Se você quer uma pergunta que capture a mais oculta mudança estrutural da IA hoje, pergunte: como são os dados de treinamento mais valiosos atualmente?
Há dois anos, a resposta era “anotação humana de alta qualidade”. Um ano atrás, “cadeia de raciocínio de especialistas”. Hoje, a resposta está se tornando — os workflows reais de produção das empresas.
Esta não é uma mudança incremental. Ela afeta os fundamentos do paradigma de treinamento e decidirá quais empresas crescerão e quais serão varridas nos próximos três anos.
Dados É um Negócio de Surfe
A indústria tem uma regularidade facilmente ignorada: o vencedor do mercado de dados vive mudando. Toda vez que um gargalo de capacidade dos modelos é rompido, os dados mais valiosos mudam de forma. O histórico até agora: a Scale AI pegou a onda da direção autônoma e das primeiras anotações para LLMs; a Mercor e a Surge AI surfaram a onda dos dados de especialistas; e agora, com o treinamento migrando para tarefas de longo horizonte, a bússola aponta para dados de workflows do mundo real.
Raciocínio e longo horizonte são as principais linhas de avanço dos modelos. A unidade de trabalho que os modelos conseguem lidar está subindo — de uma única alteração de código para um arquivo, para uma base de código, para um projeto completo. Quanto mais longa a tarefa, mais difícil é simulá-la artificialmente, porque projetos reais estão repletos de estado histórico, dependências de ferramentas, regras organizacionais e ramificações inesperadas — detalhes que nenhum especialista consegue inventar sentado em um sandbox. Por isso, os laboratórios de fronteira começaram a comprar dados do mundo real.
Duas Texturas de Dados
Tipo 1: dados capturados de trabalho real. Próximos de uma gravação do processo de trabalho — replays de sessões, ações de tela, registros de colaboração interna. Os melhores dados do Tipo 1 preservam não apenas as ações, mas a intenção por trás delas. O GitHub é o exemplo canônico: mensagens de commit, issues e resoluções de tickets encadeadas preservam quase por completo a jornada de um problema, do surgimento à resolução — o que alguém queria corrigir, o que tentou, por quê e se foi aceito. Um tesouro natural do Tipo 1.
Tipo 2: dados construídos artificialmente. O que a maioria das empresas de dados humanos faz hoje: recrutar especialistas de domínio → desenhar tarefas manualmente → fazer com que especialistas as completem em um sandbox → coletar resultados → processá-los em formatos treináveis. O Tipo 2 serve para pré-treinamento e ramping inicial de capacidades, mas seu teto é óbvio — ambientes simulados nunca reproduzem totalmente a complexidade do mundo real. Quando um modelo precisa compreender um fluxo interno de aprovação, um ritmo de colaboração entre equipes ou as regras não escritas de uma indústria, o Tipo 1 é insubstituível.
A rota mais viável para o mundo real é o Tipo 1.5: fazer o Tipo 2 se comportar mais como o Tipo 1 — vínculo de longo prazo com um pequeno conjunto de especialistas de alta qualidade que entendem a lógica de treinamento, incentivos redesenhados para evitar reward hacking, sistemas de QA multicamadas engenhados progressivamente.
Três Réguas para a Qualidade dos Dados
Se um fornecedor de dados conquista a confiança dos laboratórios de modelos depende de três capacidades. 1. Gosto por dados — saber de verdade como são bons dados: distinguir “dados que parecem certos” de “dados que o modelo realmente precisa”. 2. Gosto por pesquisa — saber onde os modelos estão travados agora e que tipo de dados resolve isso; especialmente escasso, porque a maioria dos fornecedores de dados não entende de treinamento e a maioria dos pesquisadores não entende de produção de dados. 3. Escalabilidade — manter a qualidade conforme o volume cresce; muitas empresas posicionam seus melhores especialistas na fase de demo, com os fundadores assistindo e QA manual pesado, e ficam lindas em pequena escala. Isso não prova nada sobre replicação de 10× ou 100×.
Para julgar se uma empresa de dados está “vendendo mão de obra” ou “construindo uma fábrica”, leia a estrutura de contratação: contratações frequentes de SPL (special project lead) significam tomar encomendas, expandir times, entrega sob medida — vender mão de obra. Contratar apenas membros do time técnico significa que o foco é engenharia de dados, engenharia de ambientes e automação de QA — construir uma fábrica. Se o valor dos dados continuar migrando para o Tipo 1, a janela para um modelo puramente do Tipo 2 pode ser de dois anos.
