OpenAI cria teste LifeVal para medir IA em tarefas da vida real

A OpenAI anunciou em 2 de novembro de 2026 o LifeVal, uma avaliação para medir assistentes de IA em tarefas do dia a dia. Os testes cobrem cuidados com pessoas, administração da casa e serviços do governo. Não se trata de um novo recurso para o consumidor.

A proposta é direta: testar a IA no trabalho que as pessoas realmente querem delegar. A matéria diz que a OpenAI usou o LifeVal internamente ao longo do último ano. A seleção de tarefas se apoia em pesquisa sobre uso do tempo e em uma pesquisa descrita como demograficamente representativa com 3,995 entrevistados.

Da resposta útil ao resultado confiável

O exemplo central é matricular uma criança na escola. Parece simples, mas exige conferir o distrito correto, achar o prazo, identificar documentos, validar o endereço e decidir se o formulário deve ser enviado agora ou revisado antes. Uma boa resposta ajuda, mas só um processo completo resolve a vida da família.

É aí que a avaliação fica mais difícil. Provas tradicionais de IA costumam ter formato fechado, como uma pergunta com resposta, um desafio de código com testes ou um resumo de documento. A rotina administrativa é bagunçada: começa numa busca, passa por um formulário, pausa para uma decisão da família e só termina dias depois, quando alguém confirma que foi aceito.

Tempo, contexto e limites

Para escolher o que testar, o LifeVal recorre a fontes como a American Time Use Survey, que mede como pessoas nos Estados Unidos gastam o tempo, e o Multinational Time Use Study, que harmoniza diários de vários países. Como esse segundo estudo inclui dados do primeiro, os totais não devem ser tratados como grupos totalmente separados.

Essas fontes mostram o formato da vida diária, mas não dizem sozinhas o que as pessoas querem delegar à IA, se a tarefa pode ser delegada com segurança ou se a ajuda realmente melhora a vida. Uma hora cozinhando pode ser prazer para um, necessidade de adaptar receita e custo para outro, e plano impresso por falta de internet para um terceiro. Tempo economizado não mede urgência: checar um prazo de cinco minutos pode valer mais que uma hora de lazer.

O que ainda falta saber sobre a nota

A página da OpenAI deixa em aberto o denominador da pontuação, o número de tentativas e o critério de melhor resultado selecionado. Um pico atingível não mostra o desempenho típico, a variação entre tentativas, quantas vezes a pessoa precisou intervir nem os tipos de erro que restam. Sem denominador e regra de pontuação, o leitor não interpreta o percentual com precisão.

A matéria defende que um bom relato traria a taxa de conclusões corretas, progresso parcial e erros com consequência separados. Nove passos certos seguidos de um pagamento ao destinatário errado não é um quase acerto. Também importa o cenário inteiro: modelo, instruções, ferramentas, contas, ambiente, tempo permitido e ajuda humana, além de permissões, privacidade, limite de gastos e quando parar e pedir aprovação é o acerto.