Ilya Sutskever — o homem que apostou na escala e agora aposta na segurança
"if you value intelligence above all other human qualities, you're gonna have a bad time." (X / Twitter, 2023)
O essencial em 30 segundos
Ilya Sutskever é, no sentido mais literal, um dos arquitetos da era atual da inteligência artificial. Em 2012, ainda estudante, foi coautor da AlexNet — a rede neural que, ao vencer uma competição de reconhecimento de imagens por uma margem chocante, basicamente acendeu a fogueira do deep learning moderno. Depois cofundou a OpenAI e, como Chief Scientist, esteve no centro das decisões técnicas que levaram aos modelos GPT e ao ChatGPT. A tese que ele defendeu com mais convicção do que quase qualquer outro pesquisador foi a do escalonamento: redes neurais grandes, treinadas com muito dado e muito cômputo, ficam dramaticamente mais capazes — e essa curva era mais longa do que quase todos imaginavam. Em 2023, participou da crise de governança que tentou remover Sam Altman da OpenAI, depois manifestou arrependimento, e saiu em 2024 para fundar a SSI — Safe Superintelligence — com Daniel Gross e Daniel Levy. A SSI tem um propósito único e declarado: construir superinteligência segura, e nada mais até lá. Para quem opera negócios reais, Sutskever ensina duas coisas: que escala muda a natureza do que é possível, e que a ordem em que você persegue capacidade e segurança define o resultado.
Quem é
Sutskever nasceu em 1986 em Nizhny Novgorod (então Gorky), na União Soviética. Emigrou para Israel aos cinco anos, cresceu em Jerusalém e, aos 16, mudou-se para o Canadá. Estudou na Universidade de Toronto — bacharelado em Matemática (2005), mestrado (2007) e doutorado em Ciência da Computação (2013) — sob orientação de Geoffrey Hinton, um dos "padrinhos" do deep learning. Essa linhagem importa: Sutskever não chegou ao campo de fora, ele foi formado pela pessoa que mais acreditava em redes neurais quando quase ninguém acreditava.
O momento decisivo veio em 2012. Com Alex Krizhevsky e Hinton, ele coautorou a AlexNet, uma rede neural convolucional que pulverizou os competidores no desafio ImageNet de reconhecimento de imagens. A margem foi tão grande que o campo inteiro mudou de direção em questão de meses. Foi a prova empírica de que redes neurais profundas, treinadas em GPUs com dados suficientes, funcionavam — e funcionavam melhor que tudo. O Google adquiriu a startup deles (DNNResearch) e Sutskever foi para o Google Brain em 2013, onde contribuiu para o aprendizado sequence-to-sequence, base de tradução automática e de muito do que viria depois.
Em 2015, cofundou a OpenAI como Chief Scientist. Ali, presidiu os avanços de pesquisa que produziram os modelos GPT, o CLIP, o DALL-E e contribuições ao próprio AlphaGo. Foi eleito Fellow da Royal Society em 2022. Recebeu o NeurIPS Test of Time Award três anos seguidos (2022–2024) — um reconhecimento raro de impacto duradouro.
Em novembro de 2023, veio a fratura: como membro do conselho, Sutskever participou da tentativa de remover Sam Altman do comando da OpenAI. A manobra desmoronou em dias; Altman voltou; Sutskever publicamente expressou arrependimento. Em maio de 2024 deixou a empresa e, em junho de 2024, anunciou a SSI — Safe Superintelligence Inc., com os cofundadores Daniel Gross e Daniel Levy, escritórios em Palo Alto e Tel Aviv. A SSI levantou US$ 1 bilhão em setembro de 2024 e, em março de 2025, foi avaliada em US$ 32 bilhões — sem ter lançado nenhum produto. Em junho de 2025, após Gross sair para a Meta, Sutskever assumiu como CEO.
A grande contribuição
A grande contribuição de Sutskever tem duas camadas, e a segunda é mais subestimada do que a primeira.
A primeira camada é técnica e histórica: a AlexNet. Antes dela, deep learning era uma aposta marginal, vista com ceticismo. Depois dela, tornou-se o paradigma dominante. Sutskever não inventou as redes neurais nem o backpropagation, mas foi parte central da demonstração que converteu o campo. É difícil exagerar o quanto a indústria de IA de hoje descende daquele resultado de 2012.
