#01 — Novos lançamentos da OpenAI: o que muda quando a IA começa a acompanhar o trabalho

OpenAI na prática · Capítulo 1 de 6

Anúncios do DevDay de 29 de setembro de 2026. Informações conferidas em 1º de outubro de 2026.

Imagine uma professora preparando um curso. Ela precisa pesquisar referências, revisar a apostila, organizar uma apresentação e acompanhar mudanças no calendário. Usa o ChatGPT para algumas dessas tarefas, mas continua fazendo a ponte entre tudo: leva informações de uma conversa para outra, atualiza documentos e lembra o que ficou pendente.

Agora imagine poder atribuir uma responsabilidade mais completa: “Acompanhe a preparação deste curso, mantenha os materiais coerentes e me avise quando houver uma decisão que depende de mim”.

Essa é uma das direções dos lançamentos recentes da OpenAI. Além de novos modelos, a empresa está ampliando as formas de trabalhar com inteligência artificial: agentes que continuam tarefas entre conversas, espaços de colaboração e ambientes de programação na nuvem.

O interesse dessas novidades está no que elas podem mudar em uma rotina real. Para entender isso, precisamos separar três coisas que frequentemente aparecem misturadas: o modelo, as ferramentas e a responsabilidade que entregamos ao sistema.

Primeiro, uma distinção que evita muita confusão

Um modelo de IA é o componente que processa informações e produz respostas. Uma ferramenta permite realizar operações, como pesquisar na internet, consultar um arquivo ou executar código. Um agente combina um modelo, ferramentas e instruções para avançar em direção a um objetivo.

Uma analogia ajuda: pense em uma oficina. O modelo contribui para interpretar o problema e decidir os próximos passos; as ferramentas permitem executar operações; o agente organiza esse conjunto em torno do serviço solicitado.

Essa comparação tem limites. A IA pode interpretar mal uma instrução, usar uma fonte inadequada ou considerar concluído algo que ainda precisa de revisão. Por isso, entregar uma tarefa exige explicar o resultado esperado.

“Faça uma apresentação” deixa muitas escolhas em aberto. “Prepare uma apresentação de vinte minutos para professores iniciantes, explique cada termo técnico e apresente as fontes utilizadas” oferece critérios que permitem avaliar a entrega.

Essa diferença ganha peso quando o sistema passa a trabalhar por mais tempo e em mais lugares.

GPT-6.1 Sol: capacidade, custo e escolha conforme a tarefa

Entre os novos modelos está o GPT-6.1 Sol. A documentação oficial o apresenta como uma opção para programação complexa, uso de computador e trabalho profissional, com desempenho próximo ao GPT-6 Astra e custo menor. Essa é a caracterização da OpenAI; o resultado em uma atividade específica precisa ser verificado na prática. Documentação do GPT-6.1 Sol.

Para o leitor que usa o ChatGPT, vale compreender que o modelo escolhido influencia a execução da tarefa, mas não determina sozinho a qualidade final. As instruções, os materiais disponíveis e as ferramentas também participam do resultado.

Para quem desenvolve sistemas, existe ainda uma decisão econômica. A API, sigla para interface de programação de aplicações, permite que um software utilize serviços de outro. É por esse caminho que um aplicativo pode incorporar um modelo da OpenAI.

Na API, o processamento de texto é medido em tokens: pequenas unidades que podem corresponder a palavras, partes de palavras ou sinais de pontuação. O material enviado e a resposta produzida entram nessa contagem.

Isso ajuda a entender por que “qual modelo é melhor?” costuma ser uma pergunta incompleta. Também precisamos perguntar: melhor para qual tarefa, com qual orçamento e com qual exigência de qualidade?

Um exercício útil é comparar modelos usando o mesmo material e os mesmos critérios. Observe se preservam informações, identificam lacunas e entregam algo utilizável. Uma resposta elegante pode esconder um erro bastante deselegante.

Dots: uma responsabilidade que continua entre conversas

Outra novidade são os dots, apresentados como agentes que acompanham trabalho contínuo. Segundo a documentação, utilizam o GPT-6 Astra, possuem computador e navegador na nuvem e podem pesquisar, analisar dados, preparar documentos e desenvolver software. A disponibilização ocorre gradualmente para contas elegíveis. Conheça os dots.

A proposta é permitir que o trabalho avance entre conversas e que o agente retorne com resultados ou decisões que precisam da sua participação.

Pense em alguém preparando um evento. Existem informações espalhadas em documentos, confirmações de participantes e mensagens de fornecedores. Uma responsabilidade possível seria acompanhar mudanças, atualizar um resumo e apontar pendências.

