Ask HN: Mais alguém está pessimista em relação à OpenAI?
O ceticismo sobre as perspectivas de longo prazo da OpenAI está colidindo com relatos de ganhos dramáticos de produtividade no dia a dia com ferramentas como o ChatGPT. Os comentadores comparam o boom atual de IA ao ciclo de hype das cripto, questionando promessas de AGI, fossos competitivos e altos custos de computação, enquanto outros dizem que os LLMs já substituíram muito de seus fluxos de busca na web, depuração, scripts e escrita, apesar dos riscos de alucinação. Muitos esperam que a OpenAI enfrente concorrência séria de modelos open source e gigantes de tecnologia, mas veem os modelos de linguagem em geral como uma mudança duradoura na forma como as pessoas interagem com computadores.
Valor prático percebido do ChatGPT/LLMs
- Muitos comentadores dizem que o GPT-4 (e o Bing Chat baseado nele) virou uma ferramenta diária, muitas vezes substituindo Google/Stack Overflow para perguntas do tipo “como faço X em Y”.
- Ganhos relatados: codificação de boilerplate mais rápida, one-liners de SQL/jq/shell, refatorações em Terraform/Terraform, depuração de erros obscuros, escrita de testes, refatoração de configs legadas, pequenos scripts, limpeza de dados, copywriting, descrições de vagas, e-mails, relatórios, traduções, sumarização de pesquisas e conversões de documentos → Markdown.
- Alguns dizem que isso muda materialmente fluxos de trabalho de SRE/devops (mergulhos em kernel/rede, interpretação de erros, problemas de configuração) e que pagariam muito mais do que US$20/mês.
- Vários usos não voltados a dev: educação/tutoria, aprendizado de idiomas, reescrita de cartas, rascunhos de correspondência em estilo jurídico, brainstorming de UX/gestão, revisão de impostos/cartas e revisão de conteúdo.
Limites, alucinações e confiança
- Muitos relatam respostas “confidentemente erradas”, APIs inventadas, bibliotecas, artigos acadêmicos e código que não tipa ou não executa.
- As alucinações são vistas como aceitáveis por alguns se você verificar como faria com o Stack Overflow; outros acham que o custo da verificação anula qualquer benefício.
- O GPT-4 é amplamente descrito como “de outro nível” em relação ao 3.5/Claude Instant, mas ainda sujeito a erros e ocasionalmente sem sentido.
- Há preocupação de que ele soe autoritativo, incentive confiança excessiva e seja inadequado como única fonte para fatos médicos/jurídicos/científicos.
Quem se beneficia e em quais tarefas
- Os maiores ganhos estão em tarefas “complicadas, mas superficiais”: conectar APIs, infraestrutura como código, análise de CSV/logs, padrões rápidos de código, sumarização, trabalho de linguagem/estilo.
- Ele funciona mal para ciência da computação/matemática teórica profunda (reduções NP, semântica formal, algoritmos avançados) e domínios de nicho com poucos dados de treinamento.
- Vários observam que ele é mais útil quando você já sabe o suficiente para conferir o trabalho dele; perigoso quando você não sabe.
Comparações com cripto e preocupações com hype
- Alguns veem ecos de cripto: hype massivo, startups de wrapper, VCs entrando em massa e promessas vagas de AGI.
- Outros argumentam que a diferença principal é a utilidade clara e imediata para milhões, ao contrário do uso real limitado da cripto no mundo.
- Um subconjunto está em “meh”: testou o GPT, achou genérico ou errado, e sente que Google/docs + expertise ainda são melhores.
Perspectivas de negócio da OpenAI e fosso competitivo
- As visões vão de “empresa facilmente de US$100B+ / próximo gigante do nível Google” até ceticismo sobre margens, custos de GPU e falta de fosso competitivo à medida que modelos abertos/open-source melhoram.
- Alguns esperam captura regulatória e um pseudo-monopólio; outros acham que Meta, Google, Microsoft ou modelos no dispositivo irão corroer a liderança da OpenAI.
- Há preocupação de que muitos “wrappers da OpenAI” sejam esmagados quando a própria OpenAI produtizar as melhores ideias.
No dispositivo, privacidade e open source
- Uma minoria preocupada com privacidade quer modelos próximos do GPT-4 rodando offline em dispositivos pessoais; os modelos locais atuais são vistos como lentos/fracos demais ou difíceis demais de operar.
- Muitos estão otimistas com modelos menores de open source na borda como uma grande ameaça de longo prazo às ofertas apenas na nuvem.
AGI, trajetória e sociedade
- Muitos não acham que os LLMs atuais sejam AGI nem suficientes para chegar lá; alguns os veem como apenas um componente entre métodos futuros.
- Outros argumentam que a capacidade de comprimir conhecimento do mundo e fazer few-shot learning faz a AGI parecer “um detalhe de implementação”, embora o timing seja incerto.
- Impactos esperados no curto prazo: grandes ganhos de produtividade, deslocamento de trabalho de colarinho branco de menor nível (suporte, escrita básica, programação júnior) e mudanças significativas na educação e em “como interagimos com computadores”, mesmo sem AGI.