Sam Altman — O homem que apostou que a inteligência ficaria barata

"The price of many kinds of labor (which drives the costs of goods and services) will fall toward zero once sufficiently powerful AI 'joins the workforce.'" — Sam Altman, Moore's Law for Everything, 16 de março de 2021

O essencial em 30 segundos

Sam Altman é o executivo que transformou a inteligência artificial de promessa acadêmica em produto de massa. Em novembro de 2022, a OpenAI — empresa que ele dirige desde 2019 — lançou o ChatGPT, e o mundo conheceu, da noite para o dia, o que significa conversar com uma máquina que parece pensar. Não foi Altman quem inventou os modelos; foram seus pesquisadores. Mas foi ele quem decidiu colocá-los na mão de qualquer pessoa, transformou isso num movimento cultural e captou dezenas de bilhões de dólares para empurrar a fronteira adiante.

A tese central de Altman é simples e radical: inteligência vai ficar barata, e barata muda tudo. Se o custo de resolver problemas difíceis cair como caiu o custo de armazenar dados, então quase tudo o que hoje custa caro — diagnóstico médico, software, educação, análise, atendimento — vai despencar de preço. Ele chama isso de "Lei de Moore para tudo". Para quem opera negócios reais, Altman não é um guru de tecnologia distante: é o sujeito cujas decisões determinam quanto você vai pagar, mês a mês, pela IA que roda dentro da sua operação. E é também um estudo de caso sobre governança — sobre o que acontece quando velocidade, dinheiro e poder se concentram numa pessoa só.

Quem é

Samuel Harris Altman nasceu em 22 de abril de 1985, em Chicago, e cresceu em Clayton, no Missouri. Ganhou seu primeiro computador, um Macintosh, aos oito anos, e desde cedo desmontava hardware e aprendia a programar. Entrou em Stanford para estudar ciência da computação, mas largou o curso em 2005, aos dezenove anos, para fundar a Loopt — uma rede social baseada em localização. A Loopt nunca foi um grande sucesso de mercado, mas foi vendida em 2012 para a Green Dot por cerca de 43 milhões de dólares. Mais importante: foi uma das primeiras empresas a passar pela Y Combinator, a aceleradora de startups que definiria a carreira de Altman.

Em 2011 ele entrou na Y Combinator como sócio e, em 2014, tornou-se presidente da aceleradora — o posto que o transformou numa das figuras mais influentes do Vale do Silício. A YC já tinha incubado Airbnb, Stripe, Dropbox, Reddit. Altman foi o curador-mor desse fluxo de fundadores: aprendeu a reconhecer ambição, a separar quem constrói de quem só fala, a pensar em escala. Foi também durante esse período que ele e outros — incluindo Elon Musk — fundaram, em 2015, a OpenAI, originalmente como um laboratório sem fins lucrativos com a missão declarada de garantir que a inteligência artificial geral (AGI) beneficiasse toda a humanidade.

Em março de 2019, Altman deixou a Y Combinator para se dedicar integralmente à OpenAI como CEO. A organização ganhou um braço com fins lucrativos (a estrutura híbrida "capped-profit") para captar o capital que treinar grandes modelos exige, e firmou a aliança bilionária com a Microsoft. De lá saíram o GPT-3, o ChatGPT, o GPT-4 e os modelos seguintes. Altman acumulou também apostas fora da OpenAI: foi presidente do conselho da Helion (fusão nuclear) e da Oklo (fissão), e cofundou a Worldcoin (depois Tools for Humanity), projeto de identidade e moeda digital que escaneia íris. O fio condutor de tudo: abundância de energia e abundância de inteligência são, para ele, as duas alavancas que destravam o futuro.

A grande contribuição

A grande contribuição de Altman não é técnica — é de distribuição e de ambição. Ele pegou uma tecnologia que vivia em laboratórios e a colocou na mão de centenas de milhões de pessoas, e ao fazê-lo redefiniu o que o mercado considera possível.

