Databricks coloca o GPT-5.5 no comando de agentes de documentos empresariais

O que o OfficeQA Pro realmente mede

A Databricks criou o OfficeQA Pro para testar as partes menos glamurosas do trabalho empresarial: parsing, recuperação de informação e raciocínio fundamentado em PDFs escaneados, arquivos legados e documentos com contexto longo. Segundo a Databricks, essas são as tarefas que "costumam quebrar sistemas de agentes em produção".

Esse enquadramento importa. O benchmark não pergunta se um modelo raciocina bem no abstrato — pergunta se ele consegue extrair o dígito certo de uma página escaneada e levá-lo corretamente por um workflow de várias etapas. Nesse teste, o GPT-5.5 foi o primeiro modelo a superar 50% de precisão e reduziu os erros em 46% em relação ao GPT-5.4.

Um benchmark centrado em documentos escaneados e legados diz muito sobre onde os clientes da Databricks realmente operam: arquivos imperfeitos, não dados estruturados e limpos.

Por que um único dígito lido errado gera efeito cascata

O detalhe mais concreto do anúncio é sobre a propagação de erros. O engenheiro de pesquisa Arnav Singhvi descreve como pequenos erros de extração se acumulam ao longo da trajetória de um agente.

Quando você não consegue extrair um determinado dígito ou número, isso muda toda a trajetória do que o agente processa em seguida.Montana Labs

Esse é o insight central por trás da redução de 46% nos erros. Em um chatbot, um parsing ruim gera uma resposta errada. Em um agente, esse parsing ruim alimenta cada etapa seguinte, então a precisão de parsing funciona como um multiplicador da confiabilidade total do workflow. A Databricks relata que seus maiores ganhos com o GPT-5.5 vieram justamente nesses workflows carregados de parsing, que Singhvi chama de "salto degrau no parsing de documentos antigos e PDFs escaneados".

Menos desvios de busca, menos supervisão

Além do parsing, a Databricks destaca o comportamento de orquestração. Singhvi diz que o GPT-5.4 às vezes fazia "desvios de busca desnecessários" que resultavam em trajetórias ineficientes, e que o GPT-5.5 foi mais confiável para recuperar contexto relevante e concluir tarefas complexas sem supervisão adicional.

Isso soa tanto como uma alegação de eficiência e custo quanto de precisão. Etapas de recuperação desperdiçadas custam tokens e latência, e cada etapa que exige supervisão humana enfraquece o argumento a favor da automação. A Databricks está descrevendo um modelo que se mantém focado na tarefa.

O modelo está sendo implantado como supervisor, não como executor

O caminho de implantação é a parte mais específica deste anúncio. O GPT-5.5 está disponível através do AI Unity Gateway da Databricks e roda dentro de workflows construídos com AgentBricks e a Agent Supervisor API. Nesses sistemas, segundo a Databricks, o GPT-5.5 "orquestra parsing, recuperação e execução entre agentes especializados".

Ou seja, o GPT-5.5 não está apenas respondendo perguntas sobre documentos — ele está sendo colocado na camada de coordenação acima de outros agentes. A implicação é que a Databricks está apostando que os ganhos de confiabilidade medidos em parsing e orquestração são exatamente as qualidades necessárias para um modelo dirigir outros componentes com segurança, em vez de apenas executar uma tarefa.

Ter o GPT-5.5 supervisionando esses workflows é realmente empolgante.Montana Labs

Para equipes que constroem agentes empresariais sobre bases de documentos legados, o aprendizado prático desse lançamento específico é direto e útil: meça seu modelo no ponto exato onde falhas de extração geram efeito cascata, e trate o papel de supervisor como um requisito de confiabilidade distinto do papel de execução de tarefas.