1002 | Agentes, infraestrutura e apps: a semana em novidades

Sofia Almeida: Olá, você está no ar com a Sofia Almeida. Rafael Costa está comigo, e hoje a gente vai conversar sobre uma leva de lançamentos que, curiosamente, se organizam sozinhos em torno de duas perguntas: o que acontece quando o trabalho começa a ser feito por agentes, e o que a gente usa para construir, proteger e viver o dia a dia depois disso.

Rafael Costa: É, Sofia. Eu olhei para esse conjunto de produtos e a leitura que faço é a seguinte: a primeira leva é de agentes de IA que assumem trabalho real — não demo bonita, mas coisas como escrever outreach, investigar incidentes de produção, abrir pull request. A segunda leva é de infraestrutura para quem está construindo essas coisas. E aí a conversa naturalmente desliza para segurança e privacidade, porque mais agentes rodando significa mais chaves de API, mais dados, mais superfície de ataque.

Rafael Costa: E termina em apps de uso cotidiano, que mostram como tudo isso chega na porta de casa. Então vamos começar pelo começo: o trabalho delegado.

Sofia Almeida: Vou abrir com o Omnia Agent, porque ele tem a declaração mais ousada desse grupo. É um agente de IA que, segundo os criadores, faz 95% do trabalho de GEO — o equivalente ao SEO, mas para aparecer nas respostas de modelos de linguagem. O que isso significa na prática: ele descobre os prompts que importam para a sua marca, corrige as páginas que precisam ser ajustadas e redige o outreach para conquistar menções. E há uma trava importante: o outreach passa por aprovação humana antes de sair.

Rafael Costa: Eu gosto desse detalhe da aprovação, porque é aí que a conversa fica honesta. O "95% do trabalho" é uma afirmação dos criadores — a gente não tem como verificar de onde vem esse número, e qualquer pessoa que já usou um agente sabe que a margem entre "gera rascunho útil" e "faz o trabalho de verdade" pode ser enorme. O que o produto de fato entrega, pela descrição, é um pipeline nas três frentes clássicas de GEO: descoberta de prompts, otimização de páginas e prospecção de menções.

Rafael Costa: Para quem trabalha com visibilidade de marca em respostas de IA, isso é um problema real e mal resolvido — a maioria das equipes faz isso manualmente hoje.

Sofia Almeida: Exatamente. E a pergunta em aberto aqui é dupla: qual é a qualidade dos resultados que o agente produz, e até onde vai a autonomia dele. Corrigir páginas sozinho, por exemplo — ele aplica direto ou sugere? A descrição não deixa claro, e isso muda bastante o risco de quem adota. Mas o padrão que me chama a atenção é esse: agente faz o bulk, humano trava o que sai para o mundo.

Rafael Costa: E esse padrão aparece de forma ainda mais técnica no Polylane. Aqui é outro universo: agentes que investigam incidentes de produção e abrem pull requests com a correção. O que faz isso ser plausível é a integração — o Polylane conecta o repositório de código, a infraestrutura e a observabilidade. Ou seja, ele consegue olhar os logs do incidente, cruzar com o deploy que talvez tenha causado, e propor um fix no contexto certo.

Sofia Almeida: Isso é um dos trabalhos mais caros e estressantes de engenharia. O time de plantão às 3 da manhã tentando achar o que quebrou. Se um agente realmente encurtar esse ciclo de diagnóstico até o pull request, isso não é um brinquedo, é mudança de fluxo de trabalho. Mas vale o mesmo ceticismo: investigar um incidente envolve julgamento sobre o que é causa e o que é correlação. O pull request com o fix é uma coisa; o fix correto é outra.

Sofia Almeida: E um PR errado num contexto de produção pode custar mais do que ajudou.

Rafael Costa: Justo. E olha que interessante: existe um caso quase espelho disso no lado open source, o Firetower. É uma plataforma escrita em Rust, licença AGPL-3.0, para rodar agentes de código como Claude Code ou Codex nos seus próprios servidores. A promessa é que o agente rode remotamente, de forma "sobrevivente" — ou seja, que não morra se a sua máquina dormir ou a conexão cair — e que você possa acompanhar do celular.

Sofia Almeida: Então enquanto o Polylane delega uma tarefa específica, o Firetower é a infraestrutura para você mesmo operar agentes de código. São duas respostas para a mesma pergunta: quem segura o agente enquanto ele trabalha. E note como já estou usando a palavra infraestrutura, porque é a ponte para o Yedric.ai, que resolve um problema diferente mas na mesma família.

Rafael Costa: O Yedric é um agente embutível. A ideia: você coloca dentro do seu SaaS um agente que converte linguagem natural em ações do próprio produto. O usuário digita "cria um relatório de vendas do último trimestre" e o agente executa na interface. Os criadores dizem que a integração leva 30 minutos, e é gratuito desde que você use a sua própria chave de LLM.

