Um agente tenta reservar uma mesa e acaba bloqueando a conta do usuário. Outro ajuda a montar uma carteira financeira em minutos, mas ainda deixa o julgamento final com a equipe. A diferença entre os dois casos não é só o modelo: está nos dados disponíveis, nas ações permitidas e em como alguém confere o resultado.
Autonomia precisa de limites
An AI Agent Got Its User Banned From Resy · AI Engineer · 43min25s
No debate com integrantes de Keycard, JPMorgan Chase e AAuth, um participante conta que um agente fez chamadas repetidas ao serviço de reservas Resy e teria provocado o bloqueio da conta de seu usuário. É um relato do painel, não um incidente confirmado pelo serviço. A lição prática é concreta: uma credencial válida não diz quantas tentativas o agente pode fazer, nem se o usuário autorizou aquela insistência. Os debatedores defendem limites por ação e registros de execução fora do controle do próprio agente.
Why One AI Agent Isn’t Enough (And How to Run 1,000) · CJ Avilla e Harrison Stall, Anthropic / AI Engineer · 1h41min
A Anthropic apresenta fluxos capazes de organizar até mil agentes, com mecanismos de orçamento, interrupção e restrição de ferramentas. O número descreve o alcance apresentado para a arquitetura; não demonstra que uma equipe desse tamanho entregue resultados confiáveis em produção. O aspecto interessante da apresentação não é contratar mil executores artificiais. É definir quem decide, quem integra as partes e quando a execução deve parar.
A resposta depende de saber de onde veio o dado
Why Your Company Needs a Context Graph (and How to Build It) · Gil Feig, Merge / AI Engineer · 15min10s
Feig chama de “grafo de contexto” a combinação de dados de sistemas externos, documentos, memória, habilidades e regras para selecionar o que um agente precisa em cada tarefa. Ele usa uma pergunta aparentemente simples — por que um cliente estava insatisfeito? — para mostrar que conectar um ou dois sistemas não basta. É preciso localizar informação pertinente, saber sua origem e verificar se continua atual. Nesse uso, “grafo” descreve uma organização de contexto; a apresentação não exige um banco de dados de grafos.
AI Agents Cut 3-Day Portfolio Builds to Minutes · Jack McDonald e Michael Manapat, Apollo/Rowspace / AI Engineer · 19min03s
Na Apollo, documentos jurídicos e dados de diferentes sistemas alimentam a montagem de uma carteira-modelo de crédito. McDonald relata que uma tarefa antes feita em dois a três dias chega agora, em minutos, a cerca de 80% a 90% do resultado; os gestores completam o restante. É um relato dos participantes, não uma medição independente. O ganho depende de reconciliar fontes e regras do negócio antes de acelerar a decisão humana. Nesse ponto, o caso financeiro dá uma aplicação concreta à seleção de contexto discutida por Feig.
O limite pode estar antes do modelo
Small Models, Big Results: Training a Finance Agent for Under $500 · Charles Dickens, Snorkel AI / AI Engineer · 17min15s
Dickens apresenta um experimento com perguntas financeiras construídas a partir de documentos de empresas. Um modelo especializado de 4 bilhões de parâmetros alcançou cerca de 60% na avaliação relatada, contra 51% de outro com 235 bilhões. O resultado vale para aquela tarefa e para aquele procedimento de treino; não prova que modelos pequenos vencem os maiores em qualquer domínio. Os erros examinados incluem leitura incorreta de tabelas e uso ruim das ferramentas disponíveis ao agente.
From 15% to 90% GPU Utilization: Fix the Data Pipeline, Not the Model · Tarun Sunkaraneni, Amazon AGI / AI Engineer · 17min01s
No treinamento multimodal apresentado, as placas gráficas ficavam ociosas enquanto o sistema carregava e preparava imagens. A equipe elevou o uso relatado de 15% para 90% com concorrência, carregamento antecipado e menos cópias de dados; ao ampliar a execução, encontrou outro gargalo na rede. É o mesmo cuidado em outra camada: antes de pedir um modelo maior ou mais agentes, descubra onde o trabalho está parado e como medir a mudança.
Escala só ajuda depois que as fontes, os limites de ação e os critérios de verificação estão claros.