Ashok observou que o Robotaxi mantém um histórico de segurança impecável ao longo das 380.000 milhas não supervisionadas percorridas até agora. No entanto, muitos observadores continuam preocupados que um acidente grave seja apenas uma questão de tempo.
Essa preocupação não é irracional. À medida que o serviço escala e a quilometragem acumulada cresce, os primeiros incidentes graves tornam-se estatisticamente inevitáveis. A pergunta relevante não é se eles ocorrerão, mas quando, e com que gravidade.
Em uma análise anterior, modelamos a provável trajetória de quilometragem do Robotaxi usando a taxa de crescimento semana a semana declarada por Ashok e a capacidade de produção instalada do Cybercab. Combinando essa projeção com dados publicamente disponíveis da NHTSA, podemos estimar a probabilidade de envolvimento do Robotaxi em acidentes de diferentes gravidades ao longo do tempo.
Uma observação importante: os números a seguir são taxas de envolvimento, não taxas de responsabilidade pura. Eles descrevem a probabilidade de um Robotaxi estar presente em um acidente que cause ferimentos ou fatalidade, independentemente de qual parte seja a principal responsável. Isso fornece uma base realista para avaliar o desempenho de segurança futuro.
Parte 1 – A Base Humana: Segurança Viária Atual
Começamos com as estatísticas nacionais detalhadas mais recentes da Administração Nacional de Segurança no Tráfego Rodoviário (NHTSA).
Em 2023, os veículos de passeio representaram cerca de 89% de todas as milhas percorridas por veículos nos Estados Unidos. Para os ocupantes desses veículos, as taxas foram:
Em termos absolutos, isso corresponde a aproximadamente 24.000 fatalidades de ocupantes e 1,95 milhão de feridos relatados à polícia em quase 2,9 trilhões de milhas percorridas por veículos de passeio.
Os feridos relatados à polícia são classificados na escala KABCO:
Para o restante desta análise, adotamos as taxas de "todos os veículos de passeio" como a base humana (0,83 fatalidades e 68 feridos a cada 100 milhões de milhas). Em seguida, assumimos que um sistema Robotaxi maduro será 10 vezes mais seguro que essa média humana — uma meta ambiciosa, mas comumente referenciada no setor (e que a Waymo também usou como referência em seus próprios relatórios de segurança).
Essa suposição de 10× torna-se a base para as projeções estatísticas que se seguem.
Parte 2 – Por Que os Incidentes Seguem um Processo de Poisson
Acidentes de trânsito são eventos raros em relação ao enorme número de milhas percorridas. Quando os eventos são pouco frequentes, independentes e ocorrem a uma taxa média aproximadamente constante, o número de ocorrências em uma dada exposição (aqui, milhas) é bem descrito por uma distribuição de Poisson.
Sob um processo de Poisson, a probabilidade de observar exatamente k eventos após M milhas é:
onde λ é o número esperado de eventos por milha.
Estamos principalmente interessados na probabilidade de experimentar pelo menos um evento. Isso é simplesmente o complemento da probabilidade de zero eventos:
Como obter λ
A partir dos dados da NHTSA na Parte 1, já sabemos o número médio de milhas entre eventos para veículos de passeio dirigidos por humanos. A taxa de eventos por milha é, portanto, o recíproco:
Equivalentemente, se a taxa publicada for dada a cada 100 milhões de milhas:
Para nossa base (todos os veículos de passeio):
- Fatalidade: λ_humano = 0,83 / 10⁸ = 8,3 × 10⁻⁹ por milha
- Ferido (todas as gravidades): λ_humano = 68 / 10⁸ = 6,8 × 10⁻⁷ por milha
Como assumimos que o Robotaxi é 10 vezes mais seguro, simplesmente dividimos essas taxas por 10:
Substituindo na expressão anterior, obtemos a probabilidade de pelo menos um incidente após qualquer quilometragem cumulativa M:
Esta é a fórmula usada para todas as projeções na próxima seção.
Parte 3 – Quando os Primeiros Incidentes se Tornam Prováveis
Podemos agora aplicar a fórmula de Poisson da Parte 2 às quatro categorias de resultados de interesse:
- Fatalidade (K)
- Ferido grave / Incapacitante (A)
- Ferido leve / Não incapacitante (B)
- Possível ferido (C)
Usando as taxas da base humana da Parte 1, ajustadas pela suposição de segurança 10×, obtemos uma taxa de eventos separada λ para cada categoria. O primeiro gráfico mostra a probabilidade de pelo menos um evento contra as milhas acumuladas não supervisionadas do Robotaxi:
Da quilometragem ao tempo calendário
Em nosso artigo anterior, construímos um modelo prospectivo de milhas semanais não supervisionadas usando as taxas de crescimento semanais de dois dígitos declaradas por Ashok, limitadas pela capacidade de produção do Cybercab de ~2.400 veículos por semana (orientação anual de 125k da Tesla) e uma suposição de alta utilização de 200 milhas por veículo por dia.
