
1113 | Agentes por todo o lado: do código ao cliente
节目备注
Uma edição sobre a nova era dos agentes: de experimentos em ferramentas de marketing a agentes que vigiam código, hospedam sites e conversam com clientes. Vamos por tudo, em ordem.
Linha do tempo
- 00:00:04 Abertura
- 00:00:51 Agentes no marketing: Customer.io
- 00:02:06 Fluxos GTM e vendas com IA
- 00:03:52 Decisões rápidas e chamadas com IA
- 00:05:14 Testar agentes antes de os soltar
- 00:06:20 Agentes como colegas de equipa
- 00:07:54 IA local, no dispositivo: notas, nomes e voz
- 00:10:21 Hosting para o que os agentes constroem
- 00:11:48 Infraestrutura open source para agentes
- 00:13:30 Supervisionar agentes de código
- 00:14:52 Ferramentas de construção: editar, testar, criar
- 00:16:39 Terminal e manutenção: limpar e automatizar
- 00:18:05 Casos verticais: identidade e leasing
- 00:19:24 Encerramento
Links relacionados
- Customer.io Fall Release
- Sendr V4: Lovable for GTM
- Neura HQ
- Gemini Decisions API
- Insight7 Voice AI Agents
- Plurai Simulation
- Toki Matter
- Grok Bot 1.0
- Harness Memory
- WizardNote
- Nameshot
- Hoy for Mac
- Yogurt
- Spacefast by Automattic
- Cloudways Velocity
- CanyonOS
- Omnigraph
- three.dev
- Gnista
- Oxagen
- ⌘+L
- Blendra
- YouArt Desktop App
- Sluice
- mang.sh
- Didit MCP
- LeaseWire
Este episódio é produzido pela Bri. O Bri usa tecnologia avançada de IA para transformar os feeds importantes para você em podcasts feitos para ouvir. Fale conosco em hi@bri.so.
文字稿
Sofia Almeida: Boas-vindas ao podcast, eu sou a Sofia Almeida.
Rafael Costa: E eu sou o Rafael Costa. E hoje, olha, o que nos une aqui é uma coisa muito simples: uma vaga inteira de produtos lançados nos últimos dias que giram em torno de uma só ideia — agentes de IA que propõem, executam e até vendem. E nós, humanos, a decidir quanto controlo lhes damos.
Sofia Almeida: Exato. E essa é a espinha dorsal do episódio de hoje: do marketing ao código, das chamadas às notas de reunião, há uma mudança clara. As ferramentas deixaram de ser só e-mail ou só chat. Estão a decidir connosco, a escrever connosco, e nalguns casos a agir sozinhas. Então vamos lá, começamos pelo outro lado do balcão — Customer.io.
Rafael Costa: Sim, porque é um bom exemplo do padrão. A Customer.io anunciou o lançamento de outono com três coisas. Primeiro, experimentos sugeridos por agentes. Segundo, experimentos dentro de ramificações de journeys — ou seja, testes em caminhos específicos do percurso do cliente. E terceiro, o Design Studio passa a ter um editor predefinido com redação agéntica, ou seja, a IA escreve por si.
Sofia Almeida: E porque é que isto importa? Porque as ferramentas de marketing estavam, durante anos, presas a um modelo: tu desenhas o e-mail, tu desenhas o journey, tu decides o teste. Agora a plataforma sugere-te o que testar e escreve-te o rascunho. Isso muda o papel do marketer de executor para revisor.
Rafael Costa: Exato. Mas atenção — e é o ponto que eu queria deixar claro — o anúncio diz "sugerido por agentes" e "redação agéntica", mas não sabemos o quão autónomas são essas sugestões. Sugerem e o humano aprova? Ou aplicam diretamente? A fonte não diz. E essa é a pergunta que vai percorrer o episódio inteiro.
Sofia Almeida: Perfeito, porque a seguir vamos ver agentes que não só sugerem, mas operam funis inteiros. Fica-te bem a transição?
Rafael Costa: Fica. Então, se a Customer.io sugere experimentos de marketing, a Sendr V4 vai mais longe no funil. Têm um co-piloto de IA que constrói fluxos go-to-market num canvas — literalmente desenha o fluxo por ti. E por baixo disso, uma base de mais de 550 milhões de contactos, com canais de e-mail, LinkedIn e WhatsApp. E aqui há uma coisa interessante: notas de voz e vídeos personalizados.
