Ex-diretor da Meta lança Ndoc, um substituto com IA para o Office e o Google Workspace
O ex-diretor da Meta Rohit Patel, depois de oito anos na empresa, lançou o Ndoc, um pacote de escritório em que a IA monta planilhas e apresentações sozinha. Tudo fica em um único documento com três abas: apresentação, texto com conclusões e links, e dados com scripts em Python. Qualquer pessoa pode abrir o código e conferir de onde veio cada fórmula. Por enquanto, o produto está em alfa, desenvolvido por uma equipe de três pessoas, mas a verificabilidade do resultado da IA é uma lição para qualquer produto corporativo.
Processado por IA de TechCrunch; editado por Hamidun News
Nos últimos dois anos, os grandes laboratórios de IA vêm incorporando redes neurais às planilhas e aos documentos de sempre: o modelo preenche células, escreve parágrafos e desenha slides. O ex-diretor do Meta Superintelligence Labs, Rohit Patel, considera essa abordagem um beco sem saída e deixou a empresa para construir um pacote de escritório do zero. Sua startup, Ndoc, pretende ocupar o lugar do Microsoft Office e do Google Workspace, mas com um diferencial: tudo o que a IA faz pode ser verificado.
Um documento no lugar de seis ferramentas
Patel chama o problema de "ChatGPT copy-paste". O analista pega os dados no Excel, passa-os por um chatbot, cola o resultado no Word, desenha gráficos no Tableau e monta os slides no PowerPoint. O Ndoc reúne tudo isso em um único espaço de trabalho com três abas.
A aba Stage funciona como vitrine: apresentações, dashboards, simulações e mini-aplicativos com as principais conclusões. A aba Narrative traz o texto da análise com referências numeradas, gráficos gerados automaticamente e uma explicação de por que os números são aqueles. A aba Model reúne os dados de origem e os scripts em Python que sustentam tudo.
Na prática, o usuário carrega um conjunto de dados e pede a análise e as conclusões. Também é possível definir o contexto do documento — público, tom —, e o Ndoc mantém memória em quatro níveis: sobre a pessoa, sobre o documento específico, sobre a equipe e sobre a empresa. Os colegas podem abrir o resultado mesmo sem ter conta no Ndoc.
Verificabilidade como principal argumento
Na Meta, Patel trabalhou com aprendizado por reforço (quando um agente aprende por tentativa e erro) e com a avaliação de quão confiáveis são as respostas da IA. Daí vem o design do produto. Se uma rede neural monta tabelas e slides com base nos quais empresas tomam decisões, alguém precisa ter a possibilidade de checar o seu trabalho.
Por isso, os scripts não ficam escondidos. Mesmo sem saber Python, é possível perguntar ao chat integrado: "O que este script faz? Em qual linha está a minha fórmula?" e confirmar que o cálculo está correto. Segundo Patel, "não há nada escondido atrás da cortina". Para tarefas financeiras e analíticas, em que um erro em uma única célula custa dinheiro, esse argumento pesa mais do que mais um ponto percentual de precisão do modelo.
A segunda aposta é o formato de arquivo aberto. O documento é exportado como um único arquivo .ndoc.html, que abre em qualquer navegador. Patel pretende publicar a especificação para que desenvolvedores terceiros criem aplicativos compatíveis e os usuários não fiquem presos a um único ecossistema, como ficaram por anos presos à Microsoft e ao Google. Segundo ele, isso foi, em parte, o que motivou sua saída: na Meta, a aprovação de um formato aberto exigiria a opinião de "centenas de pessoas".
Economia, concorrentes e riscos
O Ndoc é construído e ajustado sobre uma combinação de modelos abertos, e não sobre modelos de fronteira. Patel afirma que isso torna a operação consideravelmente mais barata, embora não haja confirmação independente. Curiosamente, os primeiros usuários de teste não perguntam sobre isso: o que os anima é ver todo o processo, dos dados até a conclusão, reunido em um só lugar.
