Os agentes de IA deixaram de ser ficção científica e chegaram ao seu dia a dia com uma pergunta bem direta: até onde você toparia abrir mão do controle da sua vida digital para uma IA? 🤖
Parece questão filosófica, mas na prática é exatamente o que a OpenAI está colocando na mesa com o ChatGPT Work, seu produto mais ambicioso até agora. A ideia central é simples: em vez de só responder perguntas, a IA passa a executar tarefas inteiras por conta própria, conectando e-mails, calendários, planilhas, ferramentas de gestão e muito mais. Não é mais sobre digitar um prompt e esperar uma resposta. É sobre delegar responsabilidades reais para um sistema que age, decide e executa.
E para provar que isso funciona de verdade, Andrew Ambrosino, engenheiro-chefe do app desktop da OpenAI, foi além de qualquer experimento controlado: ele entregou ao ChatGPT acesso à sua inbox, ao Slack, ao Notion, ao Figma e até ao celular. Se eu peço para escrever um documento, existe a possibilidade de ele puxar algo de uma DM privada e não saber que não deveria compartilhar? Sim, contou Ambrosino ao TechCrunch. Eu faço isso pelo trabalho. Vou levar o baque pessoal se precisar. E até agora não precisei.
Esse é o dilema que a OpenAI está tentando resolver enquanto aposta tudo na próxima fase da inteligência artificial. Risco real, benefício real.
O que são os agentes de IA e por que eles mudam tudo
Para entender o tamanho dessa virada, vale dar um passo atrás e pensar no que os agentes de IA realmente representam dentro do ecossistema dos LLMs. Durante muito tempo, os Large Language Models foram ferramentas incríveis de geração de texto, mas ainda passivas. Você perguntava, eles respondiam. Você pedia, eles entregavam. O controle permanecia nas suas mãos, e a IA funcionava mais como um assistente de digitação superavançado do que como um colaborador autônomo de verdade.
Os agentes de IA mudam essa lógica de forma radical. Em vez de apenas processar um input e gerar um output, eles percebem um objetivo, planejam os passos necessários para atingi-lo, interagem com ferramentas externas, tomam decisões ao longo do caminho e ajustam a rota quando algo não sai como esperado. O modelo deixa de ser reativo e passa a ser proativo dentro de um escopo definido.
É exatamente essa a proposta do ChatGPT Work, lançado no mês passado e disponível já no plano mais básico da empresa, por 20 dólares mensais. Segundo Thibault Sottiaux, responsável pelo trabalho de produto principal da OpenAI, incluindo o Work, o app agora consegue realizar tarefas inteiras e muito complexas de forma totalmente autônoma, de um jeito que é encantador e seguro. Ele resume a missão da empresa como trazer todo mundo junto.
ChatGPT Work: a aposta da OpenAI no ambiente profissional
O ChatGPT Work não é uma atualização incremental. Na prática, é uma versão modificada do Codex, a ferramenta de código da própria empresa. A ideia é dar a quem não é engenheiro a mesma funcionalidade que os desenvolvedores de software já têm com os agentes: uma IA que não apenas responde perguntas, mas completa projetos de múltiplas etapas sozinha.
- E-BOOK GRATUITO
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.
Comercialmente, isso importa muito. Agentes que trabalham por períodos mais longos consomem mais tokens, o que os torna mais lucrativos para a OpenAI por usuário. Chegar a novas profissões é crucial, não só para a OpenAI, mas para a indústria inteira. Se a programação já se provou um território rentável para os laboratórios de IA, ela ainda é uma fatia pequena do trabalho profissional que essas empresas precisam alcançar para justificar seus investimentos gigantescos em treinamento e computação. Enquanto os laboratórios focaram nos engenheiros de software, competidores verticais como o Harvey, na área jurídica, e o Clay, em vendas, foram atrás desses clientes com uma abordagem agnóstica de modelo, plugando qualquer IA que funcione melhor no momento.
Os números mostram o tamanho do desafio. Um estudo apoiado pela OpenAI revelou que, em junho, 98% dos funcionários da empresa usavam o Codex, mas apenas 17% dos assinantes organizacionais e menos de 1% dos assinantes individuais utilizavam a ferramenta. Essa diferença entre adoção quase total dentro da empresa e adoção desprezível fora dela é ao mesmo tempo o desafio e a oportunidade da companhia.
Para fazer o app funcionar para quem não é engenheiro, foi preciso muito mais suporte. Segundo Ambrosino, as equipes de comunicação e finanças da própria OpenAI começaram a usar o Codex num momento em que ele era ativamente hostil com elas, perguntando sobre código e mostrando coisas que não faziam sentido. Foi só entre fevereiro e agora que a ferramenta ganhou um propósito mais geral.
Como tornar a IA intuitiva
Para entender essa desconexão, ajuda entender o que os engenheiros da OpenAI estão construindo. Todo LLM precisa do que os engenheiros chamam de harness, o software que envolve o modelo e decide quais informações ele vê, quais ferramentas pode usar e como apresenta as respostas. Se você quer que o modelo faça coisas, que se torne um agente, o harness dá as ferramentas e as instruções para usá-las em tarefas de longo prazo.
Para desenvolvedores, uma interface de linha de comando foi suficiente para mudar a forma como o software é construído. Mas a maioria das pessoas não usa esse tipo de interface, existe um motivo pelo qual o Windows substituiu o DOS. Um produto agêntico que vai além da engenharia de software, como explica Ambrosino, precisa lidar com o mundo bagunçado da sua vida, das suas ferramentas e de sites que foram construídos em 1995 e nunca atualizados.
Ele compara o esforço ao skeumorfismo, aquela prática já em desuso de fazer ferramentas digitais parecerem os objetos físicos que substituíram, como um app de calculadora com cara de calculadora de bolso. Aquilo não era só design brega. Aquilo realmente ajudou as pessoas a fazerem a transição, afirma. Internamente, há debates: alguns funcionários defendem que botões são desnecessários se o usuário pode simplesmente pedir ao modelo. Ambrosino discorda, ao menos por enquanto: A gente rebate isso, porque ainda é muito cedo. Descoberta importa nesta fase, e em algum momento não teremos mais o botão. 🔍
Fluxos de trabalho inteligentes: o que muda na prática
Quando falamos em fluxos de trabalho transformados por agentes de IA, vale pensar em casos concretos. Por enquanto, a OpenAI posiciona a ferramenta como ideal para tarefas rotineiras e intensivas em dados. Funcionários da empresa estão montando relatórios semanais de métricas e transformando planilhas em ferramentas de planejamento.
Investidores de risco usam os agentes para reunir comunicações e análises sobre empresas dentro de memorandos de investimento, e times de operações criam dashboards sob medida. Até Sam Altman usa a ferramenta para planejar suas férias. Um engenheiro da OpenAI descreveu ter pedido ao programa para olhar uma conversa no Slack sobre um problema de engenharia e gerar gráficos, recebendo de volta uma série de visualizações reveladoras.
Akshay Nathan, que lidera a equipe de engenharia de produto da OpenAI, resume bem o valor: Existe uma avalanche de informação para o trabalhador médio de qualquer uma dessas empresas, inclusive eu. Somos limitados pela nossa capacidade de processar tudo o que está disponível e agir sobre isso. Essa informação vive em ferramentas de registro de sistemas. O valor do ChatGPT é que você já tinha acesso a isso, mas agora você tem acesso de verdade.
Na prática, quando o sistema funciona, é impressionante. Foi possível pedir ao ChatGPT Work para extrair o calendário mal formatado da pré-escola de um e-mail e jogá-lo no Google Calendar, economizando muita digitação repetitiva. Ele também montou dashboards financeiros com atualização automática de empresas de capital aberto, criou bancos de dados consultáveis e passou a enviar resumos semanais sobre novas pesquisas de IA.
Nem tudo são flores: os limites e a curva de aprendizado
Apesar de tudo, pedir algo ao modelo é intuitivo, mas dar a ele o que precisa para agir não é tão simples. Configurar permissões para que um agente acesse um drive na nuvem, por exemplo, pode ser confuso e circular. Muitas configurações importantes só estão disponíveis na versão web, o que obriga o usuário a trabalhar em dois lugares ao mesmo tempo. E algumas limitações são desconcertantes: conecte o Google Calendar e o agente cria eventos, mas não novos calendários.
Joe Gershenson, líder do harness da OpenAI, admite que os níveis de esforço ainda não são intuitivos para novos usuários. Existem coisas que podemos fazer melhor para ajudá-los a chegar no nível certo de raciocínio, disse ele, acrescentando um enigmático fiquem de olho.
Há ainda um desafio maior para entrar no trabalho de escritório comum: a maioria dos fluxos de trabalho não é tão mensurável quanto código. Software funciona ou não funciona. Já uma boa apresentação, uma estratégia de negócios ou um pitch de vendas não são tão fáceis de avaliar. Um dos desafios únicos de um produto como esse é justamente que ele pode fazer qualquer coisa, resume Ambrosino. A OpenAI diz usar o benchmark GDPval, com 44 ocupações e centenas de testes de trabalho intelectual, complementado por feedback dos usuários. ⚙️
A rivalidade que moldou o design da OpenAI
Por trás de toda essa corrida existe uma rivalidade que ninguém na OpenAI assume com naturalidade: a disputa com o Claude, da Anthropic. Quando questionados sobre o que diferencia o Codex e o ChatGPT Work dos concorrentes, os engenheiros foram evasivos. A resposta honesta é que eu realmente não olho para os harnesses que eles constroem, disse Gershenson, recorrendo até a um meme de Mad Men.
Difícil acreditar totalmente nisso, considerando as semelhanças entre as interfaces e o fato de que a primeira coisa que o ChatGPT Work pede é importar os dados do Claude Cowork. O tema é sensível porque a Anthropic definiu o mercado de código com IA e lançou uma revolução na forma como engenheiros trabalham. É ainda mais frustrante porque a OpenAI teve a ideia primeiro, mas não a executou bem no começo.
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.
Quando desenvolveu o Codex como app web, os engenheiros ficaram, nas palavras de Ambrosino, um pouco AGI-pilled demais, apostando que o modelo seria inteligente o bastante para lidar com tudo sozinho. O Claude Code, criado logo depois, foi orientado a uma conversa de vai e volta com o usuário, oferecendo opções e checando a cada passo. A abordagem da Anthropic se provou mais eficaz. Depois, a OpenAI seguiu o mesmo caminho, adicionando mais interação, e hoje o Codex já assumiu uma leve dianteira em downloads, com dados de uso empresarial sugerindo que a empresa está alcançando a rival.
Afinal, o que faz um bom harness?
Essa discussão remete à famosa lição amarga aprendida pelos pesquisadores de IA: um modelo geral melhor é mais importante do que experiência específica de domínio. Para os verdadeiros crentes, o harness é uma muleta temporária, não o fosso competitivo. Você até consegue bons resultados no curto prazo adicionando um monte de extras, mas o próximo modelo sai em alguns meses e torna isso obsoleto, alerta Gershenson.
Nem todos concordam. Ethan Mollick, professor da Wharton School que estuda ferramentas de IA no trabalho, ainda vê o Claude como mais amigável, escrevendo que o ChatGPT tende a querer fazer mágica e resolver tudo por você, enquanto o Claude mostra comparações e pede feedback repetidamente. Sottiaux discorda, argumentando que a natureza conversacional do app é melhor que aprender a usar uma aplicação. Vemos claramente que o mundo parece pronto. É por isso que tivemos uma adoção incrível, afirma.
Confiança, privacidade e o custo por trás dos tokens
Nenhuma conversa sobre agentes de IA em ambientes reais está completa sem abordar confiança, privacidade e custo. Para funcionar bem dentro de um fluxo de trabalho corporativo, o agente precisa de acesso a dados sensíveis: e-mails confidenciais, conversas internas, documentos estratégicos. Isso levanta perguntas sérias sobre onde esses dados ficam, quem os acessa e como a OpenAI garante que não serão usados para treinar modelos sem consentimento explícito.
Há também a questão econômica. Em quatro dias de uso casual numa assinatura de 20 dólares mensais, foi possível consumir mais de 80 milhões de tokens, o equivalente a cerca de 65 dólares segundo a análise do próprio modelo. Isso representa um subsídio de mais de três vezes o preço da assinatura só para quatro dias de brincadeira. Trabalhamos todos os dias para empurrar a fronteira da eficiência, disse Sottiaux, apontando um corte recente de 80% no preço de um dos modelos da empresa. Se você acordar daqui a seis meses, deve conseguir fazer as mesmas tarefas gastando menos.
Mario Zechner, criador do harness open source Pi, resume bem o desafio de expandir os agentes de IA para além da programação: Tudo tem formato de agente de código, porque só existe dado de treinamento para tarefas de agente de código. Se sou gestor e tomo uma decisão hoje cujo resultado só aparece meses depois, você não captura isso num simples registro de vai e volta entre usuário e agente. Para ele, os grandes laboratórios empurram seus harnesses como forma de prender usuários e não virarem meros fornecedores de modelo.
No fim, a promessa continua sendo o que Nathan chama de caixa mágica. Ainda acho que há complexidade demais, mas sou muito otimista de que podemos resolver isso, com o modelo e de um jeito verdadeiramente nativo de IA, afirma. A tecnologia já entrega valor real, o modelo de negócio está estruturado e o produto está sendo refinado com uso real. O que ainda está em construção é a camada de confiança institucional que vai permitir que empresas de todos os tamanhos adotem esses fluxos de trabalho inteligentes com segurança. E essa parte, mais do que qualquer avanço técnico, vai definir se todo mundo realmente vai usar os agentes que a OpenAI está construindo. 🛡️
