Passei um tempo esta semana olhando um ponteiro de mouse andar sozinho pela tela.

Não era proteção de tela. Era um agente de IA executando uma tarefa que eu tinha pedido: procurando o botão, esperando a página carregar, clicando, voltando a procurar. Como um estagiário muito educado usando o meu computador na minha frente.

Não cronometrei. Se eu te desse um número aqui, seria inventado. O que eu tenho é a sensação, repetida vezes suficientes pra virar assunto, de assistir o ponteiro passear por cima de uma coisa que eu sei que sairia em um comando.

E aí vem a parte constrangedora desta carta: eu gostei de assistir.

O programa se chama Grok Bot. A SpaceXAI, que até outro dia se chamava xAI, lançou em 11 de agosto, ele roda num computador próprio na nuvem em vez do meu, e comecei a testar essa semana.

Vou ser justo com o produto, porque a parte difícil ele resolveu. Não tem chave de acesso pra colar, não tem arquivo de configuração, não tem aquele ritual de vinte minutos antes de pedir a primeira coisa. Você fala, ele faz. Pra quem passa o dia ensinando gente a montar ambiente de IA, esse atrito que sumiu não é detalhe pequeno.

O jeito como ele resolveu é que virou esta carta. Quase tudo, ele faz abrindo a tela e clicando.

O nome disso é computer use, e ele é o último recurso

Computer use é quando o agente controla a tela como você controlaria: enxerga o que está aparecendo, decide onde clicar, digita, rola a página. Claude e ChatGPT também têm isso. O Grok Bot só levou a coisa ao extremo de fazer disso o caminho padrão.

Daniel Nest escreveu sobre exatamente esse tema em 6 de agosto, na newsletter Why Try AI, no nono texto de uma série sobre Claude Code. O teste dele é besta, e é por isso que serve: renomear um monte de fotos.

Pelo ChatGPT controlando a tela, quase 5 minutos. Pelo Claude Code trabalhando por trás, com acesso direto aos arquivos, cerca de 1 minuto.

Fonte :: When Is “Computer Use” Actually Useful?, Daniel Nest, Why Try AI, 6 de agosto de 2026

Mesma tarefa, mesmo resultado, cinco vezes o tempo.

O motivo é mecânico, não é opinião. Pra clicar num botão, o agente precisa tirar uma foto da tela, interpretar aquela imagem, achar o botão, calcular a posição, clicar, e tirar outra foto pra conferir se deu certo. Repete isso a cada passo. Cada volta desse ciclo queima segundos e queima token, que é a unidade em que você paga pelo modelo.

O caminho de trás não olha nada. Ele fala direto com o arquivo, com o banco, com a ferramenta.

Olhar é caro. A gente esquece disso porque, pra nós, olhar é de graça.

Torne-se um membro VIP

A escada, na ordem certa

O Nest organiza as opções numa escada de quatro degraus, da mais rápida pra mais lenta. Anotei e colei perto de mim:

01 :: Conector. Se a ferramenta já tem conector, plugin ou MCP (o padrão aberto que serve pra plugar ferramenta em modelo), acabou aqui. Nem se cogita o resto.

02 :: Rota direta. Um script, um comando, uma exportação de CSV. Feio de ver, instantâneo de rodar.

03 :: Navegador. Quando você precisa da web, mas não precisa da tela inteira da sua máquina.

04 :: Computer use. Quando não sobrou alternativa.

Repara que computer use está em último. Ele é o degrau que sobra quando os três de cima não servem.

E existe uma lista curta de tarefas em que ele é a escolha certa, todas com a mesma característica: o objeto do trabalho é a própria tela.

:: Análise de interface e de experiência, quando o julgamento depende de como a coisa aparece pro usuário
:: Formulário com lógica visual complicada, daqueles em que os campos mudam conforme você preenche
:: Raspagem de página montada dinamicamente, que só passa a existir depois de renderizada

Fora disso, o Nest é direto sobre onde não usar: qualquer coisa que já tenha conector nativo, lote grande e previsível como planilha e entrada de dados, tarefa curta de uma vez só, e ler e resumir conteúdo da web.