A segunda camada é conceitual: a fé profunda, e por muito tempo herética, no escalonamento. Enquanto boa parte da academia buscava arquiteturas mais inteligentes e truques engenhosos, Sutskever foi um dos defensores mais consistentes da ideia de que, se você simplesmente tornar a rede maior, treiná-la com mais dados e mais cômputo, a capacidade emerge — e continua emergindo muito além do que a intuição sugere. Essa convicção orientou a OpenAI a apostar pesado em modelos cada vez maiores quando essa não era obviamente a escolha certa. O ChatGPT é, em larga medida, a vindicação dessa aposta. A famosa exortação dele em reuniões — "Feel the AGI!" — capturava exatamente essa intuição: que a curva era real, palpável, e que muita gente não estava sentindo o que estava por vir.
A terceira contribuição, em formação, é a SSI como tese institucional: a ideia de que segurança e capacidade não devem competir por recursos dentro de uma empresa de produto, mas serem perseguidas juntas, sem a distração de lançar nada até a meta estar pronta.
As ideias-chave
1. Escalonamento: tamanho muda a natureza, não só o grau
A tese central da carreira de Sutskever é que redes neurais maiores, com mais dados e cômputo, não ficam apenas "um pouco melhores" — elas atravessam limiares onde capacidades qualitativamente novas aparecem. Um modelo grande o suficiente começa a fazer coisas que nenhum modelo pequeno fazia, não importa quão bem ajustado. Isso inverteu a prioridade da pesquisa: em vez de "qual arquitetura inteligente?", a pergunta virou "como escalo de forma eficiente?". O ChatGPT é a prova viva.
2. A era do escalonamento acabou; volta a era da pesquisa
Em 2025, Sutskever fez uma virada notável: declarou que "os anos 2010 foram a era do escalonamento; agora estamos de volta à era da maravilha e da descoberta". Ele disse à Reuters que os resultados de escalar o pré-treinamento — a fase que consome dados não-rotulados em massa — atingiram um platô. A formulação dele: 2012–2020 foi era de pesquisa, 2020–2025 foi era de escalonamento, e 2026 em diante será de novo era de pesquisa. A nuance crucial não é "escala não importa mais", e sim: "escalar a coisa certa importa mais do que nunca". O que escalar mudou.
3. Feel the AGI: a capacidade futura é o dado mais importante
A frase que Sutskever repetia — "Feel the AGI" — é, no fundo, uma disciplina de planejamento. Significa: não planeje para a capacidade de hoje; planeje para a trajetória. Quem "sentiu a AGI" cedo construiu para um mundo que ainda não existia, e estava pronto quando ele chegou. Quem reagiu só ao presente ficou atrás. É uma aposta de horizonte, não de produto.
4. Superinteligência segura como ordem de operações
A SSI inverte o modelo de negócio padrão. Sutskever foi explícito: "nosso primeiro produto será a superinteligência segura, e não faremos nada além disso até lá". A ideia é que misturar segurança com pressão de receita corrompe ambas — o produto distrai, o trimestre aperta, a segurança vira teatro. Ao tirar o produto da equação, a segurança deixa de competir por atenção. É uma tese de foco institucional tão radical que a empresa valeu US$ 32 bilhões sem vender nada.
5. Inteligência não é o valor supremo
Há uma faceta filosófica em Sutskever que raramente aparece nas manchetes técnicas. Ele escreveu: "se você valoriza a inteligência acima de todas as outras qualidades humanas, você vai se dar mal". Vindo do homem que talvez mais fez para tornar a inteligência de máquina poderosa, é um aviso, não uma contradição: a capacidade bruta, sem julgamento sobre o que vale a pena, é perigosa. Essa preocupação é o fio que conecta o cientista do escalonamento ao fundador da segurança.
Em suas palavras
"if you value intelligence above all other human qualities, you're gonna have a bad time." (X / Twitter, 2023)
"Feel the AGI!" (refrão que ele liderava em reuniões na OpenAI)
"Nosso primeiro produto será a superinteligência segura, e não fará nada além disso até lá." (anúncio da SSI, junho de 2024)
"Os anos 2010 foram a era do escalonamento; agora estamos de volta à era da maravilha e da descoberta, mais uma vez. Todo mundo está procurando a próxima coisa." (2025)
"Escalar a coisa certa importa mais agora do que nunca." (2025)
Limites e críticas
A trajetória de Sutskever atrai críticas tão substanciais quanto sua influência.
A primeira é a crise de governança de 2023. Participar da tentativa de remover Altman e depois recuar publicamente levantou dúvidas legítimas sobre julgamento estratégico e sobre a estabilidade dos arranjos de poder em laboratórios de IA. Foi um episódio em que a convicção sobre segurança colidiu com a realidade organizacional — e a realidade venceu rápido.
