Em 3 de setembro de 2026, a OpenAI lançou o GPT-6 Astra, seu novo modelo de inteligência artificial, apresentando avanços importantes em uso de computadores, navegação, engenharia de software, pesquisa e execução de trabalhos profissionais complexos. Mais do que uma nova versão de uma tecnologia que já conhecemos, o lançamento ajuda a tornar visível uma mudança que pode ser muito mais relevante para as empresas: estamos avançando da inteligência artificial que predominantemente responde, analisa e produz conteúdo para sistemas cada vez mais capazes de compreender um objetivo e executar sequências de tarefas para alcançá-lo.
Durante os últimos anos, boa parte da discussão empresarial sobre inteligência artificial esteve concentrada na capacidade dos modelos de produzir textos, resumir documentos, pesquisar informações, criar imagens, analisar dados e apoiar decisões. Tudo isso continua sendo relevante, mas o Astra amplia principalmente a capacidade de realizar trabalhos de múltiplas etapas, utilizar computadores e navegadores, lidar com ferramentas e produzir entregáveis profissionais completos, como documentos, apresentações e planilhas, mantendo melhor o contexto e as instruções recebidas ao longo de uma tarefa.
Os números divulgados pela OpenAI ajudam a dimensionar esse avanço. No AutomationBench, avaliação voltada à execução de tarefas profissionais, o resultado passou de 18,1% no GPT-5.6 Sol para 41,4% no GPT-6 Astra. No ScreenSpot-Pro, que mede a capacidade de compreender interfaces visuais, o desempenho passou de 76,9% para 92,7%. Em outra avaliação de uso de computadores, o OSWorld 2.0, o resultado avançou de 65,7% para 72,6%.
Para um diretor comercial ou de marketing, entretanto, esses percentuais importam menos do que aquilo que eles começam a tornar possível. A questão realmente interessante não é saber se o novo modelo responde melhor a uma pergunta, mas compreender o que uma inteligência artificial progressivamente capaz de utilizar ferramentas e executar processos pode fazer dentro de uma organização.
O que muda, na prática, para vendas?
Imagine um vendedor que terá uma reunião importante com um cliente na manhã seguinte. Hoje, ele pode utilizar inteligência artificial para pesquisar a empresa, resumir algumas informações ou ajudá-lo a preparar perguntas. Ainda assim, provavelmente precisará procurar o histórico no CRM, consultar e-mails, localizar a última proposta, verificar quem participou das reuniões anteriores, pesquisar notícias recentes sobre o cliente, entender quais produtos já foram discutidos e, finalmente, juntar tudo isso para preparar a reunião.
Com uma inteligência artificial mais agentiva, a lógica começa a mudar. Em um ambiente no qual tenha acesso autorizado a essas informações e ferramentas, o vendedor poderia simplesmente estabelecer o objetivo: “Tenho uma reunião com esse cliente amanhã. Prepare-me”.
A partir daí, a IA poderia pesquisar informações públicas recentes, recuperar o histórico disponível da conta, analisar interações anteriores, organizar os assuntos já discutidos, identificar possíveis oportunidades, preparar perguntas, levantar pontos que merecem atenção e produzir um briefing para aquela reunião. O vendedor deixa de coordenar manualmente uma sequência de pequenas tarefas e passa a supervisionar um processo orientado a um objetivo.
Considere outro problema comum. Uma empresa pode possuir milhares de clientes e prospects em seu CRM, enquanto sua força comercial tem capacidade limitada para acompanhá-los. Na prática, vendedores acabam concentrando atenção nas oportunidades que conhecem melhor, naquelas que estão mais próximas ou nas que aparecem primeiro em sua rotina.
Uma inteligência artificial conectada, com as permissões adequadas, aos dados e sistemas da organização pode ajudar a identificar continuamente quais contas merecem atenção naquele momento. Uma mudança relevante na empresa, uma nova interação, uma oportunidade anteriormente perdida que voltou a fazer sentido ou uma combinação de sinais definida pela própria organização pode colocar determinada conta novamente no radar comercial.
Mais importante do que simplesmente produzir uma lista de leads, a IA pode explicar por que aquela oportunidade merece atenção e preparar o vendedor para abordá-la.
O mesmo pode acontecer com propostas comerciais. Em vez de utilizar IA apenas para melhorar o texto de uma apresentação, podemos imaginar um sistema que compreenda o histórico daquela oportunidade, recupere informações relevantes sobre o cliente, considere produtos e políticas comerciais autorizadas, utilize os modelos oficiais da empresa e prepare uma primeira versão contextualizada da proposta para revisão humana.
