Tempo de leitura: 4 minutos
Olá, é um prazer inenarrável estar mais uma vez escrevendo este post. A Basis, empresa que desenvolve agentes de IA para automatizar tarefas contábeis, afirma que o GPT-6 Astra concluiu uma planilha fiscal com 50 abas em metade do tempo levado pelo GPT-5.6 Sol. O resultado chama atenção não apenas pela velocidade, mas também por uma questão mais difícil de medir: a capacidade de entender o objetivo do usuário antes de começar a executar o trabalho.
Segundo a empresa, essa combinação ajudou seus agentes a tomar decisões melhores no início das tarefas, reduzir correções e lidar com fluxos longos de forma mais econômica. Mas o que exatamente foi testado — e por que a compreensão de intenção pode ser tão importante quanto o tempo de resposta?
GPT-6 Astra conclui uma planilha fiscal de 50 abas em metade do tempo
A Basis comparou o GPT-6 Astra e o GPT-5.6 Sol em uma tarefa complexa: preencher com precisão e confiabilidade uma planilha fiscal com 50 abas. Em seu teste interno, o GPT-6 Astra levou 50% menos tempo para concluir o trabalho.
O resultado foi apresentado pela própria Basis, e não como um benchmark independente. Ainda assim, ele ilustra um tipo de aplicação em que a velocidade isolada não é suficiente. Uma planilha fiscal extensa exige seguir modelos, consultar informações relevantes, interpretar instruções e verificar o próprio trabalho. Um agente que termina rapidamente, mas precisa ser corrigido várias vezes, pode não representar uma economia real.
De acordo com Mitch Troyanovsky, cofundador da Basis, o GPT-6 Astra também conseguiu escolher caminhos mais diretos no começo das tarefas. Isso teria reduzido o tempo gasto corrigindo decisões equivocadas e melhorado a eficiência no uso de tokens.
GPT-6 Astra ajusta o raciocínio conforme a dificuldade
Outro ponto destacado pela Basis é a possibilidade de ajustar o esforço de raciocínio ao longo da tarefa. O modelo pode usar mais computação quando encontra uma etapa difícil e reduzir esse esforço em momentos mais simples, mantendo o cache intacto.
Na prática, a ideia se aproxima de um profissional que não trata todas as partes de um trabalho como se tivessem a mesma complexidade. Uma conferência delicada merece mais atenção; uma operação repetitiva não deveria consumir o mesmo nível de recursos. Para agentes que executam tarefas longas, essa adaptação pode ajudar a reduzir tanto o tempo de resposta quanto o custo.
Esse tipo de eficiência também aparece em outros casos de uso do GPT-6 Astra. Em um relato separado, a Parallel afirmou que o modelo reduziu pela metade o tempo e o custo de pesquisas realizadas por seus agentes. Os resultados não são diretamente comparáveis, mas apontam para a mesma busca: tornar fluxos de trabalho extensos mais previsíveis e econômicos.
GPT-6 Astra melhora a avaliação interna da Basis
A Basis afirma ter observado uma melhora aproximada de 20% em suas avaliações internas ao utilizar o GPT-6 Astra. Segundo a empresa, o avanço foi associado principalmente à compreensão da intenção do usuário — incluindo saber quando fazer perguntas, sinalizar suposições e seguir instruções.
As avaliações consideram tanto o funcionamento dos agentes quanto as respostas finais. Entre os critérios estão seguir modelos, consultar fontes primárias em questões fiscais e verificar o próprio trabalho. A Basis diz que o GPT-6 Astra consegue inferir parte dessas expectativas a partir de um contexto mais amplo, sem depender de uma regra explícita para cada situação.
Essa diferença é importante porque agentes de IA não trabalham apenas com perguntas isoladas. Eles precisam interpretar objetivos, decidir quais ferramentas usar e reconhecer quando uma informação está incompleta. Como mostram discussões recentes sobre avaliação de agentes de IA, passar por um teste pontual não garante que um sistema consiga concluir uma tarefa completa de maneira consistente.
GPT-6 Astra pode tornar agentes contábeis mais práticos
A Basis desenvolve agentes voltados a automatizar parte do trabalho manual realizado por contadores. A proposta é deslocar o tempo desses profissionais de tarefas repetitivas para atividades mais estratégicas, sem eliminar a necessidade de revisão e responsabilidade humana em um domínio sensível.
É justamente aí que os resultados precisam ser interpretados com cuidado. Uma planilha fiscal pode envolver dados confidenciais, regras específicas e consequências relevantes caso algo seja preenchido incorretamente. A redução de tempo relatada pela Basis é promissora, mas não substitui processos de validação, rastreabilidade e supervisão profissional.
O caso sugere que o valor do GPT-6 Astra não está apenas em responder mais depressa. Para aplicações empresariais, entender o objetivo, fazer perguntas no momento certo e conferir o resultado pode ser mais importante do que produzir uma resposta veloz.
O que o teste da Basis mostra sobre o GPT-6 Astra
O teste da Basis apresenta o GPT-6 Astra como uma opção capaz de acelerar tarefas fiscais longas e melhorar decisões tomadas por agentes de IA. A empresa relata 50% menos tempo para concluir uma planilha de 50 abas e uma melhora aproximada de 20% em suas avaliações internas.
Esses números, porém, são resultados internos da Basis e não devem ser tratados como uma comprovação geral de desempenho em qualquer planilha ou fluxo contábil. O próximo passo será observar como o modelo se comporta em diferentes empresas, dados e níveis de supervisão.
No fim, o caso reforça uma ideia simples: um agente útil não é aquele que apenas termina uma tarefa rápido, mas aquele que entende o que precisa ser feito, escolhe um caminho adequado e sabe quando precisa de ajuda. É essa combinação que pode fazer do GPT-6 Astra uma ferramenta mais relevante para o trabalho contábil.
