The Agent Watch
Briefing · Artigos · Ferramentas · Sobre EN FR DE ES 中文 IT PT SV FI DA

Briefing diário

16 de novembro de 2026 · 5 historias

🔥 Em destaque

1

OpenBot 1.0: o agente trabalha na sua máquina, mas tem de pedir permissão

A CopilotKit lança o OpenBot 1.0, uma oficina onde se instalam agentes que fazem o trabalho por você. Cada agente tem o seu próprio computador: um navegador que você pode ver trabalhando, arquivos e uma linha de comando. Você dá três tipos de permissões: pode agir sozinho, precisa pedir a sua concordância, ou não pode sequer tocar nisso. Cada tentativa fica registada num diário. O exemplo dado pelo editor: um agente que revê as despesas. Vai procurar a regra em vigor, mostra a linha do recibo que cria dúvida e assinala o que precisa de julgamento humano. Não tem permissão para disparar o reembolso. O código é livre, sob licença MIT, e a sala de controlo que assegura memória e governação é vendida à parte. Fonte : https://www.copilotkit.ai/blog/introducing-openbot-1-0

2

Stanford ensina um modelo a guardar só 16 memórias de uma biblioteca inteira

Investigadores da Stanford abrem o código de um módulo de memória para modelos congelados, sob licença Apache 2.0. O princípio: o modelo já não lê todos os documentos em cada pergunta. Fica só com 16 fichas, escolhidas conforme a pergunta feita, como se guardasse 16 cartões numa caixa em vez de transportar uma biblioteca inteira. Num teste de perguntas factuais, obtém 84,33 % com essas 16 fichas, contra 80,43 % quando lhe dão tudo. O número de fichas de documento é 108 vezes menor. Com 512 documentos, a latência medida desce de 19,9 para 0,74 segundos, 27 vezes menos. Os autores assinalam também os limites: o módulo perde em três testes, quando os documentos são demasiado curtos para a compressão render alguma coisa. Fonte : https://memory.stanford.edu/

3

Macs alugados ao dia para agentes que têm de trabalhar num computador a sério

A Mount Thor junta 45 milhões de dólares para vender Macs em aluguer, como se aluga servidores. A ideia parte de uma observação simples: um agente que pilota um computador precisa do mesmo ambiente que uma pessoa, com as suas aplicações, os seus ficheiros e o seu ecrã. Muitas tarefas só existem no sistema operativo da Apple. Por isso a empresa vende máquinas completas e máquinas virtuais isoladas, faturadas ao dia. Já montou o seu primeiro centro de dados em menos de seis meses. Entre os investidores há nomes conhecidos do sector: Meta, OpenAI e Vercel, a par da CRV e da Conviction, que conduzem a série A. A equipa já construiu infra-estrutura para a Cerebras, CoreWeave, OpenAI e xAI. Fonte : https://blog.mountthor.com/a

4

Kindo junta 30 milhões de dólares para saber quanto custa cada agente

A Kindo junta 30 milhões de dólares, conduzidos pela Crosspoint Capital e pela Forgepoint Capital, num total de 57,6 milhões desde a fundação. A empresa vende uma sala de controlo para os agentes da empresa: saber o que fazem, o que tocam e quanto custam. A parte mais concreta é a factura. A consola regista cada ficha consumida e o resultado de cada execução, incluindo as falhas, e depois consolida os custos por pessoa, por agente, por serviço e por projecto. As equipas financeiras podem fixar tecto rígido e disparar alertas. A Kindo afirma ter crescido cerca de 800 % em receitas num ano, e cita um cliente que diz poupar mais de 2 milhões de dólares por ano. São números do editor, sem auditoria. O produto funciona com qualquer agente, mesmo construído noutro sítio, e pode correr nas instalações do cliente, sem ligação. Fonte : https://www.kindo.ai/resources/press-kindo-raises-57-million-ai-agent-management