A segunda é o ceticismo quanto à própria tese de virada. Quando Sutskever declara que o escalonamento atingiu um platô, parte da comunidade técnica discorda, argumentando que ainda há ganhos a extrair e que "morte do escalonamento" foi anunciada várias vezes prematuramente. A reviravolta de quem foi o maior profeta da escala agora dizer que ela acabou é, no mínimo, algo a observar com cautela.
A terceira é a SSI como aposta não-falseável até aqui. Uma empresa avaliada em dezenas de bilhões sem produto, sem receita e sem cronograma público é, financeiramente, um ato de fé em uma pessoa e uma ideia. Críticos perguntam: como saber se há progresso? A ausência de produto, que é uma virtude na narrativa de segurança, é também a ausência de qualquer teste externo de realidade.
A quarta, mais filosófica, é a vagueza de "superinteligência segura". O que conta como segura? Segura para quem, sob qual definição de alinhamento? A missão é nobre e o slogan é forte, mas a operacionalização permanece, por ora, em aberto.
Como aplicar no seu dia a dia
A lição de Sutskever que mais altera decisões reais é sobre escala e concentração de dados. A tese dele — de que capacidades novas emergem só acima de certo limiar de dados e cômputo — tem uma tradução direta: dados fragmentados são quase inúteis; dados concentrados são exponencialmente valiosos. Numa operação com várias frentes, isso significa resistir à tentação de manter silos por unidade de negócio. Os dados de cada área valem muito mais reunidos do que separados, porque só um conjunto grande o bastante permite que padrões úteis — previsão de demanda, detecção de fraude, comportamento de cliente — emerjam de verdade. Abaixo do limiar, o sistema decora; acima, ele generaliza.
A segunda transferência é o "Feel the AGI" como disciplina de horizonte. Ao decidir a arquitetura de um software ou a expansão de uma operação, a pergunta não é só o que a IA resolve hoje, e sim o que ela resolverá em 18–36 meses — e que escolhas tomar agora para estar pronto. Capturar dados estruturados desde já, mesmo sem uso imediato, é apostar na trajetória. Quem coletou estará posicionado; quem esperou ficará reconstruindo do zero. Planejar para a capacidade futura, e não para a presente, é a tradução operacional direta.
A terceira é a ordem de operações da SSI aplicada à confiança. Sutskever separou segurança de produto porque misturá-los corrompe ambos. Num produto com agentes de IA que tocam dados sensíveis de colaboradores e clientes, a lição é não tratar segurança e privacidade como feature que compete com o roadmap — e sim como restrição inviolável definida antes, fora da pressão do trimestre. Um agente que erra rápido e barato é ótimo em otimização; é inaceitável quando lida com folha de pagamento ou dado pessoal. A ordem em que você prioriza define se o cliente confia.
A quarta, mais sóbria: "se você valoriza a inteligência acima de tudo, vai se dar mal". Automatizar agressivamente com IA é tentador, mas o valor de um negócio não é só eficiência — é confiança, relação e julgamento. Capacidade técnica é meio, não fim. A IA otimiza; cabe a quem opera decidir o que vale a pena otimizar.
Para ir além
Comece por: o anúncio de fundação da SSI (junho de 2024) e a cobertura da CNBC sobre ele — texto curto que explica a tese institucional com clareza.
Depois: a entrevista de Sutskever com Dwarkesh Patel (novembro de 2025), "We're moving from the age of scaling to the age of research", onde ele articula a virada de paradigma; e a palestra dele no NeurIPS 2024, com a analogia evolutiva sobre limites do escalonamento.
Avançado: o paper original da AlexNet (2012) e os trabalhos de sequence-to-sequence learning, para entender a fundação técnica; e a leitura crítica em fóruns de segurança de IA (LessWrong, EA Forum) sobre se o deep learning realmente atingiu um muro — útil para calibrar ceticismo.
Conexões no vault
- IA e Tecnologia — área-mãe deste estudo
- demis-hassabis — contraponto produtivo: Hassabis aponta a IA para resolver problemas científicos concretos (root node problems); Sutskever aposta na escala bruta e, agora, na superinteligência segura. Ambos cruzaram caminhos — Sutskever contribuiu para trabalhos ligados ao AlphaGo na OpenAI.
- Conceitos a desdobrar: escalonamento (scaling laws), pré-treinamento, alinhamento e segurança de IA, concentração de dados como vantagem competitiva.
Fontes consultadas: Wikipedia — Ilya Sutskever; Wikipedia — Safe Superintelligence Inc.; CNBC — anúncio da SSI; Dwarkesh Patel — "age of scaling to age of research"; X / @ilyasut; cobertura da Reuters e do NeurIPS 2024 sobre o platô do pré-treinamento.