Agentes de IA conseguem trabalhar por dias, mas precisam de limites claros

Agentes de IA conseguem trabalhar por dias, mas precisam de limites claros

O experimento mediu um problema específico O desafio utilizado pela Prime Intellect consistia em reduzir o número de etapas necessárias para treinar um pequeno modelo até determinado nível de desempenho. Grande parte da estrutura permanecia fixa. Os agentes podiam alterar o otimizador, a inicialização, os cronogramas de aprendizagem e alguns parâmetros previamente delimitados. Nesse ambiente, um número menor de etapas representava um resultado melhor. A referência humana citada pela organização atingia o objetivo em 2.990 etapas. O melhor resultado do Claude no experimento chegou a 2.930, enquanto o Codex alcançou 2.950. A diferença é relevante dentro do desafio. Não deve ser transformada em uma afirmação de que a inteligência artificial superou pesquisadores de maneira geral. Os agentes trabalharam em uma atividade com: objetivo numérico; variáveis delimitadas; resultados comparáveis; histórico de tentativas; ambiente preparado para experimentação; possibilidade de executar novamente cada configuração. Essas condições explicam parte importante do desempenho observado. Persistência e descoberta são capacidades diferentes Um agente pode permanecer durante horas repetindo ciclos que seriam cansativos e caros em atenção humana. Ele altera uma configuração, executa o teste, registra o resultado, compara com tentativas anteriores e escolhe o próximo movimento. Quando há memória externa e instruções adequadas, esse processo pode continuar mesmo depois que uma sessão individual termina. A persistência aumenta a quantidade de caminhos explorados. A capacidade de formular ideias realmente novas apresentou limites mais claros. A própria Prime Intellect informou que os agentes tiveram bom desempenho ao buscar combinações de otimizadores, ajustar parâmetros e acumular métodos existentes, mas encontraram mais dificuldade para produzir direções originais sem referências humanas anteriores. Em alguns momentos, os sistemas insistiram por horas em regiões semelhantes de busca. Também encerraram testes promissores cedo demais ou acumularam componentes sem avaliar adequadamente quais poderiam ser removidos. O experimento separa duas atividades que costumam ser tratadas como uma só. Testar muitas variações de uma hipótese conhecida é diferente de formular a hipótese que merece ser testada. Trabalhar por mais tempo não significa trabalhar sem estrutura Um agente não continua avançando apenas porque recebeu uma tarefa extensa. Execuções prolongadas dependem de uma estrutura que preserve objetivo, histórico, regras, resultados e próximos passos. Essa estrutura costuma ser chamada de harness : o conjunto de instruções, ferramentas, registros e controles que mantém o sistema orientado durante o trabalho. No experimento da Prime Intellect, arquivos específicos registravam o objetivo, o plano atual, as regras do desafio, as tentativas realizadas e as observações acumuladas. A Anthropic identificou necessidades semelhantes em seus estudos sobre agentes de longa duração. A empresa relata que sessões sucessivas precisam receber registros estruturados do que já foi realizado, do que permanece pendente e de quais testes continuam funcionando. Sem essa continuidade, o agente pode repetir trabalho, perder decisões anteriores, considerar uma tarefa concluída antes da hora ou alterar partes que já estavam corretas. Portanto, ampliar o tempo de execução exige mais do que manter o sistema ligado. Exige criar condições para que ele saiba onde está, o que pode fazer e como verificar se está avançando. O custo da experimentação precisa ser delimitado Executar milhares de tentativas consome processamento, energia, armazenamento, serviços externos e tempo de acompanhamento. A Prime Intellect informa que o experimento de maio consumiu aproximadamente 14 mil horas acumuladas de GPUs H200, equipamentos de alto desempenho usados no processamento de modelos. Esse nível de infraestrutura está distante da realidade da maioria das pequenas e médias empresas. O dado ajuda a mostrar que autonomia prolongada não representa trabalho sem custo. Mesmo em aplicações menores, um agente pode continuar realizando consultas, utilizando APIs, criando arquivos, processando dados ou acionando outros sistemas enquanto tenta atingir o objetivo definido. Uma instrução mal delimitada pode produzir: consumo desnecessário; repetição de tentativas semelhantes; geração excessiva de arquivos; chamadas contínuas a serviços cobrados por uso; ocupação de capacidade computacional; alterações que precisarão ser desfeitas; resultados numerosos, mas pouco úteis. O agente precisa receber um orçamento operacional. Esse orçamento pode ser definido por tempo, valor, quantidade de tentativas, consumo de processamento ou número de ações permitidas. Quando o limite for atingido, o sistema deve parar, registrar o que encontrou e solicitar uma decisão. O ambiente de teste precisa ser separado da operação real Um agente que testa configurações em um ambiente isolado apresenta um tipo de risco. Outro que possui acesso a clientes, pagamentos, estoque, produção ou documentos oficiais apresenta consequências muito diferentes. A experimentação prolongada deve ocorrer, sempre que possível, em um ambiente separado da rotina real. Nesse espaço, erros podem ser observados sem alterar registros oficiais, interromper atendimentos ou acionar decisões irreversíveis. Dados sensíveis podem ser retirados, substituídos ou reduzidos conforme a finalidade do teste. Permissões também precisam acompanhar a tarefa. Um agente criado para comparar relatórios não precisa ter autorização para excluir documentos. Um sistema destinado a testar textos não precisa publicar conteúdos. Uma aplicação utilizada para avaliar códigos não deve alterar diretamente a versão que