Tomando o caso de crescimento de 14% como cenário central e acumulando as milhas semanais limitadas, produz-se uma trajetória de quilometragem cumulativa ao longo do tempo calendário. Substituindo essa quilometragem cumulativa na fórmula de Poisson, obtém-se a probabilidade de cada tipo de incidente em função do tempo:
Sob essa trajetória, os limites de probabilidade de 50% são alcançados aproximadamente da seguinte forma:
Quilometragem cumulativa atual da Waymo
Para efeito de escala, marcamos a quilometragem cumulativa aproximada totalmente sem motorista da Waymo no gráfico de quilometragem.
O painel oficial de Impacto na Segurança da Waymo relata 220,6 milhões de milhas apenas com passageiros até março de 2026. A um ritmo recente de aproximadamente 4 milhões de milhas apenas com passageiros por semana, a extrapolação para meados/final de 2026 produz aproximadamente 280–300 milhões de milhas pagas. Considerando milhas de reposicionamento e espera vazias, dobramos conservadoramente esse valor para chegar a uma estimativa de ~600 milhões de milhas autônomas totais.
Histórico real da Waymo
Os relatórios públicos da SGO / NHTSA sobre incidentes da Waymo, mapeados na escala KABCO, fornecem o seguinte quadro aproximado:
Observações principais:
- A grande maioria dos casos de feridos relatados se enquadra nas categorias de menor gravidade (C e B).
- A própria pesquisa de segurança da Waymo trata apenas os casos confirmados de A ou K relatados à polícia como "ferimento grave ou pior".
- Em mais de 220 milhões de milhas apenas com passageiros, a Waymo relata aproximadamente 94% menos acidentes com feridos graves ou piores e ~82% menos acidentes com feridos de qualquer gravidade do que o referencial humano nas mesmas áreas de operação.
- Essas comparações são feitas independentemente de culpa. No pequeno número de incidentes graves (A) e fatais (K), as informações públicas disponíveis indicam que o veículo da Waymo normalmente não era a parte principal culpada.
Este histórico real ilustra a distinção que também importa para o Robotaxi: em escala suficiente, o envolvimento em acidentes torna-se estatisticamente inevitável. A questão decisiva é se o sistema é culpado com menos frequência — e produz menos resultados graves — do que os motoristas humanos percorrendo as mesmas milhas. A estrutura de Poisson aqui desenvolvida simplesmente calibra quando se pode esperar que o Tesla Robotaxi, sob uma suposição de segurança 10×, comece a encontrar as mesmas categorias de eventos.
Como mostra o gráfico de quilometragem cumulativa, uma vez que uma frota sem motorista atinge várias centenas de milhões de milhas, o envolvimento em incidentes graves e até fatais torna-se estatisticamente inevitável — mesmo sob uma suposição de segurança 10×. O histórico da Waymo é, portanto, consistente com o que o modelo de Poisson prevê nessa escala: a questão relevante não é mais se tais eventos ocorrem, mas com que frequência o sistema é o culpado e como seu perfil de gravidade se compara ao dos motoristas humanos.
Conclusão
Modelamos a probabilidade de envolvimento do Robotaxi em acidentes de diferentes gravidades, assumindo que o sistema alcance, em última análise, uma melhoria de segurança de 10× em relação ao veículo de passeio médio dirigido por humanos. Combinando essa suposição com a trajetória de quilometragem desenvolvida em nossa análise anterior, obtemos expectativas quantitativas claras: ferimentos de menor gravidade tornam-se prováveis no primeiro semestre de 2027, ferimentos graves no final desse ano e uma fatalidade próximo ao final de 2027, no caso de crescimento central.
O histórico real da Waymo é consistente com o que o mesmo modelo prevê para várias centenas de milhões de milhas acumuladas. Mesmo um sistema substancialmente mais seguro que os motoristas humanos estará, em escala suficiente, envolvido em acidentes graves e fatais. As estatísticas tornam isso inevitável.
Duas distinções permanecem essenciais. Primeiro, essas projeções dizem respeito ao envolvimento, não à culpa. Segundo, a primeira fatalidade com culpa também é estatisticamente inevitável eventualmente; a única variável em aberto é quando ela ocorre em relação à experiência vivida pelo público com a tecnologia.
Este é o desafio estratégico central para a Tesla. A primeira morte com culpa deve chegar tarde o suficiente para que um grande número de pessoas já tenha usado o Robotaxi, confie em seu desempenho comum e entenda sua segurança em relação à direção humana. A analogia é a aviação comercial. Aviões modernos ainda matam pessoas, mas a taxa de fatalidade é da ordem de 0,01 mortes a cada 100 milhões de milhas de passageiro — aproximadamente uma ordem de magnitude menor que até mesmo um Robotaxi 10× mais seguro (≈ 0,08 mortes a cada 100 milhões de milhas). A sociedade aceita o risco residual da aviação porque o benefício é grande e a segurança relativa é bem estabelecida. O Robotaxi precisará da mesma base de desempenho demonstrado em larga escala no momento em que ocorrer a primeira fatalidade claramente com culpa.
Esse é o limite que a Tesla precisa ultrapassar.
