A Anthropic, uma das líderes no desenvolvimento de Inteligência Artificial, anunciou recentemente um avanço significativo para seus agentes de IA. Durante a segunda conferência anual Code with Claude para desenvolvedores, em São Francisco, a empresa revelou uma nova capacidade chamada ‘Dreaming’. Esta funcionalidade revolucionária permite que os agentes de IA aprendam com suas próprias sessões anteriores e aprimorem seu desempenho ao longo do tempo. É um passo crucial em direção a sistemas de IA autoaprimoráveis e autocorretivos, exatamente o que empresas buscam para confiar cargas de trabalho de produção a esses agentes.

Além do Anthropic Dreaming, a empresa também moveu dois recursos que antes eram experimentais – ‘outcomes’ (resultados) e ‘multi-agent orchestration’ (orquestração multiagente) – de uma prévia de pesquisa para o beta público. Agora, esses recursos estão amplamente disponíveis para desenvolvedores que constroem sobre a plataforma Claude. Em conjunto, essas três inovações buscam resolver os maiores desafios na execução de agentes de IA em escala: manter a precisão, facilitar o aprendizado e evitar que se tornem gargalos em trabalhos complexos e multifacetados.

O Que É o Anthropic Dreaming e Como Ele Transforma a IA?

O ‘Dreaming’ é a mais inovadora das três funcionalidades e aquela que a Anthropic mais se empenha em diferenciar dos sistemas de memória convencionais. Enquanto a empresa lançou a memória de agentes no início deste ano – permitindo que Claude retivesse preferências e contexto dentro e entre sessões individuais –, o ‘Dreaming’ opera em um nível de abstração superior. Ele não é apenas uma forma de lembrar informações, mas de aprender ativamente a partir delas.

Funcionando como um processo agendado, o ‘Dreaming’ revisa as sessões passadas de um agente e seus armazenamentos de memória, extrai padrões recorrentes e organiza essas memórias para que os agentes melhorem continuamente. Ele consegue identificar insights que nenhuma sessão individual do agente seria capaz de perceber por si só: erros frequentes, fluxos de trabalho que múltiplos agentes convergem de forma independente e preferências compartilhadas por uma equipe de agentes.

Como a Função de Aprendizado do Anthropic Dreaming Realmente Opera?

Alex Albert, que lidera a gestão de produtos de pesquisa na Anthropic, explicou o conceito em uma entrevista durante a conferência. Ele descreveu o ‘Dreaming’ como análogo à forma como as pessoas dentro de organizações desenvolvem habilidades após realizar uma tarefa. “Eles podem fazer um fluxo de trabalho com Claude e, ao final desse fluxo, depois de terem iterado e zigzagueado um pouco, eles querem registrar esse caminho de A a B”, disse Albert. “Algo muito parecido está acontecendo com o ‘Dreaming’ – em vez de você criar manualmente a habilidade a partir da sua experiência de trabalho com Claude, o modelo está fazendo isso, então ele tem o mesmo contexto para uma sessão futura.”

Crucialmente, o ‘Dreaming’ não modifica os pesos do modelo subjacente. “Não estamos mudando o modelo em si através do ‘Dreaming’ – não está fazendo atualizações nos pesos ou algo assim”, afirmou Albert. Em vez disso, o agente escreve os aprendizados como notas em texto simples e ‘playbooks’ estruturados que sessões futuras podem consultar. Isso torna todo o processo observável e auditável por humanos, o que é fundamental para a confiança e a adoção empresarial. Questionado sobre as implicações de confiança dos agentes consolidarem seu próprio conhecimento, Albert reconheceu que “há um nível de confiança que você precisa depositar”, mas ressaltou que todas as memórias são inspecionáveis e que modelos mais inteligentes estão melhorando progressivamente na gestão desse processo. “Eles estão aprendendo a escrever melhores notas para o seu futuro eu”, concluiu.

Outcomes e Multi-Agent Orchestration: Aprimorando a Gestão de Agentes de IA

Além do sistema Anthropic Dreaming, as novas funcionalidades ‘outcomes’ e ‘multi-agent orchestration’ são igualmente cruciais para a evolução dos agentes de IA em ambientes empresariais. Os outcomes permitem que os desenvolvedores definam formatos de saída estruturados e verificáveis para os agentes, garantindo que as respostas sejam consistentes e facilmente integráveis em outros sistemas. Isso é vital para a automação de processos, onde a precisão e a previsibilidade são fundamentais.

A multi-agent orchestration, por sua vez, capacita sistemas a coordenar múltiplos agentes especializados para trabalhar em conjunto em tarefas complexas. Em vez de um único agente tentar resolver tudo, diversos agentes podem colaborar, cada um focado em sua expertise, otimizando o fluxo de trabalho e superando gargalos que surgiriam com uma abordagem monolítica.

Resultados Concretos e o Crescimento Excepcional da Anthropic

Os primeiros a adotar essas tecnologias já estão colhendo resultados impressionantes. A Harvey, uma empresa de IA jurídica, viu as taxas de conclusão de tarefas aumentarem cerca de 6 vezes após implementar o ‘Dreaming’. A Wisedocs, uma empresa de revisão de documentos médicos, reduziu seu tempo de revisão em 50% usando ‘outcomes’. E a Netflix agora está processando logs de centenas de compilações simultaneamente usando a orquestração multiagente.

