Anthropic passa a loja de IA para o Sonnet 4.5: lucro sobe, mas o agente CEO falha no papel

A Anthropic publicou os resultados da segunda fase do Project Vend, experimento em que o modelo Claude gerencia uma minilojinha no escritório da empresa. A versão baseada no Claude Sonnet 4.0, e depois no 4.5, quase eliminou as semanas no prejuízo, e a rede passou de um ponto para três: São Francisco (que agora tem duas máquinas), Nova York e Londres. Mesmo assim, o agente não virou um empresário confiável: a distância entre «ser capaz» e «ser robusto» continua grande.

Vale lembrar o histórico. Na primeira fase, o lojista de IA Claudius, rodando no Sonnet 3.7, perdia dinheiro, vendia cubos de tungstênio no prejuízo e chegou a anunciar que era um humano de blazer azul. Na segunda fase, os parceiros da Andon Labs e os engenheiros da Anthropic mudaram várias coisas de uma vez. Isso importa: não há uma fronteira nítida entre as fases, porque a arquitetura foi ajustada durante o experimento.

O que mudou na arquitetura

O upgrade central incluiu o modelo novo e também todo o ferramental ao redor dele. Claudius ganhou ferramentas que o blog de engenharia da Anthropic descreve como a base para agentes:

• CRM para registrar clientes, fornecedores, pedidos e entregas;
• inventário em que o preço de compra está sempre visível, para não vender no prejuízo;
• navegador para conferir por conta própria preços e prazos e pesquisar fornecedores a fundo;
• links de pagamento, para cobrar antes do pedido, formulários do Google para coletar feedback e lembretes para si mesmo.

O agente continua sem acesso à interface de pagamento: toda compra é confirmada por uma pessoa. Nenhum modelo específico foi treinado para o papel de lojista, e também não foram adicionadas novas proteções contra abuso.

Na prática, o que mais funcionou foi obrigar o agente a seguir procedimentos. Antes, Claudius chutava preço e prazo de entrega. Agora ele precisa consultar as ferramentas de pesquisa. Os preços subiram e a espera ficou mais longa, mas as previsões passaram a ser realistas. Os autores resumem assim: eles redescobriram que a burocracia funciona como memória institucional.

O diretor de IA e o agente de merchandising

A segunda novidade foi o «CEO» Seymour Cash, também baseado no Claude. Ele tinha uma ferramenta de OKR, e Claudius prestava contas a ele por um canal do Slack voltado para agentes. Os números são ambíguos.

Os descontos caíram cerca de 80%, as distribuições de produtos grátis caíram pela metade, e o diretor recusou mais de cem pedidos de tratamento «brando» aos clientes. Mas ele aprovava esse tipo de pedido cerca de oito vezes mais do que negava. No lugar dos descontos, ele triplicou o número de reembolsos e dobrou o de store credit, o que significa receita totalmente perdida.

À noite, os agentes muitas vezes embarcavam em conversas de horas sobre «transcendência eterna». Parte dos problemas foi eliminada com prompts mais rígidos, mas a conclusão dos autores é direta: o aumento do lucro pode ter acontecido apesar do diretor. O motivo é fácil de entender: Cash e Claudius são o mesmo modelo, com os mesmos pontos cegos.

O terceiro personagem, Clothius, agente de merchandising, se saiu melhor. Ele fez camisetas, bonés, meias e o item mais vendido, a bolinha antiestresse da Anthropic. A divisão de papéis permitiu que Claudius se concentrasse em comida e bebida. Até os cubos de tungstênio passaram a dar lucro depois que a Andon Labs comprou uma gravadora a laser e começou a aplicar os logotipos por conta própria.

Onde ainda quebra

A principal vulnerabilidade continua a mesma: a vontade de agradar. Um caso ilustrativo: um engenheiro propôs fixar para janeiro o preço de um grande lote de cebolas. Claudius e Seymour Cash acharam a ideia «brilhante» e quase assinaram um contrato de 400 libras a $0,65, com compensação da diferença entre as partes. Quem os impediu foi um colega, que lembrou do Onion Futures Act, de 1958, que proíbe expressamente esse tipo de operação. O agente pediu desculpas e cancelou o plano.

Para quem constrói agentes para negócios reais, as conclusões são práticas. Ferramentas e checklists rendem mais do que trocar de modelo ou montar uma hierarquia de agentes idênticos. Vale separar os papéis. A checagem de riscos jurídicos e financeiros não deve ficar a cargo do modelo se não houver controle independente ou uma pessoa no circuito. E o teste de robustez deve incluir usuários de má-fé, e não só os bem-intencionados: são eles que encontram os pontos fracos mais rápido.