O novo produto da Anthropic é poderoso o suficiente para deixar a equipe de infraestrutura de Agentes de IA desempregada?
Título Original: "Anthropic lança hoje um novo produto que pode causar uma onda de demissões em equipes de infraestrutura de Agentes de IA"
Autor Original: Bayu, Engenheiro de IA
Este produto chama-se Claude Managed Agents. Em resumo: você diz à Anthropic que tipo de agente de IA deseja, e ela o ajuda a executá-lo na nuvem, incluindo toda a infraestrutura, com preços baseados no uso. A Sentry o utilizou para implementar a correção automatizada de bugs de ponta a ponta em poucas semanas, enquanto a Rakuten implantou um agente especializado em uma semana. Anteriormente, essas tarefas exigiriam uma equipe de engenharia inteira trabalhando por meses.

Enquanto isso, a receita recorrente anual da Anthropic acaba de ultrapassar US$ 30 bilhões, o triplo do valor de dezembro do ano passado. A maior parte do crescimento vem de clientes corporativos. Wall Street começou a ficar nervosa, com o WSJ afirmando que os investidores estão cada vez mais cautelosos com os preços das ações de empresas de SaaS tradicionais, temendo que produtos como os da Anthropic possam tornar obsoletos alguns serviços de software tradicionais.
O que exatamente é este produto? Como ele difere do Claude Code que você já utiliza? Como isso foi alcançado tecnicamente?
O que é? Como ele difere do Claude Code?
Se você já usou o Claude Code, sabe como os agentes de IA funcionam: você lhes dá uma tarefa, e eles planejam os passos autonomamente, usam ferramentas, escrevem código, modificam arquivos e completam a tarefa passo a passo.
O Claude Code roda no seu próprio computador e é uma ferramenta de linha de comando para uso pessoal de desenvolvedores. Ele para de funcionar quando você desliga o computador.
Os Managed Agents rodam na nuvem da Anthropic e são um serviço de API para uso corporativo. Eles podem rodar continuamente 24/7, retêm o progresso mesmo se desconectados, e seu produto pode incorporar diretamente as capacidades de agente de IA.
É assim que o Notion opera: os usuários atribuem tarefas aos agentes Claude dentro do Notion, os agentes trabalham em segundo plano, completam as tarefas e retornam os resultados, tudo sem que os usuários precisem sair do Notion.

Alguns Casos de Uso Típicos:
· Acionado por eventos: O sistema descobre um bug, atribui automaticamente um bot para corrigi-lo e abre um pull request, sem intervenção humana no processo.
· Agendado: Gera automaticamente um resumo de atividades do GitHub ou um resumo de trabalho da equipe todas as manhãs.
· Disparar e esquecer: Atribua uma tarefa a um bot no Slack; ele completa a tarefa e retorna o documento, PowerPoint ou aplicativo.
· Tarefa de Longa Duração: Execução de uma pesquisa profunda ou tarefa de refatoração de código por várias horas.
Qual a diferença entre bots hospedados na nuvem e bots internos?
Você poderia hospedar por conta própria, mas é caro e lento.
Um bot inteligente que pode entrar em operação requer muito mais do que apenas "chamar uma API": um ambiente de sandbox (um espaço seguro isolado onde a IA pode executar código, modificar arquivos e testar sem afetar o sistema externo real, como fornecer à IA uma máquina virtual dedicada), gerenciamento de credenciais, recuperação de estado, controle de permissões, rastreamento de ponta a ponta e muito mais.
Muitos clientes corporativos precisavam de uma equipe de engenharia inteira dedicada a essas tarefas. Agora, é plug and play, liberando os engenheiros para focar no núcleo do produto.
No entanto, os pontos problemáticos resolvidos pelos Managed Agents vão além da economia de mão de obra.
Matt Dongslee (@dongxi_nlp) tem um resumo sucinto:

Há um exemplo específico no Blog de Engenharia da Anthropic:
Quando o Claude Sonnet 4.5 se aproxima do limite da janela de contexto, ele "entra em pânico" e encerra a tarefa precipitadamente. Eles adicionaram a redefinição de contexto na estrutura de agendamento para resolver isso. No entanto, com o Claude Opus 4.5, esse problema desapareceu, e o patch anterior tornou-se, na verdade, um fardo.
Se você criar sua própria estrutura de agendamento, terá que atualizá-la a cada atualização do modelo. Delegue isso à Anthropic; eles otimizam para você, essencialmente otimizando o que vendem para você.

