Descubre a nova Geração de Assistentes de IA em 2025, desde sistemas multiagentes a inteligência multimodal. Vê comigo como eles estão a transformar o nosso dia a dia e o que esperar no futuro.
Índice
Quando a IA me Salvou de Uma Situação Impossível
Eram 23:47 numa sexta-feira quando recebi aquela mensagem que nenhum profissional quer ver: “Precisamos da apresentação completa para o cliente internacional às 9h de amanhã. Desculpa o aviso tardio.”
Engoli em seco. A apresentação exigia dados atualizados de três mercados diferentes, gráficos personalizados, tradução para dois idiomas e ainda uma análise comparativa com a concorrência. Em 2022, isto significaria uma noite em branco e, provavelmente, um resultado medíocre.
Respirei fundo e ativei o meu assistente de IA e disse-lhe: Preciso de uma apresentação completa sobre o mercado de energias renováveis na Europa, Ásia e América do Norte para amanhã de manhã. Inclui dados dos últimos 6 meses, análise de concorrência e tradução para árabe e mandarim.
O que aconteceu a seguir ainda me surpreende. O assistente não só confirmou a tarefa, como começou imediatamente a trabalhar em múltiplas frentes: um agente pesquisava e validava dados recentes, outro criava imagens personalizadas, um terceiro redigia o texto com o tom da minha empresa, enquanto um quarto tratava das traduções com nuances culturais apropriadas.
De vez em quando, o assistente interrompia para me fazer perguntas específicas sobre preferências ou para validar decisões importantes. Às 2:14 da manhã, recebi a notificação: apresentação completa, com 32 slides profissionais, dados verificados, traduções naturais e até notas de apresentação personalizadas.
Dormi tranquilo e, na manhã seguinte, após uma rápida revisão, entreguei o trabalho. O cliente ficou impressionado, o meu chefe ainda mais e eu percebi que algo fundamental tinha mudado na minha relação com a tecnologia. Aquilo não era apenas uma ferramenta, era um companheiro.
Esta experiência pessoal ilustra perfeitamente a revolução silenciosa que está a acontecer com a nova geração de assistentes de IA. Não estamos apenas perante versões melhoradas dos assistentes de voz que conhecíamos, mas estamos a testemunhar o nascimento de uma nova categoria de tecnologia que está a redefinir a fronteira entre seres humanos e máquinas.
Neste artigo, vou partilhar contigo o que realmente mudou nos últimos anos, como estes novos assistentes funcionam nos bastidores e o que podemos esperar nos próximos anos. Prepara-te para uma análise honesta, com base na minha experiência direta com estas tecnologias, sem o habitual exagero promocional ou receios apocalípticos que dominam muitas discussões sobre a IA.
A Revolução dos Assistentes Multiagentes
Lembras-te de como eram os assistentes digitais em 2022?
Aquelas vozes robóticas que te diziam a previsão do tempo ou definiam temporizadores, mas ficavam completamente perdidas com perguntas ligeiramente mais complexas. “Desculpa, não entendi a tua pergunta” era praticamente o seu lema oficioso.
O problema era fundamental: Os assistentes de IA tradicionais eram essencialmente sistemas de resposta, limitados a reagir a instruções específicas dentro de parâmetros estreitamente definidos. Podiam dizer-te factos ou executar tarefas simples pré-programadas, mas não conseguiam realmente compreender o contexto, planear em múltiplas etapas ou tomar decisões autónomas. Eles eram como crianças pequenas que sabem dizer o alfabeto (que aprenderam de cor), mas não conseguem formar palavras por iniciativa própria.
Na minha experiência, isto significava que acabávamos por utilizar estes assistentes apenas para tarefas comuns como definir alarmes, fazer perguntas factuais simples ou talvez ditar uma mensagem de texto.
Qualquer coisa mais complexa já exigia que dividíssemos o problema em pequenas instruções sequenciais, o que tornava todo o processo mais trabalhoso do que simplesmente fazer a tarefa manualmente.