No momento, o Ndoc conduz um piloto corporativo e abre o alfa para um número limitado de clientes da lista de espera. O cadastro é gratuito, mas o usuário paga pelo uso e pelos tokens. A beta está prevista para as próximas semanas, e o lançamento completo, para o ano que vem. A equipe tem três pessoas e não conta com financiamento externo: Patel quer primeiro comprovar que o produto é apreciado e só depois captar recursos.
Os riscos são evidentes. OpenAI, Anthropic, Google, Meta e outras empresas já lançaram ferramentas corporativas que se conectam ao Google Workspace e ao Microsoft 365. Há um mês, a OpenAI lançou o Space, um espaço de trabalho compartilhado dentro do ChatGPT e concorrente direto do Ndoc. Mudar os hábitos de empresas inteiras é difícil, por isso Patel desenvolveu conectores para importar dados de serviços já existentes.
Para desenvolvedores e gerentes de produto, há duas conclusões práticas. A primeira: em ferramentas de IA para o trabalho, a transparência do resultado pode ser um diferencial de venda, e não um excesso técnico. A segunda: um formato de documento aberto é uma forma de competir com gigantes sem contar com a distribuição deles. Se isso vai dar certo para uma equipe de três pessoas, a beta e os primeiros clientes corporativos vão mostrar. O próprio Patel parte de uma regra simples: executar hoje é barato, então é melhor lançar um plano imperfeito do que esperar pelo plano ideal, que outra pessoa pode acabar executando primeiro.
- 21 de nov. de 2026Capitã de equipe de natação entregou três tarefas ao ChatGPT pela agenda e cortou a rotina em muitas vezes
- 21 de nov. de 2026Rede neural MIRA desenha Rocket League a 20 quadros por segundo, mas o ping chega a 460 ms
- 21 de nov. de 2026Google criou uma cópia fechada da internet com bancos falsos para treinar agentes de IA do Chrome
- 21 de nov. de 2026No MLPerf Training, pela primeira vez, aparecem Nvidia Rubin e TPU Ironwood: 153 sistemas
Perguntas frequentes sobre a notícia
O que se sabe sobre Um documento no lugar de seis ferramentas?
Patel chama o problema de "ChatGPT copy-paste". O analista pega os dados no Excel, passa-os por um chatbot, cola o resultado no Word, desenha gráficos no Tableau e monta os slides no PowerPoint. O Ndoc reúne tudo isso em um único espaço de trabalho com três abas. A aba Stage funciona como vitrine: apresentações, dashboards, simulações e mini-aplicativos com as principais conclusões.
O que se sabe sobre Verificabilidade como principal argumento?
Na Meta, Patel trabalhou com aprendizado por reforço (quando um agente aprende por tentativa e erro) e com a avaliação de quão confiáveis são as respostas da IA. Daí vem o design do produto. Se uma rede neural monta tabelas e slides com base nos quais empresas tomam decisões, alguém precisa ter a possibilidade de checar o seu trabalho. Por isso, os scripts não ficam escondidos. Mesmo sem saber Python, é possível perguntar ao chat integrado: "O que este script faz?
O que se sabe sobre Economia, concorrentes e riscos?
O Ndoc é construído e ajustado sobre uma combinação de modelos abertos, e não sobre modelos de fronteira. Patel afirma que isso torna a operação consideravelmente mais barata, embora não haja confirmação independente. Curiosamente, os primeiros usuários de teste não perguntam sobre isso: o que os anima é ver todo o processo, dos dados até a conclusão, reunido em um só lugar. No momento, o Ndoc conduz um piloto corporativo e abre o alfa para um número limitado de clientes da lista de espera.
Ship AI Faster with Founders, Engineers & Weekly Architecture Reviews
Inside Vibe Club (hamidun.com/club) — weekly live masterminds with Zhemal Khamidun, Tech Radar, full LMS access, and 370+ production Claude Code skills.
O essencial da IA — uma vez por semana
Sete histórias que realmente importaram, escolhidas a dedo. Sem ruído nem releases.
Pronto! Verifique seu e-mail para a confirmação.