Intelligence Indeed automatiza tarefas pela tela na China: o que empresas brasileiras podem avaliar

Em julho de 2026, o agente da chinesa Intelligence Indeed ficou em primeiro lugar no OSWorld-Verified, teste público de agentes que operam o computador, com 90,19% de sucesso (pontuação de 325,59 em 361 tarefas, em até 100 passos, registrado em 25/07/2026), à frente de modelos da Anthropic e de outros laboratórios. Na tabela baixada em 02/11/2026, superou o claude-fable-5[1m], da Anthropic (85,96%), e o Pointer Agent w/ Opus 4.7 (83,64%).

Segundo a Cailian Press, via Xinhua, foi o primeiro agente da categoria a passar de 90% desde 2024, quando o topo marcava 12,2% — chegando a 72,6% no fim de 2025 e a 83,6% em maio de 2026. O teste reúne 361 tarefas em máquinas virtuais Ubuntu reais (planilhas, imagem, e-mail, navegador e fluxos entre aplicativos), com correção automática.

Do RPA ao funcionário digital

Fundada em março de 2018 em Hangzhou, a Zhejiang Intelligence Indeed Technology (Shizai Zhineng) evoluiu de fornecedora de RPA a desenvolvedora de "funcionários digitais". Cerca de metade da equipe central veio do Alibaba, incluindo o fundador e CEO Sun Linjun, ex-especialista sênior de algoritmos do grupo, segundo o Dushi Kuaibao. Em 2023, captou quase 200 milhões de yuans em rodada C encabeçada por Jintaifu Capital e Anji Smart Valley, após aportes anteriores de Legend Capital e Intel Capital, segundo a ChinaVenture.

No Shizai Agent, o usuário descreve a tarefa em linguagem natural, e o sistema combina modelo de linguagem próprio (TARS), leitura semântica de tela (ISSUT) e RPA para executar, conforme o Hangzhou Daily. Enquanto o RPA (automação robótica de processos) automatiza etapas predefinidas de processos, a leitura semântica importa porque o agente usa os sistemas pela interface, sem exigir API (integração por programação) dos aplicativos acessados. "No futuro, teclado e mouse vão desaparecer; você só precisará falar, e a IA fará tudo", disse Sun Linjun ao jornal.

Os números e os limites

No OSWorld-Verified, porém, o motor de execução é o modelo claude-opus-4-7, da Anthropic, segundo o repositório público da própria equipe no GitHub (licença Apache-2.0). Segundo o repositório, a solução combina uma arquitetura de agentes e skills (planejamento e execução separados, com skills estáticas reutilizáveis e dinâmicas geradas por tarefa) com esse modelo; os resultados apresentados não isolam a contribuição de cada componente. Excluindo o Google Drive, o sistema marcou 24,0/26 no GIMP, 46,0/47 no LibreOffice Calc, 24,0/24 em sistema operacional e 78,81/93 entre aplicativos, segundo o GitHub e a 36Kr.

Na carteira comercial, há contagens da própria empresa em datas diferentes: "mais de 4.000" clientes no Hangzhou Daily (09/10/2025) e "mais de 6.000" na Cailian Press via Xinhua (05/08/2026). Nos casos de clientes — relatos da fornecedora publicados pelo Hangzhou Daily, sem verificação independente apresentada na reportagem —, a Baseus (acessórios eletrônicos, vendas internacionais) implantou atendimento multilíngue 24 horas com espera reduzida a segundos, e na Zibuyu (vestuário) a publicação de produtos caiu de 2 horas para 5 minutos.

Por que importa ao Brasil

Três levantamentos publicados em 2026 apontam obstáculos entre as empresas pesquisadas, com amostras e critérios distintos. Na pesquisa do IT Forum com 243 grandes empresas (coluna de Reinaldo Roveri, maio de 2026), 88% têm iniciativas de IA e 48% delas estão em piloto, puxadas por automação de tarefas e processos (68%). No levantamento da Zappts com 167 executivos (IPNews, setembro de 2026), 13,8% escalaram agentes e 48% estão em fase intermediária, o "purgatório das POCs". Já o benchmark da Jitterbit com a Censuswide e 501 decisores de TI (CartaCapital, junho de 2026) mostra que 9% operam mais de 100 agentes ativos (média de 32). Em outro indicador, 5,2% haviam superado a fase-piloto e colocado projetos em produção. TI (63,1%) e atendimento (42,7%) puxam o valor percebido, mas esbarram em segurança e compliance (42,1%), complexidade dos processos (36,5%), integração com sistemas legados (36,1%) e falta de pessoal qualificado (35,7%). Os percentuais não são diretamente comparáveis.

Por operar pela tela, o agente de interface gráfica não depende de API dos sistemas legados que acessa. A abordagem merece avaliação em sistemas legados, mas o resultado no benchmark não comprova desempenho em ambientes empresariais brasileiros. A CBI não encontrou, nas fontes consultadas até 02/11/2026, registro de operação, escritório ou clientes da Intelligence Indeed no Brasil: segundo o Hangzhou Daily, a expansão internacional foi para o Japão (mais de 100 empresas, entre elas Kyocera, Mizuho Bank e JR East) e Malásia, além da entrada na rede de prestadores de serviço (SPN) da Amazon.

Por onde começar

Para uma empresa brasileira de médio porte testar essa abordagem no mercado local, valem três passos:

Mapear rotina sem API: escolher um processo de retaguarda repetitivo em sistema legado, como cadastro de itens ou lançamentos entre planilhas e ERP.
Medir a base atual: registrar tempo gasto e taxa de erro durante um mês antes da automação.
Travar governança: exigir registro de cada ação do agente na tela e aprovação humana para pagamentos e envios.

Para estruturar pilotos com governança, conheça o serviço de implementação de IA da CBI.

Este texto descreve um caso empresarial e não é recomendação de investimento.

Fontes

Este caso integra a série 100 casos de IA na China. A pista do caso veio do Livro Branco da Economia de Agentes da China 2026 (Centro de Pesquisa em Política Habitacional da Universidade Fudan e Federação de Empresas de Ciência e Tecnologia de Yangpu); os dados foram conferidos pela CBI nas fontes listadas; os resultados operacionais são relatos das empresas. Citações em chinês traduzidas pela CBI. Atualizado em 02/11/2026.