Computação quântica IA: o experimento do MIT que muda o que se espera de um agente
Beatriz Yankelevich, doutoranda do Engineering Quantum Systems Group (EQuS) do MIT, colocou o GPT-5.6 Sol para um teste real de computação quântica IA: calibrar automaticamente um chip de seis qubits supercondutores. A resposta veio em números concretos — das 40 medições realizadas, o agente precisou de intervenção humana em apenas 4, alcançando 90% de autonomia em uma das tarefas mais técnicas da física experimental moderna.
O experimento usou o Codex como sistema de agência, com acesso ao software do laboratório via servidor Jupyter MCP (Model Context Protocol). Assim, a computação quântica IA funcionou de ponta a ponta: o modelo definia parâmetros, operava o hardware, analisava os dados e decidia se a medição precisava ser refinada antes de registrar o resultado.
O que o agente fez — e o que ainda falhou
O sistema identificou as frequências de transição dos qubits, calibrou os pulsos de controle e leitura e mediu por quanto tempo cada qubit retinha informação — tarefas que normalmente consomem de 1 a vários dias por chip. A OpenAI descreve que o agente era capaz de "definir intervalos de medição, inspecionar gráficos, avaliar candidatos a features e solicitar varreduras mais estreitas."
Mas os limites também foram documentados. Sinais fracos ou ruidosos degradaram o desempenho. Qubits ajustáveis exigiram orientação humana substancial. O agente às vezes levava mais tempo que um pesquisador experiente. Física ambígua e deriva de equipamentos continuam sendo problemas não resolvidos.
A conclusão de Yankelevich foi direta: a computação quântica IA assume "as partes estruturadas e repetitivas" da pesquisa. Com múltiplos agentes trabalhando em paralelo, ela pode focar em interpretação e design experimental de alto nível.
Por que isso importa para o seu negócio
Se uma IA consegue operar equipamentos de laboratório quântico com 90% de autonomia, o que ela faz com o trabalho repetitivo da sua empresa? Esse experimento é um sinal claro de que agentes de computação quântica IA já ultrapassaram o nível de "assistente de texto" e entram em operações técnicas que antes exigiam graduação especializada.
Para empreendedores, o aprendizado prático é este: identifique os processos da sua operação que são estruturados e repetitivos — auditoria de dados, preenchimento de formulários regulatórios, inspeção de código, análise de relatórios padronizados. São exatamente essas tarefas que modelos com Codex e acesso a ferramentas já conseguem executar com supervisão mínima.
Segundo pesquisa da McKinsey sobre o potencial econômico da IA generativa, tarefas cognitivas de nível técnico podem ser automatizadas em até 70% das horas com IA generativa — as que oferecem o maior retorno por hora de implementação. A janela de vantagem competitiva para quem adota primeiro está aberta agora.
Conteúdo reescrito e traduzido para PT pela redação luiscortex, revisado por humano.
Fonte: OpenAI Blog
