Tudo começou com uma pergunta pequena:
“Em que dia o Tibo folga?”
Tibo, que trabalha com Codex e ChatGPT na OpenAI, publica com frequência sobre lançamentos, resets e modelos novos. Isso basta para nascer uma pequena meteorologia popular entre usuários.
Tibo postou → talvez algo aconteça hoje. Tibo ficou quieto → está de folga? → então o reset também não vem?
Antes de rodar o modelo, a pessoa já está tentando fazer engenharia reversa da escala de trabalho de outro ser humano.
Daí a conversa atravessa psicologia comportamental, dopamina, produtividade com IA, cronogramas comprimidos e finalmente chega ao trabalho infinito.
Este texto é o relatório do acidente.
1. “Se Tibo folga, o reset também folga” ainda é só hipótese
Em 5 de setembro de 2026, depois de publicar sobre o rollout do Astra e um banked reset, Tibo escreveu sobre a equipe: “See you next week for some more ships.”[2][3]
No fim de uma semana de trabalho, isso soa naturalmente como “encerramos por aqui; até semana que vem”.
Mas a informação pública sustenta, no máximo, uma inferência modesta: a equipe parecia estar encerrando a semana e entrando no fim de semana.
Ela não confirma:
- quais são os dias formais de folga do Tibo;
- se todo reset exige uma ação manual dele;
- se o processamento de resets para quando ele não publica.
A teoria elegante seria:
Tibo ausente → operador do reset ausente → civilização encerrada.
Infelizmente, o diagrama ficou bonito demais.
“Até semana que vem” é evidência de despedida. Não é evidência de que Tibo guarda sozinho um botão vermelho gigante escrito RESET.
2. Mesmo assim, a gente continua olhando: “Chegou?”
A parte mais interessante está do lado do usuário.
O horário do reset pode ser incerto. Às vezes há anúncio. Às vezes surge um banked reset. Quando a cota volta, o modelo forte pode voltar ao trabalho imediatamente.
Então começa o ciclo:
Olha o X. Nada. Olha o uso. Nada. Volta horas depois. Nada. Olha mais uma vez. Voltou. Carnaval.
Se o reset chegasse todo dia exatamente às 9h, bastava conferir às 9h01.
A incerteza instala um fiscalzinho dentro da cabeça:
“E agora?”
Com todo respeito, chamaremos isso de roleta do Tibo.
3. Parece mais reforço em intervalo variável do que o cachorro de Pavlov
É tentador dizer: “Ah, cachorro de Pavlov.” Não exatamente.
Condicionamento clássico trata de um estímulo passar a prever outro e provocar uma resposta aprendida. Aqui a questão é outra: por que o comportamento de verificar repetidamente continua?
Isso se aproxima do reforço parcial ou intermitente do condicionamento operante. Em especial, um esquema de intervalo variável apresenta reforço depois de períodos imprevisíveis.[6]
O livro de psicologia da OpenStax oferece um exemplo quase ofensivamente perfeito: checar redes sociais.[6]
A semelhança é grande.
Mas há uma ressalva essencial. Abrir o X dez vezes não torna o reset dez vezes mais provável. O reset acontece externamente; a checagem só o encontra.
Portanto, não estamos dizendo que a OpenAI colocou usuários num laboratório de condicionamento.
A analogia é esta: do ponto de vista do usuário, um ambiente de recompensas irregulares pode favorecer um hábito de checagem parecido com intervalo variável.
4. Por que um reset surpresa parece tão bom: erro de previsão de recompensa
Descendo mais um andar, chegamos à neurociência.
Erro de previsão de recompensa é, aproximadamente, a diferença entre a recompensa esperada e a recompensa realmente recebida. Revisões de Wolfram Schultz descrevem muitas células dopaminérgicas do mesencéfalo sinalizando erro positivo quando o resultado é melhor que o esperado, ficando perto do basal quando é totalmente previsto e sinalizando erro negativo quando é pior.[7]
Então:
“Hoje provavelmente não vem.”
↓
Reset surpresa.
↓
Melhor que o esperado.
Isso chama atenção como sinal de aprendizagem.
Mas concluir “você é viciado em dopamina” seria neurociência de baixíssima qualidade.
Erro de previsão é um mecanismo básico de aprendizagem. Não diagnostica vício em quem confere um medidor de uso. Explicar tudo como “dose de dopamina” transforma neurociência em conversa de bar.
A formulação segura é: uma boa notícia inesperada gera mais surpresa de previsão do que uma boa notícia perfeitamente programada.
5. É assim que chegamos a: “Me dá o PC ilimitado do Tibo”
Depois de cansar de olhar o medidor, a humanidade inventa uma solução racional:
“Só me deixa usar o PC do Tibo. Sem limite.”
O terminal abaixo é 100% fictício:
C:\Users\Tibo> codex
Usage remaining: ∞%
banked reset: yes
rate limit: employee privilege
Astra: unrestricted
GPU: da empresa
Nome do produto: Codex Pro Tibo Edition.
Política simples:
Limite semanal: até o Tibo ficar bravo.
A realidade é menos generosa. O Help Center da OpenAI diz que Astra usa a cota de Work/Codex incluída no plano e que, dependendo da tarefa, tamanho da entrada e saída, configuração de raciocínio e outros fatores, pode consumir essa cota mais rápido que GPT-5.6 Sol.[5]
Assim, duas frases podem ser verdade ao mesmo tempo:
“Quero usar mais” e “o modelo mais forte pode derreter o medidor mais rápido.”
Para desejar o Tibo Edition fictício, nem precisamos de psicologia avançada. Matemática básica resolve.