Quem está usando? Como?
O Notion permite que os usuários deleguem tarefas como codificação, criação de PPTs e organização de planilhas diretamente ao Claude dentro do espaço de trabalho, executando dezenas de tarefas em paralelo, com toda a equipe colaborando no mesmo resultado. O gerente de produto do Notion, Eric Liu, disse que os usuários podem delegar tarefas complexas e abertas diretamente sem sair do Notion.

A Sentry implementou um processo totalmente automatizado "da descoberta do bug à submissão da correção de código". Sua ferramenta de depuração de IA, Seer, após identificar a causa raiz, permite que o Claude escreva patches diretamente e abra PRs (pull requests). O diretor de engenharia, Indragie Karunaratne, disse que conseguiram lançar em poucas semanas, economizando o custo de manutenção contínua da infraestrutura própria.
A Atlassian integrou isso ao Jira, permitindo que os desenvolvedores atribuam tarefas diretamente ao Claude AI.
A Asana criou AI Teammates, adicionando colaboradores de IA no gerenciamento de projetos que podem assumir tarefas e entregas.
A General Legal (empresa de tecnologia jurídica) tem a abordagem mais interessante: sua IA pode criar ferramentas temporariamente para pesquisar dados com base nas consultas dos usuários. Anteriormente, cada consulta do usuário precisava ser antecipada e uma ferramenta de recuperação desenvolvida com antecedência, mas agora a IA as gera sob demanda. O CTO disse que o tempo de desenvolvimento foi reduzido em 10 vezes.
A Rakuten implantou agentes de IA especializados nos departamentos de engenharia, produto, vendas, marketing e finanças, cada um entrando em operação dentro de uma semana, recebendo tarefas via Slack e Teams e entregando resultados tangíveis como planilhas, PPTs e aplicativos.
Princípio Técnico: Desacoplando o Cérebro das Mãos
A equipe de engenharia da Anthropic escreveu um post técnico no blog intitulado Scaling Managed Agents: Decoupling the brain from the hands, discutindo a evolução arquitetônica por trás dos Managed Agents.


