Agentes de IA: API, GUI ou tudo junto misturado

AUTOMAÇÃO

Agentes de IA: API, GUI ou tudo junto misturado

Agentes de IA baseados em grandes modelos de linguagem (LLMs) unem instruções humanas e ações digitais, compartilhando um objetivo comum: automatizar tarefas e produzir resultados práticos.

Mas sabia que nem todos agentes LLM trabalham da mesma forma? Alguns usam API (Interface de Programação de Aplicativos, em português) para conversar diretamente com algum software nos bastidores, enquanto outros interagem com interfaces (GUI, na sigla em inglês) como uma pessoa, clicando em botões e navegando em telas.

O esquema abaixo mostra o que cada tipo de agente recebe como entrada e gera como saída.

Um estudo recente da Microsoft detalhou as diferenças entre essas duas abordagens, as vantagens de cada uma e, vai mais longe, dando pistas de quando usar cada uma.

Por exemplo, sugere que você, desenvolvedor, opte por agentes de API quando velocidade e confiabilidade são importantes, como automatizar transferências de dados em software de negócios. Também são ótimos para tarefas em que segurança é fundamental, como gerenciar sistemas financeiros críticos.

Deve escolher agentes GUI, obviamente, quando não houver API disponível ou quando precisar considerar o que está aparecendo na tela, por exemplo, o layout de um site. São perfeitos para tarefas que envolvem criatividade, como automatizar ferramentas de design.

A boa notícia? As duas abordagens não precisam competir, podem trabalhar em conjunto. O estudo da Microsoft aponta alguns caminhos para fazer isso, resumidos logo abaixo:

• API Wrappers: Algumas ferramentas transformam aplicativos GUI em sistemas semelhantes a APIs, para que agentes de IA os controlem mais rapidamente.

• Orquestradores inteligentes: Permitem que os agentes decidam quando usar API ou GUI.

• Plataformas no-code: Criam fluxos de trabalho, arrastando e soltando tarefas, com agentes de API e GUI trabalhando nos bastidores.

Por que isso importa? Mais do que sopa de letras, esse agentes estão abrindo caminho para que a IA lide com tarefas repetitivas. Seja simplificando operações de negócios ou tarefas diárias, a boa automação sempre será bem-vinda, ainda mais quando vem acompanhada dos avanços dos LLMs.

• O Google está usando o Gemini Nano para melhorar a detecção de fraudes no Chrome no modo de proteção aprimorada. A integração permite analisar o conteúdo dos sites em tempo real no próprio dispositivo do usuário.

• A OpenAI liberou um conector entre repositórios do GitHub e o recurso Deep Research do ChatGPT para facilitar a análise avançada de bases de código e outras fontes de dados, como arquivos README, em tempo real.

• Pesquisadores do MIT e da Adobe Research desenvolveram um modelo de IA híbrido chamado CausVid que gera vídeos em segundos.

• A plataforma Zed para geração de código tem o editor de código guiado por IA mais rápido do mundo após o lançamento do novo recurso Agentic Editor, segundo sua desenvolvedora.

• O HunyuanCustom é modelo de IA de código aberto para geração de vídeo personalizado a partir de várias tipos de entrada (imagens, áudio e vídeo), mantendo a identidade consistente no conteúdo gerado.

• O modelos ACE-Step-v1-3.5B compõe até 4 minutos de música em 20 segundos com letras, melodia e estilo.

• A Figma, plataforma para criar, compartilhar e testar designs, agora tem ferramentas de IA para competir com os players Canva, Wix e Adobe.

• O modelo Locate 3D da Meta localiza objetos em cenas 3D a partir de expressões de referência como “pequena mesa de café entre o sofá e a lâmpada”.

IDIOMAS

Tradução espacial guiada por IA ajuda a quebrar barreiras linguísticas

Você está caminhando por um mercado movimentado em um país estrangeiro, cercado por pessoas que falam uma língua que não entende. Agora imagine um par de fones de ouvido inteligentes que não apenas traduz tudo na sua língua nativa em tempo real, como também faz parecer que as vozes, com suas características próprias, estão vindo da direção exata até chegar a cada alto-falante.

Essa é a promessa de uma tecnologia desenvolvida por pesquisadores da Universidade de Washington chamada tradução espacial.

Como funciona? O sistema inteligente usa áudio binaural, que imita o modo como ouvimos naturalmente, para criar uma experiência imersiva. Veja os componentes da inovação:

• Localização e separação: Microfones detectam quantas pessoas estão falando e onde estão localizadas. Uma rede neural separa cada voz dos ruídos de fundo e de outras vozes.

• Tradução em tempo real: Com apenas alguns segundos de atraso, o sistema captura o tom e a emoção das vozes. Os pesquisadores usaram um modelo de IA próprio que emprega duas etapas: primeiro, faz a tradução simultânea com recursos que transformam fala em texto (S2T) e, em seguida, transforma texto em fala expressiva (T2S) no modo streaming.

• Renderização binaural: Depois de traduzir, o sistema reproduz o áudio pelos fones de ouvido, usando pistas espaciais para fazer com que a voz traduzida pareça estar vindo da direção original. Um modelo de IA foi treinado para separar e extrair as fontes de fala, se presentes, ou reportar como silêncio se não houver fala em determinado ângulo do espaço.

A solução usa o chip M2 da Apple e foi testado com hardware de prateleira, como os fones de ouvido com cancelamento de ruído da Sony e fones de ouvido binaural com fio.

©️ Demissões e questionamentos

O governo Trump demitiu Shira Perlmutter, diretora do Escritório de Direitos Autorais dos Estados Unidos, dias depois de também demitir o bibliotecário do Congresso que supervisiona tal organização. A medida seguiu a publicação de um relatório feita pelo escritório questionando o uso de material protegido por direitos autorais no treinamento de IA. Os Democratas criticaram a ação, possivelmente ligada aos laços do presidente norte-americano com figuras do mundo da tecnologia, entre elas Elon Musk. A Casa Branca não apresentou nenhuma explicação oficial.

💗🥺Seria um relacionamento tóxico?

Uma pesquisa recente revela que a Geração Z está cada vez mais aberta a formar laços emocionais profundos com chatbots. Conduzida pela Joi AI, o estudo indica uma mudança importante na forma como os jovens percebem os relacionamentos. A tendência também destaca a crescente influência da tecnologia nas conexões pessoais. “As relações com a IA não querem substituir conexões humanas reais”, segundo disse o terapeuta Jaime Bronstein especialista em relacionamentos, em entrevista a Forbes. Em vez disso, são um tipo distinto de apoio emocional que pode melhorar o bem-estar emocional geral, porque muitas pessoas estão se sentindo estressadas, sobrecarregadas, não ouvidas e sozinhas.

🛠 Ferramentas

• OpusClip encurta vídeos longos e os publica nas mídias sociais com um clique.

• Storyblocker leva a ideia de uma história à produção final usando IA e realidade aumentada.

• Meco é um agregador para ler e descobrir newsletters (não se esqueça de incluir a IA Express). 😉

📚 Mais recursos

• A HubSpot oferece um guia gratuito intitulado AI for Business Builders voltado a ajudar empreendedores não técnicos a entender como a IA funciona, como investir nessa tecnologia e de que recursos precisarão.