Sofia Almeida: Esse modelo de "traga a sua chave" é esperto porque resolve a economia do produto — você não paga o custo de inferência do fornecedor, paga só a sua. E os 30 minutos são um número relevante, porque historicamente construir um agente que conheça as ações do seu produto era um projeto, não uma tarde. A limitação óbvia: a qualidade depende do modelo que você pluga e da forma como as ações do seu SaaS estão expostas. Se o produto tem uma API confusa, o agente não faz milagre.

Rafael Costa: E aí entra o mais ambicioso do grupo: o Dots da OpenAI. Agentes sempre ativos, rodando no GPT-6 Astra, com uma computadora na nuvem e um navegador próprios. Isso muda a categoria, porque os exemplos anteriores são agentes com tarefas delimitadas — GEO, incidentes, ações dentro de um SaaS. O Dots é um agente com máquina e navegador: ele pode, em tese, trabalhar em qualquer coisa que se faça num computador. Está disponível nos planos Pro e Business Premium.

Sofia Almeida: Sempre ativo é a expressão-chave. Os outros agentes reagem quando você pede; esse fica vivo. E é aí que as perguntas em aberto ficam mais sérias: se um agente tem máquina e navegador próprios e fica rodando, quais são os limites de autonomia dele? O que ele pode fazer sem perguntar? A descrição da OpenAI não entra nesses detalhes, e honestamente é o que mais importa para decidir usar.

Sofia Almeida: Então resumindo o bloco: quatro produtos, quatro pontos na linha entre "assistente que sugere" e "trabalhador autônomo", todos com a mesma trava ou falta de trava: aprovação humana. E isso me leva direto para o que esses agentes precisam por baixo do capô.

Rafael Costa: Memória e acesso a dados. Olha o Bracket: é uma camada de memória empresarial que conecta Gmail, Slack, Figma e GitHub e captura decisões e requisitos automaticamente. O insight é bom — as decisões de um projeto estão espalhadas em threads de Slack, comentários no Figma, issues no GitHub. Um agente sem esse contexto refaz perguntas ou pior, inventa respostas.

Sofia Almeida: E do lado dos dados, sem copiá-los, existe o Monospace do Directus: uma camada de API auto-hospedada e com governança, que expõe dados sem precisar duplicá-los, com permissões no nível de linha e de campo, e um servidor MCP integrado. Para contexto: MCP é o protocolo que ferramentas usam para dar a modelos acesso a ferramentas e dados.

Sofia Almeida: A combinação importa porque dá para um agente trabalhar em cima dos dados da empresa sem que eles saiam do seu servidor, e com granularidade de quem pode ver o quê.

Rafael Costa: E há até um exemplo exótico que ilustra o conceito de memória de vocabulário: o JevGPT, um chat open source onde o modelo Jev, de opções, escreve palavra por palavra escolhendo dentro de um vocabulário de 1.772 palavras. É uma curiosidade técnica — mostra que dá para construir geração de texto com restrições extremas.

Rafael Costa: Mas fico com a leitura macro: a geração de agentes de trabalho criou, de vez, uma demanda por memória e governança de dados, e essa camada está sendo construída agora por produtos separados.

Sofia Almeida: Que é exatamente o assunto do próximo fio: as ferramentas para quem constrói. E vou começar pelo Helo, porque ele vem com um pedigree: uma API de e-mail fundada por ex-integrantes da equipe do Postmark. Para quem não acompanha, o Postmark era conhecido justamente por confiabilidade em e-mail transacional — aquele e-mail de confirmação de conta, recibo, reset de senha. Quando a equipe de trás de um produto desses funda algo novo, a promessa implícita é "a mesma confiabilidade, reinventada".

Rafael Costa: O posicionamento é específico: envio multi-tenant. Isso é jargão importante — multi-tenant significa servir muitos clientes dentro do mesmo sistema. Pensa numa plataforma de SaaS que precisa enviar e-mails em nome de centenas de clientes próprios, cada um com seu domínio e reputação. E o preço é agressivo: $0,00035 por e-mail.

Rafael Costa: Esse é um modelo de volume puro, e a pergunta que fica é a sustentabilidade — entrega de e-mail tem custo fixo de reputação e infraestrutura, e preços tão baixos sempre levantam a dúvida de como o negócio se paga no longo prazo.

Sofia Almeida: E logo ao lado tem o Buddy Drop, que ataca outro tipo de atrito: o do deploy. A promessa é quase provocadora — desplegar sem criar conta, arrastando arquivos. Você ganha domínio grátis, um repositório Git e CI/CD, e ele aceita aplicações dinâmicas, incluindo Next.js. Isso é diferente das plataformas de arquivos estáticos que todo mundo conhece; aceitar Next.js significa rodar código no servidor de verdade.

