0924 | IA no seu fluxo: do teclado ao agente

Sofia Almeida: Olá e bem-vindos ao briefing de hoje. Eu sou a Sofia Almeida.

Rafael Costa: E eu sou o Rafael Costa, e hoje vamos falar de uma coisa que está a mudar a forma como escrevemos, falamos, codeamos e até vendemos: a inteligência artificial a deixar de ser uma novidade e a tornar-se colega de trabalho.

Sofia Almeida: Sim, e o fio condutor de hoje é precisamente esse: a passagem da IA como assistente que nos ajuda numa tarefa para a IA como agente que recebe um computador, uma memória, um orçamento — e até uma ficha de avaliação. Vamos seguir essa evolução ao longo do episódio.

Rafael Costa: Começamos pelo lado mais pessoal, com ferramentas que ajudam um humano a escrever, a falar e a construir. Depois passamos aos criativos, ao marketing, e acabamos na pergunta que começa a dominar tudo isto: medimos se estes agentes prestam?

Sofia Almeida: Então vamos lá. O primeiro produto é o ToneBird, para Mac e Windows. A ideia é simples de explicar: é um assistente de respostas de IA que memoriza as suas relações e o seu tom, e gera rascunhos diretamente no Gmail e no Slack.

Rafael Costa: E há um detalhe que me parece central na proposta: o utilizador relê sempre antes de enviar. Ou seja, a IA nunca envia nada por você. Ela prepara o rascunho, e é você quem decide.

Sofia Almeida: Exatamente. Isso coloca o ToneBird numa posição interessante no debate atual. Há muita gente a tentar automatizar a comunicação por completo, e o ToneBird diz, implicitamente: não, o valor está no rascunho, na primeira versão que poupa o esforço de começar do zero, mas a palavra final é humana.

Rafael Costa: E o que diferencia isto de escrever no ChatGPT e colar no Gmail? A memória das relações. Se a ferramenta realmente memoriza com quem você está a falar e o tom que usa com essa pessoa, o rascunho sai contextualizado. Um e-mail a um cliente e uma mensagem a um colega próximo não deviam soar iguais, e é isso que o produto promete resolver.

Sofia Almeida: Mas aqui há uma questão em aberto que vale a pena nomear: quão bem esse tom memorizado se adapta a contextos novos? A ferramenta funciona bem nas relações que já conhece, presumivelmente, mas o que acontece quando entra uma conversa nova, um registo de tom diferente, um contexto que não estava nos dados memorizados? Isso não está respondido na descrição.

Rafael Costa: Sim, e é uma limitação honesta de reconhecer. A proposta é credível, o problema é real — a fadiga de escrever respostas o dia inteiro — mas a qualidade da adaptação do tom a situações novas é o que vai separar um brinquedo giro de uma ferramenta que as pessoas usam a sério.

Sofia Almeida: E repara que esta filosofia — IA assiste, humano decide — vai aparecer outra vez ao longo do episódio. É quase uma contracorrente face à narrativa de autonomia total.

Rafael Costa: Pois, e do lado da voz há algo parecido, mas com uma pirouette técnica curiosa. Fala-mos do Speechka: tradução vocal em tempo real, na sua própria voz.

Sofia Almeida: Explica isso, porque a parte da própria voz é o que me intriga.

Rafael Costa: O Speechka traduz o que você diz em tempo real — a latência anunciada é de cerca de um segundo e meio — e fá-lo em 44 línguas. O diferencial é que a tradução sai na sua própria voz, não numa voz sintética genérica. Isso muda completamente a experiência para quem faz reuniões internacionais, por exemplo. A pessoa do outro lado ouve você, não uma voz de robô.

Sofia Almeida: Um segundo e meio de latência é suficientemente curto para funcionar em conversação real. Se fossem cinco segundos, a conversa ficaria estranha, cheia de pausas. A um segundo e meio, está perto de como funciona a interpretação humana simultânea, só que em muito mais línguas do que qualquer intérprete conseguiria.

Rafael Costa: E na disponibilidade: macOS e Windows, e há também uma versão no navegador que é gratuita. Portanto dá para experimentar sem fricção nenhuma, o que é uma escolha inteligente para uma ferramenta cuja proposta só se avalia experimentando.

Sofia Almeida: Porque é mesmo isso — não dá para avaliar a qualidade da tradução vocal lendo uma descrição. Tem de se ouvir. E nesse sentido, o navegador gratuito funciona como porta de entrada.

Rafael Costa: Exato. E atenção: tudo isto são afirmações do fabricante. A latência, as 44 línguas, a semelhança da voz — são alegações, e a única forma de as verificar é testar.