Quando Um Cérebro se Torna Uma Equipa
A revolução silenciosa que testemunhamos em 2025 é a transição dos assistentes de IA singulares para sistemas multiagentes que utilizam muitas ferramentas especializadas para trabalhar em conjunto.
Já não estamos a falar com uma única entidade digital, mas com um grupo de especialistas virtuais coordenados por um orquestrador central.
Imagina isto como a diferença entre pedir ajuda a um estudante generalista ou consultar uma equipa completa de especialistas.
Por exemplo, quando solicitas o planeamento de uma viagem, não é um único sistema a tentar fazer tudo, é um agente especializado em voos a pesquisar as melhores opções aéreas, outro dedicado a encontrar os melhores hotéis ou apartamentos, o que for mais adequado, um terceiro focado em atrações locais a criar um itinerário e um quarto a verificar previsões meteorológicas para sugerir atividades alternativas em caso de mau tempo. E ainda podes ter mais.
Facto surpreendente: Hoje em dia, os assistentes multiagentes conseguem literalmente fazer chamadas telefónicas com uma voz humana perfeitamente natural para reservar restaurantes ou marcar consultas médicas em teu nome, eles conseguem comunicar detalhes específicos como alergias alimentares ou doenças.
Quando testemunhei isto pela primeira vez, fiquei genuinamente arrepiada, pois a voz era indistinguível de um ser humano, incluindo pausas naturais, “hmms” de vez em quando e até pequenas correções verbais.
Da Conveniência à Transformação
O impacto desta evolução vai muito além da simples conveniência. Estamos a falar de uma verdadeira transformação na forma como interagimos com a tecnologia e gerimos o nosso tempo.
Em primeiro lugar, há uma redução significativa do trabalho cognitivo invisível, todas aquelas pequenas decisões e micro-tarefas que consomem a nossa energia mental diariamente. Quando peço ao meu assistente para organizar uma reunião com a equipa de marketing na próxima semana, já não tenho de verificar manualmente a disponibilidade de cada pessoa, encontrar uma sala livre, enviar convites e depois confirmar presenças. O sistema faz tudo isto autonomamente, o que me liberta tempo para outras tarefas que realmente exigem a minha atenção.
Em segundo lugar, estes assistentes tornam acessível a todos capacidades que antes exigiam conhecimentos especializados. Eu tenho reparado que alguns colegas meus sem qualquer formação em design conseguem agora criar materiais visuais profissionais, ou que pessoas sem experiência em análise de dados podem obter insights valiosos dos seus números de vendas e tudo através de conversas naturais com os seus assistentes.
Por último, a capacidade de executar tarefas no mundo real, quer seja através de chamadas telefónicas, integração com serviços online ou controlo de dispositivos domésticos inteligentes, demonstra que a fronteira entre o digital e o físico está a tornar-se cada vez mais ténue.
Nem Tudo São Rosas
Seria irresponsável não mencionar as limitações significativas que ainda persistem.
A mais óbvia é a dependência dos dados de qualidade e conectividade. Já me encontrei em situações frustrantes onde o meu assistente multiagente, normalmente tão capaz, ficou completamente inútil durante uma falha da internet ou quando precisava de informações muito específicas sobre um tópico de um mercado concreto.
Existe também o desafio da integração com sistemas de geração anterior. Muitas empresas e serviços públicos ainda trabalham com tecnologias desatualizadas que não oferecem APIs acessíveis, o que provoca inacessibilidade onde os assistentes de IA simplesmente não conseguem chegar.
E não podemos ignorar as questões de privacidade, pois para que estes sistemas funcionem de forma verdadeiramente eficaz, precisam de acesso a uma quantidade impressionante de dados pessoais como calendários, e-mails, histórico de compras, preferências, contactos, entre outros. Cada utilizador precisa de decidir onde traçar a linha entre conveniência e privacidade.
Já alguma vez te perguntaste quanto da tua vida estás disposto a partilhar com um assistente digital para ganhar algumas horas por semana?