Inicialmente, eles colocavam tudo em um único contêiner: loop de inferência da IA, ambiente de execução de código e log de sessão, tudo junto. O benefício era a simplicidade, mas a desvantagem era que todos os ovos estavam na mesma cesta — se o contêiner caísse, a sessão inteira era perdida, e as partes individuais não podiam ser substituídas separadamente.
Mais tarde, eles fizeram uma divisão fundamental:
· O "Cérebro" é o Claude e sua estrutura de agendamento, responsável pelo pensamento e tomada de decisão.
· A "Mão" é o sandbox e várias ferramentas, responsáveis por executar operações específicas.
· A "Memória" é um log de sessão independente, registrando tudo o que acontece.
Os três são independentes, e se um falhar, não afeta os outros dois.
Essa divisão trouxe vários benefícios práticos:
Velocidade
Nem toda tarefa precisa iniciar o ambiente de sandbox completo. Agora, o sandbox é iniciado apenas sob demanda quando a IA realmente precisa executar código. A latência mediana da primeira resposta diminuiu cerca de 60%, e em casos extremos, caiu mais de 90%.
Segurança
O código gerado pela IA roda no sandbox, enquanto as credenciais para acessar sistemas externos são armazenadas em um cofre seguro fora do sandbox, com isolamento físico em ambos os lados. Por exemplo, para acessar um repositório Git, o sistema clona o código durante a inicialização, e a IA interage com git push/pull normalmente, mas o Token em si não é visível para a IA. Para serviços como Slack e Jira, eles são acessados via protocolo MCP, onde as solicitações passam por uma camada de proxy; a camada de proxy recupera as credenciais do cofre para chamar o serviço, e a IA nunca manipula as credenciais durante todo o processo.
Flexibilidade
O Cérebro não se importa com o que a Mão é. Há uma frase interessante no blog de engenharia: a estrutura de agendamento não sabe se o sandbox é um contêiner, um telefone celular ou um emulador de Pokémon. Ele só precisa aderir à interface "insira um nome, obtenha uma string de saída".
Isso também significa que múltiplos Cérebros podem compartilhar a Mão, e um Cérebro pode passar a Mão para outro Cérebro, estabelecendo a base para a colaboração entre múltiplos agentes.
Limitações
Os Managed Agents não são onipotentes. Há vários pontos a observar:
Alguns recursos ainda estão em fase de prévia de pesquisa. Habilidades como colaboração entre múltiplos agentes, ferramentas de memória avançadas e iteração de autoavaliação (permitindo que o agente julgue a qualidade da conclusão de sua própria tarefa e melhore iterativamente) ainda não estão totalmente abertas e exigem solicitação de acesso.
Dependência de Plataforma (Lock-in). Optar pelos Managed Agents significa que sua infraestrutura de agentes está vinculada ao ecossistema da Anthropic. Se você planeja mudar de modelo ou plataforma no futuro, os custos de migração não devem ser subestimados.
O gerenciamento de contexto continua sendo um desafio. Embora os logs de sessão sejam armazenados de forma independente, decidir quais informações reter ou descartar durante tarefas longas ainda envolve decisões irreversíveis. Este é um desafio contínuo, e sua abordagem atual separa o armazenamento de contexto do gerenciamento de contexto: o armazenamento garante a preservação, enquanto as políticas de gerenciamento se ajustam com a evolução do modelo.
Previsibilidade de Custos. US$ 0,08 por hora de sessão pode parecer razoável, mas para tarefas complexas que exigem que o agente rode por várias horas, considerando o consumo de tokens e os custos de tempo de execução, o custo total pode não ser insignificante. As empresas precisam avaliar seus orçamentos adequadamente.
Os Managed Agents indicam que a maioria das empresas ainda tem um longo caminho a percorrer antes de poder "confiar totalmente em agentes de IA para o trabalho".
Embora a barreira da infraestrutura tenha sido reduzida, os Managed Agents não podem ajudar a definir boas tarefas, projetar fluxos de trabalho ou estabelecer confiança para permitir que a IA acesse dados comerciais essenciais.
O "Momento AWS" da Infraestrutura de Agentes de IA
Os Managed Agents parecem estar seguindo o caminho que a AWS trilhou em seus primeiros dias: primeiro fornecendo poder computacional, depois encapsulando o ambiente de execução.
Dez anos atrás, as empresas debatiam se deveriam "migrar para a nuvem"; agora, o debate é se devem "hospedar a infraestrutura de Agentes por conta própria ou optar por serviços gerenciados". A experiência histórica nos diz que a maioria das empresas acaba escolhendo serviços gerenciados porque a infraestrutura nunca é uma competência central. A OpenAI também lançou sua própria plataforma de Agentes, Frontier, e a competição neste espaço está apenas começando.
Do ponto de vista tecnológico, a abordagem arquitetônica de "separação entre cérebro e mão" vale a pena notar. Ela permite que cada parte do sistema evolua independentemente: atualize o modelo, troque o cérebro; precise de uma nova ferramenta, adicione uma mão; altere a solução de armazenamento, substitua a camada de memória.
Uma boa analogia de um blog de engenharia: o comando read() de um sistema operacional não se importa se está lidando com um disco da década de 1970 ou um SSD moderno; a camada de abstração é estável, permitindo que a implementação subjacente seja trocada facilmente.
Do ponto de vista de uso, se você é um desenvolvedor corporativo procurando incorporar a capacidade de agente de IA em seu produto, os Managed Agents podem economizar vários meses de trabalho de infraestrutura.
Seis linguagens (Python, TypeScript, Java, Go, Ruby, PHP) são suportadas por SDKs. Se você já está usando o Claude Code, atualize para a versão mais recente, digite /claude-api managed-agents-onboarding para começar.
Se você é um entusiasta casual de IA, o impacto mais imediato que você pode sentir é: nos produtos SaaS que você usa, mais e mais agentes de IA estarão trabalhando em segundo plano para ajudá-lo, sendo que esses agentes provavelmente rodarão em Managed Agents.
Referência de Preços: Os custos de token são baseados na precificação padrão da API da Anthropic, com um custo de tempo de execução de US$ 0,08 por hora de sessão (o tempo ocioso não é cobrado) e US$ 10 por mil pesquisas na web.
Você acha que a infraestrutura para agentes de IA será eventualmente dominada por alguns grandes players, de forma semelhante ao que é a computação em nuvem hoje?
Aviso: Este conteúdo é fornecido apenas para fins de divulgação e informação geral da marca e não constitui aconselhamento financeiro, de investimento, jurídico ou tributário. Quaisquer eventos, recompensas, eventos online ou informações relacionadas mencionados neste documento não devem ser considerados uma recomendação, solicitação ou convite para comprar, vender, negociar ou de qualquer outra forma realizar transações com criptoativos ou usar quaisquer serviços. Criptoativos são altamente voláteis, e sua negociação pode resultar em perdas. Os serviços e eventos online da WEEX podem não estar disponíveis em todas as regiões e estão sujeitos às leis, regulamentos e requisitos de elegibilidade aplicáveis. É sua responsabilidade garantir que o uso dos serviços da WEEX esteja em conformidade com as leis locais e avaliar cuidadosamente os riscos antes de participar de quaisquer atividades relacionadas a criptomoedas.
Você também pode gostar