Tem também o aviso que costuma sair em letra miúda: computer use pode expor ao agente a sua tela inteira e a sua área de trabalho. Não é a tarefa que você entregou. É tudo que estiver aberto ali atrás.

Quer receber conteúdo mais exclusivo?

Por que a gente escolhe o caminho lento

O caminho rápido é invisível. Você manda, some, e volta com a coisa pronta. Ele pede confiança cega.

O caminho lento é “assistível”. Você vê o ponteiro andar, vê a janela abrir, vê o campo sendo preenchido. Ele não pede confiança nenhuma: ele mostra.

Quando eu escolho olhar o Grok Bot trabalhar em vez de resolver por conector, eu não estou sendo ineficiente por burrice. Estou comprando a sensação de estar no controle de uma coisa que eu não controlo. Pago essa sensação em tempo e em token, e por um bom tempo achei que estava só testando o produto.

E eu vivo disso, o que piora o meu caso.

O que enche sala numa aula minha é a tela se movendo sozinha. Já mostrei ao vivo agente clicando em coisa e vi a reação, que é sempre a mesma e é ótima. Ninguém nunca aplaudiu um conector bem configurado. Não existe vídeo curto de rota direta.

E fui conferir o meu próprio arquivo antes de publicar esta carta, porque é fácil demais apontar isso nos outros. Na 3-2-1 034 eu chamei computer use de revolucionário e pendurei um número de teste do lado. Na 053, computer use nativo virou manchete de edição. Nas duas vezes o critério que me fez escolher a chamada foi o mesmo que me prendeu na tela essa semana.

Então quando eu monto uma demonstração, eu escolho pelo mesmo critério que passei os últimos parágrafos criticando. Escolho o que dá pra ver.

Não vou fingir que resolvi isso escrevendo sobre.

Conhecer mais

O que o Grok Bot compra com essa lentidão

Seria fácil encerrar chamando o produto de mal feito. Não é o caso, e a nuance aqui vale mais que a crítica.

Duas coisas justificam a aposta deles.

A primeira é o modo de ensinar por demonstração. Você aperta um botão, grava a si mesmo fazendo a tarefa, e ele transforma aquilo numa rotina reutilizável. Isso não existe sem tela. Não dá pra demonstrar um fluxo de trabalho por API.

A segunda é mais crua. Um produto que chega na máquina de qualquer pessoa não faz ideia de quais ferramentas você usa, quais conectores você tem, se você sabe escrever um comando. A tela é o único denominador comum entre todo mundo. É o pior caminho e é o único que nunca falha por incompatibilidade.

Só que essa generalidade tem preço, e o preço é conhecido: US$ 100 por assento ao mês no plano mais básico.

Fonte :: SpaceXAI’s Grok Bot turns agents into persistent digital coworkers, VentureBeat, 11 de agosto de 2026

Tem ainda uma crítica de Matt Shumer, na mesma reportagem, que me incomodou mais que o preço: você não escolhe o modelo. Um roteador interno decide por você, sem documentação de quais modelos entram na conta, e nos testes dele o roteador não foi bom.

Junta as duas coisas e sobra um desconforto legítimo. Você não escolhe o modelo e não escolhe a rota. Está pagando por assento pra que duas decisões caras sejam tomadas por padrão, longe da sua vista.

Não sei se essa conta fecha. Vou continuar pagando mais um mês pra descobrir, e conto o resultado.

Quero me tornar um Humano+ VIP

O que eu passei a fazer

Três mudanças, todas de graça:

01 :: Antes de soltar qualquer agente na tela, eu abro a lista de conectores e confiro. Leva quinze segundos e mata a maior parte dos casos.

02 :: Quando eu escolher assistir mesmo assim, admito pra mim que é curiosidade e não eficiência. E dessa vez eu cronometro, pra parar de escrever carta sem número.

03 :: Nas aulas, mostrar o caminho feio junto com o bonito. Se o conector resolve em três segundos, o vídeo fica sem graça e a pessoa economiza uma hora por semana. Já sei qual dos dois importa.

O Grok Bot continua rodando aqui, com o computador dele acordado enquanto eu escrevo isso. Daqui a pouco vou olhar o que ele fez, e vou olhar com atenção, porque é bonito de ver.

