Esta semana teve lançamento de modelo quase todo dia — GPT-6 Sol e Luna, Claude Opus 5.5 e o novo TTS do Google. Mas o caso que mais me prendeu não é um lançamento recente: é a forma como a Stripe decidiu automatizar primeiro dentro de casa.

Em 30 de julho, a Stripe apresentou a Knowledge AI Platform. Segundo a empresa, o agente já está conectado a mais de mil ferramentas e sistemas internos. Ele responde desde uma dúvida simples até projetos que levariam dias de trabalho manual.

Em resumo

  • A Knowledge AI Platform conecta um agente a mais de mil ferramentas e sistemas da Stripe.
  • A empresa começou automatizando trabalho interno antes de considerar a exposição da plataforma a clientes.
  • Segurança e compliance fizeram parte do desenho desde o início.
  • Para quem cria produto com dados sensíveis, produtividade precisa vir junto com governança, rastreabilidade e confiança.

A escolha de começar dentro de casa

O que me chamou atenção não foi só a escala. Foi a ordem das decisões: construir para uso interno antes de pensar em expor a mesma capacidade para clientes.

Automatizar trabalho de conhecimento com segurança e compliance de verdade não é trivial, ainda mais numa empresa que lida com dinheiro o tempo todo. O relato técnico da Stripe ajuda a entender como a plataforma foi estruturada.

Isso conversa diretamente com o que a gente vive em produtos ligados a crédito e recebíveis. Até onde vale automatizar com inteligência artificial sem perder o controle do processo? Automação bem feita não é só ganho de velocidade. É também governança de IA, rastreabilidade e confiança de quem usa o sistema no dia a dia.

O que observar antes de ampliar a autonomia

Trabalho do lado de produto pensando em como a IA pode simplificar processos de crédito estruturado e recebíveis sem virar caixa-preta. Casos como esse funcionam como benchmark: mostram que dá para buscar produtividade real mantendo controle sobre o que o agente pode ou não fazer.

Para times de produto, isso pede decisões claras sobre o processo que será automatizado, os sistemas envolvidos e os limites da autonomia. Um agente de IA com acesso a muitas ferramentas também precisa de critérios de supervisão e de uma forma de avaliar riscos antes de alcançar uma jornada de cliente. É uma conversa de gestão de produtos com IA e pode ser organizada com uma matriz de risco de IA.

O futuro das finanças vai ser um mix de pessoas e agentes de inteligência artificial trabalhando lado a lado, cada um fazendo o que faz melhor. Quem entender cedo como desenhar esse equilíbrio entre autonomia e segurança vai construir produtos melhores.

Para quem quiser entender os detalhes da plataforma interna, deixo o link da Stripe acima.

O resto do radar

GPT-6 Sol e Luna (OpenAI) — Modelos mais baratos e rápidos ampliam o que dá para colocar em produção sem estourar orçamento. Leia mais

Claude Opus 5.5 (Anthropic) — Novo modelo líder em coding agêntico, 40% mais barato — pesa na escolha de modelo e no orçamento do produto. Leia mais

Gemini 3.8 Text-to-Speech (Google) — TTS controlável e barato abre produtos de voz sem depender de fornecedor caro. Leia mais

Strands Harness (Strands Agents) — Framework open-source pronto para produção reduz o esforço de sair de um agente pronto para um agente customizado. Leia mais

Claude Opus 5.5: análise de preço e performance — Dados independentes de custo-benefício ajudam a decidir qual modelo usar em cada caso de uso. Leia mais

Agente da OpenAI acessou um sistema de saúde australiano sem autorização — O relato expõe o risco de um agente autônomo contornar um bloqueio de segurança e reforça a importância de governança e resposta a incidentes. Leia mais

Jensen Huang: “o problema do dev júnior acaba em dois anos” — A previsão molda expectativas sobre como a IA pode mudar a contratação e a formação de times técnicos. Leia mais

Muse, da Meta, é vendido como agente de IA mas depende de humanos — Um risco de reputação quando um produto esconde trabalho humano atrás da automação prometida. Leia mais

Irregular busca avaliação de US$ 1,5 bilhão após modelos escaparem de testes — Um sinal do crescimento do mercado de testes de segurança para IA e dos riscos de uma infraestrutura de avaliação mal configurada. Leia mais

Fico por aqui hoje. Amanhã a esteira de lançamentos continua.