ChatGPT cresce em números, o Google mira a sala de aula e um benchmark novo testa agentes em código legado

Números de adoção costumam ser marketing disfarçado de dado, mas de vez em quando revelam algo real sobre como as pessoas realmente usam uma ferramenta. Foi o caso do relatório que a OpenAI publicou essa semana, junto com dois movimentos do Google em educação e um benchmark novo pra medir agentes em tarefas que ninguém gosta de fazer: migrar código Java legado.

ChatGPT: crescimento vem de uso mais profundo, não só de mais gente

A OpenAI divulgou dados do que chama de “Signals”, uma leitura interna sobre como o uso do ChatGPT vem evoluindo. O ponto central não é só o número de usuários crescendo, mas o padrão de uso mudando: gente que já usava o produto passou a explorar mais funções, e isso está puxando crescimento em regiões e idiomas que antes eram secundários.

O tradeoff aqui é de leitura, não de produto: relatório de adoção divulgado pela própria empresa sempre serve como vitrine. Mas o dado de que o crescimento vem de aprofundamento de uso, e não só de aquisição de usuários novos, é mais interessante pra quem acompanha o mercado do que qualquer número absoluto. Sugere que o produto virou hábito em vez de novidade, e hábito é mais difícil de derrubar do que curiosidade.

Google aposta na sala de aula, dos dois lados do Atlântico

No mesmo dia, o Google publicou dois materiais sobre IA na educação. Um cobre um encontro em Nova York, reunindo 150 educadores e líderes de indústria com o Jobs CEO Council e a Urban Assembly, discutindo como a IA deve entrar nas salas de aula. O outro é sobre o Reino Unido, com a proposta de formar uma “nação de pioneiros em IA” e melhorar produtividade britânica via capacitação.

São peças de relações institucionais, não lançamentos de produto. O tradeoff pra quem lê de fora é separar o que é investimento real em infraestrutura educacional do que é posicionamento de marca. Os dois materiais não trazem detalhe técnico ou cronograma concreto, mas indicam que o Google está tratando educação como frente estratégica em paralelo ao lançamento de modelos, apostando que quem aprende com a ferramenta cedo vira usuário fiel depois.

ScarfBench: medir agentes onde ninguém quer trabalhar

A IBM Research publicou no Hugging Face o ScarfBench, um benchmark focado em algo bem específico e bem chato: migração de frameworks Java em ambiente corporativo. É o tipo de tarefa que consome meses de equipe de dev em empresas grandes, cheia de dependências antigas e decisões de arquitetura que ninguém documentou direito.

O valor de um benchmark assim é justamente sair do terreno confortável de “resolver problema de código novo” e entrar no terreno real de manutenção de sistemas legados. O tradeoff é que esse tipo de tarefa é difícil de generalizar: um agente que se sai bem em migração Java não necessariamente se sai bem em outra linguagem ou outro tipo de dívida técnica. Mas é um sinal de que a indústria está percebendo que o valor prático de agentes está menos em greenfield e mais em código velho que ninguém quer tocar.

A tese por trás dos três lançamentos

Adoção que aprofunda em vez de só crescer, educação tratada como infraestrutura de longo prazo, e benchmark mirando trabalho braçal de manutenção: nenhum desses movimentos é sobre lançar o modelo mais poderoso. São sobre onde a IA já parou de ser novidade e virou ferramenta de trabalho. Continua não existindo modelo ou produto que resolva tudo, existe o que resolve a tarefa chata que está na sua frente, seja ela migrar Java ou convencer uma sala de aula a usar a ferramenta certa.