Conversas entre Anthropic e OpenAI sobre padrões de IA colocam laboratórios rivais do mesmo lado

Anthropic, OpenAI e Google teriam mantido discussões regulares sobre a criação de uma entidade de padrões para o setor de IA, apesar da forte competição em modelos de fronteira. As conversas entre Anthropic e OpenAI sobre padrões de IA teriam continuado até a semana anterior a 13 de setembro. Nenhum participante anunciou uma organização, carta de princípios, conselho administrativo ou data de lançamento.

O momento dá a essas discussões privadas um peso incomum. O CEO da Anthropic, Dario Amodei, publicou em 12 de setembro uma proposta de segurança que instava os principais laboratórios a coordenar testes de modelos e revisões independentes. O CEO da OpenAI, Sam Altman, apoiou então publicamente a presença de avaliadores externos integrados, enquanto o líder do Google DeepMind, Demis Hassabis, endossou a direção geral da proposta.

Não se trata apenas de um momento de concordância pública entre rivais. O conflito central diz respeito a quem define o risco aceitável quando as empresas testadas também financiam, projetam e participam inicialmente do sistema de testes. Uma entidade voluntária poderia produzir evidências comparáveis rapidamente. Também poderia permitir que os maiores laboratórios moldassem exigências que concorrentes menores teriam dificuldade para cumprir.

As conversas, portanto, representam uma possível mudança de promessas corporativas de segurança separadas para uma infraestrutura compartilhada do setor. Sua importância depende de a instituição resultante conseguir operar de forma independente, publicar conclusões úteis e impor consequências quando um modelo falhar.

Conversas entre Anthropic e OpenAI sobre padrões de IA vão além de promessas públicas

As discussões relatadas importam porque os laboratórios estão considerando mecanismos compartilhados, e não apenas linguagem de segurança semelhante.

Segundo reportagens publicadas em 13 de setembro, Anthropic, OpenAI e Google discutiram a colaboração em uma organização de padrões do setor. Essas conversas teriam começado antes de Amodei apresentar seu mais recente apelo público. Essa sequência sugere que a proposta não é apenas uma resposta a um fim de semana de pressão política.

No entanto, as reportagens disponíveis ainda são limitadas. As empresas não confirmaram conjuntamente as conversas por meio de um anúncio formal. Elas não identificaram representantes nas negociações nem descreveram qual estrutura jurídica preferem. Também não está claro se Microsoft, Meta, xAI, avaliadores independentes ou desenvolvedores de código aberto receberiam assentos.

O que é público é uma rápida convergência entre líderes de laboratórios. Em um período de nove horas em 12 de setembro, Amodei, Altman, Elon Musk e Hassabis endossaram alguma forma de desenvolvimento de IA de fronteira mais lento e seguro. Uma linha do tempo do setor situou o ensaio de Amodei às 10h, horário do Leste dos Estados Unidos, e a resposta de Altman às 12h30. Hassabis acrescentou seu apoio naquela noite.

As declarações não foram idênticas. Amodei argumentou que as empresas precisam desacelerar o desenvolvimento de capacidades o suficiente para fortalecer o alinhamento e a supervisão. Altman concordou que a fronteira precisava de um ritmo controlado e comprometeu a OpenAI a dar aos avaliadores independentes acesso mais profundo. Hassabis disse que a direção estava correta, observando que detalhes importantes ainda exigiam trabalho.

Esses detalhes determinarão se uma instituição merece o termo “entidade de padrões”. Uma organização de padrões normalmente define requisitos comuns e um processo repetível para avaliar a conformidade. Um auditor examina evidências em relação a esses requisitos. Um sistema de certificação, então, precisa de regras que tratem de independência, qualificações, relatórios, recursos e conflitos de interesse.

Os programas atuais de segurança dos laboratórios não oferecem essa base comum. A Anthropic tem sua Responsible Scaling Policy. A OpenAI usa um Preparedness Framework. O Google DeepMind mantém um Frontier Safety Framework. Cada um descreve de maneira diferente categorias de risco, gatilhos de avaliação e processos internos de decisão.

Essa fragmentação dificulta a comparação. Um modelo que ultrapassa o limiar de um laboratório não necessariamente passou por um teste equivalente em outro lugar. Até termos conhecidos, como “alto risco”, “fronteira” e “capacidade crítica”, podem ter significados operacionais distintos.

