OpenAI integra no ChatGPT uma interface de compras visual e orientada por feedback

O que a OpenAI lançou, na prática

A 24 de novembro de 2025, a OpenAI começou a disponibilizar a shopping research a utilizadores do ChatGPT com sessão iniciada nos planos Free, Go, Plus e Pro, tanto em mobile como na web. A funcionalidade destina-se a decisões de compra mais complexas — comparações, restrições e compromissos — e não a consultas rápidas como verificar um preço.

O fluxo é específico. O utilizador descreve o que procura, o ChatGPT faz perguntas de clarificação sobre orçamento, destinatário ou características, pesquisa depois na web e devolve um guia de compra com os melhores produtos, as principais diferenças e informação atualizada. A empresa refere que o processo demora poucos minutos e funciona melhor em categorias ricas em detalhe: eletrónica, beleza, casa e jardim, cozinha e eletrodomésticos, e desporto e ar livre.

Para estimular a adoção durante a época festiva, a OpenAI está a disponibilizar utilização praticamente ilimitada a todos os planos ao longo da época — uma decisão de utilização que revela a intenção de tornar esta funcionalidade um ponto de entrada habitual, e não uma novidade ocasional.

A interface é o produto, não apenas o modelo

A escolha de engenharia mais relevante situa-se no frontend. Em vez de uma única troca de pergunta e resposta, a OpenAI apresenta uma interface visual em que a pesquisa se atualiza à medida que decorre. Os produtos vão surgindo ao longo do processo, e o utilizador marca itens como 'Não tenho interesse' ou 'Mais como este' para orientar os resultados em tempo real.

Em segundo plano, o sistema procura na internet informação atualizada como preço, disponibilidade, avaliações, especificações e imagens, apresentando opções ao utilizador à medida que avança.Montana Labs

Trata-se de um padrão de interação significativamente diferente do chat convencional. A pesquisa é tratada como uma sessão com estado, que incorpora novas restrições à medida que surgem, em vez de exigir que o utilizador reformule tudo numa mensagem de seguimento. Para equipas de engenharia aplicada, é um exemplo prático de como combinar recuperação orientada por ferramentas com feedback do utilizador em tempo real, dentro de uma única tarefa.

Um modelo pequeno pós-treinado para uma única função

A shopping research é suportada por uma versão do GPT-5 mini — especificamente o GPT-5-Thinking-mini — pós-treinado com aprendizagem por reforço para tarefas de compras. A OpenAI afirma ter treinado o modelo para ler sites de confiança, citar fontes fiáveis e sintetizar informação a partir de múltiplas páginas, tendo também criado uma nova avaliação para consultas de produtos difíceis e com muitas restrições.

A métrica de precisão utilizada é concreta: a percentagem de produtos numa resposta que efetivamente cumprem os requisitos indicados — preço, cor, material, especificações. Esta abordagem é relevante porque mede se os itens devolvidos satisfazem as restrições, e não se o texto parece convincente. A OpenAI reconhece abertamente que o modelo ainda comete erros em detalhes como preço e disponibilidade, e recomenda aos utilizadores que confirmem a informação nos sites dos comerciantes.

A infraestrutura comercial subjacente

Dois detalhes indicam o rumo desta funcionalidade. Atualmente, os utilizadores são direcionados para os sites dos retalhistas para concluir a compra; no futuro, a OpenAI afirma que as compras passarão a ser feitas diretamente no ChatGPT, para comerciantes integrados no Instant Checkout. Os comerciantes que queiram surgir nos resultados podem seguir um processo de inclusão em lista aprovada.

A OpenAI afirma também que os resultados são orgânicos, baseados em páginas de retalho publicamente disponíveis, que as conversas nunca são partilhadas com retalhistas, e que sites de baixa qualidade ou considerados spam são evitados. A shopping research está também a ser sugerida de forma proativa através do ChatGPT Pulse para utilizadores Pro, que pode propor guias de compra com base em conversas anteriores — por exemplo, acessórios para bicicletas elétricas após conversas sobre esse tema.

O que implica uma superfície de compras nativamente orientada por feedback

A implicação concreta deste lançamento é que a OpenAI está a construir uma camada de descoberta retalhista que se posiciona entre consumidores e comerciantes, combinando um modelo pequeno treinado para o efeito, uma interface de feedback em tempo real, personalização baseada em memória e um caminho emergente até ao checkout e à inclusão de comerciantes em lista aprovada.

Para as equipas que constroem experiências de descoberta de produtos, a lição não é que um modelo de fronteira consegue fazer compras, mas sim que a OpenAI optou por um modelo mini afinado para a tarefa, envolveu-o numa interface visual com estado, e definiu o sucesso como precisão no cumprimento de restrições. A diferenciação está no design da interação e nas relações com retalhistas, não na escala bruta do modelo.