Frameworks, casos de uso e alertas sobre agentes de IA autônomos. Cobrimos coding agents, agentes de voz, agent gateways, agent washing e tudo que um product manager precisa saber para decidir quando usar agentes no produto.
Hoje o radar veio curto, mas o caso da TV4 mexe direto com quem desenha produto. Um erro ainda sem causa confirmada custou meses de trabalho a uma emissora e coloca uma pergunta importante sobre quanta autonomia a gente entrega a uma automação.
Quando um agente executa código que acabou de gerar, a pergunta de segurança não é só “e se ele errar?”. Também importa onde esse erro acontece e o que o código pode alcançar.
Hoje o assunto que mais me prendeu foi custo por tarefa, não capacidade. No mesmo radar, apareceu voz que roda no celular sem nuvem e uma discussão séria sobre sandbox para código de agente.
Hoje a edição gira em torno de preço, não de capacidade. No mesmo dia, apareceu um modelo mais barato, o GPT-6 com interface dentro do chat e um agente configurado em YAML.
Hoje, o assunto que mais me prendeu foi o anúncio de um modelo open-weight de grande porte. No radar, ele vem acompanhado de mais quatro leituras que valem seu tempo — de agentes fazendo ciência a um tutor de IA que funciona, mas ainda enfrenta baixa adoção.
Hoje, o radar trouxe o anúncio de um modelo open-weight de 501 bilhões de parâmetros, uma API de busca para agentes e um caso de IA com problema de reputação. Mas o que ficou na minha cabeça foi um estudo sobre um tutor de matemática. Abro a edição por ele.
A semana começou com três modelos de fronteira disputando preço. Mas o que mais me fez pensar foi uma ferramenta de automação. Abro a edição por ela e deixo os modelos no radar, logo abaixo.
Cinco novidades passaram pelo meu filtro hoje, e o que mais pesa para quem trabalha com produto é o Dots, o novo agente proativo de IA da OpenAI. O destaque não é só o que ele consegue fazer: é a mudança de produto que acontece quando o assistente deixa de esperar um comando a cada passo.
Essa semana, a conversa sobre agentes de IA me chamou mais atenção do que a sequência de modelos novos. Este é o destaque — e, depois, o radar completo do que filtrei para você.
O radar de hoje veio pesado em decisão de arquitetura. Teve modelo mais barato, teve alerta sobre segurança de agentes e teve a OpenAI colocando uma nova opção na mesa de quem constrói produtos com IA. Escolhi puxar o fio por aí.
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.
Hoje o radar veio cheio: três lançamentos de modelo no mesmo dia — GPT-6, Claude Opus 5.5 e o TTS do Gemini — e, no meio disso, um caso real de como aplicar IA dentro de uma empresa séria. Fico com o segundo. É onde mora a diferença entre demo bonita e produto que aguenta auditoria.
Essa semana um estudo com quase 17 mil sessões de agentes de código me fez repensar como enxergo due diligence de fornecedor. E o resto do radar de hoje reforça: entre lançamento de modelo, risco de segurança e mudança de infraestrutura, o ritmo não deu trégua.
Separei hoje um estudo pequeno que bagunçou uma certeza minha: a de que a ferramenta mais sofisticada é sempre a melhor escolha. No meio do radar também tem GPT-6 Astra e a compra da Hugging Face pela Nvidia, mas comecei pelo que mexeu mais com meu jeito de pensar produto.
Essa semana teve mais barulho do que o normal: modelo novo, aquisição bilionária de US$ 12,9 bi, inferência três vezes mais rápida — e um caso de agente de IA que saiu dos trilhos sem que ninguém soubesse por meses. Escolhi puxar o fio por esse último.
Hoje o radar trouxe bastante coisa para quem acompanha IA aplicada a produto: de um anúncio que redesenha onde a IA mora dentro do CRM até um alerta forte sobre autonomia sem sandbox. Separei o que mais interessa para quem trabalha com produto, começando pelo que mais chamou minha atenção.
Hoje o radar trouxe um pacote pesado de modelo novo — Gemini, transcrição, multimodal — mas o que ficou comigo foi um lançamento fora do mundo dos modelos: um agente assumindo de vez o CRM inteiro de um time de vendas.
Hoje o radar veio cheio de lançamento de modelo — GLM-5.3-Flash, Qwen3.8-Flash-Next e o mistério do Ox Alpha resolvido. Mas o que ficou comigo foi outra notícia, mais discreta e mais próxima do meu dia a dia de produto.
Essa semana o dia rendeu bastante notícia de chip, pricing e modelo novo, mas o que mais me prendeu foi um ensaio sobre como desenhar liberdade para agentes de IA. Compartilho abaixo por que ele mudou um pouco a forma como penso automação em crédito, e deixo o resto do radar do dia logo em seguida.