5

Blue J junta 176 milhões de dólares para agentes que fazem trabalho fiscal

A Blue J junta 176 milhões de dólares numa série E liderada pela JMI Equity, e passa a valer mais de 700 milhões. A empresa vende um agente que faz o trabalho do consultor fiscal, não apenas o que responde a perguntas. Encaminha-se-lhe uma tarefa inteira: rever uma declaração antes do envio, preparar uma resposta a um aviso das finanças, analisar um contrato de sócios, redigir uma carta ao cliente. Produz um documento pronto a rever, com fontes e passos consultáveis, e o humano mantém o julgamento. A plataforma já respondeu a mais de 14 milhões de perguntas fiscais. A receita recorrente anual cresceu 165 % em quinze meses. Usam-na mais de 6 500 organizações e 45 000 profissionais. O fundador resume: uma resposta raramente é o fim do trabalho do cliente. Fonte : https://www.bluej.com/blog/blue-j-announces-series-e-funding

📡 A vigiar

A Solo.io quer que uma sessão de agente entre em pausa em vez de ocupar um servidor

A Solo.io anuncia as versões empresariais de duas peças para correr agentes em produção. A ideia: uma sessão de agente entra em pausa quando não tem nada a fazer e retoma a pedido, em vez de deixar um servidor vazio a funcionar o tempo todo. Cada sessão é isolada, e um portal de entrada verifica quem a chama e o que pode alcançar. A OutSystems e a Swissquote já a usam. Fonte : https://www.solo.io/press-releases/announcing-kagent-1-0-ga

A Mirantis acrescenta botão de emergência e tecto de despesas para agentes em produção

A Mirantis põe à venda uma plataforma para correr agentes nos seus próprios servidores. Permite definir o que cada agente alcança, fixar tectos de despesa em três níveis, registar tudo e cortar de uma só vez a rede de toda a frota durante um incidente. Um agente pode propor uma reparação numa máquina de produção, mas alguém tem de a aprovar antes de aplicada. O editor apoia-se em dois estudos: 49,8 % das organizações inquiridas tiveram ou suspeitaram de uma acção não desejada de um agente, e só 17,5 % conseguem parar o agente automaticamente. Fonte : https://www.mirantis.com/company/press-center/company-news/mirantis-announces-agent-platform-that-strengthens-human-oversight-of-production-ai-agents

A AT&T gere quase 500 processos com agentes, sem tirar logo a pessoa

A operadora AT&T pôs em produção quase 500 processos geridos por agentes e planeia triplicar o número em 2027. A sua plataforma trata de mais de um milhão de transacções por mês. O ponto interessante não é o número, é a regra: cada processo começa com uma pessoa que valida, e a autonomia total só chega quando a precisão atinge o meio dos noventa e o risco é considerado aceitável. Um grupo interno, o Business Agent Foundry, mapeia os processos e submete os mais sensíveis a revisões de segurança e conformidade. Fonte : https://siliconangle.com/2026/11/14/att-uses-agentic-ai-to-reinvent-business-processes-from-the-ground-up

Um modelo de voz que sabe com quem se falava, mesmo quando é a televisão a responder

A Bland apresenta o Tofu-1, um modelo que ouve e fala ao mesmo tempo, sem passar pela transcrição. O editor aponta para chamadas difíceis: a partir de um carro em movimento, numa enfermaria, com várias pessoas a falar. O seu teste preferido é o caso da televisão. O agente pergunta se o chamador quer cancelar, o chamador não responde porque procura o número do contrato, e a televisão diz sim. Um modelo que só lê o texto tomaria esse sim por uma confirmação. O Tofu-1 foi concebido para atribuir a frase à televisão e voltar a perguntar. O acesso é antecipação, para poucas empresas. Fonte : https://www.bland.ai/speech-to-speech

📊 Tendência

Hoje os agentes são instalados e controlados tanto como respondem. O OpenBot 1.0 dá a cada agente o seu próprio computador, as suas permissões e o seu diário, e a Stanford mostra que um modelo congelado pode aguentar uma colecção inteira de documentos com 16 memórias, o que torna o custo previsível seja qual for o volume. Ao mesmo tempo, a factura passa a ser assunto de gestão: a Kindo consolida quanto custa cada agente, a Mirantis permite cortar a rede de uma frota inteira com um clique, e a Solo.io quer que uma sessão entre em pausa em vez de ocupar um servidor para sempre. A AT&T aplica a mesma regra em grande escala: a pessoa valida no início, e a autonomia só chega depois de uma precisão medida. E o dinheiro desloca-se para a aplicação de negócio: a Blue J vende um agente que faz trabalho fiscal, não mais uma resposta.