A Anthropic acaba de mudar o que significa construir com Agentes de IA

Até hoje, criar um agente de IA em produção era um projeto de infraestrutura disfarçado de produto.

Você queria construir algo que lesse um contrato e extraísse o que importa. Mas antes de chegar nessa função, precisava resolver sandboxing, gerenciamento de sessão, autenticação, permissões, rastreamento de erros. Meses de trabalho antes de mostrar qualquer coisa para um usuário.

A Anthropic lançou ontem o Claude Managed Agents. E o que mudou não é o modelo. É a camada ao redor dele.

O que é, sem enrolação

Pense assim: um agente de IA é como contratar alguém para fazer uma tarefa longa e complexa. Mas no mundo digital, esse “alguém” precisa de uma sala para trabalhar, acesso controlado a sistemas, memória do que já fez, e supervisão para não errar em silêncio.

Antes, o desenvolvedor construía essa sala do zero. Agora, a Anthropic entrega a sala pronta.

Você define o que o agente precisa fazer. Define quais ferramentas ele pode usar. Define os limites. E a Anthropic cuida do resto: execução segura, sessões que persistem por horas, rastreamento de cada decisão, recuperação de erros.

O agente pode trabalhar por horas sem que o usuário precise estar presente. Se a conexão cair, o trabalho continua. Se der errado em algum ponto, há registro de tudo.

Por que isso importa agora

A promessa de agentes de IA existe há pelo menos dois anos. Mas a maioria das demos nunca chegou a produção porque o custo de infraestrutura era proibitivo para equipes pequenas.

Mas conforme essa camada vai sendo absorvida pela plataforma, o gargalo muda de lugar. Antes era “conseguimos rodar isso em escala?” Agora passa a ser “o que vale construir?”

Rakuten deployou agentes especializados em produto, vendas, marketing, finanças e RH. Cada um em uma semana. A Sentry conectou detecção de bug com escrita de código e abertura de PR automaticamente. A Asana criou o que chama de AI Teammates, agentes que trabalham dentro de projetos ao lado de humanos.

Em todos os casos, o tempo de entrega caiu de meses para dias.

O detalhe que ninguém está mencionando

Há um componente em research preview que merece atenção: o agente consegue definir seus próprios critérios de sucesso, se auto-avaliar e iterar até chegar lá.

Isso não é prompt. Não é RAG. É outra categoria de comportamento.

Em testes internos da Anthropic, essa abordagem melhorou a taxa de sucesso em tarefas complexas de geração de arquivos em até 10 pontos percentuais sobre um loop de prompt convencional. Os maiores ganhos foram justamente nos problemas mais difíceis.

A intuição é correta: quanto mais aberta a tarefa, mais a capacidade de auto-correção importa.

O que isso significa na prática

Se você é desenvolvedor ou founder técnico, o custo de experimentação acabou de cair drasticamente. Managed Agents está em beta público agora. Custa $0.08 por hora de sessão ativa, mais os tokens normais da plataforma.

Se você não escreve código, a implicação é diferente mas igualmente real: os produtos que vão chegar nos próximos meses foram construídos com essa infraestrutura. Aquilo que parecia demonstração de laboratório vai aparecer embutido em ferramentas que você já usa.

A distância entre prototipo e produção encolheu. E quando essa distância encolhe, o que muda não é só a velocidade. Muda quem consegue jogar.

Mas as consequências disso para equipes, para pricing de serviços e para o que conta como diferencial competitivo, essa é outra conversa, e merece um artigo próprio.

Fonte original: Claude Managed Agents — Anthropic