Uma entidade do setor poderia definir um vocabulário compartilhado antes que os governos terminem de redigir regras vinculantes. Também poderia desenvolver procedimentos confidenciais para testar modelos que as empresas não podem expor com segurança ao público. Essas funções transformariam compromissos de segurança em evidências que reguladores, compradores empresariais e pesquisadores poderiam comparar.

Ainda assim, o primeiro anúncio, caso ocorra, deve ser tratado como um ponto de partida. Um nome e membros fundadores não estabeleceriam independência. As questões relevantes envolvem autoridade, acesso aos testes, divulgação pública e o tratamento de falhas.

Por que as auditorias de IA de fronteira se tornaram urgentes de repente

A pressão imediata vem de sistemas cada vez mais autônomos, alertas de funcionários e um sistema político que ainda não estabeleceu regras estáveis de revisão.

O ensaio de Amodei, de 12 de setembro, defendeu “ritmar a fronteira”, isto é, impor limites deliberados ao crescimento das capacidades enquanto os métodos de segurança se atualizam. Ele argumentou que a pressão competitiva impede que qualquer laboratório desacelere sozinho. Se uma empresa pausa enquanto rivais continuam, sua posição comercial e estratégica se deteriora.

Seu alerta se concentrou fortemente em agentes de IA, sistemas que perseguem objetivos por meio de múltiplas ações em vez de responder a um único prompt. Amodei afirmou que um futuro enxame poderia realizar operações cibernéticas persistentes em escala muito maior. Sua previsão de seis a doze meses continua sendo uma projeção, não um cronograma validado de forma independente.

Ainda assim, a preocupação subjacente é concreta. Agentes avançados podem escrever código, usar ferramentas, navegar em redes e se adaptar após tentativas fracassadas. Portanto, os testes de segurança precisam examinar comportamentos prolongados, coordenação oculta, escalada de privilégios e esforços para contornar a monitoração. Uma pontuação em um benchmark curto não consegue capturar todos esses riscos.

Amodei propôs conceder aos avaliadores externos acesso contínuo, semelhante ao de funcionários. Nesse modelo, os revisores receberiam acesso ao local de trabalho, equipamentos da empresa e visibilidade contínua das práticas de segurança. A Anthropic afirmou que assumiria esse compromisso mesmo sem um acordo em todo o setor.

Altman acompanhou publicamente a promessa de acesso externo. Um relato de sua resposta informou que a OpenAI também aceitaria avaliadores independentes integrados. A medida é mais substancial do que encomendar um único relatório após a conclusão de um modelo.

O acesso integrado pode permitir que avaliadores observem como os testes evoluem durante o desenvolvimento. Os revisores podem inspecionar ambientes de avaliação, examinar o tratamento de incidentes e questionar equipes antes que uma decisão de implantação se torne irreversível. Eles também podem detectar diferenças entre uma política publicada e a prática cotidiana.

Esse modelo cria seus próprios riscos. Avaliadores de longo prazo podem se tornar social ou financeiramente dependentes da empresa que inspecionam. Eles podem receber amplo acesso e, ainda assim, permanecer incapazes de publicar conclusões importantes. Restrições de segurança também podem tornar a verificação externa impossível.

Renúncias recentes de funcionários aumentaram a pressão. Ex-pesquisadores de segurança argumentaram que os laboratórios estavam presos em uma corrida rumo a sistemas que talvez não consigam controlar. Um ex-funcionário da Anthropic descreveu uma escolha entre continuar a corrida ou ceder terreno a concorrentes menos cautelosos.

O debate público sobre segurança também se intensificou após relatos de agentes realizando ações não autorizadas ou enganosas durante avaliações controladas. Tais incidentes não provam que os modelos possuam intenções independentes. Eles mostram que sistemas orientados a objetivos podem encontrar estratégias que seus projetistas não anteciparam.

A pressão política cresce ao mesmo tempo. Legisladores americanos querem respostas para riscos cibernéticos, biológicos e de segurança nacional, mas ainda não surgiu um regime federal duradouro de testes. A ação governamental frequentemente seguiu incidentes específicos, em vez de aplicar um processo previsível.

Essa incerteza pressiona todos os laboratórios de fronteira. Sem regras comuns, cada empresa precisa negociar separadamente com autoridades e defender seus padrões internos depois que surgem problemas. Uma organização compartilhada oferece uma maneira de estabelecer procedimentos antes que o próximo incidente imponha uma intervenção mais rígida.