Sofia Almeida: Pois. E o contraste com a nossa terceira ferramenta desta secção é interessante, porque esta vai numa direção oposta: menos inteligência, mais local. É o Linguo Translate, um tradutor na barra de menus do macOS.

Rafael Costa: Na barra de menus, portanto sempre à mão, e o diferencial é que funciona offline, em 22 línguas, usando o Apple Translation, o framework nativo da Apple.

Sofia Almeida: Offline é a palavra-chave aqui. Sem internet, funciona na mesma. Isso serve para privacidade, serve para viagens, serve para quem simplesmente não quer depender de um servidor. E há uma camada de IA opcional para quem a quiser — portanto não é uma ferramenta anti-IA, é uma ferramenta que deixa a IA como escolha, não como obrigação.

Rafael Costa: E o preço: 3,99 euros. Uma compra única, presumivelmente, uma quantia pequena. Numa era de subscrições para tudo, isso nota-se.

Sofia Almeida: E olha como estas três se encaixam: o ToneBird escreve por você mas nunca envia, o Speechka fala por você mas na sua voz, e o Linguo traduz sem sequer precisar de ligação. São três respostas diferentes à mesma pergunta: onde deve ficar a linha entre o que a IA faz e o que o humano controla?

Rafael Costa: E há ainda uma quarta ferramenta nesta primeira zona, mas esta é para um público diferente: quem constrói as próprias automações. Chama-se Jev State, e a ideia é transformar conversas com IA em testes e código TypeScript executável.

Sofia Almeida: Isto é interessante porque ataca um problema real de quem trabalha com IA: você tem uma conversa prodigiosa com um modelo, sai daí um raciocínio, uma lógica — e depois essa lógica fica presa na conversa. O Jev State transforma isso em testes e em código, com exportação para JSON e para um formato chamado SKILL.md.

Rafael Costa: E é gratuito e open source. Portanto, se funciona como descrito, resolve o fosso entre "conversei com a IA e descobri a solução" e "tenho software que corre". Isso é um passo concreto de fiabilidade: o que estava implícito num diálogo passa a estar explícito num teste que pode falhar ou passar.

Sofia Almeida: E se olharmos para as quatro ferramentas desta primeira parte — ToneBird, Speechka, Linguo, Jev State — o padrão é claro: todas assistem um humano. Nenhuma substitui ninguém sozinha. E é aí que chegamos ao próximo grupo, porque os criativos têm um problema diferente: não precisam de ajuda para escrever, precisam de ajuda para avaliar o que fizeram, ao nível de uma revisão de estúdio.

Rafael Costa: Pois, e aí entra o Pactto. A proposta: salas persistentes com IA para equipas criativas, com revisão de vídeo em qualidade de estúdio, e agentes que aplicam o feedback em direto, mantendo o contexto.

Sofia Almeida: Vamos destrinçar isso, porque tem três peças. Primeiro, as salas persistem — não são documentos descartáveis, são espaços de trabalho contínuos para a equipa. Segundo, a revisão de vídeo é de qualidade de estúdio, o que sugere ferramentas de anotação precisas, tipo timecode, e não comentários vagos. Terceiro, e mais interessante: os agentes aplicam o feedback em direto.

Rafael Costa: E o que significa "aplicar o feedback em direto"? Significa que, em vez do feedback morrer num thread de comentários — você sabe como isso acaba, dez pessoas a comentar em versões diferentes de um ficheiro — o agente recebe as notas e executa as alterações, com o contexto preservado.

Sofia Almeida: E esse é o grande problema que o produto ataca: o feedback que se perde. Em equipas criativas, uma quantidade enorme de valor morre em threads espalhados — notas que alguém deu numa reunião, comentários num ficheiro antigo, uma conversa no Slack. O Pactto quer que tudo isso viva no mesmo sítio e seja acionável.

Rafael Costa: Mas reparem que aqui a IA já não é só assistente de primeira linha. Ela executa. Isso é um passo em direção à autonomia, embora ainda dentro de um ciclo guiado por humanos que dão o feedback.

Sofia Almeida: E há uma questão em aberto que nos parece relevante: como escala essa persistência de contexto para equipas grandes? Numa equipa de três, manter o contexto de tudo é fácil. Numa equipa de trinta, com dezenas de projetos, o contexto cresce rápido — e o que significa "aplicar o feedback" quando duas pessoas dão instruções contraditórias? A descrição não responde a isso.

Rafael Costa: Pois. E do outro lado do mesmo mundo criativo, há um produto que é quase uma provocação à onda atual: o Lightmeter, para iOS.

Sofia Almeida: Diz-nos o que é.