Hillclimbability é a métrica que importa
Muitas equipes desenham tarefas de treinamento sob a lógica “se eu construir algo que o modelo não consegue fazer, isso prova valor”. Mas desenhar uma tarefa que um modelo de fronteira falha é fácil. O difícil é posicionar a tarefa exatamente na fronteira de capacidade do modelo. Imagine dois cenários:
-
Vale a pena treinar: Pass@1 = 0%, Pass@32 = 30%. O modelo falha outright de primeira, mas tem sucesso 30% das vezes dentro de 32 tentativas — ele ocasionalmente toca o caminho certo e só precisa de estabilização.
-
Não vale a pena treinar: Pass@1 = 0%, Pass@256 = 0%. Mesmo com 256 tentativas, nunca tem sucesso — a tarefa está além do modelo ou é obscura demais para importar.
Esse enquadramento — hillclimbability — mede o valor de treinamento muito melhor do que “o modelo consegue fazer”.
Quatro Direções em que os Ambientes de RL Estão Evoluindo
À medida que os modelos migram de responder perguntas para completar tarefas, o treinamento necessariamente passa de fine-tuning supervisionado para aprendizado por reforço — e os ambientes de RL estão evoluindo fortemente em quatro direções. 1. O espaço se expande: um agente não completa mais tudo em um único sandbox, mas se move entre muitos — um agente de operações de vendas pode precisar do CRM, do e-mail, do banco de dados de clientes e do sistema de aprovação simultaneamente. 2. As ferramentas ficam vivas: os agentes chamarão ferramentas com saídas incertas — a “ferramenta de busca” do ambiente pode ser ela mesma outro modelo SOTA, e o agente precisa aprender controle de parâmetros, julgamento de resultados e validação cruzada. 3. As organizações ficam complexas: tarefas difíceis são decompostas em sub-agentes e re-agregadas, e a recompensa precisa ponderar custo e latência junto com a conclusão — terminar em 40 minutos versus 3 minutos carrega um valor de negócio completamente diferente. 4. Os limites das tarefas sobem: conforme os modelos se fortalecem, tarefas de vinte passos colapsam em uma, e os objetivos dos ambientes de RL sobem — de executar uma ação, para completar um sub-processo, para planejar e orquestrar workflows inteiros.
Por que programação é um encaixe natural para RL
Jason Wei propôs a Lei do Verificador: a facilidade de treinar IA em uma tarefa é proporcional a quão verificável ela é. Programação se adequa ao RL não apenas porque o sinal de recompensa é limpo, mas porque todo o ambiente é facilmente copiado, paralelizado e reiniciado — um repositório clona para dez mil containers, e o modelo edita, testa, falha e tenta de novo à vontade.
O mundo real não oferece esses pontos de salvamento. Empreender, gerir, investir, advocacia, vendas — todos têm resultados, mas nenhum vai gerar dez mil mundos paralelos para prática. É por isso que a IA entrando no mundo real não pode depender para sempre de treinamento por força bruta; precisa elevar a eficiência amostral — extrair padrões transferíveis de pequenas quantidades de experiência irrepetível e de feedback ambíguo. Isso continua sendo uma das vantagens mais claras dos humanos sobre os modelos.
Se Você É um Fundador ou um CTO
1. Sua empresa deveria fazer post-training do próprio modelo? Post-training troca Capex por Opex — um custo de treinamento único substituindo prêmios perpétuos de inferência. A conta só fecha se quatro multiplicadores se multiplicarem: unicidade dos dados × clareza das avaliações × frequência da tarefa × valor por melhoria. Qualquer fator próximo de zero mata o investimento.
2. Você é uma empresa de dados? Se a migração para o Tipo 1 se confirmar, players puramente do Tipo 2 sem um roteiro para o Tipo 1 têm menos de dois anos. Se você é um VC, não invista em uma empresa de dados sem plano para o Tipo 1.
3. Você é um usuário de IA? Quando workflows reais se tornam dados de treinamento, a forma como você trabalha diariamente está se tornando capacidade de modelo. Quem deposita mais registros estruturados e de alta qualidade de operações — código, documentos, registros de decisões, retrospectivas — está silenciosamente construindo seu próprio fosso de dados.
A lógica do mercado de dados está mudando de “encontrar mais pessoas para anotar” para “extrair do trabalho real”. O motor não é idealismo tecnológico, mas racionalidade econômica: quando o treinamento migra para tarefas de longo horizonte, ambientes construídos artificialmente ficam exponencialmente caros, enquanto os dados do mundo real já estão lá — falta apenas um pipeline eficaz de coleta e conversão. Esse pipeline é a oportunidade de infraestrutura de IA mais interessante dos próximos dois a três anos.
