O dia rendeu bastante coisa, mas teve um assunto que ficou girando na minha cabeça desde cedo: uma aposta grande sendo desligada em menos de um ano. Começo por ela e, na sequência, trago o resto do que passou pelo radar.

Em resumo

A OpenAI anunciou que vai desligar o Atlas, navegador próprio lançado em outubro do ano passado. A navegação agêntica não morreu: ela continua no app de desktop do ChatGPT e em uma extensão do Chrome. A capacidade estava certa; o container estava errado. Para quem constrói produto, a pergunta não é só se uma tecnologia funciona, mas se ela precisa mesmo de uma experiência nova ou se deve entrar na superfície que já tem distribuição e usuários.

Quem trabalha com produto sabe que a pergunta difícil quase nunca é “isso funciona?”. É “isso precisa mesmo ser um produto novo?”.

Essa semana a OpenAI anunciou que vai desligar o Atlas, o navegador próprio que tinha lançado em outubro do ano passado. Menos de um ano de vida. A navegação agêntica não morreu, muito pelo contrário: ela vai continuar dentro do app de desktop do ChatGPT e em uma extensão do Chrome.

Ou seja, a capacidade estava certa. O container é que estava errado.

Eu atuo do lado de produto em crédito estruturado, e essa é uma armadilha que vejo de perto o tempo todo. Aparece uma tecnologia boa, o time se anima, e a primeira reação é desenhar uma jornada nova, uma tela nova, um sistema novo. Aí a gente descobre que o problema nunca foi a funcionalidade. Foi pedir para o usuário mudar de lugar para usá-la.

No universo de recebíveis e automação isso é ainda mais claro. O cedente, o analista, o parceiro: todos já têm um lugar onde o trabalho acontece. Uma boa camada de IA que entra nesse lugar tende a ganhar de uma experiência incrível que exige adoção do zero.

Para quem desenha gestão de produtos com IA, o teste barato vem antes: dá para entregar isso dentro do que já tem distribuição? Em produtos que usam agentes de IA, essa decisão também define onde ficam contexto, permissões e pontos de passagem entre pessoas e automações.

Não estou dizendo que produto novo nunca se justifica. Às vezes se justifica. Mas se a resposta for sim para a pergunta de distribuição e a gente construir um app separado mesmo assim, o custo do aprendizado costuma ser alto. Exemplos de agentes de IA ajudam a enxergar quando uma capacidade cabe no fluxo existente; em operações sensíveis, governança de IA ajuda a manter responsabilidades e controles claros nessa integração.

Sigo otimista com o ritmo dessa tecnologia. Acho até saudável ver uma empresa do tamanho da OpenAI desistir rápido de uma aposta. Errar a forma e corrigir em dez meses é bem melhor do que carregar um produto morto por três anos.

Para quem ficou curioso e quer ler a notícia inteira, deixo o link: OpenAI is shutting down Atlas, but its AI browser ambitions are still growing.

O resto do radar

qm, harness multiplayer para agentes — sinaliza a virada de “um agente por usuário” para agentes colaborando em times, o que muda o desenho de permissões, handoff e observabilidade no produto. Ler mais

Flint, linguagem de visualização da Microsoft — gráficos gerados por LLM viram um componente confiável de UI, reduzindo o custo de entregar analytics e explicabilidade dentro do produto. Ler mais

Cursor tira o custo em dólar da página de uso — caso vivo de como mexer em transparência de pricing corrói confiança mais rápido do que qualquer ganho de margem. Ler mais

Software for One — questiona a premissa de escala do SaaS ao apontar que IA torna viável software feito sob medida para um único usuário. Ler mais

Workflows dinâmicos no Claude Code — move o agente de execução ad-hoc para fluxos estruturados e repetíveis, que é o que permite colocar agente em processo de produção. Ler mais

Step 3.7 Flash, da StepFun — mais um modelo rápido e barato pressionando o custo por inferência das features que você já tem em produção. Ler mais

Avaliadores LLM ruidosos ainda servem — derruba a desculpa de “não temos eval bom o suficiente” e destrava a criação de um ciclo de medição para features de IA. Ler mais

Meta passa a cobrar por IA com o Muse Spark 1.1 — a disputa migrou de qualidade de modelo para preço e distribuição, o que muda a régua de diferenciação do seu produto. Ler mais

Estudo mapeia dark patterns em chatbots — métricas de engajamento aplicadas a chatbots produzem padrões manipulativos, e isso já é risco reputacional e regulatório mensurável. Ler mais

É isso por hoje. Amanhã tem mais.