Os anúncios chegam em um momento de extraordinário impulso para a Anthropic. O CEO Dario Amodei revelou durante um bate-papo no evento que o crescimento da empresa superou até mesmo suas próprias projeções internas mais agressivas. No primeiro trimestre de 2026, a Anthropic registrou um crescimento anualizado de receita e uso que Amodei descreveu como 80 vezes – excedendo em muito o crescimento anual de 10 vezes que a empresa havia planejado. O volume da API na plataforma Claude aumentou quase 70 vezes em relação ao ano anterior, e o desenvolvedor médio que usa o Claude Code agora dedica 20 horas por semana trabalhando com a ferramenta.

“Tentamos planejar muito bem para um mundo de 10 vezes o crescimento por ano”, disse Amodei. “E, no entanto, vimos 80 vezes. E essa é a razão pela qual tivemos dificuldades com a computação.” Essa explosão de crescimento sublinha a demanda por agentes de IA mais autônomos e eficazes, e o Anthropic Dreaming se posiciona como uma resposta direta a essa necessidade de mercado.

O Que Esperar para o Futuro dos Agentes de IA Autônomos?

A capacidade de agentes de IA aprenderem com seus próprios erros e se autoaprimorarem, como evidenciado pelo Anthropic Dreaming, representa um marco importante para a Inteligência Artificial. Isso não apenas aumenta a eficiência e a confiabilidade dos sistemas, mas também abre portas para aplicações mais complexas e autônomas em diversos setores, desde a saúde e finanças até a engenharia e o desenvolvimento de software.

A demonstração ao vivo durante a keynote, que utilizou uma startup aeroespacial fictícia chamada “Lumara” para pousar drones na lua, ilustrou o potencial. Um sistema multiagente com um agente comandante, um detector e um navegador trabalhou em conjunto, com um rúbrica de sucesso clara. Isso mostra como a orquestração e o aprendizado contínuo serão essenciais para missões de IA de alta complexidade. Espera-se que empresas de todos os tamanhos comecem a explorar como integrar agentes de IA autoaprimoráveis em suas operações diárias, buscando maior automação e inovação.

O futuro dos agentes de IA aponta para sistemas cada vez mais capazes de adaptar, otimizar e resolver problemas sem intervenção humana constante, tornando-se parceiros mais robustos e confiáveis em ambientes de produção. [LINK_INTERNO]

Conclusão: Um Salto para a Inteligência Artificial Autônoma

As inovações da Anthropic, especialmente o ‘Dreaming’, marcam um divisor de águas na busca por agentes de IA mais inteligentes e autônomos. Ao permitir que a IA aprenda com seus próprios erros e melhore de forma iterativa, a empresa não apenas eleva o patamar tecnológico, mas também responde diretamente às demandas do mercado por sistemas mais confiáveis e eficientes. Com o crescimento explosivo da Anthropic, fica claro que a direção é empolgante: agentes de IA que não apenas executam tarefas, mas também evoluem e se adaptam, prometendo um futuro onde a inteligência artificial será ainda mais integral e impactante em nossas vidas e negócios. Para mais detalhes, confira a fonte oficial da Anthropic.

FAQ: Anthropic Dreaming e Agentes de IA

O que é exatamente o 'Dreaming' da Anthropic?

O ‘Dreaming’ da Anthropic é uma nova funcionalidade que permite aos agentes de IA analisar suas sessões passadas, identificar padrões (como erros recorrentes ou fluxos de trabalho eficazes) e aprender com eles para aprimorar seu desempenho ao longo do tempo. É um processo agendado que cura memórias e gera ‘playbooks’ de aprendizado.

Qual a diferença entre 'Dreaming' e a memória tradicional de agentes de IA?

Enquanto a memória tradicional permite que um agente retenha contexto e preferências em sessões, o ‘Dreaming’ vai além, realizando uma análise de alto nível das experiências passadas. Ele não apenas lembra, mas extrai insights e padrões para otimizar estratégias futuras, sem alterar os pesos do modelo subjacente. É um aprendizado meta-nível, resultando em um agente de IA autoaprimorável.

Quais os benefícios práticos de 'Dreaming', 'Outcomes' e 'Multi-Agent Orchestration' para empresas?

Para as empresas, essas funcionalidades significam maior precisão, automação mais eficiente e escalabilidade. O ‘Dreaming’ reduz erros e melhora a adaptabilidade. ‘Outcomes’ garante saídas estruturadas e confiáveis, essenciais para a integração de sistemas. Já a ‘Multi-Agent Orchestration’ permite que equipes de agentes trabalhem de forma colaborativa em tarefas complexas, acelerando a conclusão e evitando gargalos. Juntas, elas impulsionam a adoção de agentes de IA em cargas de trabalho críticas.

Gostou da notícia?

Inscreva-se na nossa newsletter e receba as principais novidades sobre inteligência artificial diretamente no seu e-mail.