Ichibantitle
Back to Blog

Anthropic Adquire a Vercept: A Escalada na Corrida por Agentes de IA que Usam Computadores

February 26, 2026by Ichiban Team
aianthropicverceptcomputer-useacquisitionsagents

Hero

#Introdução

O cenário da inteligência artificial está mudando rapidamente de interfaces conversacionais para agentes orientados à ação, e o campo de batalha agora é oficialmente o seu desktop. Em uma reviravolta dramática, a Anthropic adquiriu a Vercept, uma startup com foco total em IA de "uso de computador" (computer-use). A aquisição acontece logo após a Meta ter recrutado um dos cofundadores da Vercept, evidenciando a guerra acirrada por talentos que está rolando no setor de IA especializada.

Para desenvolvedores, engenheiros de software e criadores de produtos, isso não é apenas uma fofoca corporativa — é um indicativo gigante de para onde os modelos fundacionais estão indo. Conforme fazemos a transição de Large Language Models (LLMs) que apenas geram código para sistemas autônomos que conseguem ativamente fazer deploy, debugar e navegar por interfaces de sistemas complexos, entender a engenharia por trás dessas aquisições estratégicas se torna absolutamente crucial.

#O Que Aconteceu

A Vercept surgiu no último ano como um azarão no espaço de agentes de IA, construindo modelos altamente sofisticados capazes de navegar em interfaces gráficas (GUIs) densas, interagir com aplicações web complexas e executar fluxos de trabalho de múltiplas etapas em diferentes sistemas operacionais. A abordagem deles não era apenas fazer um web scraping superficial da tela; envolvia um entendimento semântico profundo dos elementos de UI e dos estados do sistema.

No entanto, a trajetória da startup mudou bruscamente quando a Meta conseguiu recrutar um de seus principais fundadores. Em vez de deixar o restante do talento especializado e a tecnologia base se dissolverem ou caírem nas mãos de um concorrente, a Anthropic agiu rápido para adquirir o que sobrou da empresa.

A Anthropic já tem familiaridade com IA de uso de computador. Recentemente, eles introduziram recursos de computer use no Claude, permitindo que o modelo olhe para uma tela, mova um cursor, clique em botões e digite texto nativamente. Trazer a equipe da Vercept para dentro de casa é um sinal de que a Anthropic está apostando alto para fazer do Claude o operador definitivo no nível do SO (sistema operacional), garantindo que mantenham a liderança contra os concorrentes.

#Por Que Isso Importa

Por que as gigantes da tecnologia estão lutando com unhas e dentes por startups de uso de computador? A resposta está nas limitações fundamentais das nossas arquiteturas atuais baseadas em APIs.

Historicamente, integrar IA em fluxos de trabalho existentes exigia conexões de API sob medida, integrações de webhooks customizadas ou plugins altamente especializados. Essa abordagem é notoriamente frágil, cara de manter e estritamente limitada pelos endpoints que os fornecedores de software decidem expor.

Agentes de uso de computador ignoram esse gargalo completamente. Ao interagir com o software exatamente como um humano faz — através da GUI —, uma IA consegue operar literalmente qualquer aplicação, não importa se ela tem ou não uma API moderna.

  • Compatibilidade Universal: Se um humano consegue clicar, a IA consegue automatizar. Isso destrava trilhões de dólares em valor corporativo que antes estava inacessível.
  • Costura de Workflows: Os agentes podem se mover perfeitamente entre um navegador web, um terminal local, uma planilha proprietária e um cliente de e-mail legado em um único fluxo coerente.
  • Sistemas Legados: Softwares corporativos mais antigos e on-premise que não possuem APIs REST ou GraphQL modernas tornam-se subitamente 100% automatizáveis sem a necessidade de projetos massivos de reescrita de código.

Para a Anthropic, a tecnologia da Vercept representa um salto crítico em confiabilidade operacional. Os modelos atuais de uso de computador às vezes sofrem com "cliques alucinados" e têm dificuldade com elementos de UI muito dinâmicos, como infinite scrolls, renders de canvas customizados ou dropdowns baseados em hover. A arquitetura especializada da Vercept mira justamente em resolver esses pontos de atrito.

#Implicações Técnicas

Para entender o que a Anthropic está realmente comprando, precisamos dar uma olhada por baixo do capô na arquitetura dos agentes modernos de uso de computador. Diferente dos LLMs padrão que cospem tokens de texto, esses sistemas são modelos Vision-Language-Action (VLA).