Sofia Almeida: Notas de voz e vídeo personalizados à escala. Isso é uma coisa que antigamente só fazias à mão, um a um. Agora é gerado automaticamente. Mas refiro o óbvio: personalização gerada por máquina ainda soa a máquina muitas vezes. Não sabemos a qualidade desses vídeos nem a taxa de resposta.
Rafael Costa: Exato, e é justo tratar isso como afirmação do criador, não como resultado verificado. Agora o Neura, no mesmo tema, dá o passo seguinte na cadeia: é uma loja conversacional agéntica para marcas de consumo. Recomenda produtos, verifica stock, completa a compra, e lembra-se dos clientes entre visitas.
Sofia Almeida: Ou seja, com a Sendr os agentes ajudam-te a prospectar. Com o Neura, o agente é literalmente a loja. A linha entre e-commerce e conversa desaparece. Isto é a extremidade oposta do espectro da Customer.io: lá o agente sugere, aqui o agente vende, processa pagamento e tem memória do cliente.
Rafael Costa: E quando os agentes vendem sozinhos, surge a pergunta óbvia: quem garante a qualidade? Quem garante que o agente não recomenda errado, não promete stock que não existe? Isso leva-nos bem ao tema seguinte: velocidade de decisão.
Sofia Almeida: Pois, porque há duas peças aqui que se encaixam. A primeira é infraestrutura: uma API chamada Gemini Decisions, com o modelo Gemini Decision 1. Os números são concretos: até 1.000 perguntas por pedido, com resultados que incluem níveis de confiança, em 150 a 250 milissegundos.
Rafael Costa: Milissegundos. Isso é infraestrutura para decisões em massa — tipo, um sistema que precisa de decidir milhares de vezes por minuto: aprovar, recusar, rotear, responder. Não é um chatbot, é uma peça de encanamento de decisão.
Sofia Almeida: Exato. E a segunda peça mostra esse conceito aplicado: a Insight7, com agentes de voz para chamadas outbound e inbound. Configuração em uma frase, o que é notável. E — isto gosta-me — uma chamada de teste obrigatória antes do lançamento. Não podes pôr o agente no ar sem primeiro o testares.
Rafael Costa: Isso é um sinal de maturidade, de alguém reconhecer que agentes de voz falham em produção. E há um único relatório de resultados, o que sugere que sabem que equipas não querem dashboards infinitos. Mas de novo: um só relatório não é o mesmo que avaliação profunda. E isso leva-nos diretamente ao tema do teste — avaliar agentes antes de os soltar.
Sofia Almeida: Aí entram duas abordagens muito diferentes. A Plurai constrói um gémeo digital do mundo do agente, numa sandbox. As evals verificam mudanças reais de estado — não só "a resposta parece bem", mas "o estado do mundo mudou como devia". E podes reproduzir falhas, repetir o cenário que correu mal. E corre no Claude Code e no Codex.
Rafael Costa: Isso é a parte séria de evals: verificar efeitos, não palavras. Já o Toki Matter ataca a fiabilidade por outro ângulo, mais humano. É um assistente que acompanha objetivos contínuos — chamam-lhes "Matters" — extraídos do teu e-mail, calendário e Slack. E a característica central: o utilizador aprova as ações, e o Toki intervém quando necessário.
Sofia Almeida: Ou seja, a Plurai testa num mundo falso; o Toki age no mundo real mas sempre com humano no circuito. São dois pontos de um mesmo espectro: autonomia total no falso, autonomia limitada no verdadeiro. E ninguém sabe ainda onde está o ponto certo.
Rafael Costa: Exato. E quando um agente começa a agir no teu e-mail e no teu Slack, torna-se efetivamente um colega. É aí que o tema muda naturalmente para: agentes como colegas de equipa.
Sofia Almeida: E aqui temos o Grok Bot 1.0. Colegas de IA que podes partilhar no Slack e no Teams — partilháveis, ou seja, não é um bot pessoal, é da equipa. Entram em chamadas, apanham trabalho proativamente, e aprendem as preferências da equipa.