Esta é uma questão com a qual me debato frequentemente e para a qual não tenho uma resposta definitiva.
Assistentes para Cada Contexto
Especialização e Personalização
Há alguns anos, quando alguém falava em assistentes de IA, estava a referir-se a um conceito genérico, isto é, um sistema que tentava ser tudo para todos. Era como ter um único funcionário na empresa a tentar desempenhar todas as funções, desde contabilidade até marketing, por exemplo.
O resultado? Competência medíocre em todas as áreas e excelência em nenhuma.
O problema era claro: os assistentes generalistas tinham uma compreensão superficial de domínios específicos. Podiam dar-te informações básicas sobre quase qualquer tópico, mas falhavam miseravelmente quando precisavas de conhecimento especializado ou contextual. Na minha experiência como profissional que trabalha com tecnologia, especialmente com IA, isto significava que raramente confiava nestes assistentes para tarefas profissionais importantes, ou seja, eram brinquedos interessantes, mas não ferramentas sérias.
Um Assistente Para Cada Missão
Em 2025, testemunhamos uma mudança fundamental: O aumento dos assistentes de IA altamente especializados, cada um projetado para ser excelente num domínio específico. É como ter uma equipa completa de especialistas à tua disposição, cada um com formação e experiência numa área particular.
Por exemplo, um assistente especializado em transcrições e anotações, que não é apenas mais um transcritor de fala para texto, mas um sistema que compreende profundamente o contexto das reuniões profissionais é um sistema que consegue identificar automaticamente diferentes oradores, captar pontos-chave e decisões e até mesmo detetar nuances emocionais nas conversas.
- Por exemplo, o Notta, quando o utilizei pela primeira vez numa reunião de planeamento estratégico com participantes internacionais, fiquei impressionada com a sua capacidade de não só transcrever com precisão sotaques diversos, mas também de traduzir em tempo real para os participantes que preferiam ler noutra língua.
Outro exemplo, um assistente focado especificamente em vendas e desenvolvimento de negócios, que não se limita a agendar reuniões, mas também analisa o histórico das interações com os clientes, sugere abordagens personalizadas com base nos padrões da comunicação anteriores e até automatiza o alcance a potenciais clientes com mensagens que parecem genuinamente humanas.
- Por exemplo, o Laxis, que tem acesso a uma base de dados de mais de 700 milhões de contactos profissionais, consegue qualificar leads automaticamente com base em dezenas de parâmetros, incluindo histórico de interações, presença nas redes sociais e sinais de intenção de compra, o que lhe permite identificar oportunidades de negócio que passariam completamente despercebidas a um humano.
Produtividade Exponencial e Acessibilidade de Competências Para Todos
O impacto desta especialização é profundo e multifacetado. Em primeiro lugar, há um aumento mensurável de produtividade. De acordo com estudos recentes, os profissionais que utilizam assistentes especializados economizam em média 5 horas por semana, tempo que pode ser redirecionado para tarefas criativas ou estratégicas.
Mais significativo ainda é o efeito de tornar acessível a toda a gente competências especializadas. Tenho dado conta que pequenas empresas conseguem agora competir com grandes empresas em áreas que tradicionalmente exigiam equipas dedicadas.
Um único profissional de marketing com o assistente certo pode agora gerir campanhas complexas em múltiplos canais, analisar resultados e otimizar estratégias, isto são tarefas que antes exigiam uma equipa completa.
Na área da saúde, assistentes especializados estão a permitir que médicos dediquem mais tempo aos pacientes e menos à burocracia. Um amigo meu médico contou-me recentemente como o seu assistente de IA não só transcreve consultas em tempo real, como também sugere diagnóstico precisos e até prepara relatórios preliminares, tudo enquanto o meu amigo mantém contacto visual e uma conexão humana com o paciente.
Fragmentação e Desafios de Interoperabilidade
Esta especialização, contudo, traz consigo novos desafios. O mais óbvio é a fragmentação do ecossistema de assistentes. Muitos profissionais, eu incluída, acabam por utilizar três ou quatro assistentes diferentes ao longo do dia, cada um para um propósito específico. Isto cria uma experiência desconexa e, por vezes, frustrante.
