Aos 50 anos, Demis Hassabis encurtou o próprio relógio. No início de 2026, o cofundador da DeepMind estimava que a inteligência artificial geral (AGI), um sistema com toda a amplitude cognitiva do cérebro humano, estaria a três a cinco anos de distância. Em perfil publicado nesta quarta-feira (21) pela WSJ. Magazine, do The Wall Street Journal, assinado por Ben Cohen, ele passou a falar em dois a três anos.[1] A previsão vai render manchetes. O que interessa a quem empreende, porém, é outra coisa: a trajetória de Hassabis é um dos casos mais completos de como se constrói, financia e reposiciona uma empresa de ciência profunda ao longo de quase duas décadas.
Para saber quando a AGI terá chegado, Hassabis propõe um critério que batizou de teste de Einstein: um sistema treinado apenas com o conhecimento humano disponível até 1901 seria capaz de chegar às descobertas que Einstein publicou em 1905?[1] Segundo ele, ainda faltam alguns anos para isso. A régua é útil também fora da física, porque separa a máquina que reorganiza o que já se sabe daquela que produz conhecimento novo, distinção que vale ouro para quem precisa avaliar o que uma tecnologia realmente entrega.
Uma missão que cabe em duas frases
Ao jornal americano, Hassabis resumiu o plano original da DeepMind numa fórmula que repete há anos: "Passo um, resolver a inteligência. Passo dois, resolver todo o resto."[1] Para quem empreende, a frase vale menos pela ambição do que pela estrutura. Ela ordena prioridades, define o que é meio e o que é fim e dá ao fundador um critério para recusar oportunidades que desviam do caminho.
O perfil lembra que, desde os primeiros anos, a prioridade era usar a IA para avançar a ciência e a saúde. Pushmeet Kohli, hoje vice-presidente de ciência da DeepMind, conta que saiu da primeira conversa de recrutamento com a impressão de ter falado com um cientista, e não com um executivo.[1] A distinção não é anedótica. Em empresas de base científica, o fundador que pensa como pesquisador tolera ciclos longos de fracasso que um gestor orientado a metas trimestrais interromperia. É também uma fonte de risco, porque a missão pode virar justificativa para prazos que não se cumprem, ponto que o contraponto deste texto retoma.
Jogos: o laboratório com placar
A DeepMind nasceu em Londres, em 2010, idealizada como um cruzamento entre os Bell Labs e o Projeto Manhattan.[1] O primeiro campo de testes não foi a biologia, mas os videogames. Segundo o WSJ, o sistema passou meses sem marcar um ponto em Pong; quando começou a vencer em Breakout, saltou de desempenho fraco a sobre-humano em poucas centenas de partidas.[1] Em 2016, o AlphaGo derrotou um dos melhores jogadores de Go do mundo com uma jogada tão inesperada que ficou conhecida apenas pelo número: o lance 37.
A escolha tem uma lógica empresarial que costuma passar despercebida. Jogos oferecem regras claras, placar objetivo e iterações baratas. São, em pesquisa de IA, o equivalente a um ambiente de validação em que o erro custa pouco e o progresso é mensurável. Startups de base tecnológica que pulam essa etapa e vão direto ao problema real, caro e regulado, frequentemente consomem o caixa antes de saber se a tecnologia funciona.
Vender para ganhar escala
Aos 16 anos, Hassabis recusou um milhão de libras oferecido pelo chefe de um estúdio de games para não fazer faculdade e seguiu para Cambridge.[1] Duas décadas depois, tomou a decisão inversa no plano corporativo: em 2014, vendeu a DeepMind ao Google por US$ 650 milhões.[1] Quem acompanha o ecossistema brasileiro conhece o dilema. A venda trouxe o que nenhum fundo de capital de risco europeu daquele período poderia oferecer, poder computacional em escala de big tech, e cobrou o preço da independência. Em 2023, a fusão com o Google Brain colocou a pesquisa fundamental sob a mesma estrutura do desenvolvimento de produtos, como registra a cobertura da Cyprus Business Now.[4]
No início de agosto de 2026, Hassabis deixou o cargo de CEO do Google DeepMind para assumir a presidência do conselho da unidade e o posto de cientista-chefe da Alphabet. A gestão diária passou a Koray Kavukcuoglu, com quem trabalha há mais de 13 anos.[4] Em mensagem aos funcionários, Hassabis disse que a mudança lhe daria tempo para a estratégia de longo prazo e para o trabalho na Isomorphic Labs. É um movimento raro entre fundadores: abrir mão da operação para proteger a agenda que considera central.