6. Aí o Astra trouxe “seis meses” para a conversa
Aqui a história fica seriamente absurda.
Tibo escreveu que Astra havia sido uma grande vantagem competitiva antes da disponibilidade ampla e que o salto de produtividade permitiu adiantar alguns planos em cerca de seis meses, com entrega no DevDay em vez de por volta do meio do ano seguinte.[1]
Isso não é “o autocomplete ficou um pouco mais rápido”.
A OpenAI descreve Astra como um modelo para trabalho difícil de ponta a ponta, cobrindo programação, pesquisa, uso do computador e fluxos profissionais.[4][9]
Nas avaliações divulgadas pela OpenAI, Astra gastou cerca de 47% menos tempo por tarefa que GPT-5.6 Sol em simulações de latência do OSWorld 2.0, com pontuação maior; junto a um Codex harness atualizado, completou tarefas 1,9 vez mais rápido no Mind2Web.[4]
A reação natural é:
“O experimento já provou o ponto. Me dá.”
Astra começa a soar menos como nome de modelo e mais como demolidor de roadmap.
7. Mas “seis meses antes” não significa “seis meses de trabalho humano apagados”
Essa diferença é importante.
Adiantar um roadmap em seis meses não equivale a substituir seis meses inteiros de trabalho humano.
Desenvolvimento inclui pesquisa, protótipos, revisão, dependências, espera, retrabalho, testes e decisões — não apenas implementação.
Uma IA forte pode comprimir esse caminho ajudando a:
- passar de pesquisa para implementação num mesmo fluxo;
- comparar vários protótipos rapidamente;
- paralelizar preparação que antes exigia espera;
- encontrar retrabalho cedo;
- começar hoje a validação planejada para o mês que vem.
Isso pode encurtar o caminho crítico inteiro.
O post de Tibo não mostra exatamente qual etapa economizou quantos dias. Converter “seis meses” diretamente em pessoa-mês seria injustificado.
O que ele afirma é que trabalho que estava no futuro foi puxado significativamente para perto do presente.[1]
Trabalho de 2027: “Ainda não me chamaram.”
Astra: “Vem hoje.”
Trabalho de 2027: “Como é?”
8. Mais produtividade pode gerar mais trabalho em vez de mais descanso
Aqui “trabalho infinito” deixa de ser apenas piada.
Em 2026, pesquisadores da UC Berkeley Haas descreveram uma pesquisa em andamento baseada em oito meses dentro de uma empresa de tecnologia dos EUA com cerca de 200 pessoas. Conforme a IA generativa se espalhou, funcionários trabalharam mais rápido, assumiram um escopo maior de tarefas e estenderam o trabalho por mais horas do dia.[8]
O uso de IA não era obrigatório. Segundo os pesquisadores, a IA fazia mais tarefas parecerem pessoalmente possíveis, e os trabalhadores expandiam voluntariamente o que tentavam fazer.[8]
É um caso de uma empresa, não uma lei universal.
Mas o mecanismo é fácil de reconhecer:
Tarefa de 6 horas → IA faz em 40 minutos
Pessoa: “Ganhei 5 horas e 20 minutos!”
Organização: “Excelente. Aqui estão as próximas oito.”
Pessoa: “O descanso foi descontinuado?”
IA pode encurtar uma tarefa. Ela não cria automaticamente o direito organizacional de transformar o tempo salvo em descanso.
9. Essa é a forma real do “trabalho infinito”
Um ganho de produtividade pode ser usado de pelo menos três maneiras:
- produzir o mesmo em menos tempo e criar folga;
- usar o mesmo tempo para aumentar a qualidade;
- usar o mesmo tempo para aumentar o volume.
A tecnologia muda quanto pode ser feito. Pessoas e organizações decidem para onde vai a nova capacidade.
Numa organização em crescimento, ideias, melhorias, pedidos de clientes e perguntas de pesquisa podem parecer infinitos.
Dobrar o throughput não garante cortar o backlog pela metade.
Em vez disso, trabalho que antes parecia distante ou caro demais passa a aparecer como novo backlog.
Astra chega
→ trabalho termina
→ trabalho de seis meses à frente se aproxima
→ também termina
→ trabalho ainda mais distante aparece
Num videogame, aumentou a distância de renderização. No trabalho, os marcadores de missão agora aparecem até o horizonte.
10. Conclusão: talvez o que termine não seja o trabalho, mas o roadmap
Começamos perguntando: “Tibo folga no fim de semana?”
E acabamos assim:
Tibo quieto
→ sem reset?
→ checagem repetida
→ comportamento parecido com intervalo variável
→ reset surpresa gera maior erro de previsão
→ me dá o PC ilimitado
→ Astra é absurdamente forte
→ planos seis meses antes
→ trabalho futuro ocupa o tempo economizado
→ trabalho infinito
Duas conclusões sobrevivem à piada.
Primeira: vigiar manualmente um reset irregular custa atenção. Se um evento externo pode gerar notificação automática, não precisamos transformar um humano em segurança de medidor.
Segunda: produtividade de IA não vira lazer automaticamente. Sem decidir conscientemente se o ganho vai para descanso, qualidade, velocidade ou volume, nova capacidade continuará chamando novo trabalho.
Astra não é o vilão. Uma ferramenta forte realmente pode aproximar o futuro.
A frase perigosa vem do humano ao lado:
“Opa. Isso também dá para fazer hoje.”
Então o trabalho do futuro começa a formar fila na porta.
Talvez o trabalho nunca acabe. O roadmap pode acabar primeiro.