Rafael Costa: É uma app que combina um posemètre — aquele instrumento que fotógrafos usam para medir a luz — com uma câmara de filme que grava em RAW verdadeiro. E o detalhe que os faz dizer em voz alta: nenhuma IA, nenhuma cloud.

Sofia Almeida: Isso é notável, não é? Num momento em que praticamente todos os produtos de imagem anunciam IA em cada linha do site, o Lightmeter faz o oposto e coloca isso no centro da mensagem.

Rafael Costa: E há uma lógica: para fotógrafos e cineastas exigentes, o RAW verdadeiro e o controlo manual são o valor — previsibilidade, ficheiros que se comportam como esperado em pós-produção. IA que "melhora" a imagem no automático é precisamente o que parte deste público não quer.

Sofia Almeida: E a distribuição de preços é interessante: a câmara é gratuita, e a versão Plus é paga. Portanto pode experimentar a parte de câmara sem pagar nada, e o posemètre — que presumivelmente é a funcionalidade especializada — fica no lado pago.

Rafael Costa: E olha o contraste com o Pactto dentro do mesmo grupo: o Pactto usa agentes que executam trabalho criativo; o Lightmeter recusa deliberadamente IA e cloud e vende controlo e determinismo. São duas respostas opostas às necessidades dos criativos, e ambas podem coexistir, porque respondem a públicos diferentes dentro desse mundo.

Sofia Almeida: Exatamente. E agora, com o conteúdo criado — vídeos, campanhas, textos — falta uma coisa: alguém tem de o vender. E é aqui que entramos no marketing, que é talvez a zona mais agressivamente prometida de todas as que vamos ver hoje.

Rafael Costa: Pois, e vou pedir-te logo cautela, porque entramos em território de números de marketing. A primeira é a Naise AI: agentes de marketing autónomos que executam social, influência e relações públicas.

Sofia Almeida: E os preços e alegações?

Rafael Costa: A partir de 59,90 dólares por mês. E as alegações do produto: poupam 40 horas por semana e reduzem custos em 80 por cento.

Sofia Almeida: E aqui sou obrigada a dizer o que essas alegações são: alegações. Um agente autónomo que executa social media, influência e PR é uma promessa enorme — são três disciplinas distintas, com métricas e dinâmicas diferentes. Poupar 40 horas por semana é praticamente um full-time inteiro. Se fosse verdade de forma generalizada, isso transformaria a profissão.

Rafael Costa: E é por isso que os números convêm ler com cautela. Podem ser verdadeiros em casos específicos, bem configurados. Mas como afirmação universal de produto, são números de landing page, não resultados verificados. E não temos — na fonte — qualquer medição independente que os confirme.

Sofia Almeida: Qual é, contudo, o problema real por trás? Pequenas equipas e criadores individuais não têm tempo nem dinheiro para uma agência. Se um produto consegue sequer uma fração dessas poupanças, já tem valor. A questão é calibrar a expectativa.

Rafael Costa: Exatamente. E a segunda ferramenta deste grupo vai num terreno completamente novo: o RankControl. E aqui temos de explicar primeiro o contexto, porque o terreno mudou.

Sofia Almeida: Pois. Durante décadas, otimizar para motores de busca significava otimizar para o Google. Mas cada vez mais pessoas fazem perguntas a motores de IA — ChatGPT, e similares — e a resposta que a IA dá pode ou não incluir a sua empresa. Essa é a nova fronteira de visibilidade.

Rafael Costa: E é exatamente esse o mercado do RankControl: sete agentes de IA criam e publicam conteúdo no seu domínio, e fazem o seguimento das citações em seis motores de IA.

Sofia Almeida: Ou seja, um ciclo completo: produzem o conteúdo no seu site, e depois medem se os motores de IA o citam. É a lógica de SEO transposta para a era da IA — em vez de subir no ranking de links, entrar nas respostas geradas.

Rafael Costa: O modelo comercial é um plano único, com 7 dias de teste. Portanto simples de entender, sem escalões aparentemente.

Sofia Almeida: E o que fica em aberto aqui é importante: a qualidade real desse conteúdo gerado. Conteúdo feito para ser citado por motores de IA corre o risco de ser conteúdo escrito para máquinas, não para pessoas. E não há, na descrição, qualquer medição independente da eficácia. Como no caso da Naise, estamos perante alegações.

Rafael Costa: E repare que as duas ferramentas se complementam na leitura: a Naise executa marketing nos canais tradicionais — social, influência, PR — e o RankControl ataca o canal novo, os próprios motores de IA. Uma empresa que comprasse as duas estaria, na teoria, a cobrir os dois lados. Mas em ambas, o mesmo aviso aplica-se: valores de produto, não resultados auditados.