Dar de graça o que vale ouro
Em 2020, o AlphaFold resolveu na prática o problema do enovelamento de proteínas, desafio que ocupava a biologia havia cinco décadas. Em seguida, a equipe previu a estrutura de mais de 200 milhões de proteínas, praticamente todas as conhecidas, e liberou os dados gratuitamente para cientistas do mundo inteiro.[1] O trabalho rendeu a Hassabis e a John Jumper o Nobel de Química de 2024.
Abrir o banco de dados parece contrariar a lógica de capturar valor. Funciona, na verdade, como estratégia de plataforma: a gratuidade transformou o AlphaFold em padrão de referência, atraiu talentos e legitimou o passo seguinte, que é comercial. O efeito chega ao Brasil. Segundo o Google Brasil, mais de 43 mil pesquisadores no país acessam o AlphaFold Database, inclusive em estudos sobre doenças negligenciadas como a de Chagas.[9]
Isomorphic: a segunda empresa dentro da primeira
Em 2021, a DeepMind gerou uma spin-off dedicada à descoberta de medicamentos, a Isomorphic Labs, nome que remete ao termo matemático para objetos de mesma forma ou estrutura.[1] Hassabis acumula o cargo de CEO. Em maio de 2026, a empresa anunciou uma rodada Série B de US$ 2,1 bilhões, liderada pela Thrive Capital, com Alphabet e GV e novos investidores como MGX, Temasek, CapitalG e o fundo soberano de IA do Reino Unido, segundo o comunicado da própria Isomorphic.[2] A rodada anterior, de US$ 600 milhões, havia ocorrido em 2025.[3] A companhia mantém parcerias com Novartis, Lilly e Johnson & Johnson.[2]
O desenho é instrutivo para corporações brasileiras que mantêm centros de pesquisa sem saber como transformá-los em negócio. Ao WSJ, Hassabis afirmou que o objetivo não é resolver uma doença, mas reinventar o processo de descoberta de fármacos como um todo.[1] Max Jaderberg, presidente da Isomorphic, disse que ficaria decepcionado se, em uma década, muitas doenças não tivessem sido resolvidas.[1] O próprio Hassabis descreve o ritmo desse tipo de avanço como lento durante muito tempo e, de repente, acelerado.
A regulação como parte do plano de negócio
Em 14 de julho de 2026, Hassabis publicou um ensaio propondo um órgão de padrões para IA de fronteira nos Estados Unidos, financiado pela indústria e sob supervisão federal, inspirado na FINRA, a entidade autorreguladora das corretoras americanas. Pela proposta, os laboratórios submeteriam seus modelos mais avançados a testes antes do lançamento, de forma voluntária no início e obrigatória depois que o processo se mostrasse confiável, segundo a AFP.[5] Um detalhe pesa para empreendedores: modelos que não sejam de fronteira, vindos de startups ou da academia, ficariam fora do regime, como resume a Dealroom.[5]
Ao WSJ, ele sustentou que regular o que ainda não se compreende tende a produzir regras equivocadas, e que regra errada é pior do que nenhuma.[1] É uma posição coerente com quem está na fronteira. Convém lê-la também como estratégia: quem ajuda a desenhar o regulador influencia o custo de entrada dos concorrentes.
O espelho brasileiro
O Brasil tem matéria-prima abundante para empresas de base científica e pouca capacidade de financiá-las. O relatório Deep Tech Radar Latam 2025, da consultoria Emerge em parceria com o Cubo Itaú, mapeou 1.316 deeptechs na América Latina; 952 delas, ou 72,3%, estão no país. Ainda assim, 47% das brasileiras não receberam nenhum tipo de investimento, segundo a Agência FAPESP.[6] Em volume de capital, o Brasil aparece em terceiro, com US$ 216 milhões, atrás de Chile (US$ 607 milhões) e Argentina (US$ 486 milhões), de acordo com a Bloomberg Línea.[6] Para efeito de escala, a Série B da Isomorphic, sozinha, equivale a quase dez vezes o que todas as deeptechs brasileiras captaram no período mapeado.
