O OpenClaw vai popularizar os agentes da mesma maneira que o ChatGPT popularizou a IA generativa

Em painel realizado ontem (18) com alguns dos nomes mais criativos da IA – entre eles, Aravind Srinivas, da Perplexity, dona do Comet, um navegador com funções de IA integradas; e Mira Murati, ex-diretora de tecnologia da OpenAI que quer levar a IA ao próximo nível com a Thinking Machines Lab, a mais nova investida da Nvidia -, Huang afirmou que ele e seus coleguinhas já experimentavam há anos com agentes, mas nunca haviam se dado conta de seu potencial.

“É muito parecido como o que aconteceu no caso do ChatGPT: a tecnologia esteve à vista por algum tempo, mas as pessoas só perceberam as possibilidades a partir do momento em que havia uma interface amigável.” No caso dos agentes, diz, o marco é o OpenClaw, um modelo aberto que permite que qualquer um crie o seu agente particular. O app foi desenvolvido de maneira independente pelo desenvolvedor austríaco Peter Steinberger - que foi contratado pela OpenAI em fevereiro de 2026. “Agora que o público viu como é, não tem mais volta”, disse Huang no evento.

Confira abaixo os melhores trechos da conversa entre os três visionários e entenda o que vem por aí em termos de inteligência artificial.

Jensen Huang “Para entender, é só pensar no que aconteceu no caso do ChatGPT. A tecnologia estava à vista por algum tempo, mas as pessoas só perceberam as possibilidades a partir do momento em que havia uma interface amigável. A razão pela qual as pessoas não perceberam a chegada da era dos agentes, mesmo ela estando diante de nós, é porque as primeiras aplicações foram no ambiente corporativo, de maneira experimental. A maior parte do mundo não conhecia esses sistemas até recentemente. Mas esses agentes passaram por um ponto de inflexão, e agora o OpenClaw está levando os sistemas agênticos para a mente do consumidor da mesma forma que o ChatGPT fez com a IA. Claro, não é tão fácil de usar — você precisa construir, e há a questão da segurança —, mas pelo menos agora todo mundo está falando sobre isso.”

Mira Murati “Eu diria que, nos últimos tempos, fizemos avanços enormes nas capacidades dos modelos. Demos um grande salto, e chegamos em um ponto em que os modelos são extremamente capazes. Para liberar toda a sua utilidade, precisamos ser capazes de conectar o contexto, operar dentro dos seus dados e executar o que você está tentando fazer no seu domínio. Foi o que o desenvolvedor do OpenClaw fez: criou um agente capaz de operar dentro dos dados do usuário, conectando tudo e construindo um sistema que funciona mais como um operador. Ainda temos um longo caminho para tornar isso realmente confiável e capaz de executar ações exatamente como você deseja. Mas isso já mostra para onde precisamos ir.”

Aravind Srinivas “O OpenClaw é um agente geral muito capaz. No entanto, na maior parte do nosso trabalho, ainda é essencial ter muitos agentes especializados. Eles precisam ser colocados em um ciclo contínuo dentro do seu data center e integrados à sua empresa para aprender permanentemente. E é melhor ter sistemas de agentes do que apenas um encarregado de descobrir como fazer tudo. Mas acredito que o OpenClaw, ou qualquer outro produto semelhante, traz uma ideia fundamental: os computadores voltaram a ser interessantes.”

Jensen Huang, Nvidia “Existe um mito de que haveria uma briga entre os dois. Mas a verdade é que há espaço tanto para modelos abertos [um modelo cujos componentes estão publicamente disponíveis, permitindo aos usuários baixá-los, examiná-los e modificá-los] quanto fechados [também chamados de proprietários, não podem ser acessados, a não ser via API]. A diferença é que, para mim, modelos fechados como o ChatGPT são produtos, então que os abertos são tecnologias que um grande número de empresas pode transformar em produtos. Não há conflito, os dois se complementam.”

Aravind Srinivas, Perplexity “É nisso que acredito também. O Perplexity Computer, que estamos testando agora, é um modelo aberto no qual você pode construir um sistema de orquestração, a partir de uma IA multimodal. Tudo que você precisa é dizer o que quer, e ele faz para você. Ele tem subagentes que são como músicos; os modelos são os instrumentos, e o trabalho que a IA realiza para você é a sinfonia que eles tocam. Tornar esse sistema acessível e capaz de executar todas as cargas de trabalho que as empresas precisam no dia a dia é basicamente o que queremos viabilizar.”

Mira Murati, Thinking Machines Lab “Vivemos em uma era de grande progresso. Há muito para ser feito, e há muito para a aprender. Mas não é possível fazer tudo isso nos grandes laboratórios. Existem muitas pessoas inteligentes por aí, mas sem acesso às ferramentas. E é aí que o conhecimento aberto pode ser muito útil. Não estou falando só de modelos, mas também de infraestrutura, dados, pesquisa, insights. Isso pode capacitar muitas pessoas a avançar a ciência da IA. Existe um equívoco de que os open models podem ser negativos comercialmente. Mas há muitas nuances nisso: você pode tomar muitas decisões sobre o que de fato vai liberar. E uma das nossas decisões iniciais como empresa liberar o Tinker, uma API para pós-treinamento. E isso já está acelerando novas pesquisas.”

Jensen Huang “Muita gente acha que todo o treinamento da IA acontece lá no começo, quando ela adquire o conhecimento básico. Mas isso é o que chamamos de pré-treinamento. Trata-se de um processo de memorização e generalização, e esse conhecimento básico fornece a base para os modelos aprenderem habilidades. Se eles não tivessem esse conhecimento básico, você nem seria capaz de treiná-los. Mas isso é só o começo. Há cinco anos, o pré-treinamento correspondia a 90% de todo o processo, mas esse número já diminuiu muito e, no futuro, será uma fatia minúscula. A maior parte do conhecimento da máquina virá do pós-treinamento. E daí esses modelos proprietários que temos hoje, como ChatGPT, serão os melhores generalistas, com o conhecimento básico. Mas é muito improvável que sejam os melhores especialistas, que virão de sistemas abertos.”

Aravind Srinivas, Perplexity “Concordo. Mas veja, quase todo o trabalho que você faz hoje em um GPU, em uma interface gráfica, era originalmente um lugar de execução de código. Portanto, um modelo que originalmente foi treinado para ser muito bom em programação de repente passou a realizar todo tipo de trabalho de conhecimento. É por isso que, para mim, estamos vivendo uma nova era de valorização do computador: é ele que faz a orquestração, não importa qual seja o modelo ou sistema. Acredito que as próximas máquinas serão híbridas, com computação local e do lado do servidor. Esse é o futuro: uma plataforma de computação totalmente nova, construída sobre GPUs, que vai rodar nossos negócios e nossas vidas.”

*Marisa Adán Gil viajou a convite da empresa