A forma final do assistente de IA? Por que os investidores investiram 11 milhões de dólares neste produto de IA que "espia o seu ecrã"?

Escrito por: Leo

Você já percebeu que os assistentes de IA atuais são bastante “burros”? Sempre que abre o ChatGPT ou Claude, precisa explicar o contexto do zero. “Estou a trabalhar num projeto sobre…”, “A nossa equipa acabou de ter uma reunião para discutir…”, “Na semana passada enviei um email com o conteúdo…”. Você gasta cinco minutos a criar prompts para obter uma resposta minimamente útil. Isso não faz sentido. A IA não deveria facilitar o trabalho? Por que, ao invés disso, aumenta a nossa carga de trabalho?

Recentemente, experimentei um produto chamado Littlebird, que acabou de concluir uma ronda de financiamento seed de 11 milhões de dólares, liderada pela Lotus Studio. Este produto fez-me repensar uma questão: como deve ser um assistente de IA? Não deveria ser uma ferramenta que não precisa de ser alimentada constantemente com informações, mas sim um assistente que já conhece o seu trabalho e a sua vida. Como um verdadeiro assistente, que não precisa de explicar toda a história do projeto, a equipa ou o progresso a cada momento.

O fundador da Littlebird, Alexander Green, disse numa entrevista ao anunciar o financiamento algo que achei muito preciso: “Sentir o computador cada vez mais como uma luta.” Cada vez que ligamos o computador, sentimos uma mistura de dopamina e medo. O computador devia ser uma “bicicleta do pensamento”, mas o modelo de negócio da internet reconectou tudo: se o produto é gratuito, então tu és o produto; se és o produto, o objetivo é capturar a tua atenção. A bicicleta virou-se contra nós. Esta metáfora é extremamente acertada. Devíamos controlar a ferramenta, mas agora ela controla-nos.

Por que os assistentes de IA são sempre “esquecidos”

Usei várias ferramentas de IA durante mais de meio ano, desde o ChatGPT ao Claude, do Notion AI a vários assistentes especializados em escrita. Cada uma é poderosa, mas todas têm um problema comum: não sabem quem sou, o que estou a fazer ou o que me interessa. Cada conversa parece a primeira vez, tenho de me apresentar de novo, explicar o contexto, fornecer informações.

Por exemplo, na semana passada, preparei um evento de lançamento de produto com várias equipas. Tive uma reunião com a equipa de design para discutir a estética, outra com marketing para definir estratégias de comunicação, e uma com a equipa técnica para detalhes técnicos da demonstração. As notas dessas reuniões estão dispersas: algumas no Notion, outras em emails, outras apenas em conversas orais. Quando quero que a IA me ajude a criar um plano completo para o evento, o que faço? Tenho de copiar e colar toda essa informação na ferramenta de IA, criar um prompt enorme, detalhando cada reunião e decisão. Só para preparar esse prompt, gastei vinte minutos.

Mais absurdo ainda: no dia seguinte, quero modificar o plano, tenho de fazer tudo de novo. Porque a IA não lembra das conversas de ontem, ou mesmo que lembra, não sabe que à tarde discuti com o CEO sobre uma nova direção. Essa experiência faz-me sentir que o assistente de IA não ajuda, mas sim aumenta a minha carga de trabalho. Tenho de fazer o trabalho original e ainda gastar tempo a “ensinar” a IA a entender o que faço.

A equipa fundadora da Littlebird percebeu uma coisa fundamental: os modelos de IA são muito poderosos, mas a sua utilidade é limitada pela falta de dados sobre o utilizador. Os grandes modelos de linguagem não sabem nada sobre ti, o que limita a sua aplicabilidade. Parece simples, mas é a questão central. Temos discutido como tornar os modelos mais inteligentes, esquecendo um ponto mais básico: como fazer os modelos entenderem o utilizador.

Hoje, há muitas ferramentas de IA no mercado que tentam resolver o problema do contexto. Algumas focam na pesquisa de documentos, outras na transcrição de reuniões, outras na organização de emails. Mas todas têm uma limitação comum: só veem o que tu lhes forneces voluntariamente. Tens de fazer upload de documentos, autorizar acesso ao Gmail, abrir funcionalidades de gravação de reuniões. E isso exige muita configuração e manutenção por parte do utilizador. Além disso, essas ferramentas não veem o quadro completo do teu trabalho. Podem conhecer o conteúdo das reuniões, mas não as discussões no Slack depois delas; podem saber dos teus emails, mas não o que pesquisaste no browser sobre concorrentes.

