EM POUCAS LINHAS
- A Asana testou a coleta de dados em um catálogo público, não a execução irrestrita de processos empresariais.
- Os ganhos de custo e velocidade divulgados dependem da configuração e da referência escolhidas.
- A avaliação com Ironclad mediu critérios de tarefas de contratação, não economia de tempo observada em clientes.
- Uma equipe brasileira precisaria validar fluxos, regras, custos e acesso em seu próprio contexto.
A pergunta não é apenas se um agente consegue clicar e ler páginas. Para uma equipe que pretende automatizar trabalho, importa saber qual tarefa foi medida, qual modelo a executou e quem conferiu o resultado. Em 9 de outubro de 2026, a OpenAI publicou o caso Asana, sobre a otimização de um agente de navegador. O relato sobre Ironclad, publicado em 6 de outubro, trata de uma colaboração de pesquisa distinta, voltada a tarefas de contratação em software especializado. Ambos são relatos da OpenAI sobre trabalhos dos quais participa, não validações independentes apresentadas nessas páginas.
O que o agente da Asana faz — e o que foi testado
Segundo a OpenAI, a plataforma StackAI, adquirida pela Asana, permite criar fluxos que navegam por sites, preenchem formulários e coletam informações sem escrever código. Essa é a descrição da capacidade oferecida pela plataforma; não significa que todas essas operações tenham sido medidas no experimento divulgado. No estudo, cada configuração recebeu a mesma tarefa: coletar seis campos de cada um dos 32 livros de um catálogo público de demonstração, conforme o relato do teste. A conclusão sobre acerto, portanto, diz respeito a essa coleta delimitada, não a qualquer formulário, site autenticado ou processo empresarial.
Há ainda uma diferença de papéis entre os modelos. Segundo a descrição da Asana publicada pela OpenAI, GPT-6 Astra foi usado no Codex para investigar o agente, propor e executar experimentos; o fluxo de navegação otimizado avaliado ao fim usou GPT-6.1 Sol. Não é correto atribuir ao Astra, como navegador em produção, o custo informado para as execuções com Sol.
A investigação relatou um problema de gestão do histórico: texto de páginas e capturas de tela voltavam a ser enviados nas requisições, enquanto cortes frequentes dificultavam aproveitar o cache. Hidalgo, diretor de tecnologia da StackAI na Asana, selecionou para teste mudanças de cache, retenção de texto e descarte de capturas de tela, segundo a OpenAI. A distinção entre reaproveitar contexto e reduzi-lo também é útil na leitura do nosso guia sobre cache e compactação; não se deve, porém, presumir que um ajuste de cache por si só reproduza o resultado da Asana.
Como ler o ganho de custo e velocidade
No teste relatado pela OpenAI, o fluxo otimizado com GPT-6.1 Sol teve custo estimado de modelo médio de US$ 0,47 e duração aproximada de quatro minutos por execução. As expressões “76 vezes mais barato” e “cinco vezes mais rápido” comparam esse fluxo à configuração original de produção no chamado Modelo B, não a uma média de todos os agentes ou de todas as tarefas. A fonte informa que todas as execuções do fluxo otimizado terminaram com a resposta correta na tarefa escolhida; isso não constitui uma taxa universal de acerto.
A referência requer cuidado adicional: segundo a OpenAI, algumas execuções da configuração original no Modelo B atingiram o limite de etapas antes de concluir. Por isso, o custo médio estimado informado para essa configuração original é um limite inferior, e a duração usada na comparação também inclui execução limitada ou inacabada, conforme as ressalvas da página. Além da mudança de fluxo, a comparação principal troca o modelo da referência pelo Sol. Quem quiser separar efeitos deve observar que a mesma fonte relata, apenas no Sol e com o orçamento maior de histórico, queda de US$ 1,97 para US$ 0,47 por execução após mudanças nas políticas de cache e capturas. Esses valores são custos estimados de modelo no teste, não cotação para contratar a plataforma ou previsão de gasto de uma equipe brasileira.
A página diz que a Asana lançou as mudanças de navegação na StackAI. Isso é diferente de afirmar disponibilidade, condições comerciais ou desempenho comprovado no Brasil: a fonte não estabelece esses pontos. Também relata uma etapa humana: Hidalgo escolheu propostas para testar, e registros das sessões foram revistos antes de se converterem em tarefas de desenvolvimento, alterações de código e implantação, segundo a OpenAI.
Por que Ironclad não é um segundo teste do navegador da Asana
Na publicação anterior sobre Ironclad, pesquisadores da OpenAI trabalharam com pessoas ligadas ao produto para identificar 11 tarefas jurídicas, comerciais e de compras. Os exemplos incluem configurar acordos de confidencialidade, processos de aprovação de compras e cláusulas que mudam conforme a jurisdição escolhida. Trata-se de avaliar uso de software especializado em fluxos sujeitos a requisitos, não de repetir a coleta do catálogo da Asana.
A OpenAI relata pontuação média de 55,0% para GPT-6 Astra e 41,6% para GPT-5.6 Sol nas 11 tarefas de pesquisa, com configurações de raciocínio Max e High, respectivamente. As notas refletem critérios de avaliação por tarefa, e não uma proporção de contratos concluídos corretamente. Os tempos médios por tentativa informados, de 19,2 e 37,0 minutos, respectivamente, são estimativas simuladas, não economia de tempo medida em clientes, ressalva a própria publicação. Não há base para comparar diretamente essas notas ou tempos com o custo e os minutos de navegação da Asana.
O problema central é preservar regras durante a sequência inteira. A OpenAI ressalta que processos de contratação precisam lidar com exceções sem perder controles e que a supervisão humana continua importante. Um agente pode executar ações intermediárias e ainda configurar incorretamente uma aprovação ou cláusula. Para pensar em repetição e consistência além de uma tentativa bem-sucedida, vale consultar também nossa análise sobre avaliação de agentes.
O que verificar antes de aplicar a uma equipe brasileira
Uma aplicação hipotética seria pedir a um agente que extraia campos de páginas autorizadas e prepare um registro para conferência, sem aprovar ou enviar nada automaticamente. A equipe poderia definir previamente quais campos devem aparecer, quais páginas podem ser acessadas, que mudanças exigem aprovação e como registrar erros, custo por execução e tempo até um resultado aceito. Para um fluxo contratual hipotético, a checagem precisaria incluir também casos de exceção e revisão das regras por responsáveis pelo processo; acertar cliques isolados não bastaria.
Esses são critérios de avaliação propostos, não resultados obtidos no Brasil. Nem o caso Asana nem a pesquisa Ironclad demonstram desempenho com documentos, regras ou fluxos brasileiros, ou confirmam condições locais de acesso. O ensinamento aproveitável é metodológico: delimitar a tarefa, distinguir custo de modelo de custo operacional, medir o resultado final e reservar revisão humana onde uma falha possa mudar decisões ou compromissos.
Fontes e referências
- Asana cuts model costs 76x in browser tests with GPT-6.1 Sol | OpenAIopenai.com · Consultado em 10/10/2026
- Advancing computer use with Ironclad | OpenAIopenai.com · Consultado em 10/10/2026