Compartilhar:

Agentes de inteligência artificial trabalhando por dias inteiros sem nenhum humano por perto.

Parece coisa de ficção científica, mas é exatamente o que está acontecendo na Monks, a agência por trás da S4 Capital — e o cenário já é realidade faz um tempo.

Alguns ciclos de trabalho chegam a 36 ou até 48 horas ininterruptas, com projetos maiores se estendendo por vários dias, segundo Wesley ter Haar, diretor de IA e receita da Monks.

E o mais interessante não é só o tempo que esses agentes ficam rodando — é como eles se organizam sozinhos durante esse período, dividindo tarefas, testando o próprio código e revisando o trabalho uns dos outros.

A dinâmica de trabalhos colaborativos que sempre foi uma responsabilidade humana agora também acontece entre máquinas. 🤖

Mas o que isso muda na prática dentro de uma empresa com mais de 6 mil funcionários? É aí que a história fica mais complexa — e muito mais interessante.

Como os agentes de IA se organizam sem supervisão humana

Quando a maioria das pessoas pensa em inteligência artificial no ambiente de trabalho, imagina uma ferramenta que responde perguntas ou gera um texto aqui e ali. O que a S4 Capital está operando vai muito além disso. A maior parte desse trabalho, aliás, é de programação do próprio software da agência. Entregar essas tarefas aos agentes foi, nas palavras de ter Haar, uma decisão quase óbvia, já que código é algo preciso e cheio de regras bem definidas. Dê a um agente um bom conjunto de requisitos e ele consegue trabalhar em cima disso por dias a fio.

Segundo o executivo, a empresa teve agentes de programação rodando por 36 a 48 horas sem cometer erros. E isso acontece porque os agentes não apenas executam tarefas isoladas — eles se comportam como uma equipe funcional, com papéis definidos, responsabilidades distribuídas e até processos internos de revisão e validação. É uma estrutura que imita, de forma bastante fiel, o jeito como times humanos bem organizados costumam trabalhar em projetos complexos.

Mas atenção: as pessoas ainda definem as regras do jogo. Antes de um ciclo começar, a equipe escreve os requisitos que os agentes vão seguir, e a forma como esse briefing é estruturado influencia diretamente no resultado final. Como explicou ter Haar, dá para orientar boa parte desse processo com um bom prompting. A partir daí, os agentes se mantêm na linha sozinhos.

Um guia prático para avaliar, comparar e implementar inteligência artificial com clareza — sem desperdício de tempo ou dinheiro.

Pare de contratar ferramentas sem direção. Criamos um método estruturado para decidir qual IA realmente faz sentido para o seu negócio.

Entrega em PDF no seu e-mail · Sem spam · LGPD

🔒 Seus dados são protegidos conforme a LGPD. Você pode descadastrar a qualquer momento.

Em um projeto de vários dias, vários deles dividem o trabalho, testam o que programam contra os requisitos originais e revisam o código uns dos outros conforme avançam. Eles estão, literalmente, colaborando e checando o trabalho entre si. Até alguns meses atrás, os próprios desenvolvedores precisavam construir toda essa estrutura na mão, escrevendo instruções detalhadas de como os agentes deveriam dividir tarefas e passar o trabalho adiante.

Segundo ter Haar, os modelos atuais simplesmente não precisam mais disso. Eles montam a própria estrutura de agentes de forma automática. A velocidade dessa mudança, inclusive, pegou o executivo de surpresa. Quando perguntado na teleconferência de resultados da S4 em agosto sobre o que mais o surpreendeu em IA no ano, ele apontou justamente para quanto tempo os agentes já conseguem operar sem supervisão.

O que a autonomia dos agentes representa na prática

A palavra autonomia é usada com frequência quando o assunto é inteligência artificial, mas raramente ela aparece em um contexto tão concreto quanto o da Monks. Ciclos de 36 a 48 horas de operação contínua sem intervenção humana não são um experimento em laboratório — são projetos reais, com entregas reais, dentro de uma empresa que depende desses resultados para manter sua operação funcionando.

Isso muda completamente o peso da conversa. Não estamos falando de uma promessa futura, mas de uma realidade que já está moldando decisões de negócio, alocação de equipes e até a forma como novos projetos são estruturados desde o início.

Resolvida essa questão da duração, a pergunta seguinte para a Monks passou a ser: o que mais pode ser entregue aos agentes? Por ora, o foco está em software, mas o rumo é claro. Com o contexto certo e as devidas proteções, o plano é estender essa abordagem para outras áreas do negócio. E esses planos, na verdade, já estão em andamento.