A dependência do Estado é a outra face do quadro. Levantamento anterior da Emerge apontou que 70% das deeptechs brasileiras que captaram mais de R$ 5 milhões o fizeram com recursos de instituições como FAPESP, Finep, Embrapii e Sebrae, conforme o Startups.com.br.[7] No plano federal, o Plano Brasileiro de Inteligência Artificial (PBIA) prevê R$ 23 bilhões entre 2024 e 2028, dos quais R$ 13,79 bilhões para IA voltada à inovação empresarial, segundo o Teletime.[8] Um ano após o lançamento, ainda faltavam dados sobre impactos concretos, avaliou a DPL News.[8]
A comparação com a DeepMind não serve para lamentar a distância, e sim para identificar o elo que falta. O modelo de Hassabis combinou pesquisa de ponta, um comprador estratégico com caixa e uma segunda empresa capaz de atrair capital privado global. No Brasil, a pesquisa existe; o comprador estratégico raramente aparece, e o capital privado de longo prazo é escasso. O relatório da Emerge observa ainda que Chile e Argentina, voltados ao mercado internacional desde o início, atraem investidores globais com mais facilidade do que as empresas brasileiras, ancoradas no mercado doméstico.[6]
Contraponto
Há bons motivos para ler o perfil com cautela. O primeiro são os prazos. A Isomorphic previa ter medicamentos desenhados por IA em testes clínicos até o fim de 2025; a meta foi adiada para o fim de 2026, segundo a Reuters.[3]
O segundo é a coerência entre discurso e organização. De acordo com o Financial Times, em reportagem repercutida pelo Tecnoblog, o Google DeepMind desmembrou a equipe do AlphaFold, cerca de um quarto dos autores dos primeiros artigos deixou a empresa e John Jumper foi deslocado para o time de programação do Gemini.[10] A ciência que deu o Nobel convive com a pressão comercial dos chatbots.
O terceiro é o incentivo. Previsões cada vez mais próximas de AGI ajudam a sustentar rodadas bilionárias e a disputa por talentos. Isso não as torna falsas, mas exige tratá-las como estimativas de quem tem interesse direto no resultado. A própria régua proposta por Hassabis, o teste de Einstein, ainda não foi superada por nenhum sistema.
O que fica para quem empreende
- Missão como filtro, não como slogan. A fórmula de dois passos da DeepMind serviu para decidir o que não fazer durante quinze anos, o que é mais raro do que formular uma visão.
- Validar barato antes de enfrentar o problema caro. Jogos funcionaram como ambiente com placar objetivo. Toda deeptech precisa de um equivalente antes de entrar em setores regulados como saúde e agro.
- Separar pesquisa e mercado. A spin-off permitiu captar capital externo sem submeter a pesquisa básica à lógica de retorno de curto prazo.
- Abertura como distribuição. Liberar o AlphaFold construiu reputação e base de usuários que nenhum orçamento de marketing compraria.
- Prazo público é passivo. Cada meta adiada consome credibilidade com investidores e parceiros, sobretudo em biotecnologia, onde o ciclo regulatório não obedece ao discurso.
Perguntas frequentes
Quem é Demis Hassabis?
Cofundador da DeepMind, laboratório de IA fundado em Londres em 2010 e vendido ao Google em 2014 por US$ 650 milhões. Ganhou o Nobel de Química de 2024 pelo AlphaFold, é CEO da Isomorphic Labs e, desde agosto de 2026, presidente do conselho do Google DeepMind e cientista-chefe da Alphabet.
Quando Hassabis espera que a AGI chegue?
Em perfil publicado pelo Wall Street Journal em 21 de outubro de 2026, ele disse esperar a AGI em dois a três anos. No início do ano, a estimativa era de três a cinco anos.
O que é a Isomorphic Labs e quanto ela captou?
Spin-off do Google DeepMind criada em 2021 para descobrir medicamentos com IA. Em maio de 2026, anunciou Série B de US$ 2,1 bilhões, liderada pela Thrive Capital, após levantar US$ 600 milhões em 2025. Os primeiros testes clínicos são esperados até o fim de 2026.
O que é o teste de Einstein?
Critério de Hassabis para reconhecer a AGI: verificar se um sistema treinado só com o conhecimento disponível até 1901 chegaria às descobertas que Einstein publicou em 1905.
Qual a situação das deeptechs no Brasil?
O país concentra 952 das 1.316 deeptechs da América Latina (72,3%), mas 47% não receberam investimento e o volume captado, US$ 216 milhões, fica atrás de Chile e Argentina, segundo o Deep Tech Radar Latam 2025.
O que propõe o órgão de padrões para IA de fronteira?
Um órgão americano financiado pela indústria e supervisionado pelo governo federal, inspirado na FINRA, para testar os modelos mais avançados antes do lançamento. A adesão seria voluntária no início e obrigatória depois; modelos de startups e da academia que não sejam de fronteira ficariam isentos.