Agente de IA proativo: lições do Claude Duet sobre hábito

Um agente de IA proativo promete algo que quase toda ferramenta de produtividade promete e quase nenhuma entrega: trabalhar sem que você precise lembrar dela. Em 21 de outubro de 2026, a Anthropic abriu o research preview do Claude Duet, um agente pessoal desenhado nessa linha. No mesmo dia, Claire Vo publicou na Lenny's Newsletter uma review com um título que resume o problema: "Claude Duet is beautiful. I still forgot to use it".

Neste artigo, explico o que o Claude Duet é, o que a review apontou e o que isso ensina a quem constrói produto com IA sobre a distância entre um lançamento bem cuidado e o uso diário.

O que é o Claude Duet

Segundo a Implicator, a Anthropic abriu em 21 de outubro de 2026 uma lista de espera do research preview, limitada a assinantes Pro e Max nos Estados Unidos. Os planos Team e Enterprise ainda não entraram. A cobertura descreve o funcionamento assim:

• Trabalho em segundo plano: o agente roda em uma máquina virtual própria na nuvem, com navegador, e continua trabalhando com o notebook fechado e o celular desligado.
• Proatividade: ele consulta os aplicativos conectados a cada poucas horas e envia um resumo todas as manhãs.
• Aprovação: mensagens, pagamentos, assinaturas e exclusões exigem aprovação. Operações com valores mobiliários e transferências entre contas ficam bloqueadas.
• Plataformas: apps para iOS e Android e acesso pelo claude.ai. Não há app desktop.

Na review de Claire Vo, o Duet vive no celular, herda os plugins e conectores do Claude e mira donos de pequenos negócios e profissionais ocupados.

O que a review de Claire Vo apontou

Pelo resumo do episódio, Claire Vo considerou o Duet o lançamento de agente mais polido que ela já viu, com onboarding cuidadoso, listas de tarefas e artifacts tratados como parte central do produto. Mesmo assim, o título diz que ela esqueceu de usar. As razões listadas:

• Pouca proatividade: o resumo do episódio chama de problema de crescimento um agente chamado de proativo que nunca cutuca a pessoa.
• Latência: o tempo de resposta reduz a disposição de trabalhar com o agente de forma síncrona.
• Falta de desktop e de suporte multiplayer: isso o mantém fora do fluxo de trabalho dela.
• Concorrência por atenção: polimento não basta quando o produto disputa atenção com todos os outros agentes pessoais.

O que o polimento resolve e o que ele não resolve

Polimento resolve o primeiro uso. Onboarding claro, listas de tarefas legíveis e artifacts bem integrados reduzem o abandono nos primeiros minutos, e isso tem valor real. O que o polimento não resolve é a pergunta que decide o hábito: por que eu abriria isso amanhã?

Lançamento e hábito são problemas diferentes, medidos de formas diferentes. Um lançamento se mede por atenção: cadastros, lista de espera, menções, reviews. Um hábito se mede por retorno: quem voltou, quantas vezes, sem ser convidado. Na minha leitura, times de produto costumam comemorar o primeiro número e só descobrir o segundo semanas depois.

Isso vale para qualquer produto e é mais agudo em agentes, porque o concorrente de um agente pessoal não é outro agente. É a ferramenta que a pessoa já abre sem pensar.

Por que um agente de IA proativo ainda não vira hábito

A leitura a seguir é minha, não da review. Os pontos da lista de Claire Vo se reduzem a uma ideia: o agente ainda depende de a pessoa lembrar dele.

Isso é irônico. O diferencial de um agente proativo é ir até você. Se ele não vai, o uso volta a depender de memória e de disciplina, e é aí que a ferramenta nova perde para a velha e confiável.

Três atritos aparecem juntos:

• Aparecer pouco: sem um motivo claro para abrir o app, o uso nunca é puxado pelo produto.
• Responder devagar: quando a espera é longa, a pessoa deixa de pedir coisas pequenas, e são as coisas pequenas que formam o hábito.
• Ficar fora do ambiente de trabalho: se o agente não está onde a pessoa passa o dia, cada uso exige uma troca de contexto.

Nenhum desses atritos é problema de inteligência do modelo. São problemas de produto, do tipo que um lançamento polido não resolve. Sobre os fundamentos desse tipo de sistema, escrevi em AI Agents: o que são, como funcionam e por onde começar.

Como projetar um agente de IA que vira hábito

Se você constrói um agente, estas são as quatro perguntas que eu faria antes de comemorar o lançamento:

1. O produto traz a pessoa de volta? O retorno precisa ser puxado por uma notificação que valha a interrupção, e não por boa vontade.
2. Estamos medindo retorno, e não ativação? Cadastro e primeiro uso mostram interesse. A pessoa voltando na segunda semana mostra hábito.
3. A espera é aceitável? Separe o que precisa ser instantâneo do que pode ser entregue depois, e deixe claro qual é qual.
4. O agente está onde a pessoa já trabalha? Na Bubble Box Moema, a lavanderia self-service que tenho em São Paulo, a Lucy, agente de IA que atende no WhatsApp, vive no canal que o cliente já usa todos os dias. Ninguém instala nada nem precisa lembrar de abrir um app. Isso não prova que o modelo serve para qualquer caso, mas ilustra o princípio: o encaixe vem antes da inteligência.

Perguntas para testar o seu agente de IA proativo

Antes de decidir que um agente funciona, vale responder com dados, e não com impressão:

• Quantas pessoas voltaram na segunda semana sem receber convite do time?
• Qual tarefa o agente resolve sem que o usuário precise pensar para pedir?
• Quanto tempo a pessoa espera, em média, entre pedir e receber?
• Para qual ferramenta a pessoa volta quando desiste do agente?

Minha leitura sobre o Claude Duet e o hábito de uso

Uma review não decide o destino de um produto. O Duet segue em research preview, com acesso restrito, e produtos nessa fase mudam rápido. O que vale acompanhar é se a proatividade e a latência melhoram, porque são elas que decidem se o agente deixa de ser algo que a pessoa esquece.

Qual agente de IA você abriu ontem sem que ninguém te lembrasse, e o que ele tem que os outros não têm?