Uso do computador
Uso do computador (computer use) é a capacidade de um modelo de IA de operar um computador como uma pessoa faz, olhando capturas de tela e enviando cliques de mouse e teclas, para trabalhar com softwares que não têm API.
Também chamado: computer-use agent, CUA
Por Divya Sharma · Verificado em 15 de nov. de 2026 · Como analisamos
A maioria dos agentes age por meio de APIs e ferramentas feitas para eles. Muitos programas só têm interface gráfica. O uso do computador permite que um modelo opere esses programas diretamente.
Como funciona
A aplicação dá ao modelo uma ferramenta de computador e uma tela, geralmente uma máquina virtual ou um contêiner. O modelo pede uma ação, como clicar em um ponto, digitar texto ou apertar uma tecla. A aplicação a executa e devolve uma nova captura de tela. O modelo olha o resultado e decide a próxima ação. É o mesmo loop do agente de outros usos de ferramentas, com a tela como retorno. Ele depende de um modelo de visão e linguagem capaz de ler interfaces.
Como ele difere de um agente de navegador
Um agente de navegador controla apenas um navegador web, muitas vezes pela estrutura da página, e não pelos pixels. O uso do computador pode operar qualquer app de desktop, ao custo de ser mais lento e menos preciso.
Exemplo
Um agente preenche um antigo programa de contabilidade para desktop a partir de uma planilha, clicando pelas mesmas telas que um funcionário clicaria.
Riscos e limites
O uso do computador é lento e erra em telas desconhecidas. Ele também fica exposto à injeção de prompt: texto em uma página web ou em uma imagem pode se sobrepor às instruções do usuário. A Anthropic recomenda rodá-lo em uma máquina virtual ou um contêiner dedicado, com privilégios mínimos, e mantê-lo longe de dados sensíveis. Benchmarks como o OSWorld medem o desempenho dos modelos.
Termos relacionados
- Agente de navegador
- Um agente de navegador (browser agent) é um agente de IA que controla um navegador web para concluir tarefas, como pesquisar, clicar, preencher formulários e ler páginas, muitas vezes rodando um navegador headless, sem janela visível.
- Agente de IA
- Um agente de IA é um sistema em que um modelo de linguagem decide seus próprios próximos passos: chama ferramentas, lê os resultados e repete até concluir a tarefa, em vez de seguir um roteiro fixo.
- OSWorld
- O OSWorld é um benchmark para agentes de computer use que roda sistemas operacionais reais como Ubuntu, Windows e macOS e avalia os agentes em 369 tarefas abertas em apps web e desktop, verificadas por scripts.
- Vision-language model
- Um vision-language model (VLM, modelo de visão e linguagem) é um modelo que recebe imagens e texto como entrada e produz texto, então consegue descrever imagens, responder perguntas sobre elas, ler documentos e extrair dados de capturas de tela.
- Prompt injection
- Prompt injection (injeção de prompt) é um ataque em que um texto enviado a um modelo de linguagem, digitado por um usuário ou escondido em uma página web, arquivo ou resultado de ferramenta, muda o comportamento do modelo de formas que o desenvolvedor não pretendia.