Agentes de navegador e computer-use assumem trabalho digital tedioso

Browser use no Codex: 5 casos reais

Claire Vo (criadora do ChatPRD) demonstra como usa o Codex para controlar seu navegador em tarefas cotidianas. Os principais aprendizados:

• Testes de QA mais exaustivos que os humanos. Ao testar seu próprio fluxo de onboarding, Claire sempre seguia o "happy path". O Codex testou como equipe e como indivíduo, pressionou campos obrigatórios e encontrou um bug bloqueante que sobreviveu por meses.
• Menos instrução, mais autonomia. Em vez de dar uma lista de 25 itens para testar, Claire agora diz apenas "faça QA do onboarding" e deixa o modelo decidir a abordagem. A cobertura tende a ser mais ampla.
• Teste por persona revela fricção oculta. A ideia veio de seu marido, EJ: em vez de avaliar o produto em abstrato, o agente usa o produto como uma pessoa específica (um PM saindo de reunião, um engenheiro pegando um PRD). Isso expôs um problema estrutural no fluxo de referências cruzadas do ChatPRD.
• LinkedIn com menos compute. Claire começou com GPT-5.6 em esforço alto, mas descobriu que um modelo de esforço médio já conseguia triar mensagens, rascunhar respostas e sinalizar o que exigia toque pessoal.
• Computer use até em iPhone via espelhamento de tela. Viajando, Claire precisava abrir portas de firewall no roteador de casa. O Codex abriu o espelhamento do iPhone, atualizou as configurações, completou o SSH e fechou as portas ao terminar.

Quando um site bloqueia o agente (como um CAPTCHA na Free People), o humano resolve a verificação e devolve o controle.

De zero código a hardware hacker com Cursor + Raspberry Pi

Maddie Reese, sem experiência prévia em programação, construiu um pager de Twitter, uma impressora de recibos com IA e uma API pessoal. Seu processo: descrever a ideia em linguagem natural ao Cursor, deixar o Cursor entrevistá-la até resolver as dúvidas, gerar lista de compras, comprar e montar. Ela não escreve funções do zero - apenas lê partes do código e identifica erros (como uma especificação errada de fios que o Cursor sugeriu).

A API pessoal de Maddie inclui seu pedido de café, nomes de pets, fuso horário e restaurantes favoritos. Claire apontou o potencial: um agente poderia verificar quando Maddie estará em São Francisco e reservar um restaurante automaticamente.

Claude Opus 5: brilhante, mas irritante

Claire testou o Opus 5 contra seis modelos líderes em um benchmark cego de sete modelos. Resultados:

• Opus 5 ficou em primeiro com índice geral 78, seguido de Claude Sonnet 5 (77) e GPT-5.6 Sol (76). Foi o único a receber notas 5 em design front-end.
• Personalidade problemática. O modelo se mostrou tímido, apologético e dependente de aprovação humana. Recusou resolver um conflito de merge de uma linha porque o código era "de outro branch". Claire repetia "just do it" constantemente.
• "Claude slop" é um problema distinto. Não é incoerência - é texto longo demais, cauteloso, cheio de adjetivos desnecessários e meta-comentário.
• Melhor uso: assíncrono. Claire planeja usar Opus 5 para design front-end e prototipagem, sem interagir diretamente no chat.
• Gemini 3.1 Pro ficou em último, com score 32 de Claire vs. 66 do juiz LLM - uma das maiores divergências do teste.

Claire argumenta que a indústria pode estar entrando em um "intelligence overhang": a capacidade bruta dos modelos avança mais rápido do que os builders conseguem absorver, e a diferenciação deve migrar para velocidade, custo, infraestrutura e tipos específicos de inteligência.