OpenAI transforma GPTs em agentes de workspace com Codex que você descreve em linguagem simples

A superfície de criação é uma caixa de descrição, não uma tela de configuração

A OpenAI está posicionando os agentes de workspace como uma evolução dos GPTs, mas o ponto de entrada mudou. Você clica em Agents na barra lateral do ChatGPT, descreve um workflow que sua equipe faz com frequência, e o ChatGPT guia você na definição das etapas, conexão de ferramentas, adição de habilidades e testes até que ele funcione como esperado.

Esse enquadramento — descreva a tarefa ou envie um arquivo — tira a construção de um agente de um painel de configurações e coloca dentro de uma conversa. O anúncio combina isso com templates para finanças, vendas e marketing que já vêm com habilidades integradas e ferramentas sugeridas, então o ponto de partida é um rascunho funcional em vez de um formulário em branco.

A diferença em relação a um GPT é concreta: esses agentes rodam na nuvem em cima do Codex, com acesso a arquivos, código, ferramentas e memória, e continuam trabalhando quando o criador está ausente, seja em um cronograma ou atendendo pedidos no Slack.

Duas superfícies onde o trabalho já acontece

A OpenAI é explícita ao afirmar que os agentes vivem no ChatGPT e no Slack hoje, com mais superfícies chegando. A implantação no Slack é a mais revelador: o próprio time de produto da OpenAI construiu um agente que responde perguntas de funcionários nos canais, referencia documentação e abre um chamado quando encontra um problema novo.

Essa é uma escolha deliberada de embutir o agente em uma thread de conversa existente em vez de um app separado. O agente de fechamento contábil mensal segue o mesmo padrão — usável no ChatGPT individualmente, ou adicionado a canais do Slack para que uma equipe possa fazer perguntas e discutir os resultados ali mesmo.

Para equipes de frontend, a interface é o ponto de coordenação: os agentes entram nas ferramentas e conversas onde o trabalho acontece, em vez de pedir que as pessoas mudem de contexto para um painel dedicado.

A própria afirmação da OpenAI: o modelo nunca foi a parte difícil

A citação do cliente no anúncio é incomumente direta sobre o que esse produto realmente resolve, e não é a qualidade do modelo.

A parte difícil de construir um agente não é o modelo. São as integrações, a memória, a experiência do usuário. Os agentes de workspace eliminaram esse trabalho, então um dos nossos Consultores de Vendas construiu, avaliou e iterou um agente de Oportunidade de Vendas do início ao fim sem uma equipe de engenharia.Montana Labs

Ankur Bhatt, da Rippling, descreve o ganho como alguém sem formação técnica lançando e iterando um agente funcional — um que pesquisa contas, resume ligações do Gong e posta briefings de negócios no Slack. O retorno declarado é recuperar de 5 a 6 horas por semana por vendedor. Se isso se sustenta além de um preview de pesquisa é a questão em aberto, mas o comprador pretendido é claro: a pessoa que tem o conhecimento do workflow, mas não o trabalho de integração.

O controle vive na mesma interface da construção

A narrativa de governança está tecida nas mesmas superfícies. Os criadores decidem quais ferramentas e dados um agente pode acessar e podem exigir aprovação antes de etapas sensíveis, como editar uma planilha, enviar um e-mail ou adicionar um evento de calendário. Depois de compartilhado, as análises mostram o número de execuções e quantas pessoas usam cada agente.

Para Enterprise e Edu, os administradores recebem controles baseados em papéis sobre quem pode usar, construir e compartilhar agentes, além de controle sobre quais ferramentas conectadas os grupos de usuários podem acessar. A API de Compliance expõe a configuração, atualizações e execuções de cada agente, e os administradores podem suspender um agente. A OpenAI também cita salvaguardas integradas contra prompt injection quando os agentes encontram conteúdo externo enganoso.

A implicação: a adoção agora depende do fluxo de descrição-para-agente, não do Codex

Os agentes de workspace são gratuitos até 6 de maio de 2026, depois passam para um modelo de preços baseado em créditos — então a janela atual é sobre fazer as equipes construírem. A proposta trata o conhecimento disperso da equipe como o ativo e o fluxo de construção guiado como o mecanismo para torná-lo reutilizável: construa uma vez, corrija em conversa, depois compartilhe ou duplique.

A aposta que vale a pena observar é se um workflow descrito se torna, de forma confiável, um agente robusto para quem não é engenheiro, ou se o trabalho de integração e permissões simplesmente muda de código para uma conversa mais longa com o construtor. O roteiro da OpenAI — gatilhos, painéis de desempenho melhores e suporte a apps Codex — sugere que eles esperam que o ciclo de construir e ajustar, não o modelo, seja onde as equipes vão gastar seu esforço.