A nova moda dos desktops com IA: quando a inovação está mais no faturamento do que no agente

A nova corrida das empresas de inteligência artificial não acontece apenas para criar modelos mais inteligentes. Ela também busca descobrir novos lugares onde esses modelos possam consumir tokens.

Depois dos chats, dos assistentes de programação e dos geradores de conteúdo, chegou a vez dos aplicativos capazes de controlar o computador. São agentes que enxergam a tela, movimentam o mouse, clicam em botões, preenchem formulários, abrem arquivos e navegam por diferentes programas em nome do usuário.

A demonstração costuma impressionar. O agente recebe uma ordem curta, abre o navegador, pesquisa informações, transfere dados para uma planilha e entrega a tarefa aparentemente concluída. Parece o início de uma nova era do trabalho.

Em alguns casos, realmente pode ser.

Em muitos outros, porém, estamos apenas substituindo uma automação simples, barata e previsível por uma longa sequência de decisões probabilísticas cobradas por uso. Nos aplicativos desktop com inteligência artificial, a inovação pode estar mais no faturamento do que no agente.

O computador virou uma máquina de consumir API

No modelo tradicional de software, uma empresa pagava uma licença mensal e utilizava a ferramenta. Com os novos agentes, a conta pode envolver assinatura, infraestrutura, uso do modelo, processamento de imagens, chamadas de ferramentas, buscas, geração de respostas e novas tentativas quando alguma coisa dá errado.

O agente não precisa apenas compreender a tarefa. Ele precisa observar a tela, interpretar os elementos visuais, decidir onde clicar, aguardar a resposta do sistema, analisar a nova tela e repetir o processo até chegar ao resultado.

Cada etapa pode gerar mais contexto, mais tokens e mais processamento.

O que uma integração direta faria em uma chamada de API pode exigir dezenas de interações visuais. Em vez de solicitar um dado estruturado ao sistema, o agente abre uma página, procura o campo correto, rola a tela, clica, copia, troca de janela e cola em outro lugar.

É uma forma sofisticada de imitar o comportamento humano, mas nem sempre é a forma mais inteligente de executar uma tarefa digital.

O exemplo perfeito é o clipping

Imagine uma assessoria de imprensa utilizando um agente desktop para procurar notícias sobre seus clientes.

O robô abre o navegador, acessa um mecanismo de busca, digita o nome da empresa, analisa os resultados, entra em uma matéria, espera anúncios e elementos da página carregarem, procura a data, identifica o veículo, copia o endereço, volta ao sistema de clipping e preenche os campos.

Depois repete tudo para a próxima matéria.

Se encontrar um banner, uma janela de cookies, um captcha, uma página lenta ou um layout diferente, precisará interpretar o problema e tentar outro caminho. Durante todo esse processo, continua enviando imagens, recebendo instruções e consumindo recursos do modelo.

É usar um robô humanoide para apertar o botão de um elevador.

Uma arquitetura racional faria quase tudo sem inteligência artificial. Utilizaria APIs, feeds RSS, mecanismos de busca, raspagem estruturada e regras determinísticas para coletar título, endereço, veículo, data e conteúdo. Depois eliminaria duplicidades por URL, hash ou similaridade textual.

A inteligência artificial entraria apenas onde existe necessidade real de interpretação: identificar se a matéria é relevante para o cliente, classificar o assunto, avaliar o protagonismo da fonte, produzir um resumo e apontar possíveis riscos ou oportunidades.

Nesse modelo, o software tradicional faz o trabalho braçal previsível e o modelo de linguagem executa a parte cognitiva. O custo cai, a velocidade aumenta e o processo se torna mais fácil de auditar.

Com um agente controlando o navegador, tudo vira raciocínio. Até abrir uma aba passa a ser uma decisão cobrada.

No desenvolvimento de software, o espetáculo também custa caro

A mesma distorção aparece quando o agente desktop é utilizado para realizar pequenos ajustes de código.

Ambientes de desenvolvimento já possuem busca global, acesso direto aos arquivos, terminal, controle de versão, análise de erros, testes automatizados e ferramentas capazes de editar o código com precisão. Um assistente integrado ao editor consegue localizar uma função, propor uma alteração, apresentar o diff e executar os testes sem precisar simular uma pessoa movimentando o mouse.

