A próxima interface pode ser um agente

A inteligência artificial está entrando em uma nova etapa. Depois da popularização dos chats e da evolução dos modelos, o foco começa a migrar para sistemas capazes de executar tarefas, manter contexto e operar por períodos mais longos.

Na entrevista, Satya Nadella descreve esse movimento como uma evolução conjunta entre a capacidade dos modelos e o formato da experiência oferecida ao usuário. Chat, agentes de código e, agora, agentes capazes de operar em ambientes de trabalho aparecem como diferentes formas de interação com a mesma infraestrutura de inteligência.

O ponto central é que não se trata necessariamente de substituir uma interface por outra. Chat, agentes de código e agentes de execução podem coexistir, cada um adequado a um tipo de tarefa.

De responder a executar

O avanço mais relevante, na visão apresentada por Nadella, está na capacidade de transformar uma instrução em um trabalho contínuo.

O novo Copilot apresentado pela Microsoft incorpora diferentes formas de atuação, incluindo o chamado Autopilot: um sistema pensado para receber uma tarefa, ter identidade, computador, espaço de trabalho e orientação, e então trabalhar de maneira contínua.

No ambiente corporativo, um dos primeiros usos citados é o trabalho operacional recorrente. Em vez de uma pessoa administrar manualmente determinadas rotinas, um agente poderia assumir uma atividade como o gerenciamento de invoices e interagir com o usuário de forma semelhante a um colega de trabalho.

Essa mudança altera a pergunta feita à IA. Em vez de perguntar apenas “o que você consegue responder?”, passa a fazer sentido perguntar “o que você consegue executar por mim?”.

O agente precisa de um ambiente para trabalhar

Para que agentes funcionem de maneira contínua, o modelo de IA é apenas uma parte do sistema. Nadella destaca a necessidade de um ambiente capaz de sustentar a execução prolongada: sandbox, computador, workspace, memória, observabilidade e mecanismos de segurança.

Essa infraestrutura resolve um problema que surge quando a IA deixa de ser uma ferramenta acionada pontualmente e passa a operar durante horas ou dias. Um agente persistente precisa manter coerência, acessar os recursos necessários e, ao mesmo tempo, permanecer dentro de limites definidos.

Por isso, a visão apresentada para o Autopilot combina o agente com um ambiente controlado de execução. A proposta é permitir autonomia sem transformar autonomia em acesso irrestrito.

Segurança deixa de ser um detalhe

Quanto mais autonomia um agente recebe, maior passa a ser a importância de saber o que ele está fazendo.

Nadella coloca auditabilidade, observabilidade, governança e políticas de segurança entre os elementos fundamentais dessa nova arquitetura. Para agentes persistentes, o monitoramento não pode acontecer apenas durante o treinamento: é necessário acompanhar o comportamento também durante a execução.

A lógica é simples: um sistema capaz de agir continuamente precisa ser observável continuamente.

O executivo também chama atenção para o risco de agentes persistentes serem tratados como uma espécie de risco interno. Por isso, monitoramento comportamental em tempo real, políticas de segurança e mecanismos de contenção passam a fazer parte da própria infraestrutura de agentes.

O trabalho corporativo ganha uma nova camada

Um dos exemplos mais concretos apresentados na conversa está no uso de agentes dentro dos fluxos de trabalho existentes.

Nadella cita o uso de agentes no Excel para analisar fórmulas, criar cenários e trabalhar sobre planilhas complexas. Em outro exemplo, descreve uma estrutura que reúne dados públicos de empresas de tecnologia, informações internas e modelos semânticos para produzir um painel atualizado de retorno sobre capital investido.

O que muda aqui não é apenas a capacidade de gerar um resultado. O agente passa a operar sobre um artefato, modificá-lo, interrogá-lo e produzir novas análises a partir dele.

Isso aproxima a IA da execução real do trabalho: documentos, planilhas, sistemas, dados internos e decisões deixam de ser contextos separados e passam a compor um fluxo contínuo.

Modelos diferentes, uma mesma camada de execução

Outro ponto importante da entrevista é a separação entre modelo e sistema de agentes.

A Microsoft afirma querer trabalhar com diferentes modelos dentro do Copilot, em vez de vincular cada produto a uma única inteligência. A lógica é que o modelo, o contexto, a memória e o harness — a camada que coordena a execução — devem permanecer separáveis.

Para empresas, isso significa uma arquitetura em que o modelo pode mudar sem que toda a estrutura de trabalho precise ser reconstruída.

Nadella também defende a ideia de que cada empresa deveria desenvolver seus próprios benchmarks para avaliar os modelos. Em vez de depender apenas de avaliações genéricas, o desempenho deveria ser medido diante dos problemas, dados e resultados que realmente importam para aquela organização.

O preço da IA pode mudar junto com o modelo de consumo

A expansão dos agentes também cria uma discussão sobre como cobrar por inteligência artificial.

Na entrevista, Nadella descreve uma combinação entre cobrança por usuário e cobrança por uso no segmento corporativo. A lógica é manter previsibilidade para o cliente, enquanto o consumo adicional permite acessar capacidades específicas.

Ele também argumenta que a queda no custo dos modelos permite incorporar mais capacidade às assinaturas ao longo do tempo. O que hoje pode ser uma função cobrada por uso pode, posteriormente, tornar-se parte do pacote.

Esse modelo acompanha uma transformação maior: quando a IA deixa de ser apenas uma ferramenta consultiva e passa a executar tarefas, o valor do software começa a estar relacionado não apenas ao acesso à tecnologia, mas ao trabalho que ela consegue realizar.

A grande oportunidade — e o grande desafio — está na execução

Para Nadella, a chegada dos agentes pode representar uma expansão significativa do mercado de software e infraestrutura. Mas essa expansão não acontece automaticamente.

A entrevista destaca que empresas precisarão reorganizar processos, fluxos de trabalho e artefatos para aproveitar de fato a nova tecnologia. Ter acesso a uma ferramenta não significa, por si só, transformar a forma como o trabalho é feito.

Esse ponto aparece de forma recorrente na conversa: a tecnologia pode acelerar, automatizar e ampliar capacidades, mas o ganho econômico depende da mudança do próprio processo.

É nesse intervalo entre ferramenta e execução que a próxima fase da IA começa a ser definida.

O que muda para as empresas

A principal mudança descrita na entrevista é a passagem de uma IA que ajuda pessoas para uma IA que também executa partes do trabalho.

Isso envolve uma arquitetura diferente: agentes persistentes, ambientes de execução, memória, integração com sistemas, modelos intercambiáveis, observabilidade e governança.

Também muda a unidade de valor. Em vez de avaliar a IA apenas pela qualidade de uma resposta, torna-se necessário avaliar se ela consegue completar uma tarefa, produzir um resultado e operar dentro das regras da empresa.

A era dos agentes, nesse sentido, não é apenas uma evolução dos modelos. É uma mudança na forma como software, pessoas e processos podem trabalhar juntos.