Os agentes de IA saíram da caixa de bate-papo e entraram nos corredores do ambiente de trabalho.
Eles não respondem apenas a perguntas. Eles classificam e-mails, agendam reuniões, fazem pesquisas, acessam arquivos e executam ações reais em ferramentas da empresa. Em resumo, estão evoluindo de um software com o qual conversamos para colegas digitais capazes de abrir portas em nosso nome.
Mas nunca entregaríamos a um funcionário todas as chaves da empresa e diríamos: “Eles parecem bem espertos. Espero que abram a porta certa.” Com agentes de IA, focar apenas na qualidade das decisões deles já não é suficiente.
Quem fica na porta entre uma decisão e uma ação?
Open-source #ironclaw 1.0, desenvolvido dentro da visão de @NEAR Protocol #NEARAI , oferece uma resposta arquitetural para essa questão. O componente que toma decisões é separado do componente que age sobre elas no mundo externo. Entre os dois, existe uma camada compartilhada de coordenação chamada de “guard”, por meio da qual toda ação deve passar.
🛂 O Guard no Portão de Segurança do Agente
Pense na camada de guard como o portão de segurança inteligente de um prédio corporativo. Ela se preocupa menos com o que está sendo pensado dentro e mais com qual permissão está sendo usada, qual porta alguém está tentando entrar e por quê.
O IronClaw pode ler um e-mail, editar um arquivo ou pesquisar algo online. Do lado da segurança, no entanto, três regras importantes entram em jogo:
Ações sensíveis exigem aprovação explícita do usuário primeiro.
As senhas e tokens de acesso são de uso único por padrão.
Depois de usados, esses segredos são apagados de logs, mensagens de erro e relatórios.
Essa separação importa. Quando “pensar” e “fazer” ficam amarrados no mesmo nó dentro de um agente de IA, cada nova capacidade aperta um pouco mais esse nó. Em algum momento, você pode acabar com um colega altamente capaz, cujos bolsos têm muitas chaves, mas ninguém tem certeza de qual chave abre qual porta.
📊 A segurança coloca o freio no desempenho?
Geralmente assumimos que mais controle significa execução mais lenta. Os resultados de benchmark do IronClaw 1.0 sugerem que prender o cinto de segurança não necessariamente torna o carro mais lento.
Nas avaliações publicadas pelo NEAR AI, cada agente usou o mesmo modelo base, deepseek-v4-flash. O IronClaw obteve os seguintes resultados em três benchmarks:
PinchBench: 93,5%
ClawBench: 88,6%
OfficeQA: 76,4%
O PinchBench mede desempenho em 147 tarefas reais, incluindo agendamento de reuniões, gerenciamento de e-mails, codificação, pesquisa e operações de arquivos. O ClawBench testa agentes em tarefas de múltiplas etapas em mais de 140 sites ao vivo. O OfficeQA avalia recuperação de informações e raciocínio a partir de uma coleção de aproximadamente 89.000 páginas de documentos corporativos.
O detalhe mais interessante aqui não são apenas as pontuações, mas o fato de que cada sistema correu com o mesmo motor. Como o modelo base permaneceu inalterado, a diferença vem menos do tamanho do motor e mais de como direção, freios e câmbio funcionam juntos.
💾 Não recomeçar do zero quando o trabalho é interrompido
O IronClaw salva continuamente o progresso das tarefas por meio de checkpoints. Pense neles como pontos de salvamento de jogos antigos adaptados à vida corporativa. Se o agente pausar para pedir permissão ao usuário ou se o sistema reiniciar, ele não esquece a tarefa inteira e não te manda de volta para o primeiro nível. Ele retoma de onde parou.
Em um ambiente de negócios, isso vai além de economizar alguns minutos. Também reduz erros, repetição e a perda de contexto causada por recriar um trabalho inacabado. Explicar a mesma tarefa pela terceira vez numa segunda-feira de manhã já é cansativo para as pessoas; não há muita razão para repetir essa experiência com software.
A mesma memória é preservada entre CLI, web, Slack e Telegram. Mudar de canal não faz você ganhar um novo estagiário no primeiro dia a cada vez. Você continua falando com o mesmo agente, que se lembra das suas preferências, decisões anteriores e regras de segurança.
🧩 Memória em equipe não significa abrir cada gaveta
A arquitetura de equipe do IronClaw atende a duas necessidades diferentes ao mesmo tempo:
Em uma implantação multi-tenant, ferramentas e habilidades desenvolvidas por uma pessoa podem ser compartilhadas por toda a organização. O mesmo fluxo de trabalho não precisa ser redescoberto do zero por cada funcionário.
Os workspaces individuais não ficam visíveis para administradores por padrão.
Uma implantação single-tenant oferece a organizações com limites de dados mais rígidos um ambiente totalmente isolado, sem acesso externo.
Portanto, construir uma memória organizacional compartilhada não significa abrir cada gaveta da mesa para todos inspecionarem.
🔐 Onde o NEAR AI e o Staking se encaixam
O IronClaw não é um produto independente. O NEAR AI está desenvolvendo uma infraestrutura mais ampla na qual agentes, modelos e dados sensíveis podem operar dentro de Ambientes de Execução Confiável (Trusted Execution Environments), apoiados por privacidade e verificabilidade suportadas por hardware. Essa arquitetura faz parte da visão de #Near do Protocol para um futuro mais aberto e descentralizado, no qual sistemas de IA pertencem aos seus usuários, e não a plataformas fechadas.
O staking desempenha dois papéis conectados nesta imagem:
No nível do protocolo, os usuários delegam $NEAR a validadores, fornecendo segurança econômica à rede Proof-of-Stake.
Do lado do NEAR AI, o NEAR em staking pode fornecer acesso a inferências confidenciais e créditos de hospedagem do IronClaw. Os créditos de hospedagem do agente são determinados pela quantidade em staking, enquanto os créditos de inferência confidencial são gerados a partir do rendimento do staking.
Os usuários mantêm a propriedade do seu principal, permitindo que seu capital sustente serviços de IA sem ser vendido.
Por esse motivo, tratar o staking como nada além de um gerador de rendimento passivo deixa parte do quadro de fora. Aqui, o capital atua como um painel elétrico que conecta a segurança da rede ao uso de IA no mesmo sistema. De um lado, ajuda a garantir a segurança da rede economicamente. De outro, suporta o acesso a uma infraestrutura de IA focada no usuário baseada em carteira, que agentes como IronClaw e OpenClaw podem usar.
A competição entre agentes de IA não será vencida apenas por quem tiver o maior modelo. Os sistemas que coordenam decisões, permissões, memória, privacidade e infraestrutura econômica de forma mais eficaz se destacarão.
Essa é a ideia poderosa por trás do IronClaw 1.0: antes de tornar o “cérebro” do agente um pouco maior, redesenhe quais portas as chaves em suas mãos estão autorizadas a abrir.
Na sua visão, o principal gargalo para agentes de IA em empresas será a inteligência do modelo ou transformar essa inteligência em uma ação segura?