IA em loops: quando agentes trabalham sozinhos

A IA está entrando em uma nova fase, e Boris Cherny, criador do Claude Code, não tem dúvidas: os loops (agentes que rodam continuamente, ajustando seu próprio trabalho) são tão importantes quanto a transição anterior de código manual para agentes. A ideia é simples mas potente: em vez de dar uma tarefa e esperar o resultado, você libera múltiplos agentes para trabalhar em segundo plano indefinidamente, melhorando código, unificando abstrações e nunca parando. Não é tecnicamente novo. Loops recursivos são conceitos básicos de programação há décadas. Mas quando aplicados a IA agentica (onde um modelo decide quando parar em vez de uma condição pré-definida), o potencial muda drasticamente. Desde o simples Ralph Loop até arquiteturas mais sofisticadas, a lógica é a mesma: deixar o modelo trabalhar iterativamente até resolver o problema. É parte de uma tendência maior de investir em "test-time compute", ou seja, gastar mais poder computacional durante a execução para obter melhores resultados. O problema? Isso queima tokens como ninguém. Agentes rodando indefinidamente não têm teto de custo. Para Anthropic, que vive de vender tokens, é ótimo negócio. Para o resto, pode ser caro demais. Mas se o setup certo permitir controlar gastos e drift, os benefícios podem ser suficientes para justificar. A questão real não é se loops são hype, mas quanto você está disposto a pagar para deixar a IA trabalhar sozinha.

Estamos um passo mais próximos de AGI, os loops estão provando isso 😉