Após o lançamento do GPT-5 e os nossos primeiros testes, as impressões são excelentes: mais contexto, melhor raciocínio, maior fluidez e a capacidade de «decidir» como responder de acordo com a tarefa. Veremos nestas linhas o que traz de novo, como afeta a arquitetura e que passos recomendamos para capturar valor rapidamente sem perder o controlo, porque os avanços que estão a surgir na inteligência artificial são muito empolgantes, mas levá-los realmente à produção num ambiente empresarial ainda apresenta muitos desafios.

Em resumo, para aqueles que não querem ler o artigo completo ou querem saber o que esperar dele: o GPT-5 acelera a transição dos chatbots para assistentes de tarefas: mais adaptáveis, multimodais e capazes de executar ações com menos atrito. Não elimina o trabalho de design e integração, mas reduz a complexidade para chegar mais rapidamente ao valor. O nosso conselho é começar com alguns casos específicos, avaliar seriamente e escalar com governança (ética, barreiras de proteção, segurança...). É aí que se ganha de verdade: na forma como se integra, não apenas no modelo que se usa. Continuamos?

O que nos traz realmente o ChatGPT-5

Além da mudança de número, a grande novidade é uma integração mais natural do raciocínio com a multimodalidade. O GPT-5 compreende e relaciona texto, imagem e áudio com maior coerência, o que reduz o atrito em casos de uso em que antes era necessário encadear várias ferramentas. Além disso, a experiência parece mais ‘unificada’: o sistema decide quando responder de forma ágil e quando dedicar mais reflexão a um pedido complexo, sem que o utilizador tenha de se preocupar em escolher um modelo ou outro.

Outro avanço que estamos a verificar é a fiabilidade dos agentes (modelos que chamam ferramentas, consultam bases de conhecimento ou executam etapas intermédias). Embora os agentes já existissem, agora encadeiam ações com menos erros e justificam melhor o seu raciocínio. Para os negócios, isso traduz-se em menos intervenções manuais, mais rastreabilidade e menos surpresas.

Também se observa uma memória de contexto mais longa e um melhor comportamento com instruções prolongadas. Isso não significa que as alucinações acabaram, mas sim que o modelo conserva mais informações relevantes e mantém o fio condutor em conversas longas ou documentos extensos.

O que muda para as empresas

• Menos código de integração e mais valor direto. Muitos fluxos que antes exigiam várias APIs, orquestração manual e validações ad hoc agora podem ser resolvidos dentro do próprio assistente.
• Interações mais ricas. A combinação natural de texto, imagens e voz abre portas no suporte, formação, campo (operações) e análise documental.
• Governança e segurança em primeiro plano. À medida que delegamos mais etapas aos agentes, a observabilidade, as políticas de dados e os mecanismos de aprovação passam de algo ‘nice to have’ para algo imprescindível.

A nossa experiência, da experimentação ao produto

Nos nossos projetos de IA & Data, há algum tempo que trabalhamos com arquiteturas adaptativas que combinam diferentes abordagens (geração, recuperação, ferramentas, regras) de acordo com a natureza da tarefa, criando os nossos próprios fluxos, orquestradores, etc. O que vemos com o GPT-5 é que a arquitetura é simplificada sem comprometer o desempenho:

• Seleção dinâmica de rota. Para perguntas simples, respostas diretas; para tarefas complexas, etapas intermediárias e verificações; para dados sensíveis, rotas privadas com controlo de acesso.
• Recuperação sobre conhecimento corporativo específico. Continuamos a utilizar RAG, mas com melhores sinais de relevância e maior sensibilidade ao contexto.
• Avaliação contínua. Métricas de precisão, cobertura e ‘honesty’ (saber dizer «não sei» ou pedir esclarecimentos) integradas nos ciclos de implementação.
• Melhor capacidade de integrar guard-rails, políticas de segurança, mascaramento de dados, assinaturas de ferramentas e revisão humana em pontos críticos (jurídico, sanitário, financeiro).
• Resultado: menos engenharia colateral para chegar ao primeiro valor e mais tempo para ajustar o que realmente importa (dados, prompts, ferramentas, segurança e ética, QA, guard-rails, UX).

Com o GPT-5, a camada de agentes ganha peso e a experiência fica mais próxima de um assistente de tarefas do que de um simples chatbot.

Casos de uso que consideramos maduros

• Suporte e operações multimodais. Enviar uma foto de um equipamento, uma nota de voz com o sintoma e receber etapas de diagnóstico + referências a manuais.
• Análise documental e conformidade. Carregar contratos, anexos e diagramas; solicitar resumos comparativos, extrações e alertas de cláusulas.
• Produtividade técnica. Assistentes para desenvolvimento e análise que combinam geração de código com consultas a repositórios e guias internos.
• Formação contextual. Conteúdos que se adaptam à função do funcionário, com avaliações e simulações baseadas em materiais reais.

Em todos os casos, a chave já não é se o modelo é capaz, mas como o integramos para que seja útil, seguro e mensurável.

Plano de adoção que recomendamos

• Identificar 2–3 casos com ROI claro e riscos limitados (por exemplo, suporte interno, análise de documentos, assistência a equipas técnicas).
• Identificar a legislação aplicável e as boas práticas (ISO 42001, EU AI Act) e adotar as medidas necessárias.
• Desenhar um piloto com guardrails, utilizando GPT-5 e, se necessário, modelos complementares do domínio, específicos para uma tarefa ou especialistas com dados internos. Definir métricas de sucesso: tempo por tarefa, taxa de resolução, qualidade percebida, economia de custos.
• Conectar dados corporativos de forma segura (RAG com controlos de acesso e classificações de segurança e técnicas de proteção de dados quando necessário) e habilitar as ferramentas mínimas viáveis para executar ações (criar tickets, consultar ERP, atualizar estados).
• Incorporar medidas de capacidade e modelos de previsão de sucesso para criar fluxos que incorporem pessoas na validação dos resultados e na tomada de decisões
• Medir, iterar e escalar: automatizar avaliações, adicionar observabilidade, ampliar o catálogo de ferramentas e abrir o piloto para mais utilizadores/países.
• Formação e mudança cultural: guias de uso responsável, prompts reutilizáveis por função, circuitos de feedback e uma política clara de revisão humana.

Riscos a prever e mitigar

• Alucinações e erros de execução. Mitigar com recuperação em fontes autorizadas, verificações e «pontos de controlo» humanos.
• Privacidade e conformidade. Separação de ambientes, encriptação, controlo de acesso e rastreabilidade de consultas e ações.
• Custo e latência. Rotas de execução ajustadas à tarefa, armazenamento em cache de resultados e gestão do consumo por equipa.

Se quiser explorar um piloto com estas capacidades, desde a arquitetura e a gestão de dados até à experiência do utilizador e observabilidade, na Izertis podemos ajudá-lo a chegar à produção sem perder controlo nem velocidade.