A Monks está adaptando essa estrutura de agentes para os fluxos de social media e marketing de performance. Nesse cenário, os agentes ficam à espera de algo acontecer e então agem — seja uma tendência que explode e precisa de um briefing rápido, uma onda de comentários que precisa de resposta ou um post que começa a ter desempenho abaixo do esperado. Os dados de engajamento servem para eles validarem o próprio trabalho, do mesmo jeito que os requisitos funcionam para os agentes de programação.

A lógica, segundo ter Haar, é que a empresa já acumulou contexto suficiente e ciclos de feedback consistentes para avaliar se algo está performando e gerando repercussão. Logo no início do próximo ano, um cliente — cujo nome não foi revelado — vai migrar todo o seu trabalho de social media para essa estrutura reconstruída, cobrindo desde a geração de insights até a gestão de comunidade.

Quando a supervisão passa para o lado do cliente

O que os agentes podem fazer para os clientes também depende de cada contrato — e os próprios clientes querem ter controle sobre isso. Quando ter Haar conversou recentemente com um deles, as perguntas giravam principalmente em torno dos modelos: quais estão fazendo o trabalho, de onde vêm e se existe um contrato corporativo por trás deles.

Ninguém quer, como ele mesmo colocou, modelos aleatórios sem qualquer acordo formal de prestação de serviços por trás. Os clientes querem enxergar o que foi solicitado via prompt e qual foi o raciocínio aplicado pela máquina.

Alguns estão indo ainda mais longe. Eles querem que todos os agentes fiquem registrados em um único lugar, onde seja possível ligar e desligar cada um, acompanhar quanto cada agente gasta e até avaliar a qualidade do trabalho — porque, nas palavras de ter Haar, alguns agentes podem não estar entregando no nível de qualidade esperado. Os clientes mais modernos, segundo ele, começaram a entender que existe todo um conjunto de agentes provavelmente operando dentro da própria organização, e passaram a questionar se isso é sustentável.

Trabalhos colaborativos entre humanos e máquinas

Um dos aspectos mais fascinantes do modelo que a S4 Capital está desenvolvendo é justamente o ponto de equilíbrio entre trabalhos colaborativos puramente humanos e ciclos totalmente autônomos conduzidos por agentes de IA. Na maioria dos projetos, os dois mundos coexistem — e aprender a fazer essa integração funcionar bem é o grande desafio operacional que empresas nesse estágio de adoção enfrentam.

Internamente, os agentes levantaram questões mais difíceis sobre como as pessoas trabalham. Obter uma boa entrega deles já não é mais a parte complicada, diz ter Haar. O desafio agora é o fluxo de trabalho. Os agentes conseguem produzir 50 ideias dentro da marca e alinhadas ao briefing em apenas 10 minutos, e a maioria delas se sustenta.

Mas quando se pede algo mais ousado, os profissionais de marketing da Monks recebem outras 50 ideias que parecem interessantes no papel, só que talvez apenas cinco realmente funcionem. E encontrar essas cinco pode levar tanto tempo que, segundo ele, o esforço acaba não valendo a pena. A empresa está testando modelos ajustados especificamente para trabalho criativo, mas por enquanto continua apoiada fortemente em especialistas humanos para escolher as melhores ideias.

Esse tipo de julgamento está se tornando uma parte cada vez maior do trabalho, justamente porque tudo ao redor acelerou. As equipes ágeis costumavam planejar em sprints de duas semanas, com uma reunião rápida toda manhã. Agentes que nunca param comprimiram esse ciclo de forma drástica. Como resumiu ter Haar, as duas semanas viraram dois dias com agentes trabalhando sem parar. 🚀

E quando o trabalho anda nessa velocidade, surge uma tentação: deixar o agente simplesmente resolver tudo em vez de pensar o problema junto com ele. Por isso, a Monks está debatendo algo curioso — será que vale a pena reintroduzir atrito de propósito? A ideia é que as pessoas continuem empurrando, trazendo seu ponto de vista e colaborando ativamente. É saudável lembrar que um trabalho que antes levava duas semanas pode tranquilamente tomar dois dias, e que vale a pena passar por algumas etapas do processo com calma.

Quem é que paga a conta no fim das contas

De um jeito ou de outro, alguém paga. O tempo gasto questionando e orientando os agentes é tempo que a Monks remunera para seus profissionais. E cada hora que um agente roda sozinho consome tokens, que também têm custo. Quanto melhores os agentes ficam, mais difícil fica decidir qual dos dois — humano ou máquina — merece o investimento, já que ambos saem do mesmo orçamento.

Até pouco tempo atrás, ter Haar planejava os gastos do ano seguinte pela ótica de um orçamento de salários. Agora ele precisa decidir quanto desse valor vai para tokens. Como ele mesmo explicou, os tokens fazem parte do que chama de orçamento de talentos — e esse é o único lugar onde cabe encaixá-los.

