De acordo com a publicação no blogue oficial da Google, a empresa integrou a funcionalidade de uso de computador diretamente na versão estável do Gemini 3.5 Flash. Esta novidade tecnológica permite que a inteligência artificial analise interfaces gráficas e execute comandos reais em navegadores, sistemas operativos de secretária e dispositivos móveis, facilitando a automação de processos complexos para os programadores através da plataforma empresarial e da interface de programação de aplicações (API).
Como funciona a operação do sistema de forma autónoma
A ferramenta trabalha com base numa interpretação visual contínua. O modelo da Google examina sucessivas capturas de ecrã e indica as ações imediatas necessárias, que incluem cliques do rato, o uso da roda de deslocamento ou a introdução de texto pelo teclado. A aplicação do lado do programador executa esses comandos e recolhe uma nova imagem do ecrã, alimentando o sistema num ciclo ininterrupto até a tarefa ser considerada concluída.
Para o mercado português e para as empresas que lidam com operações informáticas diárias, isto tem implicações práticas profundas. A automação deixa de estar restrita a linhas de código e passa a abranger o preenchimento de formulários repetitivos, os testes intensivos de aplicações e a recolha de dados por múltiplos sites com a mesma fluidez de um operador humano. Anteriormente, esta capacidade de controlo exigia o uso do modelo isolado 2.5, tendo percorrido uma fase de antevisão nas variantes 3 Pro e Flash em janeiro de 2026, até ser definitivamente consolidada nesta versão de acesso geral.
Salvaguardas aplicadas a fluxos empresariais sensíveis
Apresentado em maio, este modelo de linguagem destaca-se por suportar uma janela de contexto de um milhão de tokens e devolver até 65 mil tokens na saída. Os programadores dispõem agora da flexibilidade de afinar os níveis de reflexão analítica do sistema, o que permite reduzir a latência e o custo das operações quando as tarefas dispensam um raciocínio tático demorado.
Entregar o controlo do rato e do teclado a um sistema automatizado levanta questões críticas, pelo que a infraestrutura recebeu treino específico para identificar cenários de ataque informático e injeção de comandos maliciosos. O sistema implementa um travão de segurança capaz de exigir a validação manual de um utilizador antes de autorizar movimentações financeiras ou alterações irreversíveis em bases de dados.
Com esta integração nativa, a corrida pela automação funcional do computador intensifica-se. A Anthropic já havia disponibilizado ferramentas semelhantes através do Claude, enquanto a OpenAI continua a refinar o desempenho prático dos seus próprios agentes. Em paralelo, a Microsoft tem focado este conceito de operação autónoma para os seus clientes de negócio no ambiente do Copilot.
Nenhum comentário
Seja o primeiro!