O lançamento do ChatGPT, em 30 de novembro de 2022, é o marco. Tecnicamente, o modelo por trás (uma versão refinada do GPT-3.5) já existia. O salto foi a decisão de produto: uma interface de conversa simples, gratuita, aberta a qualquer um. O ChatGPT virou o produto de consumo de adoção mais rápida da história, alcançando cem milhões de usuários em dois meses. Isso disparou uma corrida global — Google, Meta, Microsoft, Amazon e dezenas de startups reorientaram suas estratégias da noite para o dia. Altman não criou a onda da IA generativa; ele a tornou inevitável ao provar que havia demanda real, imediata e massiva.

A segunda contribuição é de capital e convicção. Altman entendeu antes de quase todos que a fronteira da IA seria determinada por escala — mais dados, mais computação, mais dinheiro — e organizou a captação na ordem de dezenas de bilhões de dólares para bancar isso. Onde a maioria via custo proibitivo, ele viu uma curva previsível: invista mais em computação e dados, e o modelo fica previsivelmente melhor. Essa aposta, controversa e cara, é a razão de a OpenAI ter saído na frente. Para o bem e para o mal, Altman normalizou a ideia de que treinar inteligência artificial é um empreendimento de escala industrial, comparável a construir usinas ou ferrovias.

As ideias-chave

1. "Lei de Moore para tudo": o preço da inteligência cai

Em Moore's Law for Everything (2021), Altman propôs que o barateamento exponencial que vimos em chips se espalharia para a economia inteira via IA. "Software that can think and learn will do more and more of the work that people now do." Se a IA assume parte crescente do trabalho cognitivo, o custo da mão de obra — que está embutido no preço de quase tudo — cai. Ele chega a imaginar "a world where, for decades, everything — housing, education, food, clothing, etc. — became half as expensive every two years."

Exemplo: num SaaS B2B com agentes de IA, isso não é filosofia — é a sua planilha de custos. A tarefa que hoje exige um analista humano (revisar um documento, classificar um chamado, redigir um resumo) tende a cair de preço a cada nova geração de modelo. Quem desenha o produto contando com essa queda — em vez de travar a arquitetura no custo de hoje — captura margem que o concorrente vai entregar ao cliente daqui a dois anos.

2. Escala funciona: "deep learning worked"

A convicção operacional de Altman é que a inteligência emerge da escala. Em The Intelligence Age (2024), ele resume a década numa frase: "In three words: deep learning worked." E completa: "Deep learning worked, got predictably better with scale, and we dedicated increasing resources to it." A palavra que importa é predictably. Não é fé cega; é a observação empírica das scaling laws — a relação medível entre quanto você investe (computação, dados, parâmetros) e quão capaz o modelo fica.

Exemplo: para quem escolhe fornecedores de IA, isso tem uma implicação prática. Modelos melhores e mais baratos chegam em ritmo previsível. Comprometer-se cedo demais com um único modelo, ou construir uma operação que só funciona com o modelo mais caro de hoje, é apostar contra a curva. A disciplina é desenhar para a substituibilidade: amarrar o negócio à capacidade que você precisa, não ao modelo específico que a entrega neste trimestre.

3. AGI como meta declarada — e como risco

A OpenAI foi fundada com uma missão incomum para uma empresa: criar inteligência artificial geral (AGI) — sistemas que superem humanos na maioria das tarefas economicamente valiosas — e fazê-lo de forma que beneficie a humanidade. Altman trata a AGI como destino provável, não como ficção, e isso molda tudo: a urgência, a captação bilionária, a estrutura de governança peculiar. Ele também reconhece publicamente o risco. Em depoimento ao Senado dos EUA, em 2023, defendeu que a IA poderosa precisa de regulação e licenciamento, dizendo que, se a tecnologia der errado, pode dar muito errado.

Exemplo: essa dualidade — entusiasmo radical com o ganho, mais consciência do risco — é exatamente a postura que um operador deve ter ao adotar IA em produção. Você quer a capacidade, mas precisa de salvaguardas: o que acontece quando o agente alucina um número numa fatura? Quando recomenda algo errado a um cliente? A lição de Altman é levar a sério tanto o teto (o que isso destrava) quanto o piso (o que pode quebrar).

