Andrej Karpathy acabou de compartilhar uma das observações mais importantes sobre AI em 2026: existem agora dois grupos fundamentalmente diferentes de usuários de AI, e eles estão falando completamente sobre coisas diferentes.

Seu tweet (3,6 milhões de visualizações e contando) descreve um abismo crescente que qualquer pessoa que trabalha com AI precisa entender.

Grupo 1: “AI É um Brinquedo”

Esse grupo experimentou o ChatGPT — geralmente a versão gratuita — em algum momento no ano passado. Viram alucinações, riram de vídeos virais do modo de voz errando perguntas simples, e concluíram que AI é hype.

Eles não estão errados sobre o que experimentaram. Os modelos do plano gratuito de 2025 eram genuinamente limitados. Mas o problema é este: eles congelaram seu modelo mental de AI naquele ponto e nunca o atualizaram.

Como Karpathy coloca, esses modelos antigos e obsoletos não refletem as capacidades dos modelos frontier atuais.

Grupo 2: “AI Psychosis”

Esse grupo usa modelos agênticos de ponta — Claude Code, OpenAI Codex — profissionalmente, em domínios técnicos. Pagam $200/mês. Dão a esses modelos um terminal de computador e observam eles resolverem problemas que normalmente levariam dias ou semanas de trabalho.

Karpathy diz que esse grupo está vivendo o que ele chama de “AI Psychosis” — não porque sejam delusivos, mas porque as melhorias foram tão espetaculares que é difícil comunicar o que estão vendo para qualquer pessoa que não tenha vivenciado isso em primeira mão.

Por Que a Lacuna Existe

Karpathy identifica duas razões estruturais pelas quais a capacidade de AI está avançando de forma desigual:

1. Reinforcement learning funciona melhor com recompensas verificáveis.

Tarefas como coding, matemática e pesquisa têm critérios de sucesso claros — o código compila? Os testes passam? A prova está correta? Esses domínios são naturalmente adequados ao treinamento RL, onde o modelo recebe feedback concreto sobre se teve sucesso.

Tarefas como escrita, conselhos e conversas são muito mais difíceis de avaliar objetivamente, então melhoram mais devagar.

2. O valor B2B guia a alocação de recursos.

As maiores oportunidades de receita estão em domínios técnicos/profissionais. É aí que as empresas de AI concentram seus melhores times. Recursos voltados ao consumidor como o modo de voz recebem menos investimento em relação aos produtos B2B que geram a maior receita.

O Problema da Tradução

O resultado é uma desconexão bizarra. É simultaneamente verdade que:

Um assistente de voz AI gratuito vai errar perguntas básicas nos seus reels do Instagram
Um AI agêntico pago passará uma hora reestruturando de forma coerente um codebase inteiro

Ambas as coisas estão acontecendo em 2026. Mas as pessoas do Grupo 1 só veem a primeira. As pessoas do Grupo 2 só veem a segunda. E quando tentam conversar sobre “AI”, estão descrevendo tecnologias completamente diferentes.

Como Atravessar a Divisão

Se você está no Grupo 1, o caminho para o Grupo 2 não é gastar $200/mês em um chatbot diferente. É mudar como você usa AI — de Q&A casual para trabalho de conhecimento estruturado.

Veja o que separa os dois grupos na prática:

Comportamento do Grupo 1:

Abre o ChatGPT, faz uma pergunta, lê a resposta
Sem contexto persistente entre sessões
AI começa do zero toda vez
Julga AI pelo pior fracasso

Comportamento do Grupo 2:

Constrói bases de conhecimento que AI pode referenciar
Dá à AI acesso a arquivos de projeto, documentação e pesquisa
Usa AI como um colega com memória, não um mecanismo de busca
Julga AI pela sua melhor capacidade

O insight principal: a qualidade do output de AI é diretamente proporcional à qualidade do contexto que você fornece.

Construindo Contexto: A Camada Faltante

É aqui que a maioria das pessoas trava. Ouvem “dê à AI um contexto melhor” e acham que isso significa escrever prompts mais longos ou passar mais tempo explicando as coisas. Essa é a abordagem brute-force. A abordagem mais inteligente é construir uma camada de conhecimento persistente que AI pode acessar automaticamente.

Veja como isso fica na prática:

Capture pesquisas web como Markdown estruturado — Em vez de favoritar páginas ou copiar trechos para um documento, converta o conteúdo completo em Markdown limpo. Isso preserva as informações em um formato que qualquer ferramenta de AI pode ingerir.
Organize em bases de conhecimento pesquisáveis — Agrupe seu conteúdo salvo por projeto, tópico ou área de pesquisa. Isso dá à AI a capacidade de encontrar contexto relevante sem que você precise lembrar o que salvou.
Conecte AI ao seu conhecimento — Ferramentas como MCP (Model Context Protocol) permitem que Claude pesquise e referencie seu conteúdo salvo diretamente. Quando você faz uma pergunta, Claude verifica sua base de conhecimento primeiro, fundamentando suas respostas na sua pesquisa curada em vez de dados de treinamento genéricos.

Este é o workflow que o Save possibilita. Cada página web que você salva se torna um arquivo Markdown na sua base de conhecimento local. O servidor MCP integrado do Save Vault conecta ao Claude. Seu assistente AI agora tem acesso a tudo que você leu e pesquisou.

O Efeito Composto

A lacuna entre Grupo 1 e Grupo 2 não é apenas sobre qual modelo você usa. É sobre o contexto acumulado que você construiu ao longo do tempo.

Um desenvolvedor que salvou seis meses de documentação, respostas do Stack Overflow e artigos de arquitetura tem um assistente AI que entende seu codebase, seu stack e seus problemas específicos. Um usuário casual que abre o ChatGPT do zero toda vez tem uma ferramenta genérica que não sabe nada sobre seu trabalho.

É por isso que a observação de Karpathy importa além do ciclo de hype de AI. A lacuna de capacidade não está se fechando — está se ampliando. E a linha divisória não é habilidade técnica ou orçamento. É se você está construindo uma prática de conhecimento estruturada em torno de AI ou tratando-o como um mecanismo de busca glorificado.

Comece Hoje

Você não precisa gastar $200/mês para começar a atravessar a divisão. Você precisa começar a capturar e organizar o conhecimento que já encontra todos os dias:

Instale o Save e comece a converter páginas web úteis em Markdown enquanto navega
Crie bases de conhecimento para suas principais áreas de trabalho ou interesse
Conecte o Claude via servidor MCP do Save Vault para que seu assistente AI possa referenciar seu conteúdo salvo
Seja consistente — salve 2-3 páginas por dia e observe sua base de conhecimento crescer por composição

Em um mês, você terá uma camada de conhecimento pessoal que torna cada interação com AI fundamentalmente melhor. Essa é a diferença entre Grupo 1 e Grupo 2 — e começa em como você captura conhecimento, não em qual modelo você paga.

Save converte qualquer página web em Markdown limpo com um clique e armazena em sua base de conhecimento local. Com o servidor MCP do Save Vault, Claude pesquisa seu conteúdo salvo antes de responder. Experimente o Save gratuitamente.