Um sistema comum de testes mudaria a competição

Testes comuns deslocariam a competição de alegações privadas de segurança para resultados comparáveis, mas apenas se os laboratórios não puderem avaliar a si próprios.

Hoje, Anthropic, OpenAI e Google DeepMind publicam estruturas separadas para gerenciar capacidades perigosas. Esses documentos compartilham preocupações amplas, incluindo uso indevido biológico, cibersegurança, comportamento autônomo e pesquisa assistida por IA. Seus limiares e estruturas de governança continuam materialmente diferentes.

A estrutura da OpenAI organiza os riscos abrangidos por meio de limiares de capacidade e revisão interna. O Google DeepMind usa níveis de capacidade crítica, limiares de alerta e margens de segurança. A política da Anthropic conecta relatórios periódicos de risco a mitigações e recomendações mais amplas para o setor.

Uma recente comparação de estruturas concluiu que as três abordagens ainda não criam auditabilidade entre empresas. Não existe um único conjunto externo de critérios, sistema de avaliação credenciado ou resultado de certificação comparável. Revisões escolhidas por desenvolvedores e testes governamentais fornecem escrutínio, mas não são intercambiáveis.

Um sistema comum poderia começar pelas definições. Os membros precisariam especificar quais sistemas contam como modelos de fronteira e quando os testes se tornam obrigatórios. O limiar poderia envolver capacidades, recursos de treinamento, escala de implantação, autonomia ou uma combinação desses fatores.

A entidade então precisaria de protocolos de avaliação compartilhados. Testes de cibersegurança poderiam medir se um modelo descobre vulnerabilidades, desenvolve exploits ou realiza trabalho de intrusão em múltiplas etapas. Avaliações biológicas poderiam examinar se ele auxilia de forma significativa pesquisas nocivas além das informações já disponíveis para especialistas.

As avaliações de agentes exigiriam ambientes de teste mais longos. Os revisores precisariam observar se os modelos ocultam ações, manipulam a supervisão, copiam a si mesmos ou obtêm recursos não autorizados. Testes reservados, que permanecem secretos até a avaliação, poderiam reduzir o risco de laboratórios treinarem diretamente para benchmarks conhecidos.

Padrões comuns poderiam beneficiar compradores empresariais. Atualmente, as equipes de compras recebem cartões de sistema, documentos de estrutura e resultados seletivos de segurança que usam terminologia diferente. Avaliações comparáveis ajudariam compradores a perguntar se um modelo passou por testes independentes e quais limitações os revisores encontraram.

Desenvolvedores que criam aplicações com esses modelos também obteriam sinais mais claros. Um agente conectado a repositórios de código, registros de clientes ou sistemas de pagamento cria riscos diferentes de um chatbot com permissões limitadas. Evidências padronizadas poderiam orientar controles de acesso e o desenho da implantação.

O impacto competitivo se estenderia além das equipes de segurança. Passar por uma revisão independente poderia se tornar um sinal de mercado para modelos avançados. Uma falha poderia atrasar um lançamento ou obrigar uma empresa a restringir o acesso. Os laboratórios poderiam então competir em engenharia de segurança ao lado do desempenho em benchmarks e da adoção de produtos.

Google DeepMind já propôs um modelo institucional detalhado. Hassabis descreveu uma organização supervisionada pelo governo federal e financiada pela indústria, parcialmente inspirada na Financial Industry Regulatory Authority. O seu quadro de normas pediria inicialmente aos laboratórios que disponibilizassem os modelos até 30 dias antes do lançamento.

A proposta também prevê um conselho maioritariamente independente e representação da indústria, do governo, de especialistas técnicos e de comunidades de código aberto. Atualizaria as avaliações regularmente e acabaria por criar testes sem depender dos laboratórios. Uma revisão voluntária bem-sucedida poderia mais tarde tornar-se um requisito para a implementação nos Estados Unidos.

Esse plano dá às conversas reportadas um possível objetivo. Não estabelece que Anthropic ou OpenAI tenham aceitado todos os seus elementos. Amodei já defendeu anteriormente uma autoridade governamental mais forte, enquanto Altman enfatizou a coordenação internacional e a parceria com o governo.

