noticias

Perplexity prepara “Teammate” para entrar na guerra dos agentes de programação

**A Perplexity ficou conhecida como um mecanismo de respostas com IA, uma espécie de busca conversacional construída para sintetizar informações recentes com fontes citadas. Agora, segundo reportagem da Business Insider repercutida pela TNW, a empresa trabalha silenciosamente em uma ferramenta interna de programação chamada “Teammate”, usada por seus engenheiros desde maio e possivelmente destinada a um lançamento público no futuro.

Se isso acontecer, a startup avaliada em cerca de US$ 20 bilhões deixará de disputar apenas a camada da busca e entrará em um território muito mais competitivo: o dos agentes capazes de investigar bugs, modificar código, acompanhar serviços e executar partes inteiras de projetos de software.**

O ponto mais importante é que ainda não existe anúncio oficial de lançamento. A própria TNW informa que a Perplexity não confirmou publicamente o produto, e a descrição disponível vem de uma pessoa familiarizada com o assunto e de um comunicado interno visto pela Business Insider. Isso exige cautela editorial: “Teammate” não deve ser tratado como produto lançado, com preço, disponibilidade e documentação. Por enquanto, ele é um projeto interno em uso dentro da companhia, com ambição suficiente para indicar a direção estratégica da Perplexity.

A direção, no entanto, é clara. O mercado de IA percebeu que responder perguntas é útil, mas escrever, revisar, testar e manter software é onde a tecnologia começa a tocar diretamente produtividade, custos e receita. Cursor, Claude Code e OpenAI Codex já disputam esse espaço com propostas parecidas na superfície e diferentes na arquitetura: transformar instruções em mudanças reais no código. A Perplexity, se avançar, não estaria apenas criando mais uma ferramenta para autocomplete; estaria tentando entrar na camada operacional do desenvolvimento, onde a IA deixa de ser assistente e começa a se comportar como colega de equipe.

O que é o Teammate

Segundo o relato, o Teammate foi pensado para trabalhos de engenharia de longo prazo. O comunicado interno citado pela TNW descreve a ferramenta como voltada a assumir projetos, investigar problemas e monitorar serviços. Screenshots mencionados na reportagem mostrariam engenheiros usando o sistema para tarefas reais, como procurar bugs em sistemas internos da empresa. A palavra-chave aqui é “longo prazo”: não se trata apenas de pedir uma função ou corrigir uma linha, mas de entregar ao agente um problema que exige contexto, acompanhamento e decisões sucessivas.

Esse posicionamento diferencia o Teammate de ferramentas mais simples de geração de código. Em um fluxo tradicional, o desenvolvedor pergunta algo, recebe uma resposta e decide manualmente o que fazer. Em um fluxo agêntico, a IA pode ler partes do repositório, planejar alterações, executar verificações, sugerir correções e continuar trabalhando até alcançar um critério mínimo de conclusão. É uma mudança de postura: a IA deixa de ser uma enciclopédia técnica e passa a ser um operador dentro do ambiente de desenvolvimento.

O detalhe técnico mais interessante é que o Teammate seria “model-agnostic”, ou seja, não estaria preso a um único modelo de linguagem. Essa escolha pode ser importante. Claude Code se apoia naturalmente nos modelos da Anthropic, Codex nos modelos da OpenAI, e Cursor combina diferentes modelos dentro de sua experiência. Uma ferramenta agnóstica poderia escolher o modelo mais adequado para cada tarefa, alternando entre custo, velocidade, raciocínio, janela de contexto e capacidade de execução.

Para a Perplexity, isso combina com sua identidade original. A empresa se apresenta como um mecanismo de respostas em tempo real, orientado a buscar, sintetizar e citar informações atuais. Uma ferramenta de programação model-agnostic poderia aplicar lógica semelhante ao código: buscar contexto, comparar fontes internas, utilizar o modelo mais apropriado e entregar uma resposta operacional, não apenas textual.

Por que a Perplexity quer entrar nesse mercado

A resposta simples é dinheiro. Programação com IA é uma das poucas áreas em que modelos generativos já demonstram valor econômico direto. Empresas pagam por ferramentas que reduzem tempo de desenvolvimento, ajudam a corrigir bugs, aceleram revisões e automatizam tarefas repetitivas. A promessa é menos abstrata do que em muitos produtos de IA para consumidores: se a ferramenta ajuda uma equipe a entregar mais software com menos atrito, ela entra no orçamento com mais facilidade.

