O novo produto da Anthropic é suficientemente poderoso para deixar a equipa de Infraestrutura de Agentes de IA desempregada?

Título original: "Anthropic lançou hoje um novo produto que pode levar uma vaga de equipas de Infraestrutura de Agentes de IA a perderem os seus empregos"

Autor original: Bayu, Engenheiro de IA

Este produto chama-se Claude Managed Agents. Em suma: diz à Anthropic que tipo de agente de IA pretende e esta ajuda-o a executá-lo na nuvem, incluindo toda a infraestrutura, com preços baseados na utilização. A Sentry utilizou-o para implementar a correção automática de erros de ponta a ponta em poucas semanas, enquanto a Rakuten implementou um agente especializado numa semana. Anteriormente, estas tarefas exigiriam uma equipa de engenharia completa a trabalhar durante meses.

Entretanto, a receita recorrente anual da Anthropic ultrapassou os 30 mil milhões de dólares, o triplo de dezembro do ano passado. A maior parte do crescimento provém de clientes empresariais. Wall Street começou a ficar nervosa, com o WSJ a afirmar que os investidores estão cada vez mais cautelosos em relação aos preços das ações das empresas de SaaS tradicionais, receando que produtos como os da Anthropic possam tornar obsoletos alguns serviços de software tradicionais.

O que é exatamente este produto? Como difere do Claude Code que já utiliza? Como foi alcançado tecnicamente?

O que é? Como difere do Claude Code?

Se já utilizou o Claude Code, sabe como funcionam os agentes de IA: dá-lhes uma tarefa e eles planeiam autonomamente os passos, utilizam ferramentas, escrevem código, modificam ficheiros e concluem a tarefa passo a passo.

O Claude Code é executado no seu próprio computador e é uma ferramenta de linha de comandos para uso pessoal de programadores. Para de funcionar quando desliga o computador.

Os Managed Agents são executados na nuvem da Anthropic e são um serviço de API para uso empresarial. Podem funcionar continuamente 24/7, retêm o progresso mesmo se desligados e o seu produto pode incorporar diretamente capacidades de agente de IA.

É assim que o Notion funciona: os utilizadores atribuem tarefas aos agentes Claude dentro do Notion, os agentes trabalham em segundo plano, concluem as tarefas e devolvem os resultados, tudo sem que os utilizadores tenham de sair do Notion.

Vários casos de uso típicos:

· Acionado por eventos: O sistema deteta um erro, atribui automaticamente um bot para o corrigir e cria um pull request, sem intervenção humana pelo meio.

· Agendado: Gera automaticamente um resumo da atividade do GitHub ou um resumo do trabalho da equipa todas as manhãs.

· Fire-and-forget: Atribua uma tarefa a um bot no Slack, ele conclui a tarefa e devolve o documento, PowerPoint ou aplicação.

· Tarefa de longa duração: Execução de uma pesquisa profunda ou tarefa de refatorização de código durante várias horas.

Qual é a diferença entre bots alojados na nuvem e bots internos?

Poderia alojá-los localmente, mas é dispendioso e lento.

Um bot inteligente que possa entrar em funcionamento requer muito mais do que apenas "chamar uma API": um ambiente sandbox (um espaço seguro isolado onde a IA pode executar código, modificar ficheiros, experimentar sem afetar o sistema externo real, como fornecer à IA uma máquina virtual dedicada), gestão de credenciais, recuperação de estado, controlo de permissões, rastreio de ponta a ponta e muito mais.

Muitos clientes empresariais precisavam de uma equipa de engenharia dedicada a estas tarefas. Agora, é plug and play, libertando os engenheiros para se concentrarem no núcleo do produto.

No entanto, os problemas resolvidos pelos Managed Agents vão além da simples poupança de mão de obra.

Matt Dongslee (@dongxi_nlp) tem um resumo sucinto:

Existe um exemplo específico no blogue de engenharia da Anthropic:

Quando o Claude Sonnet 4.5 se aproxima do limite da janela de contexto, entra em "pânico" e termina a tarefa apressadamente. Adicionaram uma reposição de contexto na estrutura de agendamento para resolver isto. No entanto, com o Claude Opus 4.5, este problema desapareceu e a correção anterior tornou-se, na verdade, um fardo.