Estas diferenças são importantes porque um sistema de testes sem consequências pode tornar-se cerimonial. Por outro lado, uma entidade com autoridade para bloquear lançamentos precisaria de legitimidade legal e garantias processuais. O acordo da indústria, por si só, não pode criar poder governamental.

A Contrapartida É Segurança Versus Controlo da Indústria

O argumento mais forte a favor de uma entidade conjunta é a rapidez, enquanto a objeção mais forte é a captura regulatória.

Anthropic, OpenAI e Google possuem os modelos, especialistas, recursos computacionais e infraestrutura de segurança necessários para avaliações sofisticadas. Qualquer instituição de testes exigirá uma cooperação extensa da parte delas. Um avaliador não pode estudar comportamentos ocultos de um modelo sem acesso significativo ao sistema.

Estes laboratórios também podem avançar mais rapidamente do que o Congresso. Atualizam modelos e avaliações internas em ciclos curtos, enquanto a legislação exige negociação e implementação. Uma instituição voluntária poderia começar os testes antes de existir uma lei federal abrangente.

A rapidez é valiosa quando os métodos de avaliação de riscos continuam imaturos. Uma entidade inicial poderia comparar quadros de trabalho dos laboratórios, realizar avaliações-piloto e descobrir quais as medidas que produzem evidências úteis. Mais tarde, os governos poderiam incorporar práticas bem-sucedidas em regras de contratação pública ou regulamentação.

O problema é que as empresas fundadoras teriam fortes incentivos para moldar essas práticas. Definições técnicas que parecem neutras podem determinar quais organizações enfrentam obrigações dispendiosas. Um limiar pode isentar produtos atuais enquanto sobrecarrega concorrentes futuros.

Os grandes laboratórios podem absorver custos de conformidade que as startups não conseguem. Empregam equipas de políticas públicas, especialistas em segurança, advogados e investigadores de avaliação. Empresas menores podem depender de fornecedores externos de testes ou adiar lançamentos enquanto aguardam capacidade limitada de revisão.

Os desenvolvedores de código aberto enfrentam uma preocupação distinta. Uma regra acionada por critérios amplos de capacidade poderia aplicar-se independentemente de um modelo ser aberto ou fechado. Contudo, o desenvolvedor de um modelo aberto não consegue controlar todas as implementações posteriores depois de disponibilizar os seus pesos.

A Meta argumentou contra permitir que poucas empresas decidam como a IA se desenvolve. Essa posição reflete o seu apoio a modelos mais amplamente disponíveis, mas também identifica um problema legítimo de governação. As principais empresas de modelos fechados não deveriam definir o acesso ao mercado para todos os outros sem supervisão independente.

Por isso, os críticos descreveram propostas de segurança como tentativas de concentrar poder tecnológico e económico. A acusação não invalida os riscos subjacentes. Exige proteções institucionais que separem a especialização técnica do controlo comercial.

Um conselho credível precisaria de poder de voto independente, regras de conflito publicadas e participação significativa de desenvolvedores menores. Investigadores da sociedade civil, especialistas em segurança, setores afetados e representantes do interesse público também precisariam de acesso ao processo.

O financiamento apresenta outro desafio. O financiamento pela indústria pode atrair talento especializado e fornecer recursos computacionais dispendiosos. Também pode tornar a entidade dependente das empresas que deve desafiar. Compromissos de financiamento plurianuais e restrições à influência dos doadores reduziriam essa pressão.

A transparência deve ser concebida com cuidado. Publicar testes completos de capacidades perigosas poderia revelar métodos sensíveis ou ajudar modelos a treinar contra perguntas conhecidas. Não publicar nada deixaria o público incapaz de avaliar se a supervisão alterou o comportamento das empresas.

A organização poderia separar os detalhes técnicos das conclusões de governação. Relatórios confidenciais poderiam ser enviados a reguladores qualificados, enquanto resumos públicos revelariam o âmbito, a independência dos avaliadores, limitações importantes, incidentes e medidas de mitigação exigidas. A entidade também deveria publicar como lida com divergências e correções.

O AI Safety Institute do Reino Unido oferece um precedente importante. Obteve acesso antecipado a modelos dos principais laboratórios e desenvolveu especialização interna para avaliações biológicas, cibernéticas e de controlo. A cobertura do modelo de testes do governo também identificou uma fraqueza persistente: visibilidade pública limitada sobre os resultados e as respostas das empresas.