O diferencial da Littlebird: leitura de tela

A Littlebird usa uma abordagem completamente diferente, chamada “screenreading” (leitura de tela). Essa técnica lembra-me como funciona um assistente humano. Um assistente realmente bom não precisa que lhe digam tudo minuciosamente; ele observa o teu trabalho, lembra-se de coisas importantes e avisa-te quando necessário. A Littlebird faz algo semelhante.

Especificamente, é uma aplicação para Mac que continuamente lê todo o texto exibido na tua tela. Atenção: “ler”, não “tirar screenshots”. Essa distinção é crucial. Outros produtos semelhantes, como o Rewind (que depois virou Limitless e foi adquirido pela Meta) ou o Recall da Microsoft, funcionam tirando capturas de tela constantes. Essa abordagem tem problemas: gera uma quantidade enorme de dados, pois as imagens ocupam muito espaço; é pouco privada, pois captura tudo o que aparece na tela; e a pesquisa é difícil, pois extrair texto de imagens é mais complicado do que de texto real.

A abordagem da Littlebird é mais inteligente. Usa técnicas avançadas de leitura de tela para entender o conteúdo textual de todas as aplicações, sem necessidade de configurações complicadas. Consegue identificar quem disse o quê, quando foi dito, acompanhando detalhadamente o progresso dos teus projetos. Assim, constrói uma compreensão rica da tua vida: quem é importante para ti, em que projetos estás a trabalhar, o que te interessa nesta semana ou neste ano. O fundador Green, numa entrevista, afirmou que essa abordagem torna os dados mais leves e menos invasivos.

Gosto especialmente de como esse design respeita a essência do software. O conteúdo na tela já é texto e dados estruturados; por que convertê-lo em imagem e depois de volta em texto? Ler diretamente o conteúdo estruturado é mais eficiente e preciso. Do ponto de vista da privacidade, o texto é muito menos sensível do que imagens. As passwords podem estar escondidas com asteriscos, os números de cartão de crédito podem estar mascarados, mas uma captura de tela armazena tudo.

A Littlebird também ignora automaticamente campos sensíveis, como passwords e informações de cartão de crédito, em gerenciadores de senha ou formulários web. Pode ainda ser configurada para excluir certos aplicativos. Assim, o utilizador mantém controlo total sobre o que a ferramenta vê. Se não quer que ela aceda a chats privados ou software financeiro, pode simplesmente excluí-los.

Além de ler passivamente a tela, a Littlebird pode conectar-se ativamente a outros aplicativos, como Gmail, Google Calendar, Apple Calendar e Reminders. Isso permite uma compreensão mais completa do teu trabalho e vida pessoal. Ela não só vê o que aparece na tela, mas também conhece a tua agenda, tarefas pendentes e emails.

O que significa uma IA com todo o contexto

Quando a IA realmente tem acesso ao teu contexto completo, a experiência muda radicalmente. Algumas aplicações da Littlebird mostram que estamos perante uma nova forma de interação, não apenas uma melhoria incremental.

A função mais básica é responder a perguntas. Mas, ao contrário de outras ferramentas, as respostas da Littlebird são baseadas numa compreensão profunda do teu trabalho. Podes perguntar: “O que fiz hoje?” ou “Quais emails são importantes para mim?”. Com o uso contínuo, esses prompts tornam-se cada vez mais personalizados. É interessante porque a IA começa a aprender o que te interessa, o teu padrão de trabalho.

O fundador Green partilhou a sua experiência, e ela ilustra bem o valor do contexto completo. Ele pergunta todos os dias à Littlebird: “O que é importante esta semana?” ou “Em que devo focar?”. Frequentemente, recebe respostas surpreendentes e bem pensadas. Usa-a para obter conselhos profissionais, preencher lacunas no seu conhecimento técnico ou até planear jantares. Esses cenários são diversos, mas têm em comum o fato de a IA fornecer respostas perspicazes porque conhece bem a sua vida.

