O médico e imunologista Derya Unutmaz estudava células T há décadas quando se deparou com um enigma: como a glicose afeta a forma como essas células se desenvolvem e se especializam. As células T são componentes centrais do sistema imunológico humano, responsáveis por combater vírus, destruir células cancerígenas, responder a bactérias e parasitas, e distinguir células saudáveis de ameaças.
Os experimentos revelavam um comportamento inesperado. As células T expostas a desoxiglicose produziam predominantemente células envolvidas na resposta inflamatória do organismo, e essa diferença não podia ser atribuída apenas à falta de energia. Algo mais estava acontecendo, mas Unutmaz e seu laboratório não conseguiam identificar o quê. O experimento foi arquivado e o time seguiu em frente para outras tarefas urgentes.
O arquivo ficou intocado por três anos.
O que aconteceu quando o GPT-5 Pro entrou no processo
Quando o GPT-5 Pro foi lançado no final de 2025, Unutmaz decidiu ressuscitar o experimento. Ele carregou os resultados no modelo e pediu que analisasse os dados. O GPT-5 Pro sugeriu que a desoxiglicose interferia na construção de uma proteína chamada IL-2.
O modelo identificou o mecanismo provável, a glicosylação N-linked interrompida, em minutos a partir de um gráfico não publicado, e sugeriu experimentos que os pesquisadores posteriormente validaram em laboratório.
O Jalapeño não substituiu a imunologia. Mudou o ritmo em que a imunologia especializada pode avançar. A distinção é importante e tende a ser perdida nas narrativas de entusiasmo ou de ceticismo excessivo sobre IA na ciência.
O que o caso revela sobre como a pesquisa científica está mudando
O paper da OpenAI, co-autoria de pesquisadores de Vanderbilt, UC Berkeley, Columbia, Oxford, Cambridge, Lawrence Livermore National Laboratory e The Jackson Laboratory, apresenta casos em que cientistas especializados integraram IA de fronteira em fluxos de trabalho de pesquisa, com resultados abrangendo geração de hipóteses, revisão de literatura e design experimental, com economias de tempo mensuráveis.
A pesquisa valida um padrão específico de colaboração humano-IA: cientistas definem perguntas, escolhem métodos, criticam ideias e validam resultados; o GPT-5 contribui com amplitude, velocidade e capacidade de exploração paralela.
O padrão não é acidente. É a forma como ferramentas de alavancagem funcionam em qualquer domínio de alto conhecimento. Quem define a pergunta certa ainda é o especialista humano. O que muda é o tempo entre a pergunta e a hipótese testável.
Adotantes iniciais na indústria farmacêutica já usam o GPT-5 Pro para reaproveitar medicamentos existentes, identificar novos alvos para doenças autoimunes e projetar ensaios clínicos adaptativos. A capacidade de simular perturbações genéticas in silico antes de executar experimentos custosos pode encurtar os prazos de desenvolvimento de medicamentos em 30 a 40%, segundo estimativa da McKinsey.
O que isso tem a ver com decisões de liderança
A história do imunologista é sedutora e pode induzir uma leitura equivocada: a de que IA é coisa de laboratório científico, distante das decisões que líderes empresariais tomam no dia a dia. Essa leitura está errada.
O mecanismo que comprimiu três anos de pesquisa em minutos é o mesmo que está comprimindo ciclos em análise de dados, em diagnóstico organizacional, em geração de hipóteses de produto e em revisão de contratos. A diferença entre quem entende esse mecanismo e quem não entende não está nos resultados de amanhã. Está em quem vai perceber a mudança antes que ela se torne óbvia nos indicadores.
A pergunta que deveria capturar a atenção de líderes empresariais não é “célula T”. É “fluxo de trabalho de pesquisa”. A OpenAI está argumentando que modelos de fronteira podem operar dentro de ciclos profissionais onde o output não é uma resposta final, mas a próxima ação. Em ciência, essa ação é um experimento em laboratório. Em negócios, é um plano de ação que ainda exige validação humana, mas que chegou mais rápido e com mais contexto do que seria possível sem a ferramenta.
O AI Journey da StartSe foi desenvolvido para líderes que precisam entender como integrar IA generativa de fronteira nos fluxos de decisão que mais importam para suas organizações, com a mesma lógica que Unutmaz aplicou ao seu laboratório: não substituir a especialização humana, mas acelerar o ritmo em que ela opera.
O que ainda não funciona e por que isso importa
A OpenAI reconhece limitações críticas: citações alucinadas, atribuições perdidas, sensibilidade ao scaffolding do problema e sutilezas específicas de domínio que exigem supervisão especializada.
Essa ressalva não enfraquece o caso. Ela define o ponto central: ferramentas de IA de fronteira operam bem dentro de loops profissionais onde a supervisão especializada está presente. Operam mal onde o humano abdica do julgamento.
O imunologista com 30 anos de experiência que revisou a hipótese gerada pelo modelo antes de levá-la ao laboratório é parte indissociável do resultado. Retirar essa camada humana não acelera o processo. Invalida o output.
A vantagem competitiva que a IA está criando não vai para quem tem acesso às ferramentas. Vai para quem combina acesso com repertório suficiente para usar as ferramentas com discernimento. Essa combinação ainda é rara, e a escassez é o que cria a vantagem.
