Elon Musk voltou a defender que a IA pode se tornar um risco grande para a civilização se avançar sem regras claras, e usou a discussão para criticar a virada da OpenAI de “aberta” para um modelo mais fechado e orientado a lucro. No mesmo fio, ele também sugeriu a ideia de uma “TruthGPT”, como resposta ao que vê como falta de transparência e controle.
O post que reacendeu o debate
O tema apareceu a partir de uma publicação no X (antigo Twitter) em que uma usuária resumiu a posição de Musk de que IA é um risco sistêmico e deveria ser regulamentada. A resposta dele não ficou só no argumento de segurança, ela também mirou em governança e em quem controla a tecnologia.
Na sequência, Musk responde com uma crítica direta à mudança de rumo da OpenAI, especialmente no que ele enxerga como perda do espírito de “código aberto” e transformação em uma empresa fechada com foco máximo em lucro.
A OpenAI foi criada como um código aberto (e é por isso que eu a chamei de “Open” AI), empresa sem fins lucrativos para servir como um contrapeso ao Google, mas agora se tornou uma empresa de código fechado e lucro máximo efetivamente controlada pela Microsoft. Não era o que eu pretendia.
Elon Musk
Ele ainda adiciona a ideia de uma alternativa que chama de “TruthGPT”, na linha de um modelo que, na visão dele, buscaria mais compromisso com a verdade, menos filtros e mais transparência sobre como decide respostas.
A história dele com a OpenAI e a crítica central
Musk foi um dos cofundadores da OpenAI e, anos depois, passou a discordar publicamente do caminho que a organização tomou. Ele saiu do conselho em 2018, citando conflitos de interesse com outras empresas em que atua, como Tesla e SpaceX, mas continuou vocal no debate de risco e regulação de IA. Uma referência em português sobre esse histórico aparece neste texto do BeInCrypto, publicado em 16 de fevereiro de 2023: entenda o contexto das falas de Musk sobre regulação.
Para quem tenta decifrar a disputa, a crítica dele pode ser lida como um choque entre missão e incentivos. Quando a tecnologia vira plataforma, o controle do acesso, do treinamento e da distribuição passa a valer tanto quanto o modelo em si.
Mini modelo para entender o conflito
- Risco, quanto maior o poder de automatizar decisões, maior a chance de danos em escala.
- Incentivo, quando o retorno financeiro domina, a pressão por lançar rápido cresce.
- Governança, quem decide regras de segurança, auditoria e limites práticos do sistema.
Também vale separar participação societária de envolvimento técnico. Ser cofundador não significa ter atuado diretamente no desenvolvimento específico de produtos lançados anos depois. Em textos sobre o uso do ChatGPT em negócios, por exemplo, o foco costuma estar no produto e nos impactos, não em uma ligação direta de Musk com a construção do ChatGPT em si, veja: como o ChatGPT vem sendo aplicado no ambiente corporativo.
Onde a Microsoft entra e o impacto no mercado
A parceria entre Microsoft e OpenAI acelerou a “industrialização” da IA em produtos de massa, com integração em busca, produtividade e ferramentas corporativas. Na prática, isso muda o jogo porque distribuição e infraestrutura passam a determinar quem chega primeiro ao usuário final, e com que custo.
Do lado da Microsoft, há registros públicos da ampliação dessa parceria desde 2023. Para referência, o blog oficial da empresa detalha o movimento aqui: Microsoft e OpenAI estendem parceria.
Exemplo prático no dia a dia
Imagine uma empresa brasileira que coloca um chatbot com IA para atender clientes e resolver cobranças. Se o sistema “alucina” um procedimento que não existe, ou interpreta errado um contrato, o erro não fica só no texto, ele vira prejuízo, retrabalho e risco jurídico. Por isso, o debate de Musk sobre risco ganha tração sempre que IA sai do laboratório e entra em operações críticas.
Regra de decisão para usar IA com segurança
Uma regra simples que costuma funcionar é classificar o uso por consequência. Se a resposta pode afetar finanças, saúde, direitos, segurança ou dados sensíveis, tratar como “alto risco” e aplicar controles mínimos:
- Humano no loop, revisão obrigatória antes de ações irreversíveis.
- Fonte e evidência, exigir referências rastreáveis quando houver alegação factual.
- Registro e auditoria, log de prompts, versões do modelo e decisões tomadas.
Essa lente ajuda a entender por que a discussão “IA precisa de regulação” aparece junto de “quem controla o modelo”. No mercado, as duas coisas andam juntas: o controle define o alcance, e o alcance define o tamanho do risco.