Mergulhe nos dados do relatório de Stanford
O Instituto de Inteligência Artificial Centrado no Ser Humano de Stanford publicou seu Relatório de Índice de IA de 2026. O relatório tem mais de 400 páginas em nove capítulos que cobrem desempenho técnico, investimento, efeitos na força de trabalho e sentimento público.
O número que chama mais atenção é que a IA Generativa alcançou 53% adoção entre a população global dentro de três anos após o lançamento do ChatGPT. Isso é mais rápido do que o computador pessoal ou a Internet atingiram níveis comparáveis.
Para qualquer pessoa que trabalhe com pesquisa, o relatório contém dados que se conectam diretamente às mudanças pelas quais você navegou durante todo o ano.
O que o relatório encontrou
Este é o nono Índice AI anual e cobre muito terreno. Algumas descobertas são mais importantes para o setor de pesquisa.
Em termos de capacidade, os modelos de fronteira excedem agora o desempenho humano em questões científicas de nível de doutoramento e em matemática competitiva. Agentes de IA que lidam com tarefas do mundo real melhoraram a partir de um 20% taxa de sucesso em 2025 para 77% hoje. Os benchmarks de codificação com os quais os modelos lutavam há um ano estão agora quase resolvidos.
Em investimento, o investimento corporativo global em IA atingiu US$ 581 bilhões em 2025, um aumento 130% do ano anterior. O investimento privado em IA dos EUA atingiu US$ 285 bilhões. Mais de 90% dos modelos de fronteira vêm agora de empresas privadas e não de laboratórios académicos.
No que diz respeito aos efeitos sobre a força de trabalho, o emprego entre os programadores de software com idades compreendidas entre os 22 e os 25 anos caiu quase 20% desde 2024. Um padrão semelhante apareceu no atendimento ao cliente e em outras funções com maior exposição à IA.
A transparência está diminuindo. O Índice de Transparência do Modelo Básico caiu de 58 para 40. Os modelos mais capazes agora divulgam menos sobre seus dados, parâmetros e métodos de treinamento. Dos 95 modelos mais notáveis lançados no ano passado, 80 foram lançados sem o código de treinamento.
O número de adoção que todos estão citando
Compreender o número de 53%, o que ele inclui e o que não inclui, é importante para a forma como você o interpreta.
A comparação com os PCs e a Internet é baseada em pesquisas do St. Louis Fed, Vanderbilt e Harvard Kennedy School. A equipe comparou as taxas de adoção por anos desde o primeiro produto de mercado de massa de cada tecnologia. O IBM PC foi lançado em 1981. O tráfego comercial da Internet foi inaugurado em 1995. O ChatGPT foi lançado em novembro de 2022.
Em pontos comparáveis após o lançamento, a adoção da IA generativa está muito à frente de ambas as tecnologias anteriores.
Mas a comparação não é igual, e os próprios pesquisadores disseram isso. David Deming, de Harvard, destacou que a IA é construída sobre os PCs e a Internet. As pessoas já tinham o hardware e a conectividade. Ninguém precisou comprar novos equipamentos ou esperar que a conectividade chegasse à sua área. A adoção da IA dependeu de décadas de investimentos anteriores em tecnologia.
Os números de adoção também variam dependendo de quem está contando e como. O relatório de Stanford coloca a adoção nos EUA em 28%classificando o país em 24º lugar globalmente. O próprio rastreador do Fed de St. Louis coloca a adoção nos EUA em 54% em agosto de 2025. Mesmo país, quase o dobro da taxa, medida de forma diferente. A equipe do Fed até revisou seu estimativa anterior para cima de 39% para 44% depois de alterar a ordem de suas perguntas de pesquisa.
“Adoção” também não distingue intensidade. Alguém que se inscreveu em uma conta ChatGPT gratuita e experimentou uma vez conta o mesmo que alguém que a usa oito horas por dia. O relatório de Stanford observa que a maioria dos usuários acessa níveis gratuitos ou quase gratuitos. Essa é uma imagem diferente daquela que o número do título indica.
Nada disso significa que os dados de adoção estejam errados. A IA generativa está a espalhar-se mais rapidamente do que tecnologias comparáveis na mesma fase. Mas a velocidade de adoção por si só não diz o quão profundamente ela está incorporada nos fluxos de trabalho ou o quanto está mudando especificamente o comportamento de pesquisa.
