Modelos avançados de inteligência artificial já igualam ou superam especialistas humanos em testes científicos de nível de doutorado, mas falham em cerca de metade das tentativas ao ler as horas em um relógio de ponteiros. O contraste consta no relatório anual AI Index Report 2026, publicado pelo Instituto de Inteligência Artificial Centrada no Humano da Universidade de Stanford (Stanford HAI) em 13 de abril de 2026.

O documento classifica esse fenômeno como “fronteira irregular” (jagged frontier ou jagged intelligence, em inglês), termo usado para descrever o avanço desigual dos sistemas tecnológicos atuais. Enquanto o melhor modelo avaliado pelo teste ClockBench acertou a leitura de mostradores analógicos em cerca de 50% das vezes, a taxa de acerto entre seres humanos na mesma tarefa atingiu 90,1%.

Continue lendo: Inteligência artificial opera em só 20% das empresas, diz PwC

Avanço da inteligência artificial em matemática, programação e empresas

Na ponta de alto desempenho, as ferramentas tecnológicas alcançaram resultados inéditos em avaliações acadêmicas rigorosas. Os sistemas de ponta superaram humanos no GPQA, um exame de raciocínio científico com perguntas de nível de pós-graduação elaboradas para resistir a buscas simples na internet. Além disso, o modelo Gemini Deep Think conquistou a medalha de ouro na Olimpíada Internacional de Matemática (IMO) de 2025 ao somar 35 pontos dentro do limite de 4,5 horas de prova.

Saiba mais: CEOs debatem impacto da inteligência artificial nos empregos

A evolução técnica em tarefas estruturadas ocorreu em paralelo à rápida expansão do uso dessas ferramentas na sociedade e no mercado corporativo. De acordo com o levantamento da Universidade de Stanford, a adoção da tecnologia generativa alcançou 53% da população em um intervalo de três anos, ritmo superior ao registrado na popularização do computador pessoal e da internet, enquanto a presença organizacional atingiu 88% das empresas avaliadas, mesmo com o aumento de incidentes documentados de 233 casos em 2024 para 362 registros em 2025 e o recuo na transparência dos modelos fundacionais.

Números e datas dos testes com modelos de inteligência artificial

Os relatórios da Universidade de Stanford e de instituições europeias e asiáticas mediram a distância entre a capacidade de cálculo abstrato e a percepção visual das máquinas em diferentes plataformas e períodos:

Confira também: Imagens de abuso infantil geradas por inteligência artificial aumentam 40% no primeiro semestre

• 13 de março de 2025: Universidade de Edimburgo, no Reino Unido, divulga estudo em que sete modelos multimodais acertam a posição dos ponteiros em menos de 25% das tentativas.
• 28 de abril de 2025: Equipe de Edimburgo apresenta o artigo científico na 13ª Conferência Internacional sobre Representações de Aprendizagem (ICLR), realizada em Singapura.
• 16 de maio de 2025: Pesquisadores da China e da Espanha publicam estudo no repositório arXiv demonstrando o viés do modelo GPT-4.1 para horários como 10h10.
• 13 de abril de 2026: Instituto da Universidade de Stanford, nos Estados Unidos, publica o relatório anual AI Index Report 2026 com dados de desempenho global.
• Precisão em sistemas digitais e físicos: No teste de uso de computador OSWorld, a taxa de acerto dos agentes subiu de cerca de 12% para 66,3%, e no exame de programação SWE-bench Verified passou de cerca de 60% para perto de 100% em um ano, mas robôs físicos mantiveram taxa de sucesso de 12% em tarefas domésticas reais, falhando em quase 9 de cada 10 tentativas.
• Disputa internacional: Em março de 2026, a vantagem de desempenho do modelo líder dos Estados Unidos sobre o principal concorrente da China caiu para 2,7%.

Estudos de Edimburgo e Madri explicam erro na leitura de relógios

A dificuldade das máquinas em interpretar mostradores de ponteiros exige combinar etapas como localizar cada haste, diferenciar o indicador de horas do de minutos e calcular os ângulos correspondentes. Em março de 2025, pesquisadores da Universidade de Edimburgo testaram sete grandes modelos multimodais — sistemas que processam texto e imagem simultaneamente, incluindo GPT-4o, GPT-o1, Gemini 2.0, Claude 3.5 Sonnet, Llama 3.2-Vision e Qwen2-VL — diante de relógios de cores variadas, com algarismos romanos, ponteiros estilizados e com ou sem ponteiro de segundos. Os programas erraram mais de três quartos das leituras, a retirada do ponteiro de segundos não melhorou o resultado e até o melhor sistema avaliado falhou em 20% (um quinto) dos cálculos de datas e feriados em calendários.

Acompanhe: Estudo alerta para riscos da inteligência artificial nas escolas de SP

“A maioria das pessoas consegue dizer as horas e usar calendários desde cedo. Nossas descobertas destacam uma lacuna significativa na capacidade da IA de realizar o que são habilidades bastante básicas para as pessoas”, afirmou Rohit Saxena, pesquisador e doutorando na Escola de Informática da Universidade de Edimburgo, em tradução livre. Em comunicado oficial, a equipe da instituição acrescentou que, “ao contrário de simplesmente reconhecer formas, compreender relógios analógicos e calendários exige uma combinação de consciência espacial, contexto e matemática básica — algo que continua desafiador para a IA”.

Outra causa para o problema reside no material usado para treinar os algoritmos. Em maio de 2025, o estudo “Os Grandes Modelos de Linguagem Multimodais (MLLMs) realmente aprenderam a dizer as horas em relógios analógicos?”, conduzido por Tairan Fu, pesquisador da Universidade de Aeronáutica e Astronáutica de Nanquim (China), ao lado de Miguel González, Javier Conde e Pedro Reviriego, da Universidade Politécnica de Madri (UPM), e de Elena Merino-Gómez, professora associada na Universidade de Valladolid (Espanha), avaliou o modelo GPT-4.1. O grupo demonstrou que os sistemas memorizam padrões visuais da rede em vez de aprender a regra geométrica de leitura, falhando quando o desenho do mostrador muda.

“De fato, a maioria dos conjuntos de dados é extraída da internet, não cobre todos os horários possíveis e tem forte viés para alguns horários específicos, como por exemplo 10h10”, declararam os cinco autores no artigo científico sobre o padrão repetido em fotografias publicitárias.

Impacto da falha visual da inteligência artificial na rotina de trabalho

No ambiente corporativo, a diferença de desempenho entre tarefas de texto e de imagem afeta diretamente a confiabilidade dos processos automatizados. Uma mesma ferramenta capaz de resumir um contrato extenso sem erros pode falhar ao ler o mostrador analógico na fotografia de um equipamento industrial.

Veja também: Apple revela HomeView com inteligência artificial para casas

Os pesquisadores da Universidade Politécnica de Madri apontam que a precisão visual é crítica em áreas como robótica, inspeção visual e tecnologias assistivas. “Essas deficiências precisam ser resolvidas se os sistemas de IA forem integrados com sucesso em aplicações do mundo real sensíveis ao tempo, como agendamento, automação e tecnologias assistivas”, disse Rohit Saxena sobre a necessidade de testar os programas em casos específicos, definir etapas de revisão humana e conferir números e imagens antes da tomada de decisões.