Rafael Costa: "Apanham trabalho proativamente" é uma afirmação forte. Que trabalho? Como decidem? A fonte não detalha. Mas a ideia de um agente partilhado por toda a equipa é diferente dos bots de Slack que todos já vimos: é memória e contexto coletivo.
Sofia Almeida: E é aí que entra a segunda metade: a Harness Memory. Memória de longo prazo para agentes, que funciona através de vários harnesses — Claude Code, Codex, Hermes. E dois detalhes que me parecem muito bem pensados: a memória é isolada por utilizador, e só humanos podem apagá-la.
Rafael Costa: Só humanos apagam. Isso é uma escolha de desenho que diz muito: reconhecem que memória é um ativo sensível, que ninguém quer que um agente limpe a própria memória para esconder um erro, por exemplo.
Sofia Almeida: E juntos, o Grok Bot e a Harness Memory respondem a uma pergunta: o que faz um agente ser um colega de verdade, e não uma ferramenta? Resposta: partilha e continuidade. Se ele não se lembra de ontem e não conhece a equipa, é só um widget.
Rafael Costa: Mas se ele é um colega com memória da tua equipa, entra imediatamente a questão da privacidade — e do sítio onde os dados vivem. É a ponte perfeita para o tema seguinte: IA local, no dispositivo.
Sofia Almeida: Este bloco é dos meus favoritos, porque tem um tema comum muito claro: IA que respeita os teus dados. Quatro produtos. O primeiro, WizardNote: transcreve com Whisper no dispositivo, anonimiza dados pessoais antes de qualquer IA, e exporta para Obsidian em markdown. O Pro é pagamento único, disponível para iPhone e Android.
Rafael Costa: O anonimização de PII antes da IA é o detalhe que me agrada — a maioria das apps de notas só diz "no dispositivo" e pronto, mas a WizardNote pensa no que há de sensível no texto.
Sofia Almeida: Segundo, Nameshot, no Mac. Nomeia screenshots automaticamente no dispositivo via Apple Intelligence, e aprende com as tuas correções. Pro a 4,99 dólares, pagamento único.
Rafael Costa: Parece pequeno, mas é um problema real — todo o mundo tem pastas cheias de "Screenshot 2024-11-03 às 14.22.17.png". E o "aprende com as correções" é o que o diferencia de uma simples regra de renomeação.
Sofia Almeida: Terceiro, Hoy, também no Mac: canais de voz na menu-bar, um por pessoa. Premes para falar, hold-to-talk, com transcrição, e podes largar ficheiros. Tudo via iCloud, sem servidor próprio — o que significa que é só para quem está no ecossistema Apple.
Rafael Costa: E sem servidor é a chave: os dados vão de um Mac para outro Mac através do iCloud, a infraestrutura da Apple. Mais uma vez, zero superfície extra de dados.
Sofia Almeida: E o quarto fecha o bloco: Yogurt, uma app open source e gratuita de notas de reunião por IA, 100% local, sem bot na chamada, para Mac, Windows e Linux. O "sem bot na chamada" é importante — não há aquele participante fantasma que entra na reunião e todos evitam falar na frente dele.
Rafael Costa: Então tens quatro produtos que resolvem problemas diferentes — notas, screenshots, voz, reuniões — mas com a mesma filosofia: os dados não saem da tua mão, e o pagamento único em vez de subscrição nalguns casos. É quase um contramodelo ao SaaS agéntico de que falámos antes.
Sofia Almeida: Pois, e agora faz uma passagem interessante: se os agentes constroem coisas — sites, apps — esses objetos precisam de viver algures. Ou seja, hosting. E temos duas propostas muito diferentes para dois públicos diferentes.
Rafael Costa: Primeiro, a Spacefast, da Automattic — a empresa por trás do WordPress, o que dá peso. É hosting agnóstico de agente para sites e aplicações construídos por IA. Inclui bases de dados, uploads, histórico de versões e links privados. Grátis para começar.
Sofia Almeida: "Agnóstico de agente" é a parte interessante: não interessa se o site foi feito pelo Claude, pelo Codex ou outro, o destino é o mesmo. E o histórico de versões faz sentido, porque agentes geram muitas versões.
Rafael Costa: Segundo, no extremo gerido: Cloudways Velocity, hosting Node.js gerido. Servidores sempre quentes, sem cold starts, preços planos e deploy por Git. E têm um código promocional, BFCM802, a 80% de desconto — presumivelmente para o Black Friday, mas o código é esse.