A Littlebird tem uma funcionalidade de gravação de reuniões, semelhante ao Granola, que funciona em segundo plano usando áudio do sistema para transcrever reuniões e criar notas e tarefas. Não é novidade, há muitas ferramentas de gravação de reuniões no mercado. Mas o diferencial da Littlebird é a capacidade de conectar as reuniões ao teu contexto de trabalho geral.

O que mais me chamou atenção foi a funcionalidade “Prep for meeting” (Preparar para reunião). Quando abres a vista detalhada de uma reunião, há uma opção para a Littlebird te preparar para ela. Ela analisa o contexto de reuniões anteriores, emails relacionados e o histórico da empresa, fornecendo detalhes adicionais. Essa funcionalidade até busca informações no Reddit ou outras fontes, mostrando opiniões de utilizadores sobre produtos ou empresas. Imagina que tens uma reunião com um cliente: a Littlebird organiza automaticamente o que foi discutido na última vez, os emails trocados, as novidades da empresa, o feedback dos utilizadores. É como ter um assistente que te ajuda a preparar a reunião.

Outra funcionalidade útil é a “Routines” (Rotinas). Permite criar prompts detalhados para que a Littlebird execute tarefas periódicas, como relatórios diários, resumos semanais ou revisões do trabalho do dia anterior. A equipa já criou rotinas padrão, e o utilizador pode criar as suas próprias, com comandos personalizados. Essa funcionalidade resolve um problema real: sabemos que devemos fazer revisões periódicas, mas poucos conseguem manter esse hábito. Com as Routines, a IA ajuda a fazer isso automaticamente.

Estudos internos da equipa da Littlebird mostram o valor dessa IA com contexto completo: 84% dos utilizadores dizem que economizam pelo menos meia hora por semana, e 80% relatam redução na ansiedade diária. Esses números são reveladores. Economizar tempo é fácil de entender, mas reduzir a ansiedade é mais profundo. Muitas preocupações vêm de medo de esquecer informações importantes ou de não responder a tempo. Saber que uma IA acompanha tudo isso alivia a carga emocional.

Privacidade e controlo

Quando percebi que a Littlebird lê continuamente tudo na minha tela, a primeira reação foi: isso é seguro? Pode comprometer a minha privacidade? Essas dúvidas são legítimas. Se uma aplicação observa toda a tua atividade digital, a confiança é fundamental.

A Littlebird baseia-se na ideia de “privacidade, segurança e controlo por padrão”. Do ponto de vista técnico, adotam várias medidas para proteger os dados: armazenamento com encriptação AES-256, transmissão via TLS 1.3. Os dados do utilizador nunca são usados para treinar modelos de IA. São medidas básicas, mas essenciais.

Mais importante ainda, o utilizador tem controlo total: pode pausar a recolha de dados, excluir aplicações específicas, apagar qualquer informação com um clique. Assim, mantém o controlo sobre a sua informação. Se precisar de trabalhar com dados sensíveis, pode suspender temporariamente a leitura; se não quer que a ferramenta aceda a certos aplicativos, pode colocá-los na lista negra.

O fundador Green explicou numa entrevista que optaram por armazenamento na nuvem, em vez de local, porque os modelos de IA mais avançados precisam de recursos de processamento que não são viáveis em dispositivos locais. É um compromisso interessante: armazenamento local é mais seguro, pois os dados ficam no teu dispositivo, mas a nuvem permite usar modelos mais poderosos e oferecer funcionalidades melhores. A Littlebird escolheu a nuvem, mas reforça a segurança com encriptação forte e políticas de privacidade rigorosas.

A empresa obteve a certificação SOC 2 e está em conformidade com GDPR e CCPA. Essas certificações não são pequenas coisas, especialmente para uma startup. Mostram que a equipa priorizou a segurança e a privacidade desde o início, não como uma adição posterior.

Um detalhe importante: a Littlebird não armazena imagens visuais, apenas texto. Isso torna os dados mais leves e menos invasivos. Green comentou que essa pode ser uma das razões pelas quais produtos como Recall e Rewind enfrentam dificuldades, pois capturar imagens gera volumes enormes de dados. Além disso, imagens podem conter informações sensíveis, como fotos pessoais ou vídeos, que ficam armazenados na sua forma visual. O texto, por outro lado, descreve o conteúdo sem guardar as imagens.

