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 se tornam estatisticamente inevitáveis. A questão 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 ressalva é importante: os números a seguir são taxas de envolvimento, não taxas de culpa. Eles descrevem a probabilidade de um Robotaxi estar presente em um acidente que resulte em ferimento ou fatalidade, independentemente de qual parte seja a principal responsável. Isso fornece uma base de referência realista para julgar o desempenho de segurança futuro.
Parte 1 – A Linha de Base Humana: Segurança Viária Hoje
Começamos com as estatísticas nacionais detalhadas mais recentes da Administração Nacional de Segurança no Tráfego Rodoviário (NHTSA).
Em 2023, os veículos de passeio foram responsáveis por aproximadamente 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 notificados pela polícia em quase 2,9 trilhões de milhas percorridas por veículos de passeio.
Os feridos notificados pela polícia são classificados na escala KABCO:
Para o restante desta análise, adotamos as taxas de "todos os veículos de passeio" como a linha de 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 do 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× se torna 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 conduzidos por humanos. A taxa de eventos por milha é, portanto, o recíproco:
Equivalentemente, se a taxa publicada for fornecida a cada 100 milhões de milhas:
Para nossa linha de base (todos os veículos de passeio):
- Fatalidade: λ_human = 0,83 / 10⁸ = 8,3 × 10⁻⁹ por milha
- Ferimento (todas as gravidades): λ_human = 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)
- Ferimento grave / incapacitante (A)
- Ferimento leve / não incapacitante (B)
- Possível ferimento (C)
Usando as taxas de linha de base humana da Parte 1, ajustadas pela suposição de segurança 10×, obtemos uma taxa de eventos λ separada para cada categoria. O primeiro gráfico mostra a probabilidade de pelo menos um evento em função das milhas acumuladas não supervisionadas do Robotaxi:
Da quilometragem ao tempo calendário
Em nosso artigo anterior, construímos um modelo prospectivo de milhas não supervisionadas semanais usando as taxas de crescimento semanais de dois dígitos declaradas por Ashok, limitadas pela capacidade de produção do Cybercab de aproximadamente 2.400 veículos por semana (orientação anual de 125 mil 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 com limite máximo, obtém-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 esta trajetória, os limiares de probabilidade de 50% são alcançados aproximadamente da seguinte forma:
Quilometragem cumulativa atual da Waymo
Para efeito de escala, marcamos a quilometragem cumulativa aproximada da Waymo totalmente sem motorista 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/finais de 2026 produz aproximadamente 280–300 milhões de milhas pagas. Considerando as milhas de reposicionamento e espera vazias, dobramos esse valor de forma conservadora para chegar a uma estimativa de ~600 milhões de milhas autônomas totais.
Histórico real da Waymo
Os relatórios públicos SGO / NHTSA sobre incidentes da Waymo, mapeados na escala KABCO, fornecem o seguinte quadro aproximado:
Observações principais:
- A grande maioria dos casos de ferimentos notificados 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 notificados pela polícia como "ferimento grave ou pior".
- Em mais de 220 milhões de milhas apenas com passageiros, a Waymo relata aproximadamente 94% menos acidentes com ferimentos graves ou piores e ~82% menos acidentes com ferimentos de qualquer gravidade do que o referencial humano nas mesmas áreas de operação.
- Essas comparações são feitas independentemente de culpa. Nos poucos 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 se torna estatisticamente inevitável. A questão decisiva é se o sistema é o culpado com menos frequência — e produz menos resultados graves — do que os motoristas humanos percorrendo as mesmas milhas. A estrutura de Poisson desenvolvida aqui simplesmente calibra quando o Tesla Robotaxi, sob uma suposição de segurança 10×, pode começar 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 se torna 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 conduzido por humanos. Combinando essa suposição com a trajetória de quilometragem desenvolvida em nossa análise anterior, obtemos expectativas quantitativas claras: ferimentos de menor gravidade se tornam prováveis no primeiro semestre de 2027, ferimentos graves no final desse ano e uma fatalidade perto do 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 cumulativas. Mesmo um sistema substancialmente mais seguro do que 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 por culpa do sistema também é estatisticamente inevitável mais cedo ou mais tarde; a única variável em aberto é quando ela ocorre em relação à experiência vivida pelo público com a tecnologia.
Este é o principal desafio estratégico para a Tesla. A primeira morte por culpa do sistema 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 por 100 milhões de milhas-passageiro — aproximadamente uma ordem de magnitude menor do que um Robotaxi até 10× mais seguro (≈ 0,08 mortes por 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 grande escala no momento em que ocorrer a primeira fatalidade claramente por culpa do sistema.
Esse é o limite que a Tesla precisa ultrapassar.
