O arquivo perdido da biotecnologia

A explicação mais comum pra por que a IA ainda não “resolveu” biologia e medicina é a de sempre: falta modelo melhor, falta mais poder de computação, é questão de tempo até a próxima geração de IA virar o remédio que faltava. Tem uma parte de verdade aí. Modelo melhor ajuda, sim.

Mas em 15 de setembro de 2026 saiu um anúncio que expõe uma camada mais funda do problema, e ela não tem nada a ver com o tamanho do modelo. Tem a ver com o que o modelo nunca teve pra aprender.

A fundação que controla a OpenAI foi comprar processo de falência

A MIT Technology Review publicou, no dia do anúncio, a reportagem “AI models need more data about biology, and OpenAI is paying to create it”, assinada por Antonio Regalado. Ela descreve o Public Data for Health, programa da OpenAI Foundation com mais de US$ 125 milhões em subvenções iniciais.

Morgan Levine, ex-vice-presidente de computação da Altos Labs, resume o motivo do programa numa frase citada na reportagem: “todo mundo está reconhecendo que dado é o maior gargalo pra aplicar IA à biologia”.

A frase parece óbvia até você ver pra onde parte do dinheiro foi. US$ 500 mil do programa viraram um fundo com um propósito específico, e a ideia não nasceu na OpenAI: veio de Ruxandra Teslo, analista de política de ensaios clínicos, num ensaio chamado “Biotech’s lost archive”, publicado pelo Institute for Progress. A proposta dela: dar lance em leilões de falência de empresas de biotecnologia, pra comprar os arquivos internos delas.

Aumentar o modelo faz ele extrair melhor, não criar dado novo

Essa é a frase que sustenta o resto do texto: aumentar um modelo de IA faz ele extrair melhor o que já está escrito nos dados existentes. Não faz ele criar dado novo.

Ou seja: não é que o modelo esteja perto de entender biologia e só precise de mais parâmetro. É que, pra boa parte do que importa em biologia, ninguém nunca escreveu o material que o modelo precisaria ler. Em texto isso nunca foi problema, porque a internet já vinha com décadas de gente escrevendo de graça. Em biologia esse corpus não existe, porque cada observação custa caro, experimento por experimento, e o resultado quase sempre vira segredo comercial em vez de ir pra um lugar público.

Pensa numa cidade onde só quem deu certo deixa receita escrita

Imagina uma cidade cheia de restaurante. Os que deram certo publicam a receita, o cliente elogia, o método circula. Os que fecharam levam tudo embora: o prato que ninguém pedia e por quê, o fornecedor que atrasava sempre, o preço que espantava cliente, a reforma que não trouxe movimento nenhum. Cada um desses é conhecimento caro, comprado com dinheiro e anos de alguém, e some junto com a cozinha desmontada.

Você quer abrir um restaurante e lê as receitas dos que deram certo. Todas dizem mais ou menos a mesma coisa. O que você realmente precisava saber, o que evitar, ninguém escreveu, porque quem sabia disso estava quebrado.

Agora imagina alguém aparecendo nos leilões de falência pra comprar os cadernos de anotação. Não pelas receitas. Pelos erros.

É isso, ponto por ponto, que a proposta de Teslo virou na prática. O alvo são os chamados “documentos técnicos comuns”: o vai e vem completo entre uma farmacêutica e o órgão regulador sobre um remédio, incluindo os testes que deram errado. Nunca é publicado, porque só quem acerta vira artigo científico. E hoje é possível comprar um desses dossiês, com anos de ensaio e negociação dentro, por “algumas dezenas de milhares de dólares”, segundo a reportagem. Menos que um carro popular. Não porque não valha nada. Porque até agora ninguém tinha interesse comercial em pagar pelo erro dos outros.

A base de conhecimento de qualquer área é otimista por construção

Teslo batizou bem essa parte no próprio título do ensaio dela: o arquivo perdido. Quem acerta publica. Quem erra quebra, e o arquivo vira caixa esquecida no depósito da massa falida. O conhecimento sobre os caminhos que não funcionam, que é provavelmente a maior fatia do conhecimento que existe sobre qualquer assunto, é sistematicamente destruído pelo próprio funcionamento do mercado.

E a falência não é oportunismo. É o único momento em que um segredo comercial vira um ativo à venda. Empresa viva não vende o que sabe. Empresa morta precisa liquidar tudo que tem, inclusive o que ela aprendeu tentando e falhando.

Isso não é exclusividade da biotecnologia. Em agosto de 2026, segundo a cobertura da Ars Technica e da TIME, o Google venceu um leilão pelos dados corporativos de uma companhia aérea falida, incluindo cerca de 100 milhões de e-mails. Funcionários protestaram com medo de dado privado exposto. Não foi vazamento nem roubo: foi transferência legal de propriedade num tribunal, e quem estava dentro daquele arquivo, funcionário, paciente, cliente, não teve voz nenhuma no processo.

A pergunta certa não é sobre o modelo

Isso muda a pergunta que vale fazer toda vez que alguém promete IA aplicada a uma área nova, seja biologia, direito, logística ou o seu próprio negócio. Não é “o modelo já é bom o suficiente pra isso”. É: esse dado já existe em algum lugar, registrado de um jeito que dá pra usar, ou alguém primeiro precisa criar ele?

Se a resposta é a segunda, nenhum lançamento de modelo muda a situação sozinho. É o mesmo motivo pelo qual empresas de robótica começaram a pagar gente pra se filmar dobrando roupa em casa: falta um corpo de dado sobre movimento físico do jeito que existe um corpo de dado sobre texto, e ninguém vai extrair esse corpo aumentando o modelo. Alguém precisa criar ele, tarefa por tarefa, do mesmo jeito que a 1Day Sooner precisa comprar arquivo por arquivo.

Vale a ressalva que a própria reportagem faz, e ela é honesta: isso é anúncio de programa, não resultado. A organização que executa a compra dos arquivos tem, até aqui, três conjuntos de dados, dois deles doados, e já perdeu dois leilões em 2026. Nada foi provado ainda. O que está provado é só a lógica por trás do gasto.

O que eu tiro disso

A tentação é ler esse programa como uma notícia de biologia. Não é. É a ponta mais visível de um padrão que vale pra qualquer aplicação séria de IA: o progresso de um modelo depende de duas coisas, e uma delas não recebe nem uma fração da atenção que a outra recebe.

Todo mundo fala de infraestrutura. Chip novo, datacenter novo, acordo de energia novo. É real, é caro, e move a agulha. Mas dado é o outro motor, do mesmo tamanho, e ele é bem menos fotogênico: ninguém posta sobre o dossiê regulatório de um remédio comprado num leilão de falência. Sem os dois juntos, infraestrutura e dado, o modelo maior só fica melhor em fazer o que já sabia fazer, mais rápido.

É por isso que uma fundação que detém 26% da OpenAI, a empresa de IA mais bem financiada do mundo, está disputando processo de falência de biotecnologia pequena por meio milhão de dólares. Não porque seja pouco dinheiro pra ela. Porque, sem esse tipo de arquivo, não existe modelo que resolva o problema com o dinheiro grande sozinho.