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

O que o OfficeQA Pro mede, na prática

A Databricks criou o OfficeQA Pro para testar as partes menos glamorosas do trabalho empresarial: leitura, recuperação de informação e raciocínio fundamentado sobre PDFs digitalizados, ficheiros antigos e documentos de longo contexto. Segundo a Databricks, são estas as tarefas que "frequentemente comprometem os sistemas de agentes em produção".

Este enquadramento é relevante. O benchmark não avalia se um modelo raciocina bem em abstrato — avalia se consegue extrair o dígito correto de uma página digitalizada e transportá-lo com exatidão ao longo de um fluxo de trabalho com várias etapas. Neste teste, o GPT-5.5 tornou-se o primeiro modelo a superar os 50% de precisão, reduzindo os erros em 46% em comparação com o GPT-5.4.

Um benchmark centrado em documentos digitalizados e antigos revela algo sobre onde os clientes da Databricks realmente operam: arquivos de ficheiros imperfeitos, não dados estruturados e limpos.

Por que um único dígito mal lido se propaga em cadeia

O detalhe mais concreto do anúncio tem a ver com a propagação de erros. O engenheiro de investigação Arnav Singhvi descreve como pequenos erros de extração se acumulam ao longo da trajetória de um agente.

Quando não conseguimos extrair um determinado dígito ou número, isso altera toda a trajetória daquilo com que o agente trabalha.Montana Labs

Esta é a ideia central por detrás da redução de 46% nos erros. Num chatbot, uma leitura errada gera apenas uma resposta incorreta. Num agente, essa leitura errada alimenta todas as etapas seguintes, o que faz da precisão de leitura um multiplicador da fiabilidade total do fluxo de trabalho. A Databricks reporta que os maiores ganhos do GPT-5.5 surgiram precisamente nestes fluxos de trabalho intensivos em leitura de documentos, algo que Singhvi descreve como um "salto de patamar na leitura de documentos antigos e PDFs digitalizados".

Menos desvios de pesquisa, menos supervisão

Além da leitura de documentos, a Databricks destaca também o comportamento de orquestração. Singhvi refere que o GPT-5.4 por vezes fazia "desvios de pesquisa desnecessários" que geravam trajetórias ineficientes, e que o GPT-5.5 se mostrou mais fiável a recuperar o contexto relevante e a concluir tarefas complexas sem supervisão adicional.

Isto lê-se tanto como uma afirmação sobre eficiência e custo como sobre precisão. Etapas de recuperação desperdiçadas custam tokens e latência, e cada etapa que exige supervisão humana reduz o argumento a favor da automação. A Databricks está a descrever um modelo que se mantém focado na tarefa.

O modelo está a ser implementado como supervisor, não como executor

O percurso de implementação é a parte mais específica deste anúncio. O GPT-5.5 está disponível através do AI Unity Gateway da Databricks e funciona dentro de fluxos de trabalho construídos com o AgentBricks e a Agent Supervisor API. Nestes sistemas, a Databricks afirma que o GPT-5.5 "orquestra a leitura, a recuperação de informação e a execução entre agentes especializados".

Ou seja, o GPT-5.5 não se limita a responder a perguntas sobre documentos — está a ser colocado na camada de coordenação acima de outros agentes. A implicação é que a Databricks está a apostar que os ganhos de fiabilidade medidos na leitura e na orquestração são precisamente as qualidades necessárias para que um modelo possa dirigir outros componentes com segurança, em vez de se limitar a executar uma única tarefa.

Ter o GPT-5.5 a supervisionar estes fluxos de trabalho é verdadeiramente entusiasmante.Montana Labs

Para as equipas que constroem agentes empresariais sobre repositórios de documentos antigos, a conclusão prática desta implementação específica é restrita mas útil: avalie o seu modelo precisamente nos pontos onde as falhas de extração se propagam em cadeia, e trate o papel de supervisor como um requisito de fiabilidade distinto do papel de execução de tarefas.