Receba o melhor conteúdo de inovação em seu e-mail

Todas as notícias, dicas, tendências e recursos que você procura entregues na sua caixa de entrada.

Ao assinar a newsletter, você concorda em receber comunicações da Método Viral. A gente se compromete a sempre proteger e respeitar sua privacidade.

As equipes seguem pedindo cada vez mais tokens, então a empresa está testando quanto vai precisar em 2027. Um grupo interno, apelidado de conselho de tecnologia, cuida de separar quais tarefas exigem os melhores modelos e quais podem rodar em opções mais baratas. A ideia é simples e inteligente: não faz sentido usar o modelo mais poderoso do mundo para um trabalho que pode ser feito por três modelos mais modestos. É, basicamente, extrair o máximo de valor de cada token investido.

O que sobra para as pessoas nesse novo cenário

Onde tudo isso vai parar, nem ter Haar sabe dizer com certeza — e, na S4, admitir isso é desconfortável. O grupo cortou cerca de 800 postos de trabalho no último ano. O número de funcionários estava em aproximadamente 6.150 no fim de junho, contra cerca de 6.350 em dezembro. A Monks, segundo o executivo, está focada em como as funções mudam e em como coordenar o trabalho entre pessoas e agentes.

Por ora, ele enxerga as pessoas garantindo seu espaço ao tomar decisões, confiar na própria intuição sobre qual direção seguir e alimentar os agentes com os insumos certos. Ninguém consegue afirmar se vai continuar assim.

E aqui entra um alerta importante. Como pontuou Fred Schuster, presidente da Rosie Advisory — uma nova divisão da We Are Rosie que ajuda a reestruturar organizações e fluxos de marketing — não devemos confundir autonomia com responsabilidade. Quanto mais autônoma tornamos a tecnologia, mais desesperadamente precisamos de supervisão.

Segundo ele, reformular fluxos de trabalho não significa substituir humanos, um erro que modelos financeiros assumem com frequência demais. Significa elevar o nível da tomada de decisão e reposicionar as pessoas para um pensamento em tempo real, em vez de uma execução contínua de tarefas.

O exemplo da S4 Capital é um dos mais concretos e bem documentados de como agentes de inteligência artificial estão deixando de ser uma curiosidade tecnológica para se tornarem parte essencial da operação de grandes empresas. Para quem ainda está nos estágios iniciais dessa jornada, o caso da Monks oferece uma perspectiva realista sobre o que é possível alcançar quando a adoção de IA é levada a sério e integrada de forma estruturada aos processos existentes.

Não é uma transformação que acontece da noite para o dia — exige investimento, experimentação, ajustes constantes e, principalmente, disposição genuína para repensar como o trabalho é organizado. O futuro dos trabalhos colaborativos entre humanos e agentes de IA ainda está sendo escrito — e empresas como a S4 Capital estão entre as que redigem os primeiros capítulos dessa história em tempo real. 🤖

Foto de Rafael

Rafael

Operações

Transformo processos internos em máquinas de entrega — garantindo que cada cliente da Método Viral receba atendimento premium e resultados reais.

Preencha o formulário e nossa equipe entrará em contato em até 24 horas.

Publicações relacionadas

Ações da Amazon podem subir com parceria OpenAI

Parceria entre Amazon e OpenAI pode impulsionar receitas de IA e valorizar ações, diz Citi; impacto estratégico no AWS e

Moratória em Datacenters de IA: Energia em Debate

Moratória: Sanders e AOC propõem pausa na construção de datacenters de IA nos EUA para avaliar impactos ambientais e energéticos.

Blockchain e Agentes de IA Mudam os Pagamentos em Cripto

Agentes de IA impulsionam pagamentos cripto com blockchain, stablecoins e x402, viabilizando transações autônomas, micropagamentos e economia entre máquinas

Receba o melhor conteúdo de inovação em seu e-mail

Todas as notícias, dicas, tendências e recursos que você procura entregues na sua caixa de entrada.

Ao assinar a newsletter, você concorda em receber comunicações da Método Viral. A gente se compromete a sempre proteger e respeitar sua privacidade.

Rafael

Online

Atendimento

Calculadora Preço de Sites

Descubra quanto custa o site ideal para o seu negócio

Páginas do Site

Quantas páginas você precisa?

Arraste para selecionar de 1 a 20 páginas

Em apenas 2 minutos, descubra automaticamente quanto custa um site sob medida para o seu negócio

Mais de 0+ empresas já calcularam seu orçamento

Fale com um consultor

Preencha o formulário e nossa equipe entrará em contato.