Rafael Costa: Para o caso de "quero colocar um protótipo no ar em um minuto", é imbatível em fricção. Zero cadastro é uma decisão de produto ousada, porque conta também é o mecanismo de abuso dessas plataformas — alguém vai hospedar coisa que não devia. A pergunta em aberto é parecida com a do Helo: como se sustenta isso e como se controla o abuso. Mas os dois juntos contam uma história: e-mail e deploy estão virando commodity com preço de commodity.

Sofia Almeida: E o terceiro do bloco, o Basedash, ataca o atrito na hora de enxergar os dados. O chat agora cria dashboards completos a partir de um prompt, com prévia interativa e filtros que você ajusta dentro da própria conversa. Antes você descrevia o gráfico para um analista ou arrastava widgets; agora a conversa é a interface de construção.

Rafael Costa: O que os três têm em comum, Sofia, é a mesma tese: tirar passos entre a intenção e o resultado. Quero enviar e-mail — API de dois cliques. Quero publicar — arrasta. Quero visualizar — escrevo. É redução de atrito como produto. E note o fio que costura com o que veio antes: todo esse aparato de infraestrutura e agentes movendo dados levanta a questão que a gente adia sempre — segurança. Chaves de API, acessos, dados. Então vamos para lá.

Sofia Almeida: Começando pela dor mais concreta do desenvolvedor: a chave de API vazar. O Otter Vault detecta chaves de API no momento em que elas aparecem e as cifra localmente com AES-256-GCM, sem servidores e sem contas. O detalhe de cifrar localmente é o que importa — a chave nunca precisa sair da sua máquina para ser guardada. Num mundo onde agentes estão sempre ativos com acesso a repositórios e serviços, como vimos nos Dots, reduzir o tempo de exposição de uma credencial é proteção real.

Rafael Costa: E se a criptografia é local, o mesmo princípio aparece no nível de autenticação do dia a dia com o AuthMonster. É um app de 2FA focado em experiência do usuário, com um mascote chamado Toki — detalhe bobo, mas sintomático de que o produto aposta em carinho em vez de utilidade fria. Tem migração direta do Google Authenticator e do LastPass, biometria para desbloquear, e o modelo de negócio é doações em vez de paywall.

Sofia Almeida: Os dois separam, e de propósito, os segredos da nuvem. E o terceiro item do bloco leva essa filosofia para fora do computador, para a porta de casa: o Phare C1, um alarme de fumaça multisensor. "Multisensor" é a chave — ele cruza mais de um tipo de leitura para decidir que há fogo de verdade, e é assim que se reduzem falsos alarmes, o problema crônico desse produto. Além disso, promete alertas precoces e detecção de intrusos, e já está sendo enviado no Reino Unido.

Rafael Costa: Já com disponibilidade concreta, o que muda o tom da conversa — não é promessa, é produto no mercado. E o fio comum dos três, como você disse antes, Sofia: proteger dados e acessos sem depender da nuvem. A pergunta em aberto é confiança e adoção — ferramentas locais exigem que o usuário confie no código que corre na máquina dele, muitas vezes sem auditoria independente.

Rafael Costa: E há até um produto de verificação que dialoga com isso: o ChainSnip, que captura automaticamente os saldos de wallets no fim de cada mês, com marca de tempo e hash SHA-256, pronto para auditoria. É a mesma lógica de prova verificável aplicada a cripto.

Sofia Almeida: E se estamos falando de guardar coisas localmente, é uma transição suave para o último bloco: os apps do dia a dia, no desktop e no bolso. Vou abrir com o Starlie, porque ele resolve uma dor que qualquer pessoa que usa Jira conhece: o Jira na web é lento e pesado. O Starlie é um cliente nativo para Mac, com tabuleiro Kanban, JQL com autocomplete — o JQL é a linguagem de consulta do Jira, e autocompletar ajuda quem nunca decora a sintaxe — e um command palette com ⌘K.

Sofia Almeida: Custa $14,99 por ano e se destaca por não ter telemetria.

Rafael Costa: $14,99 por ano é preço de ferramenta de nicho, o que me parece correto: é um produto para quem já vive no Jira e só quer uma casaca nativa rápida. E a ausência de telemetria conecta com o espírito do bloco anterior — privacidade como característica vendável, não como suporte.

Sofia Almeida: Do Mac para o iPhone: o Rate.fm, que se apresenta como o "Letterboxd para música". Para quem conhece o Letterboxd, é o app onde você registra e resenha filmes; a proposta aqui é a mesma estrutura para música: nota de 0 a 10, resenhas, diário de escuta, e as notas da crítica como referência. Integra com Apple Music e Spotify. É para iPhone com iOS 26, gratuito, com um badge opcional de $2,99 por mês.