Sofia Almeida: E nota a diferença: a Spacefast é para o output de agentes; a Cloudways Velocity é infraestrutura clássica de Node.js, muito polida. São públicos diferentes — quem construiu com IA esta semana versus quem tem uma aplicação Node para gerir a sério.
Rafael Costa: E a ponte para o próximo bloco é: para os agentes construírem e correrem a esta escala, precisam de infraestrutura própria. E há três peças open source neste tema que se completam.
Sofia Almeida: Primeiro, CanyonOS, licença AGPL-3.0: uma plataforma para aplicações Python multi-agente. Escalonamento por container por agente — cada agente escala sozinho — com custos e observabilidade integrados, sem precisares de escrever código de tracing.
Rafael Costa: Sem código de tracing é um alívio real. Observabilidade em sistemas multi-agente é geralmente metade do trabalho, e eles dizem que já vem na plataforma.
Sofia Almeida: Segundo, Omnigraph, licença MIT: uma base de dados de grafos em object storage, desenhada para agentes. Tem branching à Git — versões do grafo como ramos de código —, ontologia tipada, busca híbrida e o formato Lance.
Rafael Costa: Branching à Git numa base de dados é conceito forte: podes experimentar uma versão do mundo do agente e voltar atrás. E MIT é mais permissivo que a AGPL do CanyonOS, o que importa a equipas que decidem licenças.
Sofia Almeida: Terceiro, e fecha o ciclo de operação: three.dev. Pontua o tráfego ao vivo dos agentes, deteta automaticamente modos de falha e classifica-os por severidade, e entrega as correções ao agente de código via MCP.
Sofia Almeida: Então: a CanyonOS corre os agentes, a Omnigraph guarda o mundo deles, e a three.dev vigia quando falham e passa o bilhete ao agente de código. É quase uma pilha completa.
Rafael Costa: E aí vem a parte de cima dessa pilha: supervisionar agentes de código no dia a dia. Temos duas ferramentas nisso.
Sofia Almeida: A primeira, Gnista: vigia até 28 agentes de código ao mesmo tempo, e o sítio onde vive é... o notch do Mac. Avisa-te imediatamente quando um agente precisa de aprovação de permissões, e funciona via SSH, portanto não precisa de estar na mesma máquina.
Rafael Costa: O notch como centro de comando é uma escolha curiosa — mas prática. Se tens 28 agentes a correr, não queres um dashboard separado; queres algo no canto do ecrã que te toque no ombro.
Sofia Almeida: A segunda, Oxagen, é a contabilidade: amarra cada execução de agente à pessoa, à tarefa, às alterações, ao custo e ao resultado, com orçamentos e aprovações.
Rafael Costa: Orçamentos por agente. Isso é o que falta a muitas equipas: saber quanto gastou aquele agente naquela tarefa e o que produziu de facto. Sem isto, é impossível justificar a despesa de IA a ninguém.
Sofia Almeida: E juntos dizem a mesma coisa: quando vários agentes trabalham em paralelo, precisas de vigilância e de contabilidade. Que nos leva bem ao bloco das ferramentas de construção — editar, testar, criar.
Rafael Costa: Três produtos aqui. Primeiro, o ⌘+L, da Letter, com um conceito que gosto muito: editas um website visualmente, como no Figma, e as alterações tornam-se pull requests — via Claude Code, via Codex, ou via um modelo próprio deles, o Letterpress-1.
Sofia Almeida: É a ponte perfeita entre designer e código: em vez de dizer "quero o botão mais para a direita" e esperar por um ticket, fazes o gesto visual e ele vira um PR que pode ser revisto e integrado. O designer mantém o controlo, e o código entra pelo processo normal.
Rafael Costa: Segundo, Blendra: grava fluxos e gera projetos Playwright que são teus — specs, page objects e workflow de CI. E aqui está a diferenciação importante: sem codegen por LLM, com saída determinística.
Sofia Almeida: Isso é quase contracorrente. Enquanto todos mandam a IA gerar código, a Blendra escolhe determinismo: o mesmo fluxo gravado produz sempre o mesmo teste. Para testes automatizados, isso é uma decisão sensata — testes não determinísticos são um pesadelo.