O vendedor continua responsável pela relação, pela negociação e pelas decisões relevantes, mas deixa de gastar parte considerável de seu tempo procurando, copiando, consolidando e reorganizando informações que a própria empresa já possui.
E o que muda para marketing?
A inteligência artificial generativa já reduziu drasticamente o custo de produzir textos, imagens, pesquisas e variações de campanhas. O avanço seguinte pode ser mais profundo porque começa a conectar essas capacidades dentro de processos completos.
Imagine uma campanha cujo desempenho esteja abaixo do esperado. Atualmente, diferentes profissionais podem precisar acessar plataformas, extrair informações, comparar resultados, identificar quais públicos estão performando pior, discutir hipóteses, produzir novas peças e então testar alterações.
Em um ambiente integrado e governado, um agente pode analisar os dados disponíveis, identificar onde ocorreu a deterioração, comparar segmentos, levantar hipóteses, preparar novas alternativas de comunicação e apresentar recomendações para a equipe. Dependendo das regras estabelecidas pela organização, ações de baixo risco poderiam futuramente ser executadas automaticamente, enquanto decisões mais relevantes continuariam dependendo de aprovação humana.
A personalização também pode mudar de escala e profundidade. Durante décadas, o marketing perseguiu a ideia de entregar a mensagem certa, para a pessoa certa, no momento certo. Na prática, entretanto, limitações tecnológicas, econômicas e de dados fizeram com que grande parte dessa personalização continuasse sendo segmentação.
Quando uma inteligência artificial consegue compreender, dentro das permissões estabelecidas, o histórico de relacionamento, o comportamento, as preferências demonstradas, as interações anteriores e o momento da jornada de um consumidor, duas pessoas que pertencem ao mesmo segmento podem passar a receber tratamentos diferentes porque seus contextos são diferentes.
Isso é muito mais sofisticado do que simplesmente colocar o nome de alguém no início de um e-mail.
Também muda a capacidade de reação ao mercado. Uma equipe de marketing pode precisar acompanhar concorrentes, produtos, tendências, movimentos de consumidores e inúmeras fontes de informação. Agentes podem assumir parte significativa desse trabalho de acompanhamento e organização, relacionando mudanças externas aos produtos, clientes ou campanhas da empresa e entregando aos profissionais aquilo que realmente merece sua atenção.
O ganho deixa de acontecer apenas na velocidade com que produzimos uma peça de comunicação. Ele passa a acontecer na velocidade com que transformamos informação em decisão e decisão em ação.
Então, por que minha empresa deveria ter isso?
Essa talvez seja a pergunta mais importante.
Porque existe uma diferença econômica significativa entre utilizar inteligência artificial para executar uma tarefa mais rapidamente e utilizar inteligência artificial para reorganizar um processo inteiro.
Se um profissional leva uma hora para preparar determinado documento e passa a fazê-lo em 40 minutos com ajuda da IA, existe um ganho de produtividade importante. Mas ainda estamos essencialmente fazendo o mesmo trabalho de maneira mais rápida.
O salto seguinte acontece quando analisamos todo o processo que existe antes e depois daquele documento e percebemos que pesquisa, coleta de informações, consolidação de dados, preparação, produção, conferência e determinadas etapas posteriores também podem ser realizadas ou preparadas pela inteligência artificial.
No primeiro cenário, estamos aumentando a produtividade individual. No segundo, começamos a falar de produtividade organizacional.
É justamente por isso que acredito que a discussão empresarial sobre inteligência artificial começará a migrar do simples “minha equipe usa ChatGPT?” para uma questão muito mais interessante: quais processos da minha organização podem ser redesenhados agora que existe uma inteligência capaz de participar de sua execução?
Para vendas, isso pode significar menos tempo preparando a venda e mais tempo vendendo. Para marketing, menos tempo coletando e reorganizando informações e mais tempo interpretando consumidores, construindo estratégias e criando experiências. Para a gestão, significa potencialmente reduzir o intervalo existente entre identificar um problema, compreender suas causas, decidir o que fazer e executar essa decisão.
Quanto mais a IA faz, mais precisa compreender
Existe, entretanto, uma consequência inevitável dessa evolução. Quanto maior a capacidade de execução da inteligência artificial, maior precisa ser a preocupação com o contexto, as permissões e a governança dentro dos quais ela opera.
