O Google lançou o Gemini 4 Argon em outubro de 2026, um agente de inteligência artificial projetado não para responder perguntas, mas para executar trabalho intelectual prolongado em áreas como direito, programação e finanças. A novidade não é apenas técnica: ela toca numa das fundações econômicas das profissões de alto nível, que sempre precificaram seus serviços com base na dificuldade e no tempo que a complexidade exige. Quando máquinas começam a absorver justamente essa complexidade, o que muda não é apenas o mercado de trabalho — é a estrutura de valor que sustenta décadas de formação pro
Google coloca preço na complexidade com Gemini 4 Argon
Complexidade está virando produto. E produtos têm preço que cai.
Mark
Por que isso importa agora? IA já existe há anos.
Mimi
Porque mudou o que a IA faz. Antes era responder perguntas. Agora é executar projetos inteiros sem interrupção — revisar 800 mil linhas de código, analisar milhares de documentos legais, pesquisar dados financeiros complexos.
Luke
Mas o Google só mostrou isso funcionando em seus próprios projetos. Não sabemos como se comporta com dados ruins, sistemas legados, legislação específica do mundo real.
Mimi
Verdade. Mas o ponto não é que já funciona perfeitamente. É que funciona bem o suficiente, rápido o suficiente e barato o suficiente para começar a mudar os preços.
Mark
Então advogados e programadores vão desaparecer?
Mimi
Não. Calculadoras não eliminaram matemáticos. Mas mudaram completamente o que matemáticos cobram por fazer. A escada de formação profissional pode desaparecer antes da profissão em si.
Luke
Qual escada?
Mimi
A pirâmide. Muitos profissionais jovens fazendo tarefas repetitivas na base, poucos experientes no topo. Se máquinas começam pelas tarefas da base, você não treina mais a próxima geração da mesma forma.
Mark
E quanto aos preços? Dois dólares por milhão de tokens parece barato?
Mimi
Comparado com o que um advogado cobra por revisar documentos por horas, é absurdamente barato. Quando o custo cai assim, alguém captura a diferença — a empresa, o cliente, ou o profissional que aprender a usar a ferramenta melhor.
Luke
Mas há riscos de segurança. Um sistema que encontra vulnerabilidades de software pode ser perigoso nas mãos erradas.
Mimi
Exato. Por isso o Google está sendo cauteloso, oferecendo apenas a um grupo restrito de especialistas em segurança digital.
Mark
Então qual é a pergunta que realmente importa?
Mimi
Não é mais se a IA conseguirá fazer seu trabalho. É qual parte do seu trabalho continuará valendo dinheiro quando fazer o restante ficar quase de graça.
The Pulse
- O Gemini 4 Argon opera continuamente por horas em problemas difíceis, processando até um milhão de tokens sem interrupção — uma ruptura com a lógica dos chatbots de resposta rápida.
- Advogados, programadores e analistas financeiros enfrentam uma ameaça direta ao prêmio salarial que sempre justificou anos de especialização e formação.
- O Google já usa agentes do Argon em tarefas reais: migração de 800 mil linhas de código e otimizações que liberam centenas de terabytes nos próprios data centers da empresa.
- Com preço promocional entre US$ 2 e US$ 10 por milhão de tokens, a ferramenta não precisa ser perfeita para capturar valor — apenas boa, rápida e barata o suficiente.
- O risco mais silencioso pode ser o colapso da escada de formação profissional: se máquinas assumem as tarefas da base da pirâmide, o caminho para o topo se estreita ou desaparece.
O Google lançou o Gemini 4 Argon em outubro de 2026, um agente de inteligência artificial projetado não para responder perguntas, mas para executar trabalho intelectual prolongado em áreas como direito, programação e finanças. A novidade não é apenas técnica: ela toca numa das fundações econômicas das profissões de alto nível, que sempre precificaram seus serviços com base na dificuldade e no tempo que a complexidade exige. Quando máquinas começam a absorver justamente essa complexidade, o que muda não é apenas o mercado de trabalho — é a estrutura de valor que sustenta décadas de formação profissional.