A interoperabilidade entre diferentes assistentes continua a ser um problema significativo. As informações e os contextos não fluem naturalmente entre sistemas, o que obriga os utilizadores a repetir dados ou preferências. É como se cada assistente especializado vivesse no seu próprio universo paralelo, sem consciência dos outros.
Existe também o risco de dependência excessiva. Quando um assistente se torna tão bom numa tarefa específica, desenvolvemos uma dependência que pode ser problemática se o serviço for descontinuado ou se a empresa por detrás dele mudar drasticamente o seu modelo de negócio.
Quantos assistentes diferentes precisaremos no futuro?
Esta pergunta tem-me perseguido ultimamente. Por um lado, a especialização traz benefícios claros em termos de desempenho. Por outro lado, a gestão de múltiplos assistentes cria uma nova forma de sobrecarga cognitiva. Talvez o próximo grande avanço não seja um assistente ainda mais especializado, mas sim uma forma elegante de orquestrar todos os que já temos num só.
A Compreensão Total do Mundo
IA Multimodal
Imagina tentar explicar a um amigo como preparar o teu prato favorito apenas por mensagens de texto, sem poder mostrar imagens, fazer gestos ou usar entoação vocal. Frustrante, não é? Esta era precisamente a limitação fundamental dos assistentes de IA até muito recentemente.
O problema era evidente: Os assistentes de IA estavam essencialmente cegos e surdos, limitados a interagir através de texto, sem compreensão do mundo visual ou auditivo que nos rodeia. Era como tentar navegar numa cidade desconhecida utilizando apenas descrições verbais, sem mapas ou referências visuais.
Na minha experiência como utilizador, isto criava situações absurdas. Lembro-me de tentar descrever um problema técnico no meu router a um assistente, gastava preciosos minutos a detalhar luzes intermitentes e mensagens de erro, quando uma simples fotografia teria comunicado tudo instantaneamente.
Ou tentar explicar a um assistente de design como queria que um gráfico fosse modificado, utilizava parágrafos de texto para algo que poderia ser demonstrado em segundos com gestos ou esboços.
Quando os Assistentes Ganham Sentidos
A revolução multimodal de 2025 transformou fundamentalmente esta realidade. Os assistentes como o GPT-4o agora integram perfeitamente texto, imagem, áudio e vídeo numa compreensão unificada do mundo. Não estamos apenas a falar de modelos que podem processar diferentes tipos de dados, estamos a falar de uma verdadeira compreensão contextual que combina todos estes inputs.
Se os assistentes de 2022 eram como crianças que só sabiam ler, os de 2025 são adolescentes que absorvem informação de todos os sentidos e criam uma compreensão holística do mundo. Esta analogia não é exagerada, a diferença qualitativa é realmente dessa magnitude.
Quando mostro ao meu assistente uma fotografia do meu frigorífico e lhe pergunto o que posso cozinhar com os ingredientes que vê na fotografia, ele não está apenas a identificar objetos isolados, ele está a compreender o estado dos alimentos, a estimar quantidades, a considerar combinações possíveis e até a reparar o que está em falta para receitas comuns. É uma compreensão contextual que se aproxima da forma como nós, seres humanos, processamos informação visual.
Facto surpreendente: Os modelos multimodais mais avançados de 2025 conseguem criar vídeos personalizados completos a partir de simples descrições textuais em menos de 5 minutos, sem qualquer conhecimento técnico da minha parte.
Interações Naturais e Resolução de Problemas Complexos
O impacto desta evolução multimodal vai muito além da simples conveniência, estamos a testemunhar uma transformação fundamental na forma como interagimos com a tecnologia.
Em primeiro lugar, as interações tornaram-se muito mais naturais e intuitivas. Já não precisamos de adaptar a nossa comunicação às limitações da máquina, podemos simplesmente mostrar, dizer ou escrever da forma que nos é mais natural. Isto reduz drasticamente a carga cognitiva de trabalhar com assistentes digitais.