4. Abundância de energia e de inteligência são gêmeas

Altman investe pesado em energia (fusão e fissão nuclear) por uma razão coerente com sua tese: inteligência barata exige energia barata. Treinar e rodar grandes modelos consome eletricidade em escala industrial. Se a inteligência vai virar utilidade pública, como água ou luz, a energia que a alimenta precisa ser abundante e barata. As duas curvas — custo da computação e custo da energia — se multiplicam.

Exemplo: quem opera no setor de energia e mobilidade vê isso de perto. A demanda por eletricidade de data centers de IA é uma das forças que vão remodelar a rede elétrica na próxima década. Há aqui tanto risco (pressão sobre o sistema, preço da energia) quanto oportunidade (quem fornece, armazena ou distribui energia entra numa cadeia de valor em explosão).

5. Distribuição vence invenção

A lição de produto mais subestimada de Altman: a tecnologia só importa quando alguém a coloca na mão das pessoas de um jeito que elas entendam. O GPT-3 existia havia anos quando o ChatGPT estourou. A diferença foi a embalagem — uma caixa de conversa, gratuita, sem manual. Altman, formado na escola da Y Combinator, sabe que o gargalo raramente é a tecnologia; é a adoção.

Exemplo: ao embutir IA num produto, a tentação do operador é exibir a sofisticação técnica. O erro. O que move adoção é a IA invisível — que resolve o problema do usuário sem que ele precise entender o que está por trás. O ChatGPT venceu não por ser o modelo mais inteligente, mas por ser o mais fácil de usar.

Em suas palavras

"Software that can think and learn will do more and more of the work that people now do." (Moore's Law for Everything, 2021)

"The price of many kinds of labor (which drives the costs of goods and services) will fall toward zero once sufficiently powerful AI 'joins the workforce.'" (Moore's Law for Everything, 2021)

"In three words: deep learning worked." (The Intelligence Age, 2024)

"Deep learning worked, got predictably better with scale, and we dedicated increasing resources to it." (The Intelligence Age, 2024)

"A defining characteristic of the Intelligence Age will be massive prosperity." (The Intelligence Age, 2024)

Limites e críticas

Altman é uma figura genuinamente controversa, e ler sua obra com equilíbrio exige levar as críticas a sério.

A crise de governança de novembro de 2023. O episódio mais revelador da carreira de Altman foi sua demissão e recontratação relâmpago. Em 17 de novembro de 2023, o conselho da OpenAI o demitiu, dizendo que ele não havia sido "consistently candid" (consistentemente franco) em suas comunicações com o conselho. Seguiu-se o caos: a Microsoft anunciou que o contrataria; mais de 700 dos cerca de 770 funcionários assinaram uma carta ameaçando pedir demissão em massa se ele não voltasse. Em 21 de novembro — quatro dias depois — Altman foi reconduzido, e o conselho foi reconstituído (com Bret Taylor como presidente, ao lado de Adam D'Angelo e Larry Summers). O episódio expôs uma tensão estrutural: uma organização criada para colocar a segurança da humanidade acima do lucro descobriu que não conseguia controlar seu próprio CEO. Para muitos, foi a prova de que a missão "segurança em primeiro lugar" cedeu ao poder e ao capital.

Segurança versus velocidade. Críticos — incluindo ex-pesquisadores da própria OpenAI — argumentam que Altman prioriza o lançamento rápido de produtos em detrimento da pesquisa de segurança. A saída de figuras-chave de alinhamento e segurança alimentou a percepção de que a urgência comercial está atropelando a cautela que a missão original exigia. Não por acaso, parte dos fundadores da Anthropic saiu justamente da OpenAI por essa divergência.

Conflitos de interesse e concentração. A teia de empresas de Altman (energia, Worldcoin, fundos) levanta questões de conflito de interesse — ele chegou a deixar o conselho da Oklo em 2025 para evitar um deles. A Worldcoin, em particular, é alvo de críticas e investigações regulatórias por escanear a íris de pessoas em troca de criptomoeda, especialmente em países pobres. E há a crítica mais ampla: poder demais sobre uma tecnologia tão consequente concentrado numa pessoa só.

