Operar agentes de IA por horas ou dias exige checkpoints, ambiente isolado, critérios de parada, orçamento e escalada humana. Em um caso publicado pela OpenAI em 14 de outubro de 2026, a Third Moment Research relata dez mil agentes simultâneos e sessões de pesquisa de 36 a 48 horas. A escala é incomum, mas os controles descritos são úteis para empresas que começam com um único fluxo autônomo.
Defina trabalho, ambiente e sucesso antes de executar
Um agente longo não deve receber apenas uma meta ampla. Entregue dados permitidos, ferramentas, documentação, formato de saída, testes de aceitação e situações que exigem parada. A Third Moment usa ambientes conteinerizados com repositório, módulos e dados específicos para cada investigação.
Para uma empresa, isso pode significar uma cópia controlada de documentos, uma base de teste e APIs com menor privilégio. O agente não precisa de acesso irrestrito à rede, produção, faturamento ou dados pessoais para provar que o fluxo funciona.
Use checkpoints em vez de esperar o final
Sessões longas acumulam custo, contexto e caminhos errados. Crie checkpoints por tempo, etapa ou consumo. Em cada ponto, salve estado, hipótese, evidências, ações realizadas e próximos passos. Isso permite retomar sem repetir tudo e torna a revisão humana possível antes de uma ação de maior impacto.
O caso descreve um orquestrador externo que examina trajetórias incompletas e decide entre tentar novamente, encerrar ou encaminhar para revisão humana. A mesma lógica pode começar com regras simples: máximo de tentativas, prazo sem progresso, custo acumulado e quantidade de falhas consecutivas.
- Objetivo e teste de conclusão explícitos
- Limite de tempo, tokens, chamadas e custo
- Checkpoint com evidências e estado recuperável
- Aprovação humana para ações irreversíveis
- Critérios de repetição, encerramento e escalada
- Registro completo de ferramentas e resultados
Elimine espera ativa e desperdício de contexto
A Third Moment identificou agentes consultando repetidamente o status de um backtest que levava horas. A otimização de cache e memória reduziu o processo de cerca de três horas para aproximadamente três a cinco minutos, segundo o relato. A melhora evitou chamadas inúteis e liberou contexto para o trabalho analítico.
Procure filas, consultas repetidas, arquivos relidos e operações que poderiam ser notificadas por evento. Quando uma etapa externa demora, suspenda a execução e retome quando houver resultado. Medir custo por etapa ajuda a localizar um gargalo que o custo total esconde.
Isole ferramentas e teste possibilidade de escape
Quanto maior a autonomia, maior a necessidade de contenção. O estudo relata testes para verificar se o agente poderia sair do ambiente de pesquisa e alcançar a rede externa. Em uma operação comum, a revisão deve cobrir permissões de arquivos, segredos, rede, execução de código e sistemas conectados.
Use credenciais temporárias, rede restrita, dados sintéticos e ambientes descartáveis. Teste instruções maliciosas em documentos, tentativa de acessar recursos proibidos, exfiltração e criação de processos persistentes. Um agente que falha deve perder acesso sem depender de sua própria decisão.
Meça progresso e correção, não apenas duração
Tempo em execução, tokens e número de subagentes medem consumo. Para avaliar valor, acompanhe tarefas concluídas com critério objetivo, taxa de aceitação, intervenção humana, custo por resultado, repetibilidade e incidentes. Em pesquisa, compare a descoberta com uma linha de base e verifique se o resultado é sinal ou ruído.
Escolha um benchmark representativo antes de mudar modelo ou arquitetura. Execute as alternativas com dados e hardware comparáveis. Uma solução mais rápida que altera a saída ou ignora casos difíceis não é uma melhoria operacional.
Não generalize a escala do caso
Os números foram apresentados em um caso de cliente da OpenAI sobre uma startup de pesquisa quantitativa. Dez mil agentes, um trilhão de tokens em um dia e sessões de 36 a 48 horas não são metas adequadas para a maioria das empresas. O setor, o valor potencial de uma descoberta e a infraestrutura justificam decisões diferentes.
Comece com uma tarefa reversível e um agente. Amplie somente quando a taxa de sucesso, o custo e a segurança forem estáveis. Autonomia útil é a capacidade de concluir trabalho verificável dentro de limites conhecidos, não a quantidade de processos que a empresa consegue iniciar.
Para levar daqui
Agentes de longa duração precisam de infraestrutura externa ao modelo: isolamento, checkpoints, limites, observabilidade e revisão humana. A escala só deve crescer depois que um fluxo pequeno demonstrar resultado correto, recuperável e economicamente justificável.