Se construir a sua própria estrutura de agendamento, terá de a atualizar a cada atualização do modelo. Delegue-o à Anthropic; eles otimizam-no para si, essencialmente otimizando o que lhe vendem.

Quem o está a utilizar? Como?

O Notion permite aos utilizadores delegar tarefas como codificação, criação de PPTs e organização de folhas de cálculo diretamente para o Claude dentro da área de trabalho, executando dezenas de tarefas em paralelo, com toda a equipa a colaborar no mesmo resultado. O gestor de produto do Notion, Eric Liu, afirmou que os utilizadores podem delegar tarefas complexas e abertas diretamente sem sair do Notion.

A Sentry implementou um processo totalmente automatizado "desde a descoberta de erros até à submissão da correção de código". A sua ferramenta de depuração de IA, Seer, após identificar a causa raiz, permite que o Claude escreva correções diretamente e abra PRs (pull requests). O Diretor de Engenharia, Indragie Karunaratne, disse que conseguiram lançar em poucas semanas, poupando o custo de manutenção contínua da infraestrutura própria.

A Atlassian integrou-o no Jira, permitindo aos programadores atribuir tarefas diretamente ao Claude AI.

A Asana criou AI Teammates, adicionando colaboradores de IA na gestão de projetos que podem assumir tarefas e resultados.

A General Legal (empresa de tecnologia jurídica) tem a abordagem mais interessante: a sua IA pode criar temporariamente ferramentas para pesquisar dados com base nas consultas dos utilizadores. Anteriormente, cada consulta do utilizador tinha de ser antecipada e uma ferramenta de recuperação desenvolvida com antecedência, mas agora a IA gera-as a pedido. O CTO afirmou que o tempo de desenvolvimento foi reduzido em 10x.

A Rakuten implementou agentes de IA especializados nos departamentos de engenharia, produto, vendas, marketing e finanças, cada um entrando em funcionamento numa semana, recebendo tarefas via Slack e Teams e entregando resultados tangíveis como folhas de cálculo, PPTs e aplicações.

Princípio técnico: Desacoplar o cérebro das mãos

A equipa de engenharia da Anthropic escreveu uma publicação no blogue técnico intitulada Scaling Managed Agents: Decoupling the brain from the hands, discutindo a evolução arquitetónica por trás dos Managed Agents.

Inicialmente, colocaram tudo num único contentor: ciclo de inferência da IA, ambiente de execução de código e registo de sessão, tudo junto. O benefício era a simplicidade, mas a desvantagem era que todos os ovos estavam no mesmo cesto—se o contentor caísse, toda a sessão era perdida e as peças individuais não podiam ser substituídas separadamente.

Mais tarde, fizeram uma divisão fundamental:

· O "Cérebro" é o Claude e a sua estrutura de agendamento, responsável pelo pensamento e tomada de decisão.

· A "Mão" é a sandbox e várias ferramentas, responsáveis pela execução de operações específicas.

· A "Memória" é um registo de sessão independente, que grava tudo o que acontece.

Os três são independentes e, se um falhar, não afeta os outros dois.

Esta divisão trouxe vários benefícios práticos:

Velocidade

Nem todas as tarefas precisam de iniciar o ambiente sandbox completo. Agora, a sandbox só é iniciada a pedido quando a IA precisa realmente de executar código. A latência média da primeira resposta diminuiu cerca de 60% e, em casos extremos, caiu mais de 90%.

Segurança

O código gerado pela IA é executado na sandbox, enquanto as credenciais para aceder a sistemas externos são armazenadas num cofre seguro fora da sandbox, com isolamento físico em ambos os lados. Por exemplo, para aceder a um repositório Git, o sistema clona o código durante a inicialização e a IA interage com o git push/pull normalmente, mas o Token em si não é visível para a IA. Para serviços como o Slack e o Jira, o acesso é feito através do protocolo MCP, onde os pedidos passam por uma camada de proxy, a camada de proxy recupera as credenciais do cofre para chamar o serviço e a IA nunca manuseia as credenciais durante todo o processo.

Flexibilidade

O Cérebro não quer saber o que é a Mão. Existe uma frase interessante no blogue de engenharia: a estrutura de agendamento não sabe se a sandbox é um contentor, um telemóvel ou um emulador de Pokémon. Só precisa de cumprir a interface "introduzir um nome, obter uma string".

