'One document, two hands': o agente é um convidado no app

O agente como convidado, não como intermediário

Sunil Pai, criador do app musical Pizzo, propõe um modelo de interação onde o agente de IA não fica entre o usuário e a aplicação, mas ao lado dele. No Pizzo, o usuário pode arrastar um slider de tempo com os dedos e, no mesmo instante, pedir ao agente que torne a progressão de acordes "mais melancólica". Ambos operam sobre o mesmo documento - a música - usando superfícies de entrada diferentes. O agente não gera um novo app nem entrega código para download; ele alcança a mesma canção já aberta e a modifica.

Por que agentes de código chegaram primeiro

Agentes de programação parecem mais versáteis porque herdaram décadas de infraestrutura: repositórios, shells, editores, suites de teste, debuggers - tudo scriptável. O código é texto executável, o que fornece um loop de feedback natural. Fora da programação, a maioria dos produtos coloca uma caixa de chat na frente da aplicação ou pede ao modelo que gere uma resposta do zero. Poucos dão ao agente o equivalente a um harness de desenvolvimento aplicado ao trabalho real de uma pessoa comum: uma planilha, um desenho, um itinerário.

O documento como fonte de verdade

Muitos produtos de IA atuais tornam a conversa a fonte de verdade acidentalmente. O estado fica espalhado pelo transcript e precisa ser reconstruído a cada uso. No Pizzo, a música é estado ordinário da aplicação: a UI a lê, o engine de áudio a toca, controles diretos a modificam e as ferramentas do agente a modificam. O chat é uma superfície de entrada sobre a música, não o container que a contém. Isso permite múltiplas superfícies - desktop, celular, controlador MIDI, voz - que só precisam concordar sobre o documento e suas operações.

Código determinístico para as partes precisas

O modelo não faz teoria musical por intuição. Quando o usuário pede uma transposição, uma função determinística executa a transposição. Quando pede acordes mais ricos, uma biblioteca de teoria musical faz a transformação. O modelo converte intenção difusa em uma operação e seus argumentos. O botão chama transpose(2); o agente chama transpose(2). Não existe implementação normal e implementação de IA separadas. Isso mantém a parte importante da aplicação testável, com validação de argumentos, permissões e undo.

Infraestrutura serverless para escalar além de desenvolvedores

Existem talvez 40-50 milhões de desenvolvedores. Quando a mesma ideia se aplica a software comum, a audiência potencial salta para centenas de milhões ou um bilhão de pessoas, cada uma com vários agentes e documentos. Manter um servidor permanente para cada um seria inviável. Por isso Sunil está construindo o Project Think como um harness serverless: o agente permanece endereçável, retém identidade e estado, dorme quando não há atividade e acorda para mensagens ou alarmes. Workers fornecem compute sob demanda; um Durable Object fornece o estado endereçável que sobrevive entre invocações. A parte serverless é o que torna essa unidade de infraestrutura acessível para distribuir livremente.