A fronteira irregular
O conceito mais útil do relatório para os profissionais de pesquisa pode ser a sua “fronteira irregular” da capacidade da IA.
Os mesmos modelos que ganharam o ouro na Olimpíada Internacional de Matemática leem relógios analógicos corretamente apenas 50% da época. O IEEE Spectrum relatou que Claude Opus 4.6 obteve a pontuação máxima no Último Exame da Humanidade enquanto lê relógios a apenas 8,9% precisão. Os modelos que atendem às questões científicas de nível de doutorado ainda têm dificuldades com a compreensão do vídeo e o planejamento em várias etapas.
Ray Perrault, codiretor do comitê diretor do AI Index, disse ao IEEE Spectrum que os benchmarks não mapeiam de forma clara os resultados do mundo real. Conhecendo as pontuações de um modelo 75% um referencial de raciocínio jurídico “nos diz pouco sobre até que ponto isso se encaixaria nas atividades de um escritório de advocacia”, disse ele.
Os profissionais de pesquisa observaram desigualdades semelhantes nos produtos de pesquisa de IA. A pesquisa do Ahrefs mostrou que o Modo AI e as Visões gerais de IA citam URLs diferentes para as mesmas consultas, com apenas 13% sobreposição. Robby Stein, do Google, reconheceu que o sistema retira as visões gerais da IA quando as pessoas não interagem com elas. Esses sinais sugerem que o desempenho da pesquisa da IA é desigual entre os contextos, mesmo que o Google não tenha explicado completamente onde essas diferenças são mais pronunciadas.
Os dados de Stanford sugerem que um forte desempenho de benchmark não garante resultados confiáveis em todas as tarefas ou tipos de consulta. Se essa desigualdade melhora com modelos futuros é uma questão em aberto que o relatório não responde.
O que está acontecendo com a transparência
O que o relatório diz sobre transparência está diretamente ligado à pesquisa.
O Índice de Transparência do Modelo da Fundação caiu de 58 para 40 num único ano. Os modelos mais capazes pontuam mais baixo. Google, Anthropic e OpenAI pararam de divulgar tamanhos de conjuntos de dados e duração de treinamento para seus modelos mais recentes. 80 dos 95 modelos mais notáveis lançados em 2025 foram enviados sem código de treinamento.
O TechCrunch notou uma desconexão entre o otimismo dos especialistas em relação à IA e a ansiedade do público em relação a ela. Os EUA relataram a menor confiança na capacidade do seu governo de regular a IA entre os países pesquisados, em 31%.
Para contextualizar o próprio índice, uma queda de 58 para 40 pode indicar que as empresas estão a tornar-se mais secretas. Também poderia refletir que o índice penaliza modelos de código fechado por design, e os modelos mais capazes são de código fechado. Ambas as explicações podem ser verdadeiras ao mesmo tempo.
O que importa para os profissionais é a implicação. Os modelos que alimentam as visões gerais de IA, o modo AI e a pesquisa ChatGPT estão se tornando mais capazes e menos explicáveis ao mesmo tempo. Você está otimizando sistemas em que as empresas que os constroem compartilham menos sobre como funcionam, e não mais.
Os reconhecimentos do relatório revelam que Stanford HAI recebe apoio financeiro do Google, OpenAI e outros, e que o relatório foi produzido com assistência de ChatGPT e Claude.
A questão básica
O emprego entre desenvolvedores de software com idade entre 22 e 25 anos caiu quase 20% desde 2024, de acordo com o relatório. O número de funcionários de desenvolvedores mais antigos cresceu no mesmo período. Um padrão semelhante apareceu nas funções de atendimento ao cliente.
À primeira vista, parece que a IA está substituindo o trabalho inicial. Mas o relatório incluiu uma advertência que complica essa conclusão. O desemprego está a aumentar em muitas profissões e os trabalhadores menos expostos à IA viram-no aumentar mais do que os mais expostos.
Isso não exclui a IA como um fator. Significa que o declínio de 20% poderá reflectir a deslocação da IA, uma desaceleração mais ampla nas contratações, empresas reestruturando as suas contratações iniciais, ou todas as três coisas ao mesmo tempo. O relatório apresenta correlação, não causalidade.