Sofia Almeida: E há ainda uma peça de suporte neste tema que vale mencionar, porque completa o quadro para quem quer monetizar ferramentas deste tipo: a Dub Program Marketplace.

Rafael Costa: Sim. É uma plataforma para navegar e candidatar-se aos melhores programas de afiliação de SaaS. E os nomes que citam dão ideia do nível: Framer, Granola, Superhuman.

Sofia Almeida: Portanto, para quem cria conteúdo — e com ferramentas como as que acabámos de ver, cada vez mais pessoas produzem conteúdo sobre software — os programas de afiliação são uma via de receita. E a Dub organiza isso num marketplace único: em vez de caçar programa a programa, navega e candidata-se num sítio só.

Rafael Costa: E nota-se uma lógica de ecossistema: as ferramentas de marketing autónomo geram conteúdo, o conteúdo gera audiência, e a audiência gera receita via afiliação. Não estou a dizer que a Dub seja ligada a essas ferramentas — não há nada que o diga — mas as peças encaixam no fluxo de trabalho de quem vive disto.

Sofia Almeida: Pois. E agora chegamos à parte do episódio que eu diria ser a mais interessante, porque é onde a promessa de autonomia fica concreta. Até aqui vimos assistentes. Agora vamos ver o que acontece quando se dá aos agentes as suas próprias infraestruturas — e os seus próprios riscos.

Rafael Costa: E começa pelos modelos. A Anthropic lançou o Claude Opus 5.5, o primeiro modelo da família 5.5, focado em agentic coding e conhecimento.

Sofia Almeida: E o número que salta à vista: é 40 por cento mais barato que o Opus 5.

Rafael Costa: E esse número importa mais do que parece. Quando se fala de agentes, o custo do modelo é diretamente proporcional ao custo de operar o agente, porque os agentes consomem muito mais tokens do que uma conversa simples — chamam ferramentas, relemem contexto, correm em ciclos. Baixar o preço do modelo de ponta em 40 por cento baixa o custo de toda a operação.

Sofia Almeida: Portanto a mensagem da Anthropic é: agentes ficam mais acessíveis. O foco em agentic coding também diz algo — o uso mais exigente dos modelos hoje é exatamente esse, código e tarefas autónomas de longa duração.

Rafael Costa: E do lado das infraestruturas, há uma empresa que leva isso ao pé da letra: a Solid. Dão a cada agente de IA o seu próprio computador, as suas próprias contas e os seus próprios orçamentos, para tarefas longas.

Sofia Almeida: Isso é quase assustador na literalidade, não é? Um agente com um computador próprio.

Rafael Costa: Mas pense um segundo — faz todo o sentido. Se um agente trabalha na sua máquina, com as suas contas e o seu orçamento, você consegue o que não consegue quando ele usa os seus: isolamento, limites e rastreabilidade. Se algo corre mal, o estrago está contido naquela caixa. E o orçamento significa que há um teto de gasto por agente.

Sofia Almeida: E a equipa: MIT, Berkeley e Waterloo, com 6 milhões de dólares levantados. Portanto é cedo, mas é capitalizado e tem origem académica forte. É uma aposta de fundação — o tipo de infraestrutura que, se funcionar, outros constroem por cima.

Rafael Costa: Mas um agente com computador, contas e orçamento não chega. Precisa de duas coisas mais: dados para trabalhar, e memória para lembrar. E há duas empresas, cada uma para um lado.

Sofia Almeida: Comecemos pelos dados. A Firecrawl lançou a Alexandria — uma biblioteca de dados para agentes de IA, acessível via MCP, CLI e API.

Rafael Costa: Para quem não conhece o MCP, é um protocolo que permite aos modelos ligar-se a ferramentas e fontes de dados externas de forma padronizada. Portanto, ao dizer "via MCP, CLI e API", a Alexandria está a dizer: acessível a partir de praticamente qualquer stack de agentes.

Sofia Almeida: E os números: a empresa diz que a qualidade das respostas melhora em mais 21 por cento com a biblioteca. E levantaram 75 milhões de dólares numa Série B.

Rafael Costa: O que diz a Série B? Diz que há capital a apostar a sério nesta tese: que os agentes precisam de dados curados, prontos, e que isso é um mercado grande. E o +21 por cento, outra vez, é uma alegação do fabricante — plausível, porque dados de melhor qualidade melhoram respostas, mas é o número deles.

Sofia Almeida: E do lado da memória, há o GBrain: memória partilhada em markdown e contas ligadas, acessíveis a todas as IAs.