Essa semana um estudo sobre IA e provas escolares me fez repensar como eu leio dashboard de adoção no trabalho. O resto do radar vai de roadmap do MCP a um navegador feito sob medida pra agentes.
O radar de hoje trouxe uma leva de modelos novos — GLM-5.3, Qwen, Gemini 3.7 Flash — mas o que ficou comigo foi outra coisa: até onde um agente de IA pode ir sozinho antes de alguém precisar segurar o freio. Separei a edição para falar sobre isso.
Hoje o fio condutor foi dinheiro indo para onde tem resultado provado, não promessa. Comecei por aí e deixei o resto do que passou pelo filtro logo abaixo.
Hoje o dado que mais me prendeu não veio de lançamento de modelo, veio de gente errando aprovação de agente de IA. Isso pesa mais no meu trabalho do lado de produto em crédito do que qualquer feature nova da semana.
O radar de hoje veio pesado em dinheiro: carteira para agente, preço de token caindo 80%, modelo de fronteira cabendo numa GPU só. Comecei o dia pensando em limite de gasto e terminei pensando em unit economics.
O radar de hoje veio pesado de lançamento de modelos, mas o item que me travou foi um ensaio sobre medição. Começo por ele e depois deixo o resto do que passou pelo filtro.
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.
Dez itens estão no radar de hoje, e uma linha clara atravessa quase todos: o que antes era projeto de engenharia está virando oferta de prateleira. Comecei pelo lançamento que mais mexeu com a minha lista de prioridades.
Segunda-feira e o radar já veio cheio: dez itens filtrados, e a maioria falando de encanamento, não de capacidade. Modelo novo virou rotina. O que mudou de verdade esta semana foi a camada que decide se um agente sai do piloto.
O radar de hoje veio dominado por um tema só: o que acontece depois que a IA entra na esteira. Há lançamento de modelo e infraestrutura de agente virando commodity, mas o que me fez parar foi entender por que produtividade medida não vira produto entregue.
O radar de hoje veio com um tema dominante: agentes saindo do piloto e esbarrando em identidade, permissão e auditoria. Separei minha leitura sobre isso e, na sequência, tudo o mais que passou pelo filtro.
Abro a edição de hoje com um número que interessa a qualquer time pensando em colocar agentes de IA para trabalhar de verdade. Depois sigo com o resto do que passou pelo radar: modelos novos, agentes de desktop e um estudo que vale a leitura sobre manipulação em chatbots.
Foi um dia cheio no radar de IA para produto: de agente comprando ação sozinho a mais um chip de inferência chegando ao mercado. Mas teve uma notícia que puxou o fio de tudo — a autonomia de agente decidindo por conta própria com dinheiro real na mesa.
O radar de hoje trouxe o de sempre: lançamento de modelo, atraso de lançamento, mais um caso de feature de IA que voltou atrás por privacidade. Mas a notícia que mais me prendeu não foi sobre parâmetro nem benchmark. Foi sobre como organizar o trabalho quando parte dele passa a ser feito por agente.
O dia de hoje trouxe uma leva grande de lançamento de modelo, mas o que ficou comigo foi um movimento mais silencioso: colocar um agente dentro do produto que a pessoa já usa, em vez de criar mais uma tela nova. É esse fio que puxa a edição de hoje.
Hoje o radar veio cheio de sinais contraditórios: de um lado, dados reais sobre o custo de escalar agentes de codificação; do outro, relatos de regressão nas próprias ferramentas que usamos todo dia. Fica o retrato de um momento em que a tecnologia anda rápido, mas nem sempre para frente.
Agentes de IA são sistemas que usam LLMs não apenas para gerar texto, mas para tomar decisões, chamar ferramentas, executar ações e iterar sobre um objetivo. Diferente de um chatbot que responde perguntas, um agente pode navegar sistemas, editar arquivos, fazer chamadas de API e coordenar múltiplas etapas de um workflow.
Agent washing é um termo cunhado pela Gartner para descrever produtos vendidos como "agentes de IA" que na prática são apenas lógica condicional (if/else) com uma camada superficial de LLM. O risco para PMs é investir em "agentes" que não têm capacidade real de autônoma de decisão e iteração.
Agentes fazem sentido quando o workflow tem variabilidade alta (não dá para codificar todos os caminhos), requer múltiplas ferramentas integradas e tolera iteração com verificação humana. Se o processo é determinístico e repetitivo, automação tradicional é mais barata e confiável.
Termo cunhado pela Gartner para descrever produtos vendidos como "agentes de IA"...
TécnicoProtocolo aberto que padroniza como modelos de IA se conectam a fontes de dados ...
InfraestruturaCategoria de infraestrutura que atua como plano de controle para agentes de IA c...
TécnicoCapacidade de um LLM de invocar funções externas (APIs, ferramentas) de forma es...