O Google lançou o Gemini 4 Argon, um agente de inteligência artificial que não se limita a responder perguntas — ele trabalha. Pesquisa documentos, escreve código, revisa o próprio output e segue adiante por horas, processando até um milhão de tokens em uma única trajetória. A ambição declarada é passar de assistente para executor: não o estagiário que entrega uma resposta, mas o analista que resolve um problema.
Os exemplos concretos já existem dentro da própria empresa. Agentes do Argon foram usados para migrar mais de 800 mil linhas do sistema Zircon para a linguagem Rust, e identificaram otimizações capazes de liberar centenas de terabytes de memória nos data centers do Google. Não são experimentos de laboratório — são trabalhos pelos quais empresas pagam profissionais caros.
É aí que a mudança deixa de ser técnica. Grande parte do valor econômico das profissões intelectuais sempre esteve ancorada na dificuldade e no tempo que a complexidade exige. Analisar centenas de páginas de contrato, revisar milhares de linhas de código, produzir uma pesquisa financeira aprofundada — tudo isso custa caro porque exige horas de pessoas qualificadas. Quando uma máquina começa a absorver essa complexidade a dois dólares por milhão de tokens de entrada, o prêmio que justifica esses salários entra em pressão.
Isso não significa o desaparecimento das profissões. Calculadoras não eliminaram matemáticos, planilhas não eliminaram contadores. Mas todas essas tecnologias redesenharam brutalmente quais tarefas tinham valor — e quem conseguia cobrar por elas. O efeito provável agora é semelhante, apenas mais rápido. O risco mais sutil não é tirar o emprego do sócio do escritório, mas tornar menos necessária a escada que alguém precisaria subir para chegar até lá.
O Argon ainda não está disponível amplamente — o Google começou com um grupo restrito de profissionais de segurança digital, atentos ao risco de que uma ferramenta capaz de encontrar vulnerabilidades também possa explorá-las. Benchmarks não são empresas reais, e organizações têm dados ruins, sistemas legados e decisões políticas que resistem à automação. Mas usar essas limitações como razão para ignorar a direção da tecnologia seria um erro. Complexidade está virando produto. E produtos tecnológicos têm um histórico bastante inconveniente para quem cobra caro por alguma coisa: seu preço costuma cair.
O Google acaba de lançar uma ferramenta que faz muito mais do que responder perguntas. O Gemini 4 Argon é um agente de inteligência artificial capaz de trabalhar continuamente em problemas longos e difíceis — programação, finanças, direito, segurança digital — sem precisar parar a cada cinco minutos para receber novas instruções. A empresa diz que ele consegue processar até um milhão de tokens em uma única trajetória. Traduzindo: a ambição não é conversar melhor com você. É trabalhar por horas, pesquisando documentos, escrevendo código, revisando o próprio trabalho, encontrando erros e seguindo adiante.
Essa mudança parece técnica, mas não é. Durante anos discutimos se máquinas conseguiriam escrever um texto, produzir uma imagem ou programar algumas linhas. Essa conversa está envelhecendo. A pergunta real agora é se uma máquina consegue assumir um problema complicado e continuar nele até encontrar uma solução. Os primeiros chatbots eram ótimos estagiários — você entregava uma tarefa, recebia uma resposta, corrigia o resultado. Os novos agentes estão tentando virar analistas. O salto importante talvez não seja passar de inteligente para muito inteligente. Pode ser passar de resposta para execução.
O próprio Google oferece exemplos concretos. Agentes do Argon estão sendo usados para migrar grandes bases de código escritas em C e C++ para Rust, incluindo mais de 800 mil linhas do sistema Zircon usado pelo Fuchsia. Em outro caso, agentes identificaram otimizações que podem liberar centenas de terabytes de memória nos centros de dados da empresa. Esses não são exercícios de laboratório. São trabalhos reais, do tipo que empresas pagam profissionais caros para fazer.