A resposta estratégica é ainda mais interessante. A Perplexity não quer ser apenas o lugar onde o usuário pergunta “o que aconteceu?”. Ela quer participar do que o usuário faz depois de descobrir a resposta. No caso de desenvolvedores, isso significa sair da camada de pesquisa e entrar no fluxo de execução. O usuário encontra documentação, entende o problema, pede uma solução e o agente atua no repositório. É uma expansão natural para quem já trabalha com busca, mas é também um salto de risco: código não perdoa alucinação elegante.

A companhia tem capital simbólico e financeiro para experimentar. A Reuters informou em 2025 que a Perplexity havia obtido compromissos de investidores para uma rodada de US$ 200 milhões, em avaliação de US$ 20 bilhões, segundo relato da The Information. Esse valor ajuda a explicar por que a empresa pode entrar em um mercado já lotado: startups desse porte precisam crescer para além do produto inicial, e agentes de programação são uma das apostas mais fortes da indústria.

O problema é que o mercado não está vazio. Cursor já se posiciona como um ambiente em que agentes transformam ideias em código e entendem o repositório inteiro. Claude Code, da Anthropic, promete ler a base de código, alterar arquivos, rodar testes e entregar mudanças. O Codex, da OpenAI, é apresentado como um parceiro de programação com agentes, disponível para desktop e voltado a construir e entregar software com IA. A Perplexity entraria, portanto, em uma briga onde os adversários já têm produto, usuários e narrativa técnica.

O “stop looking at code” e o risco da frase bonita demais

A parte mais provocadora da reportagem envolve Denis Yarats, CTO da Perplexity. Segundo a TNW, semanas antes de o Teammate entrar em uso interno, ele teria dito aos engenheiros que, até o fim do ano ou antes, deveriam “parar de olhar para o código” e simplesmente usar IA. Yarats também teria rejeitado a crítica de que código gerado por IA seria “slop”, ou seja, material de baixa qualidade, defendendo que isso não seria um problema se o código passasse por verificações de qualidade.

A frase é ótima para manchete e perigosa como filosofia literal. Desenvolver software não é apenas produzir código que passa nos testes existentes. Testes podem estar incompletos, a arquitetura pode estar mal documentada, o requisito pode estar errado e uma correção local pode criar dívida técnica em outra parte do sistema. “Parar de olhar para o código” pode funcionar como provocação cultural, mas não como política madura de engenharia.

O ponto real talvez seja outro: desenvolvedores passarão menos tempo escrevendo cada linha manualmente e mais tempo especificando problemas, revisando soluções, desenhando arquitetura, validando comportamento e criando critérios de aceitação. Isso não elimina a necessidade de compreender código. Ao contrário, aumenta a importância de saber avaliar rapidamente se uma solução gerada por IA faz sentido dentro de um sistema maior.

A própria evolução dos agentes de programação mostra esse deslocamento. Uma pesquisa recente sobre o uso de ferramentas agênticas na Microsoft observou que a adoção de agentes de linha de comando, como Claude Code e GitHub Copilot CLI, está associada a aumento de produção de pull requests, mas também destaca que organizações precisam entender adoção, retenção e custo antes de escalar essas ferramentas. Em outras palavras, agentes podem gerar mais atividade, mas atividade não é automaticamente valor.

O diferencial possível da Perplexity

A Perplexity não tem, publicamente, a mesma reputação de laboratório de modelos de fronteira que OpenAI, Anthropic ou Google. Seu diferencial histórico está em busca, resposta com fontes e atualização. Isso pode parecer distante de programação, mas não é. Desenvolver software envolve pesquisa constante: documentação, issues antigas, changelogs, APIs, exemplos, decisões arquitetônicas e histórico interno.

Um agente de programação realmente útil precisa saber procurar. Não apenas dentro do repositório, mas também em documentação externa, tickets, logs, incidentes, bibliotecas e contexto operacional. Se o Teammate nascer com uma camada forte de pesquisa e síntese, pode ter uma identidade diferente dos concorrentes: menos “modelo que escreve código” e mais “agente que investiga antes de alterar”.

