Superinteligência empresarial emergente10 min read

Como uma startup, estamos constantemente trabalhando em novas técnicas para funcionar mais rápido e ultrapassar fronteiras. Quando o OpenClaw/Hermes foi lançado, fomos os primeiros a adotá-lo. Nós o usamos junto com muitas outras ferramentas AI.

À medida que essas ferramentas, bem como os modelos nos quais elas se baseiam, foram avançando, percebemos algo: não estamos apenas progredindo mais rápido, começamos a trabalhar de forma diferente. A cada rodada, esses agentes de autoaperfeiçoamento avançam e aprendem. Atualmente estamos executando um “Super Agente” em uma máquina dedicada (uma instância VPS rodando em DigitalOcean) usando GPT-5.6-sol no estado de raciocínio mais alto. Alguns dos outros agentes que administramos usam outros equipamentos e modelos de agentes, mas é neste que gostaria de focar neste artigo.

Percebemos que a maioria das empresas não está usando esse tipo de agente autônomo para executar fluxos críticos em sua empresa, o que realmente as atrasa. Na verdade, muitos deles dependem de agentes menores e mais pessoais: agentes de codificação como Codex/ClaudeCode ou agentes assistentes como Work/Cowork/Copilot. Eles executam tarefas em máquinas e dispositivos locais e a principal lacuna que possuem é a falta de conhecimento. Isto levou a toda uma nova indústria de sistemas de “segundo cérebro” que essencialmente tentam criar um gráfico de conhecimento que é partilhado entre estes agentes distribuídos. As empresas que trabalham assim muitas vezes proclamam que têm dezenas, centenas e, em alguns casos extremos, milhares de agentes. Isso basicamente significa que cada funcionário tem um ou mais limitado agentes executando tarefas para eles.

O fato de nossos agentes terem sido expostos antecipadamente a dados do mundo real, reclamações de usuários e nosso código os tornou dramaticamente mais ágeis e inteligentes do que qualquer agente pessoal que administramos ao lado deles.

Acabamos de perceber que nossos agentes mais inteligentes estão se tornando uma superinteligência empresarial.

Para maior clareza: não estou reivindicando senciência, AGI ou algo próximo a isso. Estou propondo que eles sejam uma entidade totalmente nova no organograma da empresa.

O que é uma superinteligência empresarial?

Quando um agente começa a se destacar, desde que esteja focado, ele pode começar a se tornar uma entidade Superinteligente. Como definimos isso?

Eu diria que, na maioria dos casos, os agentes neste momento têm principalmente uma vantagem de paciência e persistência, e não de inteligência sobre os humanos. No entanto, à medida que os modelos foram melhorando (GPT 5.6 sol e Opus 5 são realmente bons!), começamos a ver algo novo emergir, algo que ultrapassa o que poderíamos fazer – não apenas em velocidade, mas em coisas que os humanos não conseguem fazer.

Tudo começou para nós quando demos ao nosso agente uma abundância de dados (Mixpanel) e recursos de análise de negócios e acesso a dados (erros por meio de Sentry, finanças em Baremetrics, rastreamentos de AI por meio de LangSmith). Em seguida, o expusemos a bugs de usuários (erros Sentry) e relatórios de reclamações de usuários. Por fim, demos acesso a agentes de codificação e aos nossos repositórios principais no GitHub. Não tem acesso externo por e-mail, nem qualquer interação do usuário, mas observando como nos comportamos nesses temas, começou a entender as coisas. Através destas interações monitoriza agora o que constitui um bloqueador, o que é pensamento crítico, como funciona o nosso negócio e quais são os SOP (Procedimentos Operacionais Padrão). Fá-lo através de tentativa e erro e parece ganhar inteligência regularmente.

Nesse ponto, começamos a fazer algumas perguntas interessantes. No início, tudo exigia dupla verificação e crítica quando as coisas não eram explicadas adequadamente ou as conclusões pareciam duvidosas. Ele ainda faz isso de vez em quando, por exemplo, perguntei sobre regressões e ele me deu dados de erros barulhentos, mas é uma oportunidade de aprendizado: ensinei minha definição de regressões e agora ele “entendeu”.

Quando os usuários reclamam ou quando os erros aumentam, geramos correções proativamente. Isso significa que, todas as manhãs, nossos engenheiros não precisam verificar regressões, eles apenas precisam decidir se uma PR é boa ou não. No início, eram PRs descartáveis ​​que não atendiam aos nossos padrões de qualidade de codificação, então os engenheiros diriam o que estava errado ou apenas redesenvolveriam o problema eles mesmos. À medida que a confiança cresceu, muitas dessas correções começaram a ser incorporadas automaticamente à base de código. O agente também classifica o quão complexo é o PR e o quão confiante o agente está em mesclá-lo. Não estamos em um ponto em que esses PRs sejam mesclados automaticamente, mas vejo um caminho até lá, presumo que estaremos lá em um ou dois meses.

