Pular para o conteúdo
ReviewRamble

A newsletter semanal

IA, analisada, na sua caixa de entrada.

  • Novas análises de ferramentas, modelos, servidores MCP e repositórios, com o veredicto logo no início
  • Preços e notas reconferidos quando algo muda
  • Novos artigos de análise assim que são publicados

Modelos, agentes, servidores MCP e as ferramentas que realmente valem seu tempo.

Um e-mail por semana. Cancele pelo link em qualquer edição. Como usamos seu e-mail

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.

Fontes