.webp){kind=small}
A Anthropic está apostando que o maior gargalo na IA empresarial não é a inteligência dos modelos, mas sim o fato de que a maioria das pessoas ainda usa IA sozinha. Em uma entrevista exclusiva para o VentureBeat, Scott White, chefe de produto para empresas da Anthropic, apresentou a tese da empresa para o que ela chama de "IA multijogador": uma mudança do paradigma de chatbots para um único usuário em direção a agentes de IA que operam em equipes, leem o contexto organizacional e se inserem proativamente no trabalho — às vezes sem serem solicitados.
A estratégia se cristalizou no início deste mês, quando a Anthropic atualizou Claude Tag, seu agente que opera dentro dos canais do Slack, para ler o contexto de conversas inteiras em vez de avaliar mensagens individualmente. Segundo a empresa, a mudança torna Claude cerca de 30% melhor em decidir quando — e, crucialmente, quando não — entrar em uma conversa sem ser solicitado.
Isso pode soar como uma atualização incremental de produto. White argumenta que representa algo mais fundamental: o momento em que a IA deixa de ser uma ferramenta consultada por indivíduos e passa a ser um colega que as organizações implementam.
White disse ao VentureBeat. "Agora, Claude, no contexto de implementação organizacional, se sente como o chefe de gabinete da empresa."
White divide a evolução do setor em três fases distintas, e seu relato serve também como um roteiro para a direção que a Anthropic está dando aos seus produtos empresariais.
No início, ele disse, a IA lidava com "parte de uma tarefa" — responder a uma pergunta em um chatbot ou completar uma única linha de código em uma IDE. À medida que os modelos melhoraram, passaram a realizar tarefas completas: escrever uma função inteira, produzir um relatório de pesquisa, redigir um documento a partir de múltiplas fontes de dados.
"Acho que agora estamos na trajetória do que eu chamaria de projetos ou objetivos", disse White. "Os modelos são capazes, e a conectividade com os sistemas é suficientemente robusta, para atingir objetivos abstratos de ordem superior — como manter nosso produto livre de bugs ou agilizar nosso processo de revisão de acordos de confidencialidade — e o modelo pode operar em grande parte em segundo plano, conectando várias fontes de dados e executando iterações automatizadas sobre o que considera ser seu objetivo". Essa mudança, argumenta White, é precisamente o que força a IA a se tornar multifacetada. Objetivos, ao contrário de tarefas, envolvem inerentemente várias pessoas. E o trabalho intelectual — diferentemente da engenharia de software, que possui décadas de infraestrutura de colaboração construída em torno do Git e de pull requests — não tem uma estrutura equivalente.
O trabalho intelectual é muito mais complexo do que a engenharia de software", disse White. "Envolve várias pessoas. Envolve várias funções. É um sistema multiconectado com diferentes permissões... O objetivo ou o resultado também não é tão facilmente verificável quanto o código. O código pode passar em testes e compilar na sua máquina, e você pode iterar sobre ele até que funcione deterministicamente. O trabalho intelectual não é necessariamente assim. Ele exige julgamento humano para determinar se algo atende aos padrões de qualidade."
Os três avanços técnicos que tornaram possíveis os agentes de IA proativos
Questionado sobre o que realmente possibilitou a mudança para o modelo multijogador, White apontou três pilares que se uniram nos últimos dois anos. O primeiro é a conectividade. O Protocolo de Contexto de Modelo (MCP) da Anthropic — o padrão aberto que a empresa apresentou no final de 2024 e que, posteriormente, foi adotado pela OpenAI e pelo Google em 2025 — amadureceu e se tornou o que White chamou de "o USB-C para conectores de IA", dando a Claude acesso controlado a sistemas de dados corporativos. O segundo pilar é um nível de inteligência do modelo que torna a proatividade viável, em vez de incômoda.
"Quando você está conectado a todos esses sistemas diferentes, precisa ser capaz de conectar os pontos entre os dados que recebe de todas essas fontes diferentes para poder intervir proativamente e dizer: 'Acho que identifiquei um problema que posso resolver' "É preciso atingir um novo patamar de inteligência artificial, e acredito que só conseguimos isso recentemente." O terceiro ponto é o formato: colocar o Claude onde a colaboração já acontece. White descreveu a integração com o Slack como "uma parceria inovadora que firmamos para ter a presença do Claude como um agente" — uma parceria que confere ao Claude uma identidade de agente federado com suas próprias permissões, conhecimento do canal e contexto conectado ao MCP.
A atualização da Tag do Claude mostra como essas peças se combinam. Anteriormente, um classificador simples avaliava cada mensagem do Slack isoladamente e decidia se o Claude deveria responder. A Anthropic removeu esse classificador completamente. O Claude lê o contexto completo do canal — além de sua memória e instruções permanentes — e escolhe entre quatro ações: responder diretamente na mensagem, iniciar um trabalho mais aprofundado em uma thread, encaminhar a mensagem para um fluxo de trabalho existente ou não dizer nada. O anúncio da Anthropic oferece um exemplo revelador: dois engenheiros tentando resolver o mesmo bug por caminhos opostos, nenhum deles interagindo com o Claude. Lidas individualmente, nenhuma das mensagens justifica uma resposta.
Em conjunto, um engenheiro apresenta uma teoria e o outro, as evidências — e Claude inicia uma discussão com a investigação já em andamento. Notavelmente, a empresa incorporou restrições explícitas ao sistema. A Anthropic escreveu em seu comunicado, observando que Claude fica inativo em canais onde repetidamente não tem nada a acrescentar.
A pergunta óbvia do cético é se tudo isso realmente torna as equipes mais rápidas. Profissionais de alto desempenho geralmente são mais ágeis quando trabalham sozinhos, e coordenar o uso de IA entre pessoas com diferentes estilos de trabalho é realmente difícil. Quando questionado sobre evidências, White apontou para como seu próprio trabalho mudou dentro da Anthropic.
"Antigamente, eu poderia ter uma dúvida sobre algo que estava acontecendo nos negócios e trabalharia com um cientista de dados por um ou dois dias para fazer uma análise de dados sobre esse problema", disse White. "Agora o Claude é tão bom em análise de dados que não preciso mais fazer essa transferência de responsabilidade. O que o cientista de dados fez foi criar a infraestrutura que permite ao Claude sempre acertar na análise de dados". "Passo mais tempo com meus colaboradores do meu nível, discutindo com eles o que devemos fazer e o que devemos mudar em nossa estratégia... As múltiplas transferências de responsabilidade que tínhamos para concluir uma tarefa e depois tomar uma decisão foram drasticamente reduzidas."