Essa abordagem levanta uma questão mais ampla: até que ponto queremos que a IA nos conheça? A transparência total oferece maior conveniência, mas também maior risco. A estratégia da Littlebird é deixar o utilizador decidir esse limite. Pode permitir que a IA veja tudo ou restringir o acesso a certos contextos. Essa flexibilidade é fundamental, pois diferentes pessoas e cenários têm diferentes requisitos de privacidade.

O que tudo isto significa para os produtos de IA

A história da Littlebird fez-me refletir sobre o que deve ser um produto de IA. Para mim, ela exemplifica alguns princípios essenciais que todos os desenvolvedores de IA deveriam considerar.

Primeiro, a importância do contexto. O investidor da Littlebird, Lenny Rachitsky, disse algo que concordo plenamente: “A qualidade da IA depende do contexto que ela tem, e ela conhece demasiado pouco o teu dia.” Essa frase revela o problema central dos produtos atuais. Estamos a otimizar modelos e algoritmos, mas esquecemos um fato básico: por mais inteligente que seja a IA, se não conhece o utilizador, não consegue dar respostas realmente úteis.

Lembrei-me de um erro comum em produtos de IA anteriores. Muitas equipas tentaram criar sistemas complexos de RAG (retrieval-augmented generation), permitindo que a IA acesse várias fontes de dados. Essa abordagem não está errada, mas o método pode estar. Em vez de fazer o utilizador fazer upload de documentos ou autorizar acessos dispersos, por que não fazer a IA observar o trabalho do utilizador de forma passiva? A tecnologia de leitura de tela da Littlebird é uma coleta de contexto passiva, mas abrangente, mais eficaz do que conexões ativas e pontuais.

Segundo, a importância de encontrar um “killer use case”. Rachitsky afirmou que o sucesso a longo prazo depende de identificar o cenário de uso indispensável. Muitas pessoas já descobriram esse cenário para si, e as equipas estão a focar nesses casos emergentes. É uma visão prática. Muitas equipas de IA tentam criar uma ferramenta “tudo em um”, mas acabam por fazer tudo mal feito. Melhor focar em um uso principal e fazer bem.

Rachitsky também partilhou uma filosofia de desenvolvimento: “Não saberás realmente como as pessoas usam o teu produto até lança-lo. A estratégia é lançar cedo, ver como as pessoas usam, e investir mais nesses cenários, em vez de tentar planejar tudo antes.” Isso contrasta com o desenvolvimento tradicional, que é planejar, desenhar, aperfeiçoar e lançar. Com produtos de IA, é mais uma experiência contínua, pois as capacidades são muitas vezes indefinidas e os utilizadores descobrem usos inesperados.

Os feedbacks de investidores mostram que diferentes utilizadores encontram cenários diversos. O cofundador do DocSend, Russ Heddleston, disse que usou a ferramenta para reescrever o site de marketing, integrando informações de reuniões, emails e Notion. Gokul Rajaram, ex-gerente de produto do Google e Facebook, afirmou que o produto elimina fricções na memória, pesquisa e reinterpretação do trabalho. Rachitsky comentou que usa a ferramenta para aumentar a produtividade e a felicidade no trabalho.

Esses cenários variam de escrever textos de marketing a otimizar a produtividade pessoal, mas todos têm em comum a compreensão profunda do utilizador por parte da IA. Isso valida a hipótese central da Littlebird: quando a IA conhece o contexto do utilizador, os cenários de aplicação surgem naturalmente, sem necessidade de planeamento prévio.

Terceiro, a sutileza do posicionamento do produto. A Littlebird posiciona-se como o “futuro do computador silencioso”. É uma descrição poética, mas precisa. A maioria dos produtos de IA tenta captar a atenção, com notificações, alertas e pop-ups. A Littlebird, pelo contrário, trabalha em segundo plano, só aparecendo quando necessário. Essa característica de “silêncio” pode ser uma consequência natural de uma IA com todo o contexto. Se ela conhece bem o utilizador, não precisa interromper constantemente para pedir informações, podendo aprender e preparar-se discretamente.