Rafael Costa: E terceiro, YouArt Desktop: produção de vídeo agéntica na tua própria máquina. O agente opera o After Effects, o CapCut e o Blender via computer use, e trás as tuas chaves de API — bring your own keys.
Sofia Almeida: Três ângulos: quem edita, quem testa, quem cria vídeo. E no caso do YouArt há a mesma pulga atrás da orelha que já tivemos: um agente a controlar aplicações via computer use é poderoso mas também é frágil — e operar no teu computador local significa que os dados ficam contigo, mas também que os erros acontecem no teu computador.
Rafael Costa: O que é uma transição perfeita, porque esse é o tema seguinte: a tua máquina, o terminal, a manutenção. E aqui a ligação é exatamente essa — proteger e controlar a tua máquina.
Sofia Almeida: Primeiro, Sluice: limpa resíduos de Xcode, Docker, Rust, Go e npm no Mac, sem tocar em builds nem em código. E o criador diz que recuperou 61 GB — e sublinha: isso é a experiência do criador, não um benchmark.
Rafael Costa: Sim, trata-se como anedota, não como promessa. Mas os caches de Xcode e Docker são conhecidos por engolir dezenas de gigabytes, portanto é verosímil.
Sofia Almeida: Segundo, mang.sh: converte linguagem natural em comandos de terminal, com confirmação obrigatória. Escrito em Rust, licença MIT, e pode correr com Ollama local ou OpenRouter.
Rafael Costa: Confirmação obrigatória. Mais uma vez o mesmo padrão: o agente sugere, o humano aprova. Rust é também um bom sinal para uma ferramenta de linha de comandos — rápido e sem dependências pesadas.
Sofia Almeida: E repara como é bonito fechar o círculo: começámos com agentes que sugerem experimentos de marketing, e terminamos no terminal, com o utilizador a ter a última palavra antes de qualquer comando correr. É o mesmo princípio, aplicado a ponta a ponta.
Rafael Costa: Mas falta-nos o último tema, e é uma boa forma de terminar: casos verticais, onde agentes especializados resolvem problemas de nicho muito bem definidos.
Sofia Almeida: Primeiro, Didit: lançaram um servidor MCP com 115 ferramentas de identidade e fraude — KYC, KYB e AML — que funciona com Claude, ChatGPT e Cursor. E têm 10 dólares grátis por mês.
Rafael Costa: 115 ferramentas num servidor MCP é uma quantidade grande, e diz alguma coisa sobre a maturidade do protocolo: já há fornecedores de compliance sérios a construir para ele. Identidade e fraude é um domínio onde o erro é caro, portanto veremos como as equipas confiam nisso na prática.
Sofia Almeida: Segundo, LeaseWire: extrai dados de arrendamentos comerciais e devolve o teu próprio modelo Excel preenchido em 24 horas — e cada valor vem com citação da página de origem.
Rafael Costa: Cada valor com citação de página. Se eu tivesse de escolher um padrão a seguir por toda a IA agéntica, seria este: para cada afirmação, a fonte. É o oposto da caixa-preta. E combinar isso com a devolução do teu próprio modelo Excel, em vez de uma plataforma nova para aprender, mostra que perceberam o utilizador — analistas não querem largar o Excel.
Sofia Almeida: E é um fecho simétrico ao início. A Customer.io sugere experimentos de marketing; o LeaseWire cita páginas num Excel; a Harness Memory deixa só humanos apagarem memória; o mang.sh obriga a confirmar comandos. Em toda a edição há esta tensão entre autonomia do agente e controlo do utilizador — e os produtos melhores parecem ser os que a resolveram explicitamente.
Rafael Costa: Exatamente. E o que fica por saber, ao longo de tudo: quão autónomas são realmente estas sugestões, qual a qualidade real das personalizações geradas, e como se comportam em produção. A maioria disto são afirmações dos criadores — o tempo e as equipas é que vão verificar.
Sofia Almeida: Pois. Fica a lição de hoje: os agentes chegaram a toda a parte — ao marketing, às vendas, às chamadas, ao código, ao terminal, até ao Excel — mas o valor está em onde puseram o humano no circuito. Ficámos por aqui. Obrigado por nos ouvires.
Rafael Costa: Até à próxima, e aprova os teus agentes com cuidado.