Essa possibilidade combina com o nome. “Teammate” sugere colega de equipe, não apenas copiloto. Um colega de equipe não deveria apenas gerar trechos. Deveria entender o problema, fazer perguntas quando o requisito estiver ruim, acompanhar serviços, sinalizar riscos e documentar decisões. O desafio é transformar essa promessa em produto sem cair na armadilha do agente hiperconfiante, aquele que age rápido porque ainda não entendeu o suficiente para hesitar.

O fato de a ferramenta ser usada internamente desde maio também importa, mas não deve ser superestimado. Uso interno é um laboratório valioso porque expõe o sistema a problemas reais da própria empresa. Ao mesmo tempo, ambientes internos costumam ser mais controlados, com equipes motivadas, acesso privilegiado a contexto e tolerância maior a ferramentas experimentais. O salto para clientes externos é muito mais difícil, porque cada empresa tem repositórios, políticas, segredos, permissões e padrões próprios.

Quem será impactado primeiro

Os primeiros impactados, caso o Teammate seja lançado, serão desenvolvedores que já adotaram ferramentas de IA no fluxo cotidiano. Esse público não precisa mais ser convencido de que agentes de código podem ajudar; precisa ser convencido de que mais uma ferramenta vale o custo, a curva de aprendizado e o risco de integração. Para entrar nesse grupo, a Perplexity terá de entregar algo claramente diferente em contexto, pesquisa, autonomia ou preço.

Startups e equipes pequenas podem se interessar rapidamente, especialmente se o produto for model-agnostic e permitir alternar modelos conforme custo e desempenho.

Pequenas equipes valorizam ferramentas que executam tarefas longas sem exigir muita configuração. Ao mesmo tempo, são justamente elas que menos têm margem para revisar grandes volumes de código ruim produzido por agentes. Para esse público, velocidade sem qualidade vira dívida técnica em tempo recorde.

Empresas maiores serão mais cautelosas. Um agente que investiga bugs e monitora serviços precisa acessar repositórios, logs, tickets e talvez ambientes de produção. Isso levanta perguntas de segurança, privacidade, rastreabilidade e responsabilidade.

Quem aprovou a mudança? Qual modelo foi usado? Quais arquivos foram lidos? Que comandos foram executados? O agente pode ver segredos? Pode abrir pull requests? Pode acionar deploy?

Cursor, Anthropic e OpenAI também serão afetadas se a Perplexity transformar busca e programação em um produto integrado. O mercado de coding agents ainda está longe de consolidado, mas já começa a ficar claro que a disputa não será vencida apenas pelo melhor modelo. Será vencida por quem controlar contexto, fluxo de trabalho, custo, distribuição e confiança operacional.

O que pode dar errado

O primeiro risco é o produto nunca chegar ao público. A reportagem é explícita ao dizer que ainda não está claro se ou quando a Perplexity lançará o Teammate. Muitas ferramentas internas funcionam bem para uma empresa e nunca se tornam produto comercial, seja por falta de maturidade, custo elevado, risco jurídico ou dificuldade de suporte.

O segundo risco é prometer trabalho “end-to-end” e entregar apenas automação parcial. O mercado já está cansado de demonstrações em repositórios limpos, tarefas bem descritas e ambientes preparados.

O software real é mais feio: dependências antigas, testes quebrados, nomes ruins, documentação incompleta, decisões históricas e aquele arquivo chamado `utils_final_v2_old`. Um agente que parece brilhante em demo pode tropeçar exatamente onde a equipe mais precisa de ajuda.

O terceiro risco é segurança. Agentes de programação têm acesso a ferramentas poderosas. Eles podem ler arquivos, propor comandos, alterar código e interagir com sistemas externos.

Quanto mais autonomia recebem, maior precisa ser a camada de permissão, auditoria e isolamento.

Claude Code, por exemplo, afirma rodar localmente no terminal, pedir permissão antes de alterações e funcionar com ferramentas do usuário, o que mostra como o tema segurança já virou parte central da proposta comercial desses produtos.

O quarto risco é cultural. Se empresas adotarem a ideia de “parar de olhar para o código” como licença para reduzir revisão humana, a conta virá depois. Agentes podem acelerar desenvolvimento, mas também podem acelerar erros. A revisão não desaparece; ela muda de forma. O desenvolvedor passa a revisar intenção, arquitetura, testes, segurança e efeitos colaterais, não apenas sintaxe.