O modelo de negócio atual é gratuito, com funcionalidades premium a partir de 20 dólares por mês. Essa precificação parece justa, considerando o valor que oferece. Se realmente economizar meia hora por semana, 20 dólares por mês é um bom investimento. Mas fico curioso para saber como evoluirá o modelo de negócio: versões empresariais, funcionalidades colaborativas, etc.

Reflexões futuras

Depois de experimentar a Littlebird, comecei a pensar numa questão maior: como deve ser um assistente de IA no futuro?

Acredito que estamos a passar de uma fase de “IA ferramenta” para uma de “parceiro”. A IA ferramenta, como o ChatGPT, é algo que se usa quando se precisa, e depois se desliga. O parceiro, como a Littlebird, está sempre ao lado, conhece o teu trabalho e a tua vida, e oferece ajuda proativamente. Não é uma questão de capacidade, mas de relação.

Essa mudança trará novidades interessantes. Talvez não precisemos de tantos aplicativos de IA diferentes. Atualmente, há assistentes para escrita, código, análise de dados, reuniões. Mas se uma IA entender tudo o que fazemos, pode oferecer ajuda consistente em vários contextos, sem necessidade de trocar de ferramentas.

Outra mudança é que o “prompt engineering” pode tornar-se menos importante. Hoje, gastamos muito tempo a aprender a escrever prompts eficazes, a fornecer contexto suficiente, a orientar a IA. Se a IA já tiver todo o contexto, talvez só precisemos de expressar intenções de forma simples, como conversando com um assistente humano, sem explicar tudo.

Por outro lado, essa IA com todo o contexto traz novos desafios. Um deles é o ajuste psicológico. Saber que uma IA está a monitorizar continuamente o teu trabalho pode gerar desconforto, mesmo que racionalmente saibas que é seguro. É como ter um colega a observar-te a tela o tempo todo. Precisamos de tempo para nos adaptar a essa nova relação.

Outro desafio é a dependência. Se te habituas a uma IA que lembra tudo, organiza tudo e prepara reuniões, será que a tua memória e organização vão enfraquecer? É semelhante ao efeito do GPS na orientação. Muitas pessoas já dependem de navegação, e a sua capacidade de se orientar diminuiu. A IA pode ter um efeito semelhante.

Do ponto de vista do setor, a Littlebird representa uma nova categoria de produto: o “assistente de IA com contexto completo”. Não é só uma ferramenta de reunião ou pesquisa de documentos, mas um assistente que observa, compreende e ajuda de forma contínua. A previsão é que mais empresas entrem nesse mercado, competindo em dimensões como: quem coleta o contexto mais completo, quem entende melhor, quem protege melhor a privacidade.

A ronda de 11 milhões é apenas o começo. Os investidores incluem nomes relevantes de produto, design e conteúdo, que também são utilizadores ativos. Essa estrutura de investidores, que fornece feedback e cenários de uso, é mais valiosa do que o capital em si para um produto de IA em fase inicial.

Estou ansioso para ver o que a Littlebird fará a seguir. Vai expandir para Windows? Vai lançar versões empresariais? Vai criar funcionalidades que ainda não imaginamos? E, mais importante, vai encontrar aquele “killer use case” que faça as pessoas dizerem: “Sem isto, não consigo trabalhar.”

Green afirmou na apresentação do financiamento: “Será que podemos construir uma IA que realmente te compreenda? Acreditamos que sim, e queremos mostrar-te.” Essa é uma promessa e um desafio. A Littlebird ainda está no início, em desenvolvimento contínuo. Pode não captar todos os detalhes, às vezes perder colegas de férias ou projetos concluídos, mas surpreende pelo quanto conhece de ti.

Acredito que o futuro passa por uma IA com todo o contexto. Não por ser tecnicamente impressionante, mas porque é assim que a IA deve ser. A promessa da IA é tornar-nos mais eficientes, focados e criativos. Mas, se ela precisar de muita intervenção humana, viola essa promessa. Só quando a IA realmente nos entender e se adaptar, ela poderá ser uma “bicicleta do pensamento”, ajudando-nos a pedalar mais rápido e longe.