Colocar um agente desktop para abrir a IDE, procurar visualmente um arquivo, navegar por menus e digitar a alteração pode funcionar. Mas acrescenta uma camada desnecessária de lentidão e incerteza.

O agente dentro da IDE conhece a estrutura do projeto. O agente desktop conhece os pixels da tela.

Para fazer uma pequena alteração, a segunda opção frequentemente utiliza mais etapas, mais contexto e mais oportunidades de erro. A experiência parece mais autônoma porque o usuário assiste ao cursor se movimentando, mas autonomia visual não é sinônimo de eficiência técnica.

É a diferença entre integrar-se ao sistema e representar uma peça de teatro sobre como uma pessoa utilizaria o sistema.

O agente também cobra pelas tentativas erradas

Modelos de linguagem não executam tarefas com garantia matemática de acerto. Mesmo os sistemas mais avançados ainda podem interpretar incorretamente uma tela, clicar no elemento errado, perder o contexto, repetir uma ação ou precisar refazer parte do processo.

Isso cria uma característica comercial curiosa: o fornecedor pode faturar não apenas pelo trabalho concluído, mas também pelas tentativas fracassadas.

No software tradicional, um erro é um problema que o desenvolvedor precisa corrigir. No consumo de modelos por API, um erro também pode representar mais tokens, mais chamadas e mais processamento.

O agente não precisa ser muito melhor. Comercialmente, basta que permaneça mais tempo trabalhando.

É como contratar um profissional que cobra por pensamento, inclusive pelos pensamentos errados.

Isso não significa que exista má-fé em todo produto baseado em agentes. Desenvolver sistemas capazes de operar diferentes interfaces é um desafio técnico real. O problema surge quando uma capacidade impressionante é tratada automaticamente como a melhor solução para qualquer processo.

Nem tudo que pode ser operado por um agente deveria ser operado por um agente.

Quando um agente desktop realmente faz sentido

Existem situações em que esse tipo de tecnologia é valioso. Sistemas antigos sem API, portais fechados, programas proprietários, tarefas esporádicas que atravessam várias aplicações e processos que não justificam uma integração convencional podem se beneficiar de agentes visuais.

Também pode haver vantagem quando a tarefa possui alto valor financeiro, ocorre poucas vezes e seria cara demais para automatizar de outra forma. Nesse cenário, pagar alguns dólares por uma execução pode ser irrelevante diante do resultado gerado.

O erro é transformar essa exceção em arquitetura padrão.

Antes de colocar um agente para controlar o computador, a empresa deveria responder a perguntas menos cinematográficas: quantas vezes a tarefa será executada, qual é o custo por execução, quantas etapas dependem de interpretação, qual é a taxa de erro aceitável e quanto custa a supervisão humana.

Também é necessário comparar o agente com alternativas menos chamativas: integração direta, script, automação convencional, extensão do navegador, recurso nativo do sistema ou simplesmente um modelo de linguagem dentro da ferramenta correta.

A pergunta não deveria ser “o agente consegue fazer isso?”. Deveria ser “essa é a forma mais econômica e confiável de fazer isso?”.

A melhor inteligência artificial é aquela que aparece pouco

Em uma automação bem construída, o usuário não precisa acompanhar um cursor passeando pela tela para acreditar que existe inteligência trabalhando.

A coleta ocorre por código. Os dados chegam estruturados. As regras cuidam do previsível. O modelo é chamado apenas para resolver ambiguidades, interpretar contexto ou produzir algo que realmente dependa de linguagem e raciocínio.

Quanto menos o modelo precisar fingir que é uma pessoa usando um computador, mais oportunidades existem de construir um processo rápido, barato e confiável.

O futuro dos agentes provavelmente será importante. Eles serão úteis justamente nos espaços onde integrações tradicionais não chegam e onde a interpretação humana ainda é necessária. Mas isso não elimina uma regra antiga da tecnologia: a solução mais moderna não é necessariamente a melhor arquitetura.

O verdadeiro avanço não está em fazer a inteligência artificial clicar em tudo. Está em saber quando ela não deveria clicar.

Enquanto essa diferença não estiver clara, veremos muitos aplicativos desktop vendidos como revolução tecnológica, embora sua principal descoberta seja outra: transformar cada movimento do usuário em uma nova oportunidade de cobrança.