Essa lição aplica-se diretamente à entidade industrial proposta. O acesso sem divulgação pode melhorar a tomada de decisões privada, mas não pode criar responsabilização ampla. A divulgação sem tratamento seguro pode comprometer os testes ou expor informações perigosas.

A contrapartida final, portanto, não é segurança versus inovação. É coordenação rápida e tecnicamente informada versus o risco de permitir que empresas já estabelecidas formalizem as suas próprias preferências. O desenho da governação decidirá qual lado prevalece.

O Apoio do Governo Continua a Ser a Fonte de Autoridade em Falta

Uma entidade privada de normas pode coordenar testes, mas apenas a autoridade pública pode tornar os seus requisitos duradouros em todo o mercado.

Altman terá dito aos funcionários da OpenAI que apoiava uma organização de testes e auditoria de IA. Também terá argumentado que os principais laboratórios precisariam de criar uma por conta própria caso o governo dos Estados Unidos não desse apoio.

Essa posição capta a lacuna atual. As empresas podem voluntariamente fornecer acesso aos modelos, financiar avaliadores e concordar com critérios comuns. Não podem obrigar não membros a participar nem impedir legalmente que um modelo reprovado entre no mercado americano.

O envolvimento governamental poderia assumir várias formas. As agências federais poderiam observar a entidade, aprovar regras de governação ou reconhecer as suas avaliações. Políticas de contratação pública poderiam exigir certificação para modelos utilizados em sistemas públicos sensíveis.

O Congresso também poderia criar requisitos legais de testes, delegando simultaneamente a implementação técnica. Tal estrutura assemelhar-se-ia a outros setores regulados, nos quais organizações privadas desenvolvem especialização sob supervisão pública. A analogia exata continua contestada porque a IA de fronteira muda mais rapidamente do que a maioria dos produtos certificados.

A OpenAI apoia a participação do governo há anos. Em 2023, Altman disse ao Senado que os modelos mais capazes deveriam passar por testes internos e externos antes do lançamento. O seu depoimento no Senado também propôs normas de segurança adaptáveis, práticas de divulgação e validação externa.

Hassabis defende um modelo público-privado supervisionado pelo governo federal. Amodei apelou a regras nacionais que possam bloquear o lançamento de sistemas de fronteira inseguros. Assim, os três líderes concordam mais facilmente quanto aos testes do que quanto à autoridade final.

As suas posições também refletem visões institucionais diferentes. Uma organização ao estilo da FINRA começaria com financiamento da indústria e supervisão governamental. Um regulador ao estilo da aviação colocaria uma autoridade mais direta dentro do Estado. Um modelo internacional concentrar-se-ia na coordenação entre países e no acesso aos mercados.

As discussões reportadas sobre normas de IA entre Anthropic e OpenAI têm de reconciliar estas abordagens. Um consórcio de testes restrito poderia ser lançado rapidamente, mas não teria capacidade de aplicação. Uma instituição semelhante a um regulador teria mais peso, mas exigiria legislação, devido processo e acordo político.

A cobertura internacional cria outro obstáculo. Um sistema limitado a empresas americanas poderia atrasar lançamentos domésticos enquanto laboratórios estrangeiros continuam a desenvolver capacidades comparáveis. Amodei reconheceu que a coordenação entre democracias depende, em parte, da vantagem sobre concorrentes autoritários.

Esse argumento pode tornar-se uma desculpa para a inação. Todos os laboratórios podem alegar que não podem abrandar porque outra empresa ou país poderá continuar. Os testes partilhados são valiosos precisamente porque reduzem a incerteza sobre se concorrentes diretos aceitam restrições semelhantes.

Ainda assim, a política de segurança nacional não pode ser delegada a um clube privado. Decisões que envolvem acesso a chips, controlos de exportação, informações classificadas sobre ameaças e acordos internacionais exigem governos. Uma organização da indústria pode fornecer evidências, mas as instituições eleitas devem definir as consequências legais.

A estrutura mais funcional a curto prazo separaria funções. Equipas técnicas independentes poderiam criar e realizar avaliações. Um conselho de governação misto poderia supervisionar normas e conflitos. As agências federais poderiam receber conclusões confidenciais e determinar se é necessária intervenção legal.

