Para quem trabalham os agentes sempre ativos da OpenAI

A OpenAI lançou o dots na DevDay em 29 de setembro. A OpenAI os chama de “agentes extraordinariamente capazes e sempre ativos”, e diz que a mágica acontece quando um dot entrega um trabalho pronto “às vezes antes mesmo de você pensar em pedir”.

Snowflake, Databricks, Google e Meta já defenderam que um agente de IA só é útil na medida do que sabe sobre a sua empresa. A OpenAI também defende isso, e acrescenta o detalhe que mais nos interessa: um agente não deveria esperar alguém pedir.

O que a OpenAI construiu

Um dot tem seu próprio computador na nuvem e navegador, conecta-se a “mais de 4.000 apps” por meio de plugins, e a OpenAI diz que ele “pode trabalhar pelos seus objetivos 24 horas por dia, 7 dias por semana”. Você pode enviar mensagens ao seu dot pelo ChatGPT, Slack ou Teams. Quando você não está trabalhando com ele, seu dot “procura maneiras de ajudar em segundo plano” lendo os apps que você conectou com ferramentas somente leitura, o que a OpenAI chama de pesquisa proativa. Dentro da OpenAI, “um bug aparece no Slack, e os dots começam a investigar imediatamente”. Fora dela, o dot de um dos primeiros testadores “percebeu que ele tinha esquecido de faturar uma publicação, preparou a fatura e a enviou depois da aprovação dele”. Os dots estão sendo lançados nos planos Pro e Business Premium, com uma versão beta para Enterprise.

A OpenAI descreve um dot como “uma extensão de você”, e o primeiro dot que cada pessoa recebe trabalha em nome dessa pessoa. A OpenAI também está testando dots especializados, que uma empresa configura “com identidade, credenciais e acesso próprios aos sistemas que precisa” para assumir uma responsabilidade definida. A OpenAI está começando com pilotos empresariais focados, com base em seus próprios testes internos em áreas como compras, processamento de faturas e atendimento ao cliente.

Os Workspace agents, lançados em abril como “uma evolução dos GPTs”, pertencem a uma equipe, não a uma pessoa. Alguém descreve um workflow, o ChatGPT o transforma em um agente, e esse agente pode rodar em uma programação ou entrar no Slack para “receber pedidos à medida que chegam”. Um dos exemplos da OpenAI, o Product Feedback Router, “monitora o Slack, canais de suporte e fóruns públicos” e transforma o que encontra em tickets priorizados. E no ChatGPT Work, lançado em julho, as Scheduled Tasks podem rodar em uma programação, “quando um evento ocorre” ou para “monitorar mudanças ao longo do tempo”.

Então um dot observa os apps do seu dono em nome dele, um workspace agent observa o que quem o construiu apontou para ele, e uma scheduled task observa o que alguém pediu que ela observasse.

Uma nova data de renovação no e-mail de um fornecedor

Imagine uma agência com 40 funcionários. Um fornecedor de software envia um e-mail para a gerente de escritório: “Seu plano anual agora será renovado em 1º de novembro em vez de 1º de dezembro, com a nova tarifa.” A líder de operações tinha planejado cortar licenças antes de 1º de dezembro, e a líder financeira tem a renovação prevista no orçamento de dezembro.

O dot da gerente de escritório bem pode notar o e-mail do fornecedor durante a pesquisa proativa e sinalizá-lo. Mas o dot sinaliza o e-mail para a gerente de escritório, porque o dot é uma extensão dela. O dot da líder de operações e o dot da líder financeira trabalham cada um a partir dos apps que seus próprios donos conectaram. Um dot especializado em compras poderia assumir o e-mail, uma vez que os pilotos se abram e se o e-mail do fornecedor chegar até ele. Um workspace agent também poderia tratar disso se alguém tivesse construído um para mudanças de contrato com fornecedores, mas poucas equipes constroem agentes para mensagens atípicas, preferindo tratá-las manualmente.

Assim, a líder de operações só fica sabendo da nova data se a gerente de escritório repassar a informação, e algumas das pessoas que precisam agir sobre a mudança talvez nunca a vejam.

Para quem um agente always-on trabalha

Em maio escrevemos que a maior parte da IA ajuda as pessoas a agir sobre objetivos que elas já têm, e que construímos o this+that para o trabalho que chega de outro lugar. A maior parte do trabalho em uma empresa chega de outra pessoa: clientes, parceiros, fornecedores, colegas. Um agente que parte dos objetivos do seu dono perde a maior parte disso.

Os dots mostram que a OpenAI concorda que um agente deveria começar a trabalhar antes que alguém peça. Agentes que continuam trabalhando entre conversas e respondem no Slack e no Teams são o design certo.

A questão em aberto é para quem o trabalho é feito. Um agente pessoal parte dos objetivos do seu dono e dos apps do seu dono, assim como uma scheduled task que o dono configura no ChatGPT Work. Um workspace agent ou um dot especializado parte de uma tarefa que alguém definiu ao configurá-lo, e a OpenAI descreve os dots especializados como assumindo “responsabilidades bem definidas”. O e-mail do fornecedor fica entre os dois casos. O dot da gerente de escritório pode capturá-lo, mas em nome dela. Ninguém na agência construiu um agente para e-mails de fornecedores como esse. As pessoas que precisam agir sobre a nova data não são quem o recebeu, então um agente que começa a trabalhar por conta própria precisa notificar todos os afetados, não apenas seu dono.

Como automatizar isso

A IA lê as mensagens da agência em nome da equipe, percebe que o e-mail do fornecedor diz que a data de renovação mudou, e propõe as atualizações no sistema em que a equipe trabalha: uma tarefa para a líder de operações cortar licenças antes de 1º de novembro, e a nova data na página do fornecedor onde a líder financeira costuma olhar, cada uma vinculada ao e-mail de origem. Quem na equipe estiver mais próximo do fornecedor confirma as atualizações, e a partir daí as pessoas e os assistentes de IA que leem a partir desses lugares recebem a mesma data.

É isso que estamos construindo no this+that. O DoBox lê as mensagens que uma empresa já recebe em Gmail, Outlook, Slack, Microsoft Teams e Google Chat, e as transforma em tarefas visíveis para todos que precisam vê-las, encaminhando cada uma a um workflow que a resolve ou à pessoa que deve resolvê-la. Nosso brain guarda o que a empresa sabe, mantido atualizado hoje por workflows que escrevem de volta nele enquanto rodam, com uma pessoa aprovando ou editando cada atualização.

Teste isso com um e-mail do mês passado. Encontre uma mensagem de um fornecedor ou cliente que anunciou uma nova data, e verifique se todos que precisavam agir sobre a nova data souberam dela. Se não, veja como o DoBox pode ajudar.