O que ninguém ainda está discutindo

O ponto mais profundo é que ferramentas como Teammate podem transformar código em consequência, não em centro do trabalho. Durante décadas, programar significou escrever instruções em uma linguagem formal. Com agentes, parte crescente do trabalho pode migrar para descrever objetivos, definir restrições, avaliar resultados e administrar agentes concorrentes. Isso muda a identidade do desenvolvedor e também a estrutura das equipes.

A disputa, portanto, não é apenas por uma ferramenta de programação. É por quem será o ambiente onde o trabalho técnico será coordenado. Cursor quer ser esse ambiente dentro do editor. Claude Code quer ocupar o terminal e o fluxo agêntico.

Codex quer ser o parceiro de construção dentro do ecossistema OpenAI. A Perplexity, se lançar o Teammate, pode tentar ocupar o espaço da investigação contextual: o agente que pesquisa, entende, executa e monitora.

Outro ponto pouco discutido é a economia do erro. Em busca, uma resposta ruim pode ser corrigida com uma nova pergunta. Em programação, uma resposta ruim pode entrar no repositório, passar em testes frágeis, chegar ao deploy e virar incidente.

O custo de um erro de agente é mais alto do que o custo de uma alucinação textual comum. Isso exige métricas diferentes: não apenas taxa de aceitação, mas regressões introduzidas, tempo de revisão, incidentes posteriores e manutenção do código gerado.

Também haverá uma disputa por confiança. Desenvolvedores não adotam um colega de equipe apenas porque ele é rápido. Adotam quando ele erra de forma compreensível, documenta decisões, aceita limites e não age como se certeza fosse substituta de entendimento. O agente ideal talvez não seja o mais ousado, mas o que sabe quando parar e pedir contexto.

Análise da equipe PixBugTech

A possível entrada da Perplexity na guerra dos agentes de programação faz sentido. A empresa nasceu tentando reorganizar busca em torno de respostas. Agora, parece ensaiar um passo além: reorganizar desenvolvimento em torno de agentes que investigam e executam. É uma evolução coerente, mas muito mais arriscada.

Responder perguntas exige precisão. Escrever software exige consequência.

O Teammate, pelo que foi descrito, não quer apenas sugerir código. Quer assumir projetos, investigar problemas e monitorar serviços. Isso coloca a ferramenta em uma categoria mais sensível, próxima do centro operacional das empresas.

A escolha de ser model-agnostic pode ser a parte mais inteligente do projeto. Em vez de apostar tudo em um único modelo, a Perplexity poderia funcionar como camada de orquestração, selecionando o melhor motor para cada tarefa. Essa abordagem preserva flexibilidade e reduz dependência, mas também aumenta complexidade: cada modelo tem comportamento, custo, limites e riscos próprios.

A provocação de “parar de olhar para código” é boa para incendiar Slack corporativo, mas ruim se virar dogma. O futuro do desenvolvimento talvez envolva olhar menos para cada linha, mas não olhar menos para o sistema. A engenharia de software não será substituída por fé em agente.

Será reconstruída em torno de especificação, validação, arquitetura e governança.

Conclusão: a Perplexity quer sair da resposta e entrar na execução

O Teammate ainda não é um produto público confirmado. Por enquanto, é um projeto interno relatado por fontes, em uso dentro da Perplexity desde maio e descrito como ferramenta para trabalhos longos de engenharia.

Mas a simples existência desse esforço já mostra para onde o mercado está indo. A próxima guerra da IA não será apenas por quem responde melhor. Será por quem consegue trabalhar melhor.

Se a Perplexity lançar o Teammate, ela entrará em uma disputa dura contra Cursor, Claude Code, Codex e outras ferramentas que já entenderam o valor do desenvolvimento agêntico. Seu diferencial provável estará na combinação entre pesquisa, contexto e execução. Sua maior ameaça será a mesma de todos os agentes de programação: parecer competente antes de ser confiável.

A IA já aprendeu a escrever código plausível. Agora precisa provar que consegue participar de sistemas reais sem transformar produtividade em uma fábrica de bugs bem formatados.

👉 Dúvida? Então veja mais em: [https://pixbugtech.com/linksuteis](https://pixbugtech.com/linksuteis)