A Microsoft desfez o AI Frontiers (AIF), sub-organização criada dentro da Microsoft Research para concentrar pesquisas avançadas em inteligência artificial. O grupo foi incorporado à Microsoft AI durante uma reestruturação interna que colocou em evidência um conflito entre a busca por inovação e a estratégia de ampliar a escala dos modelos. Todos os membros fundadores da liderança do AIF deixaram a empresa.
Após o lançamento do ChatGPT, pesquisadores da Microsoft Research concluíram que ideias isoladas já não eram suficientes para competir com empresas que concentravam grandes equipes e recursos em projetos de inteligência artificial. Como resposta, a Microsoft criou o AI Frontiers, reunindo cerca de 50 pessoas para coordenar pesquisas, reduzir esforços duplicados e acelerar resultados.
O grupo reunia projetos considerados pioneiros, entre eles o Autogen, framework de orquestração voltado à coordenação de múltiplos agentes de IA, e o Fara, agente computacional projetado para operar computadores de forma autônoma. Em Nova York, parte da equipe trabalhava em novos objetivos de treinamento e arquiteturas de modelos, como o Next Latent, o Dion3 e o chamado Full Bandwidth Transformer. A proposta era desenvolver modelos mais potentes e eficientes sem depender apenas do aumento de escala.
Para a Microsoft Research, o AIF também criou um monorepo, repositório unificado de código, com uma base de pré-treinamento em larga escala já testada. A iniciativa buscava reduzir a fragmentação interna. Ainda assim, havia pelo menos quatro esforços separados para desenvolver pipelines completos de criação de modelos, indicando que a coordenação entre as equipes continuava incompleta.
No início de setembro, o AI Frontiers foi integrado à Microsoft AI, em uma reestruturação que uniu duas organizações de inteligência artificial sob a justificativa de concentrar esforços. A mudança aproximou uma equipe voltada à pesquisa de ruptura de uma liderança vinda da Inflection, descrita internamente como concentrada principalmente na expansão da escala dos modelos.
Na nova estrutura, ganhou força a estratégia de aumentar o tamanho dos modelos, coletar e refinar grandes volumes de dados e buscar retornos previsíveis de escala. A pesquisa sobre novas arquiteturas e objetivos de treinamento, que estava no centro do trabalho do AIF, perdeu prioridade. Segundo a liderança do grupo, houve sinais de que a nova cúpula não pretendia manter esse tipo de pesquisa dentro da organização.
O conflito envolvia uma diferença conceitual. Para os pesquisadores, limitar-se a ampliar o tamanho dos modelos é uma estratégia simples de executar, mas pode restringir ganhos de eficiência. Em um texto interno, um dos líderes do AI Frontiers afirmou que os retornos da pesquisa eram relevantes e citou experimentos da ByteDance segundo os quais uma variante do Full Bandwidth Transformer poderia alcançar desempenho comparável ao de um modelo com o dobro do tamanho. Isso, segundo ele, poderia reduzir significativamente os custos de treinamento e inferência em um setor que movimenta investimentos próximos de US$ 1 trilhão.
A disputa reflete uma tensão presente em toda a indústria de inteligência artificial: investir em pesquisas arriscadas, capazes de produzir saltos de eficiência, ou priorizar a expansão de modelos que já apresentam resultados e podem gerar retorno mais rápido. Empresas que escolhem a segunda alternativa tendem a privilegiar a previsibilidade dos negócios, enquanto as que mantêm a primeira aceitam ciclos mais longos e maior incerteza em busca de possíveis ganhos de desempenho e redução de custos.
Na Microsoft, a criação do AI Frontiers representou uma tentativa de organizar a área de pesquisa avançada. A fragmentação era evidente: apenas na construção de pipelines de pré-treinamento havia pelo menos quatro iniciativas paralelas, sem um padrão consolidado. O AIF buscava atuar como um eixo comum, com infraestrutura, código compartilhado e orientação científica integrada.
Com a incorporação à Microsoft AI, essa lógica passou a conviver com uma estratégia centrada na escala. Modelos maiores, treinados com volumes crescentes de dados, podem oferecer ganhos de qualidade. Os pesquisadores, porém, defendiam que a insistência no aumento do tamanho e do consumo computacional poderia deixar de lado a possibilidade de alcançar capacidade semelhante com metade do custo, objetivo associado a projetos como o Full Bandwidth Transformer.
Diante da nova configuração, os líderes do AI Frontiers concluíram que a pesquisa desenvolvida pelo grupo havia perdido espaço para chegar aos produtos. Um deles afirmou: "Não estou confortável em estar em uma empresa onde a pesquisa que faço não tem caminho para uso real". Na avaliação da equipe, se as inovações não eram consideradas dentro da Microsoft AI, a possibilidade de serem adotadas após um eventual retorno à Microsoft Research seria ainda menor.
O episódio também foi interpretado como uma ruptura no entendimento básico sobre a carreira de pesquisador. "Fizemos um bom trabalho e fomos reorganizados sem consenso", disse o mesmo líder. Segundo ele, o AI Frontiers entregou resultados relevantes dentro de sua proposta, mas acabou transferido para uma estrutura sem alinhamento nem disposição clara para aproveitar sua produção.
A saída foi coletiva: todos os demais membros fundadores da liderança do AIF também deixaram a Microsoft, em busca de ambientes mais favoráveis à pesquisa de longo prazo. O fim do grupo ainda encerra a perspectiva de novos estágios com aquela equipe no próximo ciclo, reduzindo as oportunidades de estudantes e jovens pesquisadores em uma das frentes mais experimentais da empresa.
A dissolução do AI Frontiers e a saída de sua liderança indicam que a Microsoft está priorizando, neste momento, modelos cada vez maiores em detrimento de novas arquiteturas e objetivos de treinamento. No curto prazo, essa escolha acompanha o movimento de grande parte do setor, que busca lançar sistemas mais poderosos e ampliar sua presença em produtos finais.
No médio e no longo prazo, a perda de um núcleo organizado de pesquisa avançada pode trazer consequências. Abordagens testadas pelo AIF prometiam tornar modelos equivalentes a sistemas duas vezes maiores, com economias potenciais em treinamento e inferência — um aspecto relevante em um mercado cujos investimentos totais em inteligência artificial se aproximam de US$ 1 trilhão.
Com a Microsoft redesenhando sua estratégia interna, os pesquisadores que deixaram a empresa podem seguir para outras big techs, laboratórios independentes ou startups de inteligência artificial. O destino desses profissionais poderá indicar quais organizações estão dispostas a financiar pesquisas de maior risco, capazes de influenciar a próxima geração de modelos, com foco não apenas em escala, mas também em eficiência e custo.
Fonte: Miraí Broadcast