Em segundo lugar, a resolução de problemas complexos tornou-se muito mais eficiente. Tenho reparado que problemas que antes exigiam longas trocas de mensagens são agora resolvidos em segundos com uma combinação de imagem e texto. Quando o meu carro apresentou uma luz de aviso no painel, bastou mostrar uma fotografia ao assistente para receber imediatamente uma explicação do problema, possíveis causas e próximos passos recomendados.
Talvez o impacto mais profundo seja na acessibilidade, pois pessoas com diferentes capacidades ou preferências de comunicação podem agora interagir com a tecnologia nos seus próprios termos. Os utilizadores com dificuldades de leitura podem preferir interações por voz, enquanto pessoas com deficiência auditiva podem optar por comunicação visual e textual.
Desafios de Privacidade e Potencial para Tendências
Esta nova capacidade multimodal, contudo, traz consigo desafios significativos. O mais premente é a questão da privacidade. Quando um assistente pode ver e ouvir o mundo à nossa volta, estamos a abrir uma janela muito mais ampla para a nossa vida privada. Uma fotografia aparentemente inocente do teu escritório em casa pode revelar documentos confidenciais em segundo plano, informações pessoais em ecrãs de computador ou detalhes sobre a tua vida que preferias manter privados.
Existe também o problema de tender a seguir certo caminho em reconhecimento visual e auditivo. Estes sistemas foram treinados com dados que, inevitavelmente, refletem as tendências da sociedade. Já testemunhei situações em que os assistentes multimodais interpretam incorretamente gestos culturais específicos ou falham na compreensão de sotaques menos representados nos dados de treino.
Por último, há o risco de uma dependência excessiva da interpretação da máquina. Quando confiamos num assistente para nos dizer o que está numa imagem ou o significado de um som, estamos a delegar parte da nossa própria interpretação do mundo. Isto pode ser problemático em situações onde nuances culturais, contexto histórico ou sensibilidade emocional são cruciais.
Será que estamos a trocar a profundidade da nossa própria perceção pela conveniência da interpretação automatizada?
Esta é uma questão que me tem feito refletir profundamente sobre como equilibrar a utilidade destas ferramentas com a importância de manter as próprias capacidades interpretativas apuradas.
Quando os Assistentes Tomam a Iniciativa
Recordo-me de uma frustração recorrente com os primeiros assistentes digitais: A necessidade constante de microgestão. Era como ter um estagiário extremamente dedicado, mas que precisava de instruções detalhadas para cada pequeno passo de uma tarefa.
“Envia um email para o João”, seguido de “Não, não é esse João, é o outro João”, depois “Adiciona o relatório em anexo” e ainda “Não te esqueças de mencionar a reunião de amanhã”.
Um processo exaustivo que muitas vezes me fazia questionar se não seria mais rápido simplesmente fazer a tarefa eu mesma.
O problema era estrutural: Os assistentes de IA tradicionais funcionavam num modelo puramente reativo, sem verdadeira memória contextual, capacidade de planeamento ou iniciativa própria. Eram ferramentas sofisticadas, mas ainda assim apenas ferramentas, incapazes de antecipar necessidades ou tomar decisões autónomas mesmo nas situações mais óbvias.
Na minha experiência profissional, isto significava que os assistentes eram úteis para tarefas isoladas e bem definidas, mas para qualquer processo que exigisse múltiplos passos, decisões condicionais ou adaptação a circunstâncias imprevistas, estava fora do seu alcance. Era como ter um GPS que te dá direções para um destino específico, mas que fica completamente perdido se encontrares uma estrada fechada ou decidires fazer uma paragem não planeada.
Assistentes que Pensam por Eles Próprios
A evolução mais significativa de 2025 é talvez a emergência de Agentes de IA com verdadeira autonomia e agência. Estes sistemas, para além de responderem a instruções, possuem a capacidade de planear, memória persistente e, mais importante, a capacidade de tