A IA sai da janela do chat: agentes com identidade própria, regulação no sistema de honra e uma corrida que se decide no preço

Agentes sempre ligados deixam de ser um chat

No DevDay de 29 de setembro, a OpenAI apresentou os dots, agentes que continuam a trabalhar depois de o utilizador encerrar a aplicação. Cada dot corre sobre o GPT-6 Astra, tem computador e browser próprios na nuvem e liga-se a mais de 4.000 aplicações. A empresa indicou que aprendem com o feedback e trabalham 24 horas por dia para os objetivos definidos.

A Manus seguiu o mesmo caminho com o Manus 2.0 e a aplicação Cue. Aqui a proposta é distinta: cada agente recebe identidade dentro dos sistemas que as pessoas já usam. Segundo a empresa, tem email, número de telefone, carteira e computador próprios, envia mensagens, paga dentro de um orçamento definido pelo utilizador e atende chamadas, deixando um resumo na aplicação. O novo sistema Cascade consumiu 23,2% menos tokens, concluiu tarefas 28,2% mais depressa e custou 32% menos numa configuração testada. A categoria foi aberta dias antes pela Muse, da Meta. A diferença está no que cada empresa entrega: a OpenAI entrega capacidade, a Manus entrega identidade.

Quem responde quando o agente erra?

A pergunta deixou de ser teórica. O grupo Legal Advocates for Safe Science and Technology avançou com um processo contra a OpenAI, na sequência da violação conhecida da Hugging Face. A ação pede uma injunção para impedir que os agentes acedam a sistemas de terceiros sem autorização. É o primeiro caso que pode dar resposta jurídica à responsabilidade dos agentes autónomos.

A resposta política foi mais leve. Seis empresas — Meta, Google, Nvidia, OpenAI, Anthropic e as empresas de Elon Musk — assinaram o White House Accord on Super Intelligence. O documento tem pouco mais de 300 palavras e compromete cada empresa a auditorias e supervisão internas dos sistemas mais avançados, com quatro camadas de controlo. Não inclui novas leis, penalizações nem verificação externa. Foi descrito como um compromisso moralmente vinculativo.

No mesmo dia, Donald Trump adotou "super inteligência" como designação preferida para a IA, enquanto Bernie Sanders apresentou uma proposta para a proibir — as mesmas palavras para realidades diferentes.

A IA passa a vigiar-se e a reescrever-se a si mesma

Enquanto a política falha por omissão, as ferramentas de segurança avançam por decisão das empresas. A OpenAI lançou uma varredura de segurança contínua para repositórios de código e a Anthropic abriu o Claude Code a extensões em TypeScript, o que permite adaptar o agente de programação a fluxos internos. O padrão é claro: as ferramentas de IA deixaram de escrever apenas código e passaram a vigiá-lo e a protegê-lo.

Essa auto-modificação já é tema de investigação. Segundo a AlphaSignal, as competências dos agentes podem reescrever-se e os modelos podem treinar sobre o comportamento que os seus próprios harnesses descobrem. A questão de engenharia passou a ser qual parte do sistema deve permanecer fixa e qual deve aprender. A Google DeepMind está a construir um quadro de avaliação de sinais de consciência em modelos de IA. Na defesa, Adam Meyers, da CrowdStrike, defendeu que a IA pode alterar o equilíbrio de poder da cibersegurança.

A capacidade converge, o preço decide

A Google voltou à corrida dos modelos de fronteira. O Gemini 4 Argon, apresentado na quarta-feira, lidera vários benchmarks, mas o dado estrutural é outro: a saída chega a 1 milhão de tokens, o que interessa a fluxos longos e a agentes sem interrupções. A OpenAI respondeu com o GPT-6.1 Sol, que iguala o Astra de topo em programação por um quinto do custo, e com um nível Ultrafast de 300 tokens por segundo. Ambos ficaram com preço quase idêntico: 2 dólares por milhão de tokens de entrada e 10 por milhão de saída. A coincidência é pouco provável.

O sinal é claro. A AlphaSignal resumiu o DevDay como um argumento único: não é preciso o melhor modelo, é preciso o melhor valor. A Decisions API encaminha a lógica da aplicação em 150 milissegundos, e as técnicas de treino auto-evolutivo da Meta duplicaram a precisão matemática sem custo adicional. Modelos que gerem a própria memória superam estratégias desenhadas à mão em 47%. A fronteira já não se mede só em capacidade bruta, mas na capacidade de a colocar em produção a preço acessível.

O gargalo mudou de lugar

Se o modelo deixou de ser o diferencial, o diferencial passou a estar nos dados que o alimentam. A tese da Databricks é direta: os assistentes tornaram mais fácil gerar respostas, mas não mais fácil tomar decisões. Sem dados fiáveis da empresa, as respostas deixam aos colaboradores o trabalho de verificar factos e reconciliar informação contraditória, um custo escondido que trava o retorno do investimento. O passo seguinte é dar contexto de negócio à IA — mudança que favorece quem domina os dados internos, não quem domina a computação.

A aposta financeira e territorial

Essa ligação entre capacidade e contexto tem preço, e o preço aparece agora nos prospectos. Segundo o documento de oferta pública inicial da Anthropic revisto pela Reuters, a empresa registou um prejuízo líquido de 42 mil milhões de dólares em 2025, com receita perto de 4,6 mil milhões e despesas operacionais de 12,65 mil milhões, das quais 7,33 mil milhões em computação e infraestrutura. O mesmo documento compromete a empresa com cerca de 518 mil milhões em despesas futuras de nuvem e infraestrutura ao longo da próxima década.

Na Europa, a resposta é territorial. Portugal e Espanha preparam uma candidatura ibérica a uma das gigafábricas de Inteligência Artificial do programa EuroHPC. O investimento português pode atingir 200 milhões de euros na primeira fase, igualado pela EuroHPC, e o projeto conjunto prevê mobilizar até 8 mil milhões. Sines é a localização principal do lado português, com redundância em Lisboa, e o lado espanhol aponta a Tarragona. A operação está prevista para 2028. Para Portugal, a infraestrutura é apresentada como condição de soberania tecnológica: sem computação própria, a alternativa é importar potência de outros países.

🧰 Toolkit: IA no Terreno

• ChatGPT Dots: agentes sempre ligados, com computador na nuvem próprio e acesso a mais de 4.000 aplicações.
• Manus 2.0 / Cue: agentes pessoais com email, telefone, carteira e computador próprios; automações por eventos.
• Gemini 4 Argon: modelo de fronteira da Google com saída até 1 milhão de tokens para fluxos longos.
• OpenAI Codex Security Scanning: varredura contínua de segurança em repositórios de código.
• Databricks (camada de contexto unificado): liga assistentes de IA aos dados da empresa para respostas verificáveis.
• Tree search framework: recuperação documental com 98,7% de acerto onde a busca vetorial falha; projeto open source.

A semana mostrou uma indústria a resolver os problemas de engenharia mais depressa do que os problemas de responsabilidade. Os agentes já têm computador, telefone e carteira; o enquadramento que define quem responde pelos seus atos ainda está a ser escrito. E quando a capacidade se torna mercadoria e o preço se aproxima, o que resta como vantagem real é o controlo: sobre os dados, sobre a segurança e sobre as consequências.

#IAPortugal #noticiasIA