Em vez de simplesmente responder a prompts, os sistemas mais avançados de inteligência artificial começam a executar tarefas, usar ferramentas, manter contexto e trabalhar durante períodos mais longos. Essa transformação foi assunto da apresentação de Kareem Ayoub, vice-presidente de AI Technical Strategy do Google DeepMind, durante o HumanX Amsterdam 2026.

A conversa percorreu a evolução da DeepMind, de projetos como AlphaGo e AlphaFold até os sistemas generativos e agentes de IA que começam a ganhar espaço nas empresas. A discussão também passou por segurança, governança, infraestrutura e pelo impacto de uma tecnologia cujo custo de uso vem caindo enquanto sua capacidade aumenta.

Ayoub lembrou sua trajetória ligada ao estudo do cérebro e explicou que essa experiência ajudou a formar sua visão sobre inteligência artificial. “Esse foi o fio condutor, onde realmente passei a considerar a IA como um multiplicador de força para a genialidade humana, para a nossa capacidade de resolver problemas”, destacou.

O salto dos agentes

A mudança mais importante, na avaliação de Ayoub, aconteceu entre o fim de 2025 e o início de 2026. O mercado começou a sair de uma lógica em que o modelo era tratado como o próprio produto para uma abordagem em que o agente passa a executar o trabalho. A diferença está na estrutura ao redor do modelo: um agente pode ter memória, capacidade de executar ações, acesso à internet e a outras ferramentas, além de recursos computacionais para manter um processo em andamento.

O resultado é uma tecnologia que pode receber uma solicitação mais complexa e trabalhar no chamado “messy middle”: escrever código, produzir uma imagem, consultar informações e revisar o resultado antes de entregar uma resposta. Para o usuário, a mudança é significativa. O trabalho deixa de ser apenas perguntar, receber uma resposta e fazer uma nova pergunta.

Empresas já observam resultados expressivos principalmente em engenharia de software. Outras áreas começam a buscar aplicações capazes de produzir ganhos semelhantes.

O problema da segurança

A expansão dos agentes também aumenta a discussão sobre segurança, existe uma tensão importante entre a velocidade de evolução das capacidades dos modelos e a velocidade dos mecanismos de governança. “No fim das contas, esses sistemas, esses modelos são preditores do próximo token“, relembrou Ayoub. A partir dessa característica, surge um desafio: como colocar sistemas probabilísticos dentro de operações e setores nos quais previsibilidade e controle são fundamentais?

O executivo citou três dimensões para essa discussão: o papel da IA nos ciclos de pesquisa e desenvolvimento, a necessidade de explicabilidade e transparência e, principalmente, a capacidade de controle que as pessoas terão sobre os sistemas. A resposta, segundo ele, passa por combinar avanços técnicos com estruturas de governança.

Ayoub também trouxe uma comparação com o setor financeiro. Sistemas probabilísticos já fazem parte de operações críticas há décadas, e uma das soluções encontradas foi não tentar controlar completamente o sistema em si, mas criar uma camada determinística de governança ao redor dele.

A lógica pode ser aplicada à IA. Em vez de esperar que o comportamento de um modelo seja totalmente previsível, empresas podem estabelecer limites claros sobre como ele interage com sistemas, processos e pessoas.

O que as empresas estão fazendo diferente

Ao falar sobre adoção corporativa, Ayoub apontou comportamentos que aparecem entre organizações que conseguiram avançar mais rapidamente com IA. “A primeira coisa que as empresas de destaque parecem acertar é que elas realmente mandam muito bem na infraestrutura“. Ele também citou evitar projetos que fiquem presos a uma capacidade específica do modelo, medir corretamente os resultados e a participação dos próprios líderes.

Um dos pontos mais interessantes da conversa apareceu quando Ayoub falou sobre a distância entre o que a IA de fronteira já consegue fazer e o que muitas empresas efetivamente fazem com ela. De um lado, a tecnologia já é usada para acelerar descoberta de medicamentos, traduzir textos antigos, analisar eventos climáticos extremos e até estudar sinais relacionados a ondas gravitacionais. Do outro, muitas organizações ainda concentram seus experimentos em tarefas como escrever ou resumir e-mails.

O desafio é justamente traduzir essas capacidades mais avançadas para problemas reais de negócio. Isso significa abandonar o modelo de interação baseado apenas em “prompt e resposta”. Um agente pode trabalhar por mais tempo, manter informações, utilizar ferramentas e colaborar com outros agentes. Isso muda a própria estratégia de implantação da tecnologia.

A consequência pode ser a criação de conhecimento proprietário dentro das empresas. Processos de áreas como jurídico, marketing e vendas podem acumular informações e aprendizados ao longo do tempo, tornando o sistema mais conectado à maneira como aquela organização trabalha.

O que continua sendo humano

Se a inteligência se torna abundante, a pergunta passa a ser quais capacidades humanas ganham ainda mais importância. Para Ayoub, três delas se destacam: curiosidade, empatia e coragem moral.

A curiosidade seria necessária para fazer as perguntas certas quando informação deixa de ser um recurso escasso. A empatia aparece na definição de quais tecnologias devem ser construídas. E a coragem moral está relacionada à tomada de decisões diante de sistemas probabilísticos, cujas respostas podem carregar incertezas.