OpenAI lança Dots, agentes que rodam em segundo plano e entregam pull requests prontos

Cada Dot roda num computador próprio na nuvem, testa código, abre pull requests com vídeo e continua o projeto sem que ninguém precise ficar de olho na conversa.

A OpenAI apresentou no DevDay 2026 os Dots, uma classe de agente que a empresa descreve como "sempre ativo": recebe um projeto, trabalha por horas ou dias sem supervisão e volta com atualização, pergunta ou entrega pronta. O anúncio foi registrado pelo B9, que também levantou o paralelo mais óbvio: a Meta tinha apresentado a Muse, com proposta quase idêntica, três semanas antes, em 8 de setembro.

Para quem constrói automação e integra sistemas, o Dots interessa menos pelo chat bonito e mais pela arquitetura por trás dele. Segundo a descrição que a OpenAI deu do produto, reproduzida pelo B9, cada Dot roda num computador virtual próprio, com navegador dedicado, é movido pelo GPT-6 Astra e se conecta a mais de 4 mil aplicativos pelo ecossistema de plugins da OpenAI. A interação acontece pelo ChatGPT, Slack, Microsoft Teams e chamadas de voz, com iMessage e RCS em teste.

O exemplo que fala a língua de quem programa

Entre os casos de uso que a própria OpenAI destacou, segundo o relato do B9 sobre o anúncio, um é dirigido claramente a times de engenharia: um Dot pode acompanhar feedback de usuários, implementar pequenas correções, testar o código gerado e entregar pull requests já com vídeo mostrando a mudança em funcionamento.

O detalhe que importa aqui não é a correção em si, é o formato da entrega. O Dot não devolve um trecho de código para você colar: ele abre o PR, roda os testes e documenta visualmente o que mudou. O humano entra depois, para revisar e aprovar, não para orquestrar cada etapa manualmente.

Isso muda o papel de quem recebe esse PR. A revisão deixa de ser "ler um diff que você mesmo pediu" e passa a ser "auditar uma decisão que outro agente tomou sozinho", com o vídeo servindo de evidência de que o comportamento esperado ainda se mantém.

Dots especialistas: a parte pensada para produção

Além do Dot pessoal, a OpenAI descreveu os chamados Dots especialistas: agentes que empresas poderão configurar com função, identidade, credenciais e acesso a sistemas específicos. Segundo o comunicado citado pelo B9, esse modelo já está em teste interno em áreas como compras, processamento de faturas, e-mail marketing, suporte e contratos.

Esse é o pedaço que se aproxima de integração de sistemas de verdade, não de copiloto de chat. Um Dot especialista com credenciais próprias e acesso a um sistema de faturamento é, na prática, um serviço de automação com identidade e permissões, só que orientado por linguagem natural em vez de regras de negócio escritas em código.

O trade-off é o de sempre com automação de produção: você ganha velocidade de configuração (descrever a tarefa em vez de programar o fluxo), mas perde previsibilidade. Um script determinístico falha do mesmo jeito toda vez; um agente generativo pode interpretar o mesmo pedido de formas diferentes em execuções diferentes.

O problema de permissão que a Meta já expôs

A questão da autonomia ganhou um exemplo concreto antes mesmo do lançamento dos Dots. Segundo relato reproduzido pelo B9, um usuário da Muse, da Meta, teve seu endereço residencial compartilhado por engano com um comprador do Facebook Marketplace, sem autorização explícita para aquela ação. A Meta revisou a forma como apresenta permissões depois do episódio.

A OpenAI dedicou boa parte da apresentação dos Dots a esse mesmo ponto, segundo o relato do B9. De acordo com essa descrição, o usuário escolhe quais apps o agente pode acessar e pode definir regras que autorizam, bloqueiam ou exigem aprovação para ações específicas. Existe também uma revisão automática antes de operações que possam afetar contas ou expor informação, e algumas tarefas, como trocar uma senha, ficariam obrigatoriamente com a pessoa.

Em resumo: o modelo de permissão descrito tem três camadas: regra declarada pelo usuário (allow, block, require approval), revisão automática antes de ações sensíveis, e bloqueio total para um conjunto pequeno de operações críticas. É uma arquitetura de autorização granular tentando compensar o fato de o agente tomar decisões que antes exigiam um clique humano explícito.

Para quem já lida com IAM, RBAC e políticas de acesso em sistemas tradicionais, o desenho soa familiar. A diferença é que aqui a "ação" não é uma chamada de API previsível: é o que um modelo de linguagem↳LLMs48 conteúdosConsiderações básicas de hardware para modelos de linguagem em código aberto: Memória, Desempenho e ViabilidadeMarketing Tech · out 2025Modelos de linguagem sob ataque: o lado obscuro da IA generativaDevSecOps · mai 2025Criando um LLM – modelo de linguagem de grande escala – do zero com TransformersAI · abr 2024Ver tudo em AI → decidiu fazer para cumprir um objetivo descrito em texto livre, o que torna a auditoria pós-fato tão importante quanto a regra prévia.

O que muda para quem estrutura automação hoje

A unidade básica da IA generativa até agora era a conversa: pedido, resposta, próximo pedido. Com Dots e Muse, a sessão pode durar dias, o sistema observa mudanças no projeto e chega a sugerir trabalho antes de qualquer solicitação nova.

Isso tem implicações diretas para quem hoje resolve tarefas de longa duração com cron job, webhook, fila de mensagens ou orquestrador tipo Airflow. Um Dot promete substituir parte desse pipeline por uma descrição em linguagem natural, mas troca previsibilidade de execução por flexibilidade de escopo, e isso não é ganho gratuito em nenhum sistema que precise de auditoria forte ou determinismo bit a bit.

A disponibilidade também impõe limites práticos por enquanto, segundo o que o B9 relatou sobre o anúncio:

• Os Dots chegariam aos planos ChatGPT Pro e Business Premium, com versão beta para Enterprise
• O primeiro Dot estaria incluído nesses planos, mas trabalhos mais pesados teriam cotas próprias
• Cada usuário poderia criar apenas um Dot por enquanto; mais Dots ou mais capacidade devem virar cobrança adicional no futuro
• A meta declarada da OpenAI para depois é ter equipes inteiras de Dots trabalhando em conjunto

Esse limite de um agente por usuário, hoje, é o que separa o anúncio de uma automação de produção real. Um pipeline de CI que depende de um único agente compartilhado por toda a equipe tem gargalo e fila embutidos, o que sugere que a versão atual dos Dots serve melhor a tarefas individuais e supervisionadas do que a substituir infraestrutura de automação de time inteiro.

Onde não vale a pena, por enquanto

O caso do PR com vídeo é atraente, mas vale lembrar que ele ainda depende de revisão humana antes do merge, exatamente como qualquer PR de contribuidor externo. Automação que exige garantia de comportamento (rollback determinístico, compliance auditável, SLA de resposta) não deveria trocar seu pipeline atual por um agente que pode, nas palavras da própria OpenAI, ainda cometer erros.

O ganho real aparece em tarefas que já toleram supervisão assíncrona: acompanhar feedback, preparar rascunhos, manter documentação de projeto atualizada conforme o escopo muda. É automação de rascunho com revisão, não substituição de infraestrutura crítica, e é assim que vale testar antes de colocar qualquer Dot para tocar sistema em produção.

Fonte: B9