Microsoft propõe Agensh sem orquestrador central — startups brasileiras de IA podem cortar custos de inferência

A Microsoft propôs um novo sistema multi-agente chamado Agensh, que elimina o orquestrador central e permite que até 1024 agentes de IA colaborem de forma auto-organizada e assíncrona. Em testes no benchmark ProgramBench, a taxa de aprovação subiu de 19,31% para 28,78% ao escalar de 1 para 128 agentes, e de 33,89% para 55,06% na tarefa pandoc com 1024 agentes. O ganho importa para o Brasil porque a arquitetura reduz a dependência de infraestrutura centralizada de computação, abrindo espaço para startups e empresas de médio porte desenvolverem produtos de IA complexos com orçamento menor — especialmente em setores como fintechs, agritech e logística, onde a latência e o custo de inferência são gargalos concretos. A Microsoft apresentou o Agensh, um sistema multi-agente que dispensa o orquestrador central e permite que centenas ou milhares de agentes de IA se auto-organizem para executar tarefas complexas. O artigo, disponível no arXiv, descreve uma arquitetura em que cada trabalhador opera de forma concorrente e assíncrona, compartilhando estado e progresso por meio de uma infraestrutura organizacional leve. Nos testes do ProgramBench, as cinco tarefas mais difíceis tiveram taxa média de aprovação elevada de 19,31% para 28,78% quando o número de agentes subiu de 1 para 128 — um ganho relativo de cerca de 49%. Na tarefa pandoc, ao expandir de 1 para 1024 agentes, a taxa de aprovação saltou de 33,89% para 55,06%. A equipe de pesquisa afirma que o número de agentes se torna uma nova dimensão de scaling para expandir os limites da inteligência geral em organizações multi-agente. O impacto direto no Brasil é indireto, mas relevante para o ecossistema de tecnologia. A arquitetura do Agensh reduz a necessidade de um nó central de coordenação, que hoje é o principal gargalo de custo e latência em sistemas multi-agente. Isso significa que startups brasileiras de IA — especialmente as que operam com orçamento limitado de computação em nuvem — podem construir produtos complexos, como análise jurídica automatizada, triagem de crédito ou otimização logística, sem depender de infraestrutura proprietária pesada. Setores como fintechs, agritech e logística, que já usam IA para decisões em tempo real, são os candidatos naturais a se beneficiar. Reguladores como o Banco Central, que discute regras para IA no setor financeiro, e a ANPD, que fiscaliza proteção de dados, precisarão acompanhar como sistemas auto-organizados tomam decisões sem um ponto central de auditoria. Os dados mostram que o ganho de desempenho é consistente: quanto mais agentes, maior a taxa de acerto, sem degradação proporcional de latência. Na leitura do CBI, isso indica que a Microsoft está apostando em uma tese de escalabilidade horizontal para IA, na qual o custo marginal de adicionar agentes é baixo e o retorno em qualidade é alto. É uma mudança de paradigma em relação aos harnesses atuais, como Codex sub-agent e Claude Code sub-agent, que dependem de um orquestrador central e têm escalabilidade limitada pela capacidade desse nó. Se a arquitetura se provar robusta em produção, o mercado de ferramentas de orquestração de IA — hoje dominado por soluções centralizadas — pode ser reconfigurado, afetando desde provedores de nuvem até integradores brasileiros que revendem essas soluções. O que acompanhar: primeiro, a publicação de implementações de referência do Agensh ou de forks open-source, que devem surgir nas próximas semanas e indicarão a viabilidade prática da arquitetura. Segundo, anúncios de provedores de nuvem no Brasil — AWS, Azure e Google Cloud — sobre suporte a sistemas multi-agente auto-organizados, o que definiria a disponibilidade comercial para startups locais. Terceiro, movimentos regulatórios do Banco Central e da ANPD sobre auditabilidade de decisões tomadas por enxames de agentes, um tema que ganhará urgência se a adoção crescer.