Aqui é onde advogados, programadores, consultores, analistas financeiros e executivos deveriam prestar atenção. Boa parte do preço do trabalho intelectual sempre esteve associada à dificuldade e ao tempo necessário para executá-lo. Analisar centenas de páginas de um contrato custa caro porque exige muitas horas de profissionais qualificados. Revisar milhares de linhas de código custa caro pela mesma razão. O salário premium de muita gente é, em parte, um prêmio pela capacidade de sobreviver à complexidade. A inteligência artificial está tentando reduzir dramaticamente esse prêmio.
Isso não significa que advogados desaparecerão ou programadores deixarão de existir. Calculadoras não eliminaram matemáticos. Planilhas não eliminaram contadores. A internet não eliminou jornalistas. Mas todas essas tecnologias mudaram brutalmente quais tarefas tinham valor e quais pessoas conseguiam cobrar por elas. O efeito provavelmente será semelhante agora, apenas mais rápido. Imagine um escritório de advocacia onde uma primeira análise de milhares de documentos possa ser feita em minutos. Ou uma empresa de software capaz de revisar uma base gigantesca de código com alguns agentes trabalhando continuamente. Ou um banco onde uma pesquisa financeira que exigia uma equipe durante dois dias seja produzida durante a madrugada.
Surge aí um problema particularmente desconfortável para profissões de alto nível. Muitas empresas são organizadas como pirâmides — muitos profissionais jovens realizando tarefas relativamente repetitivas e poucos profissionais experientes tomando decisões difíceis. Se as máquinas começarem justamente pelas tarefas da base, o maior impacto da IA pode não ser tirar o emprego do sócio do escritório. Pode ser tornar menos necessária parte da escada usada para alguém chegar até lá. O trabalho não desaparece necessariamente. A unidade econômica do trabalho muda.
Uma inteligência artificial não precisa ser perfeita para provocar essa mudança. Precisa apenas ser suficientemente boa, suficientemente rápida e suficientemente barata. O Google anunciou um preço promocional de dois dólares por milhão de tokens de entrada e dez dólares por milhão de tokens de saída. Esses números parecem abstratos até serem comparados com salários, honorários e horas de trabalho humano. Quando o custo de produzir uma primeira versão de uma análise jurídica, financeira ou tecnológica cai brutalmente, alguém acaba capturando essa diferença. Pode ser a empresa. Pode ser o consumidor. Pode ser o profissional que aprender a operar essas ferramentas melhor do que os concorrentes. Provavelmente serão os três.
Existem razões legítimas para cautela. O Argon ainda não está disponível amplamente. O Google começou oferecendo o modelo a um grupo restrito de profissionais de segurança digital e está reforçando mecanismos contra uso malicioso. Um sistema capaz de encontrar e corrigir vulnerabilidades de software também pode se tornar perigoso nas mãos erradas. Além disso, benchmarks continuam sendo benchmarks. Liderar testes de programação, finanças ou direito não significa automaticamente substituir profissionais em empresas reais. Organizações têm dados ruins, sistemas antigos, legislação específica, decisões políticas e humanos que fazem coisas estranhas. Mas seria um erro usar essas limitações como desculpa para ignorar a direção da tecnologia. Durante muito tempo imaginamos que computadores automatizariam principalmente trabalhos repetitivos enquanto profissionais especializados permaneceriam protegidos pela complexidade de suas atividades. O que Google, OpenAI, Anthropic e outras empresas estão tentando demonstrar agora é justamente o contrário. Complexidade está virando produto. E produtos tecnológicos têm uma característica histórica bastante inconveniente para quem cobra caro por alguma coisa: seu preço costuma cair.
Notable Quotes
O trabalho não desaparece necessariamente. A unidade econômica do trabalho muda.— análise do artigo
Uma inteligência artificial não precisa ser perfeita para provocar essa mudança. Precisa apenas ser suficientemente boa, suficientemente rápida e suficientemente barata.— análise do artigo
Want the full story?
Read the original at GZH ↗
Technology