Esse exemplo mostra também como definir o alcance da delegação:

“Acompanhe os documentos deste evento. Prepare um resumo das mudanças que afetam prazo, orçamento ou número de participantes. Quando faltar informação, registre a pendência. Elabore sugestões de resposta para minha revisão.”

Há uma diferença importante entre preparar uma resposta e enviá-la. A documentação dos dots explicita que pedir rascunhos não concede automaticamente autorização para enviar mensagens. As ações dependem das instruções, permissões e verificações aplicáveis. Controles dos dots.

Minha leitura é que essa novidade aumenta a importância de saber delegar. O usuário precisa comunicar objetivo, limites e critérios de conclusão. Quanto mais amplo o trabalho, mais necessário é dizer o que merece sua atenção.

Space e Pages: transformar conversas em trabalho compartilhado

Uma conversa pode ser excelente para explorar ideias, mas difícil de usar como documento coletivo. Entre perguntas, versões e correções, o texto final acaba espalhado.

O ChatGPT Space reúne Pages e arquivos salvos. As Pages permitem produzir e revisar conteúdo com a IA, editar diretamente e colaborar com outras pessoas, conforme os recursos e permissões disponíveis. A documentação também descreve o uso de menções ao ChatGPT ou a um dot dentro de uma Page. Novidades de Space e Pages.

Para uma equipe, isso pode facilitar a passagem da exploração para uma versão compartilhada. Imagine a elaboração de um guia de atendimento: uma pessoa revisa os procedimentos, outra confere a linguagem e outra verifica os exemplos.

A aplicação interessante está em reunir contribuições em torno de um conteúdo identificável. Ainda assim, colaborar exige combinar quem valida os fatos, quem decide mudanças e qual versão pode ser utilizada.

A IA pode ajudar a revisar o guia. A equipe precisa avaliar se ele representa o trabalho que realmente acontece.

Esse cuidado é especialmente útil na educação. Um material pode estar bem organizado e ainda apresentar exemplos inadequados para a turma ou pressupor conhecimentos que os estudantes não possuem.

Codex Cloud: continuidade para projetos de software

Para quem trabalha com programação, o Codex Cloud permite iniciar e continuar tarefas em ambientes na nuvem preparados com repositórios, ferramentas e dependências do projeto. Cada tarefa recebe um espaço isolado e pode continuar enquanto o computador pessoal está em repouso. Codex Cloud.

Um repositório organiza o código e seu histórico de alterações. As dependências são os componentes necessários para o software funcionar. Preparar esse ambiente ajuda o agente a trabalhar dentro das condições do projeto.

Considere um problema comum: uma página apresenta erro ao salvar um formulário. Uma solicitação útil descreve como reproduzir a falha, qual deveria ser o comportamento e quais verificações demonstrariam a correção.

A continuidade na nuvem pode reduzir a necessidade de acompanhar cada etapa em tempo real. Entretanto, receber código pronto não basta para considerá-lo correto. É preciso examinar a mudança e verificar o comportamento.

Para quem está aprendendo, existe uma oportunidade adicional: solicitar que o agente explique o problema encontrado, as alternativas consideradas e como a solução foi validada. Isso transforma uma entrega em material de estudo.

O que realmente muda para o profissional

Minha interpretação dos anúncios é que a OpenAI está aproximando conversa, execução e acompanhamento do trabalho.

O resumo oficial do DevDay descreve dots com responsabilidades contínuas, continuidade de tarefas de Work entre dispositivos e colaboração em Space. Esses recursos ajudam a visualizar essa direção, embora sua disponibilidade dependa da conta, das configurações e da implantação. DevDay 2026.

Para o profissional, isso sugere desenvolver três capacidades: formular problemas, estabelecer critérios e revisar resultados.

Formular um problema significa explicar a situação e o efeito desejado. Estabelecer critérios significa tornar a qualidade verificável. Revisar resultados significa conferir fontes, cálculos, coerência e adequação ao contexto.

Uma boa primeira experiência seria escolher uma atividade pequena que se repete: preparar uma reunião, atualizar um relatório ou revisar um material didático.

Registre quanto tempo ela exige hoje. Depois, experimente o recurso disponível na sua conta e observe o tempo total, incluindo a revisão. Avalie também os erros e o retrabalho.

Esse teste oferece uma medida mais útil do que a impressão de velocidade. Uma tarefa produzida rapidamente pode consumir bastante tempo para ser corrigida.

Os novos lançamentos abrem possibilidades para distribuir melhor o esforço entre pessoas e sistemas. Aproveitá-las exige uma pergunta anterior ao próximo comando: qual responsabilidade posso descrever com clareza e avaliar depois?

Continue a leitura

Índice da série · Próximo capítulo →