáveis reais de profissionais

📊 Cada tarefa leva, em média, 7 horas para ser realizada por um especialista humano.

Como o GDPval funciona?

As tarefas do GDPval são reais e baseadas no trabalho de profissionais com média de 14 anos de experiência. A avaliação é feita por meio de:

Comparação cega entre entregas de IA e entregas humanas
Avaliação qualitativa (estrutura, estilo, precisão, estética)
Uso de um sistema automatizado de avaliação para uma amostra open-source de 220 tarefas

Setores avaliados incluem:

Imobiliário
Manufatura
Saúde
Governo
Finanças
Varejo
Tecnologia e Mídia

Principais resultados do benchmark

Modelos de IA estão se aproximando da performance humana

O modelo Claude Opus 4.1 teve 47,6% de entregas iguais ou superiores às humanas.
GPT-5 foi o mais preciso, destacando-se em cálculos e instruções complexas.
Claude liderou em qualidade visual e estética, como formatação e design de slides.

Ganhos em tempo e custo

Segundo a análise do GDPval:

Modelo	Redução de tempo	Redução de custo
GPT-5	até 1,39x	até 1,63x
o4-mini	até 1,06x	até 1,22x

Utilizar IA com revisão humana pode gerar economia e agilidade em diversas tarefas profissionais.

Forças e limitações dos modelos de IA

Pontos fortes

Capacidade de gerar entregas precisas com suporte multimodal (texto, planilhas, PDFs, imagens).
Desempenho crescente com maior contexto e esforço de raciocínio.
Boa adaptabilidade com ajustes de prompt e scaffolding.

Pontos fracos

Falhas em seguir instruções detalhadas.
Erros de formatação e uso incorreto de arquivos.
Algumas “alucinações” de dados ou informações irrelevantes.

Categorias de falhas observadas:

47,7% foram “aceitáveis, mas inferiores”
29% foram “ruins” ou “catastróficas” (ex: recomendação perigosa ou incorreta)

Como a performance melhora com ajustes simples

A OpenAI testou variações no esforço de raciocínio e no uso de prompts aprimorados. Os resultados:

Eliminaram erros de formatação graves
Aumentaram o uso de checagens visuais
Melhoraram o desempenho do modelo em 5 pontos percentuais

Limitações do GDPval

Apesar dos resultados promissores, o estudo reconhece limitações:

Foco atual em tarefas digitais (não inclui atividades físicas ou interativas).
Tamanho da amostra ainda pequeno para algumas ocupações.
Avaliação automatizada ainda é inferior à humana.