Isto também significa que múltiplos Cérebros podem partilhar a Mão, e um Cérebro pode passar a Mão a outro Cérebro, lançando as bases para a colaboração multi-agente.

Limitações

Os Managed Agents não são omnipotentes. Há vários pontos a ter em conta:

Algumas funcionalidades ainda estão na fase de pré-visualização de investigação. Capacidades como a colaboração multi-agente, ferramentas de memória avançadas e iteração de autoavaliação (permitindo que o agente julgue a qualidade da conclusão da sua própria tarefa e melhore iterativamente) ainda não estão totalmente abertas e requerem candidatura para acesso.

Dependência da plataforma (Lock-in). Optar pelos Managed Agents significa que a sua infraestrutura de agentes está ligada ao ecossistema da Anthropic. Se planeia mudar de modelos ou plataformas no futuro, os custos de migração não devem ser subestimados.

A gestão de contexto continua a ser um desafio. Embora os registos de sessão sejam armazenados de forma independente, decidir que informação reter ou descartar durante tarefas longas ainda envolve decisões irreversíveis. Este é um desafio contínuo e a sua abordagem atual separa o armazenamento de contexto da gestão de contexto: o armazenamento garante a preservação, enquanto as políticas de gestão se ajustam com a evolução do modelo.

Previsibilidade de custos. 0,08 $ por hora de sessão pode parecer razoável, mas para tarefas complexas que exigem que o agente funcione durante várias horas, considerando o consumo de tokens e os custos de tempo de execução, o custo total pode não ser insignificante. As empresas precisam de avaliar os seus orçamentos em conformidade.

Os Managed Agents indicam que a maioria das empresas ainda tem um longo caminho a percorrer antes de poder "depender totalmente de agentes de IA para o trabalho".

Embora a barreira da infraestrutura tenha sido reduzida, os Managed Agents não podem ajudar a definir boas tarefas, desenhar fluxos de trabalho ou estabelecer confiança para permitir que a IA aceda a dados empresariais críticos.

O "Momento AWS" da Infraestrutura de Agentes de IA

Os Managed Agents parecem estar a seguir o caminho que a AWS percorreu nos seus primeiros dias: primeiro fornecendo poder computacional, depois encapsulando o ambiente de execução.

Há dez anos, as empresas debatiam se deviam "migrar para a nuvem"; agora, o debate é se devem "alojar a infraestrutura de Agentes localmente ou optar por serviços geridos". A experiência histórica diz-nos que a maioria das empresas acaba por escolher serviços geridos porque a infraestrutura nunca é uma competência central. A OpenAI também lançou a sua própria plataforma de Agentes, Frontier, e a concorrência neste espaço está apenas a começar.

Do ponto de vista tecnológico, a abordagem arquitetónica de "separação entre cérebro e mão" é digna de nota. Permite que cada parte do sistema evolua de forma independente: atualizar o modelo, mudar o cérebro; precisar de uma nova ferramenta, adicionar uma mão; alterar a solução de armazenamento, substituir a camada de memória.

Uma boa analogia de um blogue de engenharia: o comando read() de um sistema operativo não quer saber se está a lidar com um disco dos anos 70 ou com um SSD moderno; a camada de abstração é estável, permitindo que a implementação subjacente seja facilmente substituída.

Do ponto de vista de utilização, se é um programador empresarial à procura de incorporar capacidades de agente de IA no seu produto, os Managed Agents podem poupar-lhe vários meses de trabalho de infraestrutura.

Seis linguagens (Python, TypeScript, Java, Go, Ruby, PHP) são suportadas por SDKs. Se já utiliza o Claude Code, atualize para a versão mais recente, digite /claude-api managed-agents-onboarding para começar.

Se é um entusiasta casual de IA, o impacto mais imediato que poderá sentir é: nos produtos SaaS que utiliza, cada vez mais agentes de IA estarão a trabalhar em segundo plano para o ajudar, sendo que estes agentes provavelmente serão executados em Managed Agents.

Referência de preços: Os custos de tokens baseiam-se no preçário padrão da API da Anthropic, com um custo de tempo de execução de 0,08 $ por hora de sessão (o tempo de inatividade não é faturado) e 10 $ por mil pesquisas na web.

Acha que a infraestrutura para agentes de IA será eventualmente dominada por alguns grandes intervenientes, de forma semelhante ao que acontece hoje com a computação em nuvem?

Link do artigo original