Ir para o conteúdo principal
Português— Escolher um idioma
Menu

O Que É o Computer Use

Aula 1 de 14 Atualizada a 3 de novembro de 2026 Programador
Nesta página
  1. Uma Nova Forma de Interagir com Máquinas
  2. O Ciclo Que Torna Isto Possível
  3. O Que Automatizamos Efetivamente
  4. Os Intervenientes em 2026
  5. O Que Ganha, O Que Paga
  6. Pontos-chave

Lição atualizada em 3 de novembro de 2026 com base no guia Computer use da OpenAI: este curso segue agora a ferramenta computer na API de Respostas, substituindo a abordagem anterior da API da Anthropic. A secção sobre os intervenientes do ecossistema abrange ambos os caminhos documentados pela OpenAI (execução de código, recomendada para o GPT-6 Astra, e a ferramenta computer). Removemos alegações sem fontes sobre produtos concorrentes. Fonte: Computer use.

Uma Nova Forma de Interagir com Máquinas

Durante anos, os modelos de linguagem permaneceram interlocutores puramente textuais: fazia uma pergunta, recebia uma resposta e tudo o que envolvesse o mundo real ficava a seu cargo. O Computer Use derruba essa barreira. O modelo vê um ecrã e decide que gestos realizar — clicar, escrever, deslocar, alternar aplicações — e a sua aplicação executa essas ações em seu nome.

Esta mudança é mais profunda do que parece. A automação tradicional agarra-se a âncoras técnicas: um seletor CSS, um ID do DOM ou uma API que um fornecedor de software decidiu expor. No dia em que a equipa de front-end renomeia uma classe, o script para e, muitas vezes, ninguém nota até o relatório do dia seguinte chegar vazio. Com o Computer Use, emite uma instrução em linguagem natural e a IA navega na interface exatamente como um humano a percebe. Um botão “Submeter” deslocado dez centímetros ou repintado de verde continua a ser o botão “Submeter”.

O Ciclo Que Torna Isto Possível

O mecanismo opera em cinco passos, e a sua repetição cria o seu poder:

  1. A sua aplicação captura o ecrã ou a janela do navegador
  2. O modelo analisa a imagem para compreender o que vê
  3. Decide uma ou mais ações (clique, tecla, deslocamento)
  4. A sua aplicação executa essas ações na máquina
  5. Uma nova captura retorna ao modelo e o ciclo reinicia

Este ciclo de perceção-ação é o núcleo do sistema. Considere um cenário comum: o seu agente deve preencher um formulário de contacto, mas um banner de cookies surge sobre ele ao carregar. Um script Selenium que não previu isto clica no vazio e gera um erro difícil de interpretar. O agente Computer Use, no entanto, vê o banner na sua captura de ecrã, trata-o, tira outra captura e encontra novamente o formulário. Não recita um plano rígido; reavalia a situação a cada iteração.

O Que Automatizamos Efetivamente

O caso de uso principal são os testes de ponta a ponta (end-to-end). Descreve a jornada a verificar — “iniciar sessão, adicionar um artigo ao carrinho, prosseguir para o pagamento” — e o agente executa-a como um utilizador, sem exigir que mantenha uma biblioteca de seletores que expiram com cada redesign do site.

Em seguida vem a RPA, a automação de tarefas repetitivas em software sem APIs: um ERP interno legado, uma extranet de fornecedores ou uma aplicação empresarial dos anos 2000 cujo fornecedor desapareceu. Onde a integração técnica é impossível, o agente trabalha através do ecrã, exatamente como o colaborador que costumava copiar dados manualmente.

A extração de dados (scraping) também se torna acessível em sites dinâmicos que resistem aos extratores tradicionais, uma vez que o agente lê a página renderizada e não o HTML bruto. Fluxos de trabalho multi-aplicação — retirar um pedido de um CRM, inseri-lo numa folha de cálculo, enviar um e-mail de confirmação — encadeiam-se numa única sessão. Esta mesma capacidade serve o apoio ao utilizador: em vez de explicar onde clicar, o agente navega realmente na interface.

Os Intervenientes em 2026

Este curso segue a oferta da OpenAI, que abre dois caminhos na API de Respostas. Com a execução de código, o modelo escreve um script — Playwright ou PyAutoGUI, por exemplo — que o seu ambiente isolado executa antes de devolver o resultado e as capturas de ecrã; uma única chamada pode então encadear ciclos e condições, tornando este o caminho que a OpenAI recomenda para o GPT-6 Astra. Com a ferramenta computer, o modelo devolve ações estruturadas de rato e teclado que a sua aplicação traduz em gestos; esta ferramenta permanece suportada e é a que utilizará aqui, pois expõe o ciclo na sua forma bruta. Os SDKs da OpenAI também fornecem auxiliares prontos a usar (ComputerToolset, BrowserToolset) que gerem este ciclo por si.

Outros fornecedores, nomeadamente a Anthropic, oferecem uma ferramenta comparável na sua própria API com um formato de troca diferente: o código neste curso não se transpõe diretamente, mas os princípios — ciclo, gestor de ações, isolamento, confirmação humana — permanecem os mesmos.

O Que Ganha, O Que Paga

CritérioScripts ClássicosComputer Use
InterfaceAPI ou seletores DOMVisual (capturas de ecrã)
FragilidadeQuebra se a IU mudarAdapta-se visualmente
ComplexidadeCódigo específico do siteInstruções em linguagem natural
VelocidadeRápidoMais lento (ciclo de captura)

Leia esta tabela como uma compensação, não como uma classificação. Troca velocidade bruta por resiliência e custos de manutenção quase nulos. Para cinquenta mil execuções diárias numa página estável onde controla o HTML, um script continua a ser a escolha certa. Para uma jornada ajustada todos os meses, ou para software sem API, a balança inclina-se decisivamente para o outro lado — e este curso ensina-o a lidar com esse segundo caso.

Pontos-chave

  • O Computer Use permite à IA ver e controlar um ecrã através de um ciclo de captura-ação
  • É um paradigma diferente dos scripts clássicos: mais resiliente, mas mais lento
  • Os casos de uso principais incluem testes E2E, RPA, scraping e fluxos de trabalho multi-aplicação
  • A OpenAI oferece dois caminhos: execução de código, recomendada para o GPT-6 Astra, e a ferramenta computer, utilizada neste curso