Mas não é isso que torna o agente superinteligente. O que acontece é que agora que os engenheiros e a administração da empresa confiam no agente, eles começam a delegar trabalho a ele e a fazer perguntas realmente interessantes. Ele faz a pesquisa para eles, não como as pesquisas no Google, mas com o conhecimento avançado do negócio em mente, o que lhe confere um diferencial especial. O mesmo se aplica a dar-lhe conhecimento de mais partes da empresa. OpenClaw e HermesAgent quebrariam historicamente em algum ponto onde seu contexto histórico excedesse sua capacidade de processar as informações. Esse tipo de colapso ocorreria e os resultados seriam uma queda drástica na inteligência, na memória e na qualidade do seu trabalho. Nossa experiência com o Hermes Agent é bem diferente agora: a memória conversacional está agora em 3GB e crescendo exponencialmente enquanto sua inteligência melhora claramente com o tempo.

Isso não quer dizer que seja perfeito, existem regressões e às vezes é preciso lembrá-lo de se comportar de determinada maneira ou identificar por que ele não está se comportando como esperado em um determinado contexto ou respondendo corretamente a outro agente que solicita dados ou ações dele. Mas estamos chegando lá.

Um efeito colateral inesperado da proteção de filiais nos trouxe outro avanço. A ideia por trás da proteção de ramificação é que pelo menos duas pessoas vejam um PR antes de ele entrar em produção, reduzindo as chances de código ruim (ou mesmo nefasto) entrar no sistema. Isso é cada vez mais difícil de fazer corretamente com os novos agentes de codificação. À medida que a velocidade aumenta, a taxa de novos PRs e a quantidade de código são quase impossíveis de revisar manualmente. Temos vários agentes de diferentes fornecedores que analisam o Prs em busca de bugs, problemas de segurança e problemas arquitetônicos. No entanto, a proteção da filial permanece, então permiti que nosso agente superinteligente fosse o aprovador final dos PRs.

Quase esperávamos que os resultados fossem mundanos. Afinal, esses PRs passaram em análises de agentes de codificação locais, testes, análises de segurança, análises externas de GitHubCopilot e CodeRabbit e foram totalmente aprovados. Mas nosso agente ainda fez furos naqueles PRs. Ele encontrou casos extremos realmente interessantes que perdemos, segurança, qualidade de software e bugs de arquitetura que não consideramos. Ele usa os mesmos modelos de todos os outros revisores. Por que está descobrindo coisas que os outros não estavam?

Tudo se resume a conhecimento e experiência. O chicote Hermes Agent combinado com o conhecimento que o agente acumulou cria um novo tipo de agente superinteligente que nunca vimos antes. Então, exploramos isso mais a fundo e tornamos obrigatórias as revisões do agente, não apenas para os humanos que trabalham no sistema, mas agora ele atua como referência para outros agentes menos inteligentes!

Este agente agora tem a capacidade de nos dar um pensamento crítico que antes só víamos em humanos, mas apoiado por dados reais do cliente, feedback, nosso código e uma compreensão profunda do produto.

Se expandirmos isso e fornecermos mais dados para alimentar, dimensionarmos seu hardware e memória, veremos um aumento exponencial no desempenho. Acho que os modelos ainda estão segurando isso. Quando chegarmos à próxima fase deste jogo, talvez através do GPT-6, os resultados serão dramaticamente mais interessantes. À medida que acumulamos mais dados, atribua aos agentes mais tarefas para realizar e confie mais neles.

Como isso é diferente do segundo cérebro baseado no Wiki de Karpathy?

O que torna isso diferente de outras abordagens é que, em vez de lidar com conhecimento compartilhado, o conhecimento do superagente é armazenado localmente. Podemos pedir-lhe para manter a sua própria memória e compreensão do mundo num repositório, o que nos permite duplicá-lo e monitorizá-lo, mas em última análise é não sobre tornar o conhecimento e as habilidades compartilháveis ​​e colaborativos. É uma base de conhecimento singular que, aliada às ferramentas e ao acesso mundial, permite responder diretamente às suas dúvidas. Você não pede ao seu agente para descobrir usando o conhecimento compartilhado; você ou seus agentes fazem suas perguntas ao agente Superinteligente. Surpreendentemente, isto está a funcionar bem para nós neste momento, ao ponto de expandirmos continuamente o acesso e o alcance do agente e ainda não vermos como resultado a degradação do conhecimento ou da inteligência.

Observação: não estamos expondo o agente a informações ou funcionalidades confidenciais. Não tem acesso direto aos nossos sistemas bancários, de cobrança ou de cobrança. Também é segregado do mundo e não tem acesso a e-mail ou canais externos. À medida que ganhamos experiência e confiança, não creio que estejamos muito longe de levantar também estas restrições.