Rafael Costa: Modelo de assinatura por cosmético — o badge — é interessante porque não trava funcionalidade atrás de paywall, ao menos pela descrição. O risco de apps assim é sempre o mesmo: viram o diário que você usa por duas semanas e abandona. E é justamente a pergunta em aberto desse bloco todo: quanto disso vira hábito diário de verdade.

Sofia Almeida: Do hábito de adulto para o de criança: o Kholo, app de aprendizado para crianças de 6 a 14, seguindo o syllabus do NCERT — o currículo nacional indiano. O diferencial é a exploração em 3D, com Python de verdade para programar, histórias em inglês e projetos. Quatro elementos são permanentemente gratuitos.

Sofia Almeida: Num espaço cheio de apps que ensinam programação com blocos coloridos, oferecer Python real para uma criança de 6 anos é uma aposta ambiciosa — provavelmente os 6 anos precisam de supervisão, e a faixa mais velha é o público natural.

Rafael Costa: E dos estudos para as férias: a Cura, uma agente de viagens com IA. Ela planeja e reserva viagens, compara voos e hotéis em tempo real, aprende preferências e se adapta quando os planos mudam. E há um detalhe de design importante: humanos dão suporte quando a coisa fica complexa. É o mesmo padrão da aprovação humana no Omnia Agent, agora aplicado a uma reserva de viagem — o agente automatiza o bulk e a pessoa entra quando o risco é alto.

Sofia Almeida: E fechando o bloco, dois itens do dia a dia que mostram outra frente: a interface de voz. O UTTER IN transforma uma nota de voz em inglês ou árabe em itens estruturados — lembretes, eventos, lugares — e, importante, cada item aparece num cartão para você aprovar. De novo a trava humana. Você fala "liga para o dentista na terça, compra pão, e marca jantar com a Ana", e ele devolve três cartões para confirmar antes de salvar.

Rafael Costa: Repara como esse episódio inteiro tem um refrão, Sofia. No agente de marketing, aprovação humana. No agente de incidentes, pull request para revisar. No agente de viagens, humano no suporte. Na nota de voz, cartão para aprovar. Todos reconhecem que a autonomia total ainda não é o padrão. E antes de encerrar, quero ao menos mencionar rapidamente a camada de produtividade local que completa esse quadro, porque alguns produtos desse conjunto valem o registro.

Sofia Almeida: Vamos lá.

Rafael Costa: O NotchMind, para macOS, transforma o notch do MacBook numa caixa de ferramentas — música, arquivos, área de transferência, timer, ao todo 28 ferramentas — custando $15,99 uma vez, com preço de lançamento de $5,99, e os dados ficam locais. A Lume é uma app nativa de notas para Windows 11, construída em WinUI 3, que aparece ao sacudir o rato ou por hotkey, com scratchpad que faz contas, escrita à mão e sincronização pelo OneDrive — 20 notas grátis e Pro a partir de $2,99 por mês.

Rafael Costa: E o Typestream, para macOS, escreve texto caractere por caractere, com ritmo humano, em qualquer app — para quem grava vídeos ou demonstrações — gratuito, com uma versão Pro de $39,99 única para workflows de múltiplos passos. Todos os três são apps locais, de resposta imediata, no mesmo espírito do Starlie.

Sofia Almeida: E há duas peças de infraestrutura de conversa e escuta que merecem menção antes de fechar: o chat.sh, um centro de ajuda com busca por IA que você hospeda no seu próprio domínio — em yousite.com/help —, com saída em markdown pensada para modelos de linguagem lerem, por pagamento único de $399. E a Clarity, da KugelAudio, que melhora voz em tempo real com extração do falante-alvo — remove ruído e vozes de fundo ao vivo, com latência em torno de 50 milissegundos, pensada para agentes de voz.

Sofia Almeida: Que, de novo, é infraestrutura para os agentes de que falamos no começo.

Rafael Costa: O círculo se fecha bonito, né? Abrimos com agentes que assumem trabalho, passamos pela infraestrutura que os sustenta, pela segurança que os protege, e terminamos nos apps que usam tudo isso — ou simplesmente vivem sem nuvem. E as perguntas que ficam no ar são as mesmas que abrimos: qualidade dos resultados e limites de autonomia dos agentes, sustentabilidade dos preços agressivos de infraestrutura, confiança nas ferramentas locais, e quais desses apps do dia a dia sobrevivem ao teste do hábito.

Sofia Almeida: Ficamos por aqui. Este foi o resumo diário com a Sofia Almeida e o Rafael Costa. Obrigada por nos ouvir, e até amanhã.

Rafael Costa: Até a próxima.