Quando um agente autônomo olha para uma tela, ele precisa traduzir uma grade de pixels em um mapa interativo e semântico de elementos acionáveis. Esse pipeline complexo geralmente envolve:

  1. Parsing Baseado em Visão: Uso de modelos multimodais para identificar botões, campos de input, bounding boxes e texto diretamente a partir de screenshots brutos.
  2. Árvores de Acessibilidade (a11y): Conectar-se diretamente às APIs de acessibilidade do sistema operacional (como UIAutomation no Windows, macOS Accessibility API ou AT-SPI no Linux) para entender a hierarquia estrutural (equivalente ao DOM) de aplicativos desktop.
  3. Mapeamento de Coordenadas: Calcular as coordenadas exatas dos pixels X e Y necessárias para disparar um evento de clique ou arrastar do mouse localizado.

#Onde a Vercept Agrega Valor

Embora os modelos Claude da Anthropic tenham introduzido o revolucionário uso de computador, as primeiras iterações muitas vezes dependiam fortemente de processamento visual baseado em grades (grids). Isso pode ser custoso em termos computacionais, ter alta latência e estar propenso a pequenos desalinhamentos de coordenadas em monitores de alto DPI.

A abordagem proprietária da Vercept, segundo relatos, envolvia um parser híbrido altamente otimizado de DOM/árvore de a11y, combinado com cache de contexto visual localizado. Em vez de analisar a tela 4K inteira para cada ação granular, os modelos deles fazem um cache eficiente do estado da UI e processam apenas as atualizações delta (as diferenças).

Considere a diferença na lógica de execução:

Pipeline Tradicional de Uso de Computador por IA:

1. Capture full screen image.
2. Send image payload to VLA model.
3. Model predicts coordinates (x: 1042, y: 450).
4. OS moves mouse and executes click.
5. Wait for visual change, repeat from Step 1.

Pipeline Otimizado da Vercept:

1. Ingest initial OS accessibility tree + screen delta.
2. Map semantic intent ("Click Submit") to targeted Node ID.
3. Execute OS-level click event directly via API where possible.
4. Fallback to precise visual coordinates only if tree is missing.
5. Listen for asynchronous system UI change events to confirm success.

Essa abordagem híbrida reduz drasticamente a latência de rede e o consumo de tokens — dois dos maiores obstáculos na hora de fazer o deploy de agentes de IA autônomos em escala corporativa.

#O Que Vem a Seguir

A corrida entre Anthropic, Meta, OpenAI e Google está acelerando em um ritmo alucinante. O recrutamento de um fundador da Vercept pela Meta sugere fortemente que eles estão construindo ativamente seu próprio framework concorrente de agentes de SO, que provavelmente será profundamente integrado ao seu ecossistema open-source Llama nos próximos meses.

Para engenheiros de software, desenvolvedores frontend e designers de UI/UX, essa mudança de paradigma traz um conjunto totalmente novo de responsabilidades profissionais. Construir aplicações "agent-ready" (prontas para agentes) em breve se tornará tão crítico quanto garantir responsividade mobile ou compatibilidade cross-browser.

Para se prepararem para uma base de usuários impulsionada por IA, os desenvolvedores devem começar imediatamente a focar em:

  • Domínio de HTML Semântico: Agentes de IA dependem fortemente de tags HTML padrão e previsíveis (<button>, <nav>, <main>) para entender a estrutura da página. Depender de tags genéricas <div> com event handlers de clique atrelados via JavaScript vai degradar pesadamente a performance do agente.
  • Implementações Robustas de ARIA: Os recursos de acessibilidade não são mais apenas para usuários humanos; eles estão rapidamente se tornando a principal superfície de API para agentes de uso de computador.
  • Estados Previsíveis de UI: UIs altamente dinâmicas e carregadas de JavaScript que mudam o layout constantemente sem a interação direta do usuário vão quebrar os fluxos de trabalho do agente e causar falhas nas tarefas.

#Conclusão

A aquisição estratégica da Vercept pela Anthropic é um ataque calculado e agressivo na escalada da guerra pela agência de IA. Enquanto a Meta conseguiu extrair um talento fundamental chave, a Anthropic teve sucesso em garantir a tecnologia base, o pipeline operacional e o time de engenharia restante para reforçar drasticamente as já impressionantes capacidades de uso de computador do Claude.

Estamos nos afastando rapidamente de uma era onde simplesmente damos prompts para a IA escrever código para nós, e entrando em uma nova era fascinante onde pedimos à IA que faça o trabalho diretamente nas nossas máquinas. Para os desenvolvedores construindo as plataformas de amanhã, a mensagem é inequivocamente clara: as máquinas não estão mais apenas lendo a internet — elas estão aprendendo ativamente a clicar nela.