Quando uma inteligência artificial apenas recomenda uma ação, o profissional permanece como principal camada de execução e controle. Quando começamos a permitir que sistemas utilizem ferramentas e realizem etapas de processos, surgem questões diferentes. Quais informações o agente pode consultar? Quais sistemas pode utilizar? Que decisões pode tomar sozinho? Quanto pode oferecer de desconto? Pode entrar em contato com um cliente? Pode alterar uma campanha? Em quais situações precisa solicitar autorização?
O próprio lançamento do Astra demonstra que essa discussão não é teórica. A OpenAI informou que o modelo atingiu o nível Critical de capacidade de cibersegurança dentro de seu Preparedness Framework e implementou proteções adicionais em razão desse aumento de capacidade.
Para as empresas, a consequência é bastante clara: inteligência sem limites adequadamente definidos também aumenta risco.
E é nesse ponto que acredito que a próxima discussão empresarial sobre inteligência artificial será cada vez menos sobre prompts e cada vez mais sobre contexto.
Uma empresa possui milhares de relações que raramente estão integralmente descritas em um único sistema. Quem é aquele cliente, quais produtos utiliza, quais contratos possui, qual foi sua última interação, quais problemas já enfrentou, quais regras comerciais se aplicam a ele, quem pode aprovar uma exceção, quais objetivos estratégicos estão associados àquela conta e quais consequências determinada decisão pode produzir?
Para que agentes de inteligência artificial possam participar de processos comerciais relevantes, não basta que sejam inteligentes. Eles precisam compreender esse contexto empresarial. É nesse ponto que conceitos como ontologia, governança de dados e representação das relações existentes dentro da organização deixam de ser discussões predominantemente tecnológicas e passam a fazer parte da estratégia de vendas e marketing.
Talvez este seja o ponto mais importante dessa nova etapa da inteligência artificial. Durante décadas, empresas investiram em tecnologia para aumentar a capacidade das pessoas de acessar informações, analisar dados e executar processos. Agora começamos a experimentar algo diferente: sistemas que não apenas disponibilizam conhecimento para que alguém decida o que fazer, mas que podem compreender um objetivo, interpretar o contexto disponível e participar da própria execução necessária para alcançá-lo.
Para vendas e marketing, isso representa uma mudança especialmente relevante porque estamos falando de duas áreas construídas essencialmente sobre relações. Clientes não são registros em um CRM, consumidores não são linhas em uma base de dados e marcas não são apenas campanhas. Cada relacionamento carrega uma história formada por interações, preferências, expectativas, experiências, contratos, comportamentos e decisões anteriores. Quanto mais a inteligência artificial avançar da recomendação para a execução, maior será a necessidade de fazer com que ela compreenda essas relações antes de agir sobre elas.
Por isso, acredito que a vantagem competitiva dos próximos anos não estará simplesmente em possuir acesso ao modelo de inteligência artificial mais poderoso. Modelos extraordinariamente capazes tendem a se tornar cada vez mais acessíveis. A verdadeira diferença estará na capacidade de cada organização de conectar essa inteligência ao seu conhecimento, aos seus dados, às suas regras, à sua estratégia e, principalmente, ao contexto que explica como seu negócio realmente funciona.
O GPT-6 Astra é importante porque torna essa direção mais visível. Se a primeira revolução da inteligência artificial generativa colocou uma inteligência extraordinária ao lado de milhões de profissionais, a próxima poderá colocar essa inteligência dentro dos processos que movimentam as organizações. Para líderes de vendas e marketing, portanto, a questão deixa de ser apenas quanto a inteligência artificial pode aumentar nossa produtividade e passa a ser algo muito mais relevante: quanto da nossa empresa ela será capaz de compreender antes de começar a agir em nosso nome.
Talvez seja exatamente aí que esteja a próxima grande fronteira competitiva. Em um mundo no qual todos poderão ter acesso a uma inteligência artificial extraordinária, o diferencial não será simplesmente possuir a inteligência, mas construir uma organização na qual essa inteligência consiga compreender clientes, produtos, relações, regras e objetivos suficientemente bem para transformar conhecimento em decisões melhores e decisões em ações. A tecnologia está aprendendo a fazer cada vez mais. A vantagem competitiva estará em quem conseguir ensiná-la a compreender melhor o negócio para o qual ela trabalha.
Leandro Monteiro é Vice-Presidente da ADVB, Chairman da Virtual Fans, CEO da ClubBrain.ai e Autor de “Ontologia da Decisão Empresarial”
* As ideias e opiniões expressas nos artigos são de exclusiva responsabilidade dos autores, não refletindo, necessariamente, as opiniões da ADVB. Para publicar um artigo ou matéria neste Portal ADVB, envie para redacao@advb.org para aprovação da publicação.
