Planejamento com agentes exige interfaces visuais e sociais

O problema: planejar com agentes é um processo ruim

Maggie Appleton, designer, engenheira e pesquisadora do GitHub Next (o laboratório de P&D do GitHub), apresenta uma defesa de que o planejamento colaborativo com agentes de IA precisa de interfaces visuais, sociais e mais espessas. Segundo ela, hoje o fluxo típico acontece no CLI: a pessoa ativa um modo de plano, responde dezenas de perguntas de múltipla escolha até cansar e escolher a opção recomendada, e depois recebe um muro de Markdown para aprovar com um sim ou não. Nesse ambiente não é possível editar o plano diretamente, aprofundar questões em aberto, pedir pesquisa ou protótipos, ou pausar decisões. Além disso, o processo é solitário: colegas planejam separadamente, sem visibilidade, comentários ou debate.

Planos são recursos fracos

A argumentação recorre a Lucy Suchman, pesquisadora de HCI do Xerox PARC, e ao seu livro de 1987 "Plans and Situated Actions". O texto abre com o contraste de Thomas Gladwin entre navegadores europeus, que planejavam tudo antes da travessia, e navegadores chuukeses da Micronésia, que partem de um objetivo e decidem ad hoc lendo vento, ondas, correntes e pássaros. Suchman conclui que "planos são melhor vistos como um recurso fraco para atividade ad hoc" - o plano rapidamente se torna irrelevante diante da ação situada no mundo real.

O problema com agentes é agravado: planejador e viajante são seres diferentes. O humano precisa tomar todas as decisões antecipadamente porque o agente fará a jornada sozinho, tomando decisões situadas sem o julgamento humano presente - e o resultado só será bom se a intenção humana estiver alinhada com essas ações.

Mundos divididos e objetos de fronteira

Appleton compara humanos e agentes a dois mundos apenas parcialmente legíveis um ao outro, como quem se olha por um buraco de fechadura - imagem tirada do famoso estudo de Suchman com a copiadora da Xerox. Humanos vivem em um mundo de corpo, espaço, cor, gesto e cultura; agentes, em um de vetores, pesos, recompensas e gradiente descendente. A interpretabilidade não está resolvida.

A solução proposta vem da teoria de "boundary objects" de Susan Leigh Star e James Griesemer (1989), sobre o Museu de Zoologia Vertebrada de Berkeley: objetos que se adaptam às necessidades locais de cada grupo e criam uma realidade compartilhada. Hoje, planos, prompts, skills e arquivos AGENT.md funcionam apenas razoavelmente, mas são otimizados para a visão do agente. Humanos não precisam compartilhar entendimento total com agentes; precisam de bons objetos de fronteira e interfaces mais espessas, em que o trabalho barato e abundante dos agentes construa camadas de tradução a favor do humano - que é a parte privilegiada da interação.

O que seriam interfaces mais espessas

Primeiro, otimizar para compreensão humana: representações visuais, espaciais, interativas e sociais, que tiram o trabalho da memória de trabalho - gráficos, mapas, linhas do tempo, máquinas de estado e diagramas de arquitetura. Interfaces multiplayer permitem debate e decisão coletiva.

Segundo, resolver o problema do navegador europeu trazendo a realidade para o planejamento: agentes deveriam criar subagentes em branches de Git, implementar múltiplas abordagens em paralelo e avaliar resultados antes de pedir decisão humana. Appleton cita a filosofia do GitHub Next de tratar o trabalho dos agentes como funcionalmente gratuito, já que tende a ficar barato e abundante.

Ela mostra exemplos: um agente ajudando a escolher sombras de um design system deveria exibir o app real e permitir manipulação direta; escolhas de sintaxe em lógica de retry (objeto de opções, função wrapper ou client policy) deveriam vir de subagentes que implementam as três opções e geram relatório interativo com métricas - o que revelou que a opção A cobria todos os 60 call sites com oito julgamentos manuais, enquanto outras alteravam comportamento silenciosamente ou deixavam 46 call sites sem suporte.

Conclusão

Appleton está explorando essas ideias no projeto Chopin, protótipo multiplayer e em tempo real do GitHub Next, desenvolvido com a colega Krzysztof, que combina edição de Markdown com visuais interativos e registro das decisões tomadas. As lições finais: planos orientam a ação, mas não prevêem a jornada inteira; humanos e agentes precisam de objetos de fronteira e interfaces espessas, não de entendimento compartilhado; e o agente deveria fazer mil vezes mais trabalho para tornar o humano mais eficaz. Ela reconhece desafios: agentes ainda não são bons em criar explicações visuais sem supervisão, e o tempo de inferência exige que o trabalho seja feito em paralelo, cinco passos à frente.