Só que agora eu sei o que estou fazendo quando faço isso.

A automação que funciona não tem nada pra mostrar. Ela roda em silêncio, num terminal que ninguém abre, e devolve o resultado sem cerimônia nenhuma. Talvez seja por isso que ela demore tanto pra virar rotina na vida das pessoas: é muito difícil se apaixonar por um processo que você não consegue assistir.

For those about AI… We salute you.

Caio

PS :: Se você for instalar computer use em qualquer ferramenta essa semana, faz o primeiro teste com uma tarefa inofensiva e com a tela limpa. Fecha o que estiver aberto atrás. O agente enxerga o desktop inteiro, não só a janela que interessa.

PS 2 :: A Formação Ecossistema Claude é “chata” de assistir. Não tem ponteiro andando sozinho. O que tem é você montando conector, configurando o ambiente e escrevendo o comando que resolve em três segundos aquilo que o agente levaria cinco minutos clicando. É exatamente o degrau 01 e o degrau 02 da escada desta carta, feitos com a sua mão, no seu trabalho.
O programa tem 7 módulos e você entrega um projeto em cada um deles. A certificação que sai no fim é de Claude, chancelada pelo MEC, e até hoje não apareceu outra igual no país. Acesso liberado por 12 meses, com parcelamento em 12x de R$ 149,70. Ver o programa completo.

:: Fontes ::

:: When Is “Computer Use” Actually Useful?, Daniel Nest, Why Try AI, 6 de agosto de 2026 (https://www.whytryai.com/p/when-computer-use-useful)

:: SpaceXAI’s Grok Bot turns agents into persistent digital coworkers that can operate your apps for $120-per-month, VentureBeat, 11 de agosto de 2026 (https://venturebeat.com/orchestration/spacexais-grok-bot-turns-agents-into-persistent-digital-coworkers-that-can-operate-your-apps-for-120-per-month)

Perguntas frequentes

Respostas institucionais sobre esta cobertura, fontes e limites editoriais.

Sobre o que trata “Carta :: 081 :: O trabalho que dá pra assistir”?

Passei um tempo esta semana olhando um ponteiro de mouse andar sozinho pela tela.Não era proteção de tela. Era um agente de IA executando uma tarefa que eu tinha pedido: procurando o botão, esperando a página…

O que a matéria explica sobre “O nome disso é computer use, e ele é o último recurso”?

A seção “O nome disso é computer use, e ele é o último recurso” organiza o contexto de IA criativa com fatos e implicações práticas destacados pela redação.

O que a matéria explica sobre “A escada, na ordem certa”?

O Nest organiza as opções numa escada de quatro degraus, da mais rápida pra mais lenta. Anotei e colei perto de mim:01 :: Conector. Se a ferramenta já tem conector, plugin ou MCP (o padrão aberto que serve pra plugar ferramenta em…

O que a matéria explica sobre “Por que a gente escolhe o caminho lento”?

O caminho rápido é invisível. Você manda, some, e volta com a coisa pronta. Ele pede confiança cega.O caminho lento é “assistível”. Você vê o ponteiro andar, vê a janela abrir, vê o campo sendo preenchido. Ele não pede confiança nenhuma: ele…

O que a matéria explica sobre “O que o Grok Bot compra com essa lentidão”?

A seção “O que o Grok Bot compra com essa lentidão” organiza o contexto de IA criativa com fatos e implicações práticas destacados pela redação.

Quem edita o conteúdo do Estrato Science?

A cobertura é produzida e revisada pela equipe editorial do Estrato Science, com editor-chefe responsável pela linha editorial. Conheça a redação em https://science.estrato.cc/equipe/.

Quais fontes o Estrato prioriza?

Priorizamos fontes primárias (órgãos oficiais, balanços, estudos revisados, documentos públicos) e cruzamos informações antes da publicação, conforme a política editorial.

Como solicitar correção de uma matéria?

Envie o pedido pela página de Correções (https://science.estrato.cc/correcoes/) ou Contato (https://science.estrato.cc/contato/). Erros materiais são corrigidos com registro da atualização.