Otimismo que pode ser interesse. Vale lembrar que Altman tem incentivo financeiro colossal para que acreditemos que a IA vai transformar tudo. Suas previsões de prosperidade e abundância merecem ser lidas como visão e como marketing. A "massive prosperity" que ele promete também é a tese de investimento que sustenta avaliações de centenas de bilhões.

Como aplicar no seu dia a dia

Para quem opera um negócio real, Altman oferece menos uma filosofia e mais um conjunto de apostas operacionais.

Trate o custo de IA como uma curva descendente, não como um preço fixo. A tese da "Lei de Moore para tudo" tem consequência direta em qualquer produto de software: cada tarefa que hoje um agente de IA executa por um custo X tende a custar menos a cada geração de modelo. Logo, desenhe o produto contando com tarefas que hoje seriam caras demais para automatizar, sabendo que ficarão viáveis em poucos trimestres. E precifique capturando parte dessa queda — não repasse integralmente ao cliente, deixe virar margem.

Compre capacidade, não modelos. A lição das scaling laws é que o modelo líder de hoje não será o de amanhã. Na arquitetura do produto e na operação, isole a dependência de qualquer fornecedor único atrás de uma camada de abstração: defina o que o agente precisa fazer e a qualidade mínima exigida, e troque o modelo por trás quando aparecer um mais barato ou mais capaz. Isso protege da concentração que o episódio de novembro de 2023 escancarou — depender de um fornecedor cuja governança pode entrar em colapso em um fim de semana é risco operacional real.

Adote a IA invisível. Seguindo a lição de distribuição do ChatGPT, a IA que você coloca diante de um cliente ou de um usuário não se anuncia como IA — ela só resolve o problema. O valor está no atrito que desaparece, não na sofisticação exibida.

Leve o risco a sério na mesma medida do ganho. Aqui entra o contraponto da Anthropic: para tarefas onde o erro tem custo alto (um número numa fatura, uma orientação a cliente, uma decisão sobre uma pessoa), exija verificação, limites e supervisão humana. O entusiasmo de Altman diz o que automatizar; a prudência diz onde colocar trava. Capacidade sem confiabilidade não serve a um negócio que precisa funcionar todo dia.

Olhe a energia como o outro lado da moeda. A tese de que inteligência barata exige energia barata é diretamente relevante para quem opera no setor de energia. A explosão de demanda elétrica dos data centers de IA é, ao mesmo tempo, pressão sobre a rede e oportunidade de quem está na cadeia de geração, armazenamento e distribuição.

Para ir além

Comece por: o ensaio Moore's Law for Everything (2021) — curto, direto, e a melhor porta de entrada para a tese econômica de Altman. Leia em seguida The Intelligence Age (2024), que atualiza a visão para a era pós-ChatGPT.

Depois: acompanhe os depoimentos de Altman ao Congresso dos EUA (2023) sobre regulação de IA, e a cobertura jornalística da crise de governança de novembro de 2023 — é o melhor estudo de caso real sobre o choque entre missão, capital e poder.

Avançado: estude os papers de scaling laws que fundamentam a aposta da OpenAI (Kaplan et al., 2020) e compare a visão de Altman com a de Dario Amodei em Dario Amodei — o mesmo fato técnico (escala funciona) levando a duas filosofias de empresa opostas sobre o equilíbrio entre capacidade e segurança.

Conexões no vault

• IA e Tecnologia — área-mãe deste estudo
• Dario Amodei — o contraponto direto: cofundador da Anthropic que saiu da OpenAI por divergência sobre segurança; mesma crença em escala, filosofia oposta sobre cautela
• Jensen Huang — o fornecedor de picaretas da corrida do ouro: a NVIDIA vende a computação que torna a tese de escala de Altman possível
• Satya Nadella — o parceiro estratégico: a aposta da Microsoft na OpenAI conecta as duas trajetórias
• Elon Musk — cofundador da OpenAI que rompeu com Altman e hoje compete com ele