está em produção. Quanto maior a autonomia de execução, mais restrito deve ser o conjunto de ações liberadas. A segurança não depende apenas da capacidade do modelo. Depende do que o ambiente permite que ele faça quando uma tentativa falha ou segue uma direção inadequada. Mais tentativas podem otimizar a medida errada Um agente pode encontrar maneiras eficientes de melhorar o indicador definido e, ainda assim, prejudicar o resultado que realmente importa. Uma equipe comercial poderia pedir que o sistema maximizasse o número de contatos realizados. O agente talvez encontrasse uma configuração capaz de enviar mais mensagens, mas também poderia aumentar respostas negativas, reclamações ou contatos pouco qualificados. Uma operação industrial poderia otimizar velocidade e reduzir o tempo dedicado a verificações importantes. Uma análise financeira poderia favorecer o cenário com maior retorno estimado e não representar adequadamente exposição, liquidez ou variação. O problema aparece quando a medida utilizada pelo agente é apenas uma aproximação do objetivo real. Antes de iniciar o teste, a equipe precisa definir não apenas o que deve aumentar ou diminuir, mas também quais condições não podem ser sacrificadas. Essas condições podem envolver: qualidade mínima; margem; segurança; privacidade; satisfação do cliente; estabilidade; conformidade; capacidade de atendimento; possibilidade de reversão. Uma melhora isolada não representa avanço quando produz perdas relevantes em outra parte do processo. Os registros precisam permitir reconstruir o caminho Ao final de milhares de tentativas, receber apenas a melhor resposta não é suficiente. A equipe precisa entender quais alterações foram realizadas, quais resultados apareceram, quais caminhos falharam e por que determinada alternativa foi selecionada. Esse histórico permite verificar se o resultado pode ser reproduzido. Também ajuda a identificar coincidências, erros de medição ou conclusões apoiadas em condições que não estarão presentes na aplicação real. Os registros devem mostrar, no mínimo: hipótese testada; alteração realizada; recursos utilizados; resultado observado; critério de comparação; erros encontrados; motivo para continuar ou interromper; versão dos dados, modelos e componentes utilizados. A rastreabilidade se torna ainda mais importante quando diferentes agentes ou sessões participam do mesmo trabalho. Sem registros confiáveis, a quantidade de experimentos cresce, mas o aprendizado pode se perder. A revisão humana deve acontecer em pontos definidos Supervisão não significa acompanhar cada ação em tempo real. Uma execução prolongada pode funcionar com pontos de controle estabelecidos previamente. O agente trabalha dentro dos limites autorizados, interrompe em situações específicas e apresenta os resultados para avaliação. A intervenção pode ser exigida quando: o orçamento estiver próximo do limite; várias tentativas não produzirem melhora; surgir uma ação não prevista; os dados apresentarem inconsistências; duas métricas importantes entrarem em conflito; o sistema encontrar um resultado fora do padrão; uma alteração puder afetar a operação real; a confiança na próxima etapa for insuficiente. Esses pontos preservam espaço para a execução autônoma sem transferir ao sistema decisões que exigem contexto, responsabilidade ou autorização. A pessoa continua definindo o problema, avaliando a relevância das descobertas e decidindo quais resultados podem entrar na rotina. O primeiro teste deve começar por uma tarefa reversível Nem toda atividade se beneficia de um agente trabalhando durante várias horas. A aplicação tende a fazer mais sentido quando existe um objetivo verificável, várias alternativas possíveis e um ambiente em que as tentativas produzem aprendizado sem consequências graves. Entre os exemplos que podem ser avaliados estão: testar configurações de software; comparar modelos de previsão; explorar combinações de parâmetros; verificar regras em conjuntos de dados; procurar falhas em ambientes isolados; avaliar diferentes formas de organizar um processo; executar testes automatizados; comparar cenários previamente delimitados. O primeiro piloto deve ter duração curta, limite de consumo e responsável identificado. Ao final, a equipe precisa verificar se o agente encontrou alternativas úteis, quanto trabalho de revisão foi necessário, quais recursos foram consumidos e se o resultado justificou o esforço de preparação. A autonomia amplia a execução, não elimina a direção Os experimentos mostram que agentes já conseguem sustentar ciclos de trabalho mais longos do que uma conversa convencional com inteligência artificial. Essa capacidade pode ampliar a quantidade de hipóteses testadas e retirar das equipes parte da repetição necessária para comparar alternativas. O avanço não elimina o papel humano. Ele desloca parte desse trabalho para a formulação do problema, o desenho do ambiente, a escolha das medidas, a definição dos limites e a interpretação dos resultados. Antes de deixar um agente trabalhar por horas ou dias, a empresa precisa conseguir responder o que ele deverá descobrir, quanto poderá consumir, quais ações estarão bloqueadas e em que situações deverá parar. Sem esses critérios, duração vira apenas consumo. Com um problema delimitado e resultados verificáveis, ela pode se transformar em capacidade adicional de experimentação. Fontes consultadas Prime Intellect. Autonomous AI Research for nanoGPT Speedrun . 14 de maio de 2026. Acessar a publicação Prime Intellect. Measuring Autonomous AI Research . 14 de agosto de 2026. Acessar a publicação Prime Intellect. Experiments Autonomous Speedrunning . Acessar o repositório com registros e configurações Anthropic. Long-running Claude for Scientific Computing . 23 de março de 2026. Acessar a publicação Anthropic. Effective Harnesses for Long-Running Agents . 26 de novembro de 2025. Acessar a publicação