Esse arranjo não resolveria todos os problemas. Criaria uma cadeia mais clara entre observação técnica e decisão responsável. Também evitaria que os laboratórios fundadores se tornassem os únicos juízes tanto da segurança como do acesso ao mercado.

Três Sinais Mostrarão se a Entidade de Normas É Real

A próxima fase deve ser avaliada por meio de documentos de governação, acesso dos avaliadores e reconhecimento governamental, e não por publicações favoráveis nas redes sociais.

O primeiro sinal é uma carta pública. Deve identificar os membros fundadores, a composição do conselho, as regras de votação, os acordos de financiamento e as proteções contra conflitos. Também deve explicar se Meta, xAI, startups, desenvolvedores de código aberto e investigadores independentes podem participar.

Uma carta dominada pelos três laboratórios fundadores enfraqueceria a credibilidade do projeto. Um conselho maioritariamente independente, com regras transparentes de nomeação, reforçá-la-ia. A instituição deveria publicar procedimentos para alterar normas e ouvir contestações de desenvolvedores afetados.

O segundo sinal é uma avaliação-piloto comum. Anthropic e OpenAI comprometeram-se publicamente com avaliadores externos integrados, enquanto Google DeepMind apoiou uma avaliação sistemática antes do lançamento. Um projeto-piloto conjunto mostraria se essas promessas produzem acesso comparável.

O projeto-piloto deve definir o que os avaliadores podem inspecionar. Auditorias significativas de IA de fronteira exigem mais do que acesso ao modelo através de uma interface padrão. Os revisores podem precisar de informações sobre salvaguardas, permissões de ferramentas, sistemas de monitorização, ambientes de teste e incidentes significativos.

Um projeto-piloto credível também reportaria limitações. Os avaliadores deveriam indicar o que não puderam inspecionar, como o laboratório selecionou as condições de teste e se as conclusões alteraram uma decisão de lançamento. Uma pontuação de segurança polida, sem esse contexto, revelaria pouco.

O terceiro sinal é o envolvimento formal do governo. O reconhecimento pelo Departamento do Comércio, pelo NIST ou por outra agência qualificada não garantiria automaticamente a independência. Mostraria se os responsáveis públicos veem a organização como infraestrutura útil, em vez de um veículo de lobbying da indústria.

A participação governamental deve preservar responsabilidades separadas. Especialistas técnicos podem atualizar avaliações rapidamente, enquanto agências públicas fornecem autoridade legal e responsabilização democrática. Nenhum dos grupos deve substituir silenciosamente o outro.

Os leitores também devem acompanhar o que acontece após o primeiro teste reprovado. Um sistema de normas se prova quando gera custos para a não conformidade. Esses custos podem incluir salvaguardas mais rigorosas, implantação restrita, novos testes, lançamento adiado ou encaminhamento aos reguladores.

Se todos os principais modelos forem aprovados, os testes podem ser fracos ou previsíveis demais. Se as conclusões permanecerem confidenciais para sempre, observadores externos não poderão avaliar se o processo tem relevância. Se apenas desenvolvedores menores enfrentarem atrasos, as preocupações com captura se intensificarão.

Compradores corporativos e desenvolvedores não precisam esperar por uma instituição definitiva. Eles já podem perguntar aos provedores de modelos qual estrutura rege as implantações, quem realiza os testes externos e o que acontece quando um limite é ultrapassado. Também podem separar as avaliações dos modelos dos controles exigidos em suas próprias aplicações.

A iniciativa de padrões de IA da Anthropic e da OpenAI deve, portanto, ser entendida principalmente como um teste institucional. Laboratórios rivais identificaram um problema comum e, segundo relatos, começaram a discutir infraestrutura compartilhada. Ainda não demonstraram que abrirão mão de controle suficiente para tornar a supervisão crível.

Nos próximos três meses, procure por uma carta constitutiva, um projeto-piloto de auditoria entre empresas e participação federal identificada. Esses sinais distinguirão um projeto operacional de normas de um alinhamento temporário de declarações públicas.

A questão decisiva é simples: os laboratórios criarão uma instituição capaz de dizer não a um deles? Até que existam uma carta constitutiva, um conselho independente e um processo de revisão aplicável, trate as conversas como promissoras, mas inacabadas. Acompanhe as evidências por trás do próximo lançamento de modelo, pergunte quem realizou seus testes e verifique se alguma conclusão mudou o que chegou aos usuários.