Para as equipes de pesquisa e conteúdo, o sinal é direcional mesmo que a causa seja mista. Os dados de Stanford são consistentes com o que o Índice de Risco de Empregos da Tufts AI mostrou no início deste ano. As funções que envolvem a coleta de informações de fontes existentes enfrentam mais pressão do que as funções que exigem julgamento, experiência e análise original.
Por que isso é importante para profissionais de pesquisa
Mesmo com suas ressalvas, a velocidade de adoção explica o ritmo do que você tem visto.
O Google expandiu as visões gerais de IA para 1,5 bilhão de usuários mensais até o primeiro trimestre de 2025. O modo AI atingiu 75 milhões de usuários ativos diários até o terceiro trimestre de 2025 e depois se tornou global. O Google expandiu o Search Live para mais de 200 países. Inteligência Pessoal lançada para usuários gratuitos dos EUA este ano.
A curva de adoção ajuda a explicar por que o Google vem expandindo os recursos de pesquisa de IA nesse ritmo. Isso não nos diz quanto desse uso está acontecendo na pesquisa, e não em ferramentas de IA independentes.
A “fronteira irregular” significa que você não pode fazer suposições gerais sobre a qualidade da pesquisa de IA em todas as categorias de consulta. Um tipo de consulta que hoje retorna visões gerais precisas de IA pode alucinar com pequenas variações. O monitoramento precisa acontecer no nível da consulta, não no nível da categoria. Atualmente, o Search Console não separa a visão geral da IA ou o desempenho do modo AI das métricas de pesquisa tradicionais, o que torna isso mais difícil.
O declínio na transparência afeta o quão bem você consegue entender por que seu conteúdo aparece ou não nas respostas geradas por IA. Quando o Google compartilha menos sobre os modelos que alimentam seus recursos de pesquisa, o ciclo de feedback entre o que você publica e o que é divulgado fica mais difícil de ler.
Shelley Walsh falou no SEJ Live e fez referência a Grant Simmons, “conhecimento de ouro” é conteúdo construído com base em dados originais, experiência em primeira mão e profundidade que os resumos de IA não conseguem replicar dos dados de treinamento. Os dados do relatório de Stanford sobre a velocidade de adoção e as limitações do modelo apoiam essa posição. Os modelos são rápidos e amplamente utilizados, mas são desiguais. O conteúdo que preenche as lacunas onde a IA não é confiável tem uma vantagem estrutural.
O que o relatório não nos diz
O relatório de Stanford não detalha dados de adoção específicos de pesquisa. Não sabemos que porcentagem disso 53% usa IA especificamente por meio de pesquisa, em vez de ChatGPT, Gemini ou outras ferramentas independentes.
Os números de uso de pesquisa de IA do Google são limitados. A empresa informou que as visões gerais de IA alcançaram 1,5 bilhão de usuários mensais no primeiro trimestre de 2025, e o modo AI alcançou 75 milhões de usuários ativos diariamente no terceiro trimestre de 2025. Os números atualizados devem ser incluídos na próxima teleconferência de resultados.
O relatório também não pode nos dizer se o problema da fronteira irregular está melhorando ou piorando nos aplicativos de busca. Os dados de benchmark mostram uma melhoria geral dos modelos, mas o exemplo da leitura do relógio mostra que a melhoria não é uniforme. Se as visões gerais de IA e o modo de IA estão se tornando mais confiáveis para as consultas específicas que são importantes para o seu negócio, é necessário seu próprio monitoramento, e não dados de referência agregados.
Olhando para o futuro
O relatório de Stanford chega uma semana após a conclusão da atualização principal de março do Google. A próxima teleconferência de resultados da Alphabet provavelmente incluirá números atualizados de uso de pesquisa de IA.
Os dados de adoção não prevêem como será a pesquisa até o final do ano. Mas confirma que o comportamento da IA em primeiro lugar não é mais especulativo. A questão é se os produtos de pesquisa de IA do Google serão confiáveis o suficiente para acompanhar o ritmo de adoção.
Leia mais recursos:
Imagem em destaque: vetor n_a/Shutterstock
