Anthropic e os agentes que operam computadores: o fim da IA só consultiva

Durante anos, o argumento de venda da inteligência artificial para empresas girou em torno de uma promessa cuidadosamente delimitada: a IA vai ajudar seu time a tomar decisões melhores. Ela sugere, resume, classifica. Quem executa ainda é gente. Esse contrato implícito está sendo reescrito — e a Anthropic é uma das empresas mais deliberadas nesse movimento.

A companhia, fundada em 2021 por ex-pesquisadores da OpenAI, não está apenas atualizando seu modelo Claude. Ela está construindo uma camada de agentes autônomos capazes de navegar interfaces gráficas, acionar ferramentas externas e completar fluxos de trabalho inteiros de ponta a ponta — sem que um humano precise intermediar cada etapa. Isso tem nome técnico: computer use e tool use. E tem consequências práticas muito concretas para qualquer negócio que ainda depende de pessoas para mover informação entre sistemas.

O que a Anthropic está construindo, exatamente

O Claude, modelo principal da Anthropic, passou a suportar de forma nativa o conceito de tool use — a capacidade de chamar funções externas, consultar APIs, pesquisar bases de dados e executar ações em sistemas terceiros como parte de uma cadeia de raciocínio. Mais recentemente, a empresa avançou para o computer use: o agente consegue ver a tela, mover o cursor, clicar em botões e preencher formulários, exatamente como um operador humano faria.

Isso não é ficção científica. A Anthropic disponibilizou o computer use em versão beta para desenvolvedores via API ainda em 2024, com demonstrações que mostram o agente navegando em um navegador, abrindo arquivos e interagindo com softwares convencionais. O acesso é feito através da API do Claude 3.5 Sonnet, com preços que seguem o modelo de tokens de entrada e saída — o mesmo já familiar para quem usa o Claude para geração de texto.

A diferença em relação ao que já existe

Ferramentas de automação como Zapier, Make (ex-Integromat) e UiPath existem há anos. A diferença fundamental dos agentes da Anthropic está na camada de raciocínio. Plataformas de automação tradicionais seguem regras fixas: se X acontecer, faça Y. Quando o cenário foge do roteiro — um campo muda de lugar, um e-mail chega com formato inesperado, uma etapa depende de julgamento contextual — a automação quebra e um humano precisa intervir.

Um agente baseado em Claude consegue interpretar ambiguidade, adaptar o passo seguinte com base no que encontrou e, quando necessário, pedir esclarecimento antes de agir. É a diferença entre um script e um funcionário júnior treinado. Nenhum dos dois é perfeito, mas um deles consegue improvisar.

Por que isso importa para PMEs no Brasil agora

Boa parte das pequenas e médias empresas brasileiras opera com stacks tecnológicas fragmentadas: CRM em um sistema, ERP em outro, atendimento ao cliente em uma ferramenta de chat, emissão de nota fiscal em um portal separado. Integrar tudo isso via API exige desenvolvimento customizado — caro, lento e frágil.

Agentes com computer use abrem um atalho: em vez de construir uma integração técnica entre sistemas, você ensina o agente a operar cada sistema como um humano faria. Ele abre o portal, loga, extrai a informação, vai ao próximo sistema e registra. Sem reescrever a stack. Sem contrato de desenvolvimento de seis meses.

Os casos de uso mais imediatos estão em três áreas:

• Vendas e CRM: qualificação de leads, atualização de registros, envio de follow-ups com base em gatilhos definidos pela equipe.
• Suporte ao cliente: triagem de tickets, consulta ao histórico do cliente em múltiplos sistemas, elaboração de respostas para aprovação humana ou envio direto.
• Operações e backoffice: conciliação de dados entre planilhas e sistemas, geração de relatórios, preenchimento de formulários regulatórios.

O aprendizado prático: por onde começar

A tentação é querer automatizar tudo de uma vez. É o caminho mais certo para frustração. O que funciona — e já testei isso com clientes em diferentes setores — é começar mapeando os processos repetitivos que mais consomem tempo de pessoas qualificadas. Não os processos mais complexos, mas os que mais sangram horas da equipe sem agregar julgamento real.

Depois, escolha um fluxo de trabalho completo e isolado — um processo que tem começo, meio e fim bem definidos — e teste se um agente consegue executá-lo com supervisão humana no final. Não como substituto total, mas como primeiro rascunho que um humano revisa e aprova. Esse modelo híbrido reduz o risco e acelera o aprendizado organizacional.

O que ainda é limitação real

Seria desonesto não mencionar as restrições. O computer use da Anthropic ainda é beta, e a própria empresa adverte para falhas em tarefas que envolvem muitos passos encadeados, interfaces com alta variabilidade visual ou sistemas que exigem autenticação multifator complexa. Velocidade de execução e custo por tarefa precisam ser calculados antes de qualquer decisão de escala.

Segurança também é uma variável crítica: um agente com acesso a sistemas internos precisa de políticas claras de permissão, auditoria de ações e limites bem definidos sobre o que ele pode ou não fazer sem aprovação humana. Isso não é opcional — é o mínimo para uma implantação responsável.

O sinal que o mercado precisa ler

A Anthropic não está sozinha nesse movimento. Google, OpenAI e startups como Cohere e Mistral estão correndo na mesma direção. O que isso sinaliza não é uma corrida de funcionalidades — é uma mudança de paradigma sobre o papel da IA dentro de uma operação de negócios.

A pergunta que todo gestor deveria estar fazendo hoje não é mais "como posso usar IA para me ajudar a pensar". A pergunta certa é: quais etapas do meu processo atual não exigem julgamento humano e poderiam ser executadas por um agente amanhã? Quem mapear essa resposta primeiro sai na frente — não porque adotou tecnologia nova, mas porque reduziu custo operacional de forma estrutural e liberou sua equipe para o trabalho que realmente depende de pessoas.