Intensivo Grátis 21–22/11Intensivo gratuito de 2 dias em Vibecoding (21–22/11 às 16:00 MSK) · Turma 3 começa 23/11Inscrever-se grátis →Turma 3 (23/11)
LançamentoAnálise · No radarThe Decoder→ original

Gemini para Mac aprende a executar tarefas em segundo plano enquanto você trabalha

O Google adicionou ao app Gemini para Mac o modo Computer Use: a IA clica, digita e navega por menus em programas, arquivos e sites. Você descreve o objetivo, por exemplo preencher um formulário de entrega com dados de um PDF, e o Gemini trabalha numa janela isolada em segundo plano, sem ocupar o seu cursor. Cada passo aparece no chat, e é possível pausar a qualquer momento. Para quem trabalha com produto, é um modelo de como tornar agentes de desktop controláveis. O recurso está disponível agora apenas em inglês e apenas nos EUA. O próprio usuário escolhe a quais aplicativos o Gemini tem acesso. Entre os exemplos do Google estão a edição de fotos e cenas 3D em lote e a montagem de apresentações.

Processado por IA de The Decoder; editado por Hamidun News
Gemini para Mac aprende a executar tarefas em segundo plano enquanto você trabalha
Fonte: The Decoder. Colagem: Hamidun News.
Ouvir artigo
Ficha técnica e números-chave
ParâmetroDados
Fonte originalThe Decoder ↗
Editor-chefe
Dado-chave #1edição em lote de fotos e cenas 3D;
Dado-chave #2preenchimento de formulários de entrega com dados de PDFs locais;
Dado-chave #3montagem de apresentações.

Imagine uma noite de trabalho comum: você precisa separar quarenta fotos, preencher um formulário de envio com dados de um PDF e montar o rascunho de uma apresentação. É uma rotina de meia hora a uma hora que tira a atenção do trabalho de verdade. O Google propõe passar essa tarefa para o Gemini. O app para Mac ganhou o modo Computer Use, que executa essa rotina em segundo plano enquanto você cuida do que importa.

O que o Google mostrou

O Computer Use executa tarefas de várias etapas em três lugares ao mesmo tempo: em arquivos locais, em aplicativos de desktop e em sites. O usuário formula o objetivo em linguagem natural. Em seguida, o Gemini clica, digita e navega por menus e formulários como faria uma pessoa diante do computador.

O principal detalhe de engenharia está em onde tudo isso acontece. O agente trabalha em uma janela isolada em segundo plano, e o chat exibe uma prévia ao vivo das ações dele. Por isso, a tela e o cursor continuam com você: dá para escrever um e-mail ou editar código enquanto o Gemini faz a parte dele. Antes, agentes desse tipo costumavam assumir o controle da máquina, o que tornava inconveniente trabalhar em paralelo com eles.

Os exemplos do anúncio do Google são bem pé no chão:

  • edição em lote de fotos e cenas 3D;
  • preenchimento de formulários de entrega com dados de PDFs locais;
  • montagem de apresentações.

Como funciona o controle

Para um agente que clica em botões no seu computador, a questão da confiança pesa mais do que demos bonitas. O Google montou vários níveis de controle. O próprio usuário escolhe a quais aplicativos o Gemini tem acesso. Ele vê cada passo em tempo real e pode pausar a tarefa a qualquer momento. Antes das ações-chave, o agente pede confirmação com antecedência.

É um esquema sensato: a liberdade de ação fica limitada a uma lista de programas permitidos, e passos irreversíveis, como enviar um formulário, passam por uma pessoa. Para quem projeta agentes de desktop ou de navegador, é um modelo de interface pronto: isolamento, transparência e pontos de confirmação no lugar do cego "faça tudo sozinho".

O que ainda não se sabe

A parte honesta da conversa: o anúncio não traz números. O Google não divulga dados sobre a frequência com que o agente conclui a tarefa com sucesso, quantos passos ele sustenta e como se comporta em interfaces fora do padrão. Todos os exemplos vêm de materiais da própria empresa, e ainda não há verificações independentes. Também não foi informado quais aplicativos são mais bem suportados.

Há ainda uma limitação geográfica. O Computer Use está sendo liberado hoje apenas em inglês e apenas nos EUA. O app Gemini para Mac pode ser baixado, mas o modo em si não está disponível em todos os lugares. Usuários da Rússia e da Europa terão de esperar ou procurar soluções alternativas.

Concorrência e conclusões para quem trabalha na área

O The Decoder observa que a OpenAI também investe pesado em Computer Use e, na avaliação do veículo, avança de forma notável com seu modelo Astra. O material não traz detalhes dessa comparação, então vale tratá-la como opinião do veículo, e não como resultado medido. Mas a direção é clara: os grandes laboratórios apostam em agentes que trabalham com a interface gráfica comum, e não apenas via API.

O que fazer com isso. Quem trabalha com produto deve olhar com atenção para o padrão da janela em segundo plano: ele elimina o principal incômodo dos agentes, que atrapalham a pessoa enquanto ela trabalha. Desenvolvedores cujos aplicativos precisam conviver com esses agentes devem verificar o quanto suas interfaces são claras e previsíveis: formulários sem rótulos explícitos e botões fora do padrão vão quebrar a automação. Para fundadores que constroem agentes de desktop de nicho, é um sinal: o cenário básico "descreva o objetivo e eu clico por você" passa a fazer parte do produto padrão do Google, e a competição terá de ser pela profundidade em uma área específica, e não pela mera capacidade de controlar o computador.

História

Perguntas frequentes sobre a notícia

O que o Google mostrou?

O Computer Use executa tarefas de várias etapas em três lugares ao mesmo tempo: em arquivos locais, em aplicativos de desktop e em sites. O usuário formula o objetivo em linguagem natural. Em seguida, o Gemini clica, digita e navega por menus e formulários como faria uma pessoa diante do computador. O principal detalhe de engenharia está em onde tudo isso acontece. O agente trabalha em uma janela isolada em segundo plano, e o chat exibe uma prévia ao vivo das ações dele.

Como funciona o controle?

Para um agente que clica em botões no seu computador, a questão da confiança pesa mais do que demos bonitas. O Google montou vários níveis de controle. O próprio usuário escolhe a quais aplicativos o Gemini tem acesso. Ele vê cada passo em tempo real e pode pausar a tarefa a qualquer momento. Antes das ações-chave, o agente pede confirmação com antecedência.

O que ainda não se sabe?

A parte honesta da conversa: o anúncio não traz números. O Google não divulga dados sobre a frequência com que o agente conclui a tarefa com sucesso, quantos passos ele sustenta e como se comporta em interfaces fora do padrão. Todos os exemplos vêm de materiais da própria empresa, e ainda não há verificações independentes. Também não foi informado quais aplicativos são mais bem suportados. Há ainda uma limitação geográfica. O Computer Use está sendo liberado hoje apenas em inglês e apenas nos EUA.

ZK
Zhemal Khamidun — CPO da Alpina Digital, gerente de produto do AlpinaGPT. Cria produtos de IA desde 2019. O Hamidun News é um projeto pessoal que virou um agregador em produção com mais de 6.000 leitores.
✦ Hands-On AI Engineering · Hamidun Academy

Build & Ship Production AI Agents Without Boilerplate Code

Start your free 72-hour trial at Hamidun Academy (academy.hamidun.com) — interactive lessons on Claude Code & Cursor, live Tech Radar, and production agent templates.

Start 72h Free Trial →Vibe-Coding Intensive
O que você acha?
Carregando comentários…