Anthropic diz que a IA começa a construir IA: por que gestão de agentes vira o novo gargalo

A Anthropic publicou esta semana When AI builds itself.

Não é um anúncio normal de modelo. O tema é mais profundo: sistemas de IA já estão acelerando o desenvolvimento de outros sistemas de IA.

A Anthropic é cuidadosa. Ela não diz que recursive self-improvement completo já chegou. Diz que ainda não estamos lá, e que isso não é inevitável.

Mesmo assim, o sinal é claro.

A IA não está apenas ajudando pessoas a escrever código. Ela começa a participar da construção da próxima geração de IA.

Claude está entrando no sistema de P&D

Em maio de 2026, mais de 80% do código incorporado ao codebase de produção da Anthropic podia ser atribuído ao Claude. Antes do Claude Code chegar em research preview em fevereiro de 2025, esse número estava em um dígito baixo.

No segundo trimestre de 2026, um engenheiro típico da Anthropic fazia merge de oito vezes mais código por dia do que em 2024.

O ponto principal não é o multiplicador exato. É a mudança de workflow.

Humanos dão o objetivo. Claude cada vez mais encontra o método, escreve código, roda testes, investiga falhas e repete. O papel humano sobe de nível: revisão, direção, julgamento de risco e responsabilidade final.

Execução fica barata. Julgamento fica caro.

O texto da Anthropic é útil porque evita a narrativa simples de substituição.

A IA está ficando forte em executar: escrever código, rodar experimentos, otimizar objetivos conhecidos e testar muitos caminhos rapidamente. A lacuna difícil continua sendo escolher quais objetivos importam, quais resultados confiar e quando parar.

Quando agentes tornam execução barata, o gargalo muda para julgamento. Quais experimentos devem rodar? Qual código deve ir para produção? Quais correções automáticas criam risco oculto? Qual agente deve ser parado ou revisado?

A Anthropic diz que revisão humana de código já virou um novo gargalo conforme Claude produz mais código.

Empresas de IA são o primeiro caso de teste

As primeiras organizações profundamente transformadas por IA podem ser as próprias empresas de IA.

Isso faz sentido. Elas têm os modelos mais fortes, necessidades densas de engenharia e o maior incentivo para automatizar seus próprios loops de pesquisa.

O mesmo padrão vai se espalhar. Empresas de software usarão agentes para manter codebases. Times de segurança usarão agentes para encontrar e corrigir vulnerabilidades. Times de life sciences usarão agentes para desenhar experimentos.

A pergunta não é apenas se IA afeta um cargo. A pergunta melhor é se o workflow central de uma empresa pode se tornar agentic.

Recursive self-improvement é um problema de governança

Recursive self-improvement é um sistema de IA capaz de projetar e desenvolver de forma totalmente autônoma seu próprio sucessor.

Essa não é a realidade de hoje.

Mas as primeiras peças já são visíveis: agentes escrevem código, rodam experimentos, otimizam sistemas, comparam resultados e sugerem próximos passos.

Um loop mais rápido pode acelerar ciência, medicina e engenharia. Também torna governança mais importante. O que o agente pode acessar? O que pode modificar? Quais ações exigem aprovação? Quem pode pausar ou fazer rollback?

Isso não é filosofia. São requisitos de produto.

Como isso se conecta ao Buda

O Buda é construído para um mundo em que agentes fazem mais execução e humanos gerenciam mais execução.

Um Space do Buda define o limite organizacional. Agentes trabalham dentro dele com arquivos, sessões, terminais, navegadores, channels, artifacts e tarefas. Humanos podem inspecionar o que aconteceu, ajustar o objetivo, revisar outputs, aprovar ações sensíveis e assumir quando necessário.

Quanto mais fortes os agentes ficam, menos empresas precisam de uma pilha de janelas de chat isoladas. Elas precisam de um sistema para gerenciar trabalho de agentes.

Execução está se tornando abundante.

Julgamento está virando a camada escassa.

Você pode começar a criar human-led agent workflows em buda.im, ou ler a documentação do Buda Agent Workspace.