Rafael Costa: A escolha do markdown é interessante. É um formato universal, legível por humanos, versão-ável. Portanto a memória dos seus agentes fica num formato que você consegue abrir, ler e editar — não numa base de dados proprietária opaca.

Sofia Almeida: E "acessível a todas as IAs" muda o modelo mental: em vez de cada ferramenta ter a sua memória própria fechada, existe uma memória partilhada que qualquer agente pode consultar. Se você trabalha com três ferramentas de IA diferentes, não repete o contexto três vezes.

Rafael Costa: E o preço: um workspace de equipa a 99 dólares no primeiro mês, depois 199. Portanto está claramente posicionado para equipas, não para utilizadores individuais.

Sofia Almeida: Mas há uma peça que falta no puzzle e que é talvez a mais desconfortável: se os agentes têm computadores, contas, orçamentos, dados e memória — o que os impede de fazer asneira? É aí que entra o Koreshield.

Rafael Costa: E o Koreshield foca-se num caso concreto: agentes de suporte ao cliente. Filtra as mensagens dos clientes que entram, os conteúdos RAG — ou seja, os documentos que o agente consulta para responder — e as chamadas de ferramentas que o agente faz.

Sofia Almeida: Esses são os três pontos de entrada de risco num agente de suporte, não é? O cliente pode escrever algo malicioso, os documentos internos podem conter algo que não devia ser exposto, e o agente pode chamar uma ferramenta que não devia chamar.

Rafael Costa: Exatamente. E o modelo de adoção é sensato: começa num modo de deteção — só observa e regista — e só depois passa ao enforcement, à aplicação efectiva. Portanto as equipas podem ver o que seria bloqueado antes de bloquear. E há logs, o que significa rastreabilidade.

Sofia Almeida: Esse caminho deteção-antes-de-aplicação é, para mim, o sinal de maturidade mais importante desta ferramenta. É o padrão que se usa em segurança de rede há décadas: observe primeiro, bloqueie depois. Qualquer produto que bloqueie logo à nascença vai gerar falsos positivos que matam a confiança.

Rafael Costa: E olha o arco desta secção: demos ao agente um modelo mais barato, um computador próprio, uma biblioteca de dados, uma memória partilhada e uma camada de segurança. É praticamente uma organização inteira construída à volta de software autónomo.

Sofia Almeida: Pois. E resta a pergunta óbvia: como medimos se tudo isto funciona? Se um agente é bom ou mau? Se entrega ou não entrega? E é exatamente aí que fechamos o episódio.

Rafael Costa: Com o AgentScore, da Latitude. E a proposta é simples de dizer, e radical nas implicações: um score diário de um agente de produção, real, em produção.

Sofia Almeida: E o score é composto por cinco dimensões: resultado — se entregou o que devia; fiabilidade — se o comportamento é consistente; custo — quanto gastou; velocidade — quanto tempo demorou; e segurança — se houve incidentes. Cinco eixos que, juntos, dão uma imagem bastante completa de um agente.

Rafael Costa: E está tudo em open source. Isso significa que a metodologia é pública, auditável, e que qualquer pessoa pode ver exatamente como o score é calculado.

Sofia Almeida: E aqui está a parte que me parece mais importante: o valor disto não é o score em si — é a possibilidade de criar um padrão de mercado. Hoje, quando uma empresa diz "os nossos agentes são excelentes", ninguém consegue verificar. Se houver uma metodologia pública, comum, com as mesmas cinco dimensões aplicadas por equipas diferentes, começamos a poder comparar.

Rafael Costa: É o que aconteceu com métricas em outras indústrias. Uptime em serviços cloud, por exemplo — quando se tornou padrão medir e publicar, a conversa mudou de "confie em nós" para "aqui estão os números".

Sofia Almeida: E a questão em aberto é evidente: adotarão outras equipas a metodologia? Um score diário de um agente é valioso como transparência, mas um padrão só vira padrão se houver adoção. A Latitude publicou o seu; veremos se o mercado segue.

Rafael Costa: E é por isso que este é o fecho perfeito do arco de hoje. Começámos com IA que assiste — escreve rascunhos, traduz na nossa voz, corre offline na barra de menus. Passámos por criativos, por marketing cheio de promessas que convém ler com cautela. E acabámos no estágio onde os agentes recebem computadores, memória, segurança — e uma ficha de avaliação diária.

Sofia Almeida: Como qualquer colega de trabalho, no fundo. Primeiro ajudam, depois têm ferramentas próprias, e no fim têm de mostrar resultados. Obrigada por nos ouvirem, eu sou a Sofia Almeida.

Rafael Costa: E eu sou o Rafael Costa. Até ao próximo episódio.