Um investidor sobre 17 julgamentos de encarnação, modelos e poder computacional

A armadilha de arbitragem intelectual da Bittensor: capital apenas especula com tokens, enquanto IA de qualidade não recebe atenção

Endereços Carteiras no Litecoin crescem mais de 22 milhões em apenas 6 meses

Shiba Inu: Após uma pausa, os projetos Eternity e Metaverse se preparam para retornar

O que são drenos de carteira? Dentro da indústria de phishing de aprovação

A Era do Comércio com IA Chegou: LTP Lança o Primeiro Campeonato Global de Trading Quantitativo com Agentes de IA

Trocar de cadeia e recomeçar: é realmente possível "mudar o destino"?

Revolut integra sua exchange de criptomoedas com assistentes de IA à medida que o trading agentic se espalha

DOJ acusa detento de roubo de criptomoeda no valor de $290 mil

Volume de transações dobra em junho: o ecossistema x402 continua a se expandir, e a narrativa de monetização de conteúdo enfrenta um teste crucial

Wash e a 'frente unificada': intenção de reduzir juros?

Comparação dos Whitepapers do Ethereum e Solana (2026)

French Tech: IA e quântica em alta, a cripto ausente

O robô humanoide NEO ganha "mãos ágeis": como as mãos se tornam a API para entrar no mundo físico?

O que é SCEX? A plataforma de ativos digitais para o mercado vietnamita da Sacombank

Grande atualização do ChatGPT: trabalho multiplataforma, criação de sites com um clique e preços mais baixos

BTC desafia 64.000 após ultrapassar 63.000, mercado negocia "risco controlado"

À medida que a bolha estoura, quem domina a atenção na era da IA? Um guia de 2026 para KOLs influentes em IA na China e no Reino Unido

Dinheiro antigo em criptomoedas se transforma: Paradigm levanta 1,2 bilhão de dólares, metade apostando em IA e robótica

Bitdeer revela fábrica de $36 milhões em Nevada para revolucionar a mineração de Bitcoin

Perplexity Ajustou um Modelo de IA Chinês para Igualar o Claude Opus 4.8 a um Terço do Custo

Banco da Coreia defende plano de stablecoin liderado por bancos em meio a impasse legislativo

JPMorgan diz que o principal risco do bitcoin não é a estratégia, mas a adoção de blockchain que não beneficia cadeias públicas e tokens

Deputados do Trabalho pressionam para tornar proibição de doações em criptomoedas no Reino Unido permanente

Decisão da Suprema Corte que amplia a autoridade de Trump sobre agências federais levanta questões para a SEC e a CFTC à medida que a regulamentação de criptomoedas avança

'Construção de fundo em andamento': Analistas dizem que a capitulação dos detentores de bitcoin sinaliza um mercado em baixa em estágio avançado

Um longo artigo: Começando em 1996, quem está pavimentando a próxima geração de mercados de capitais

Luke Dashjr, o maior antispamer de Bitcoin, inscreveu frases na rede em 2011

Baleias compraram 270.000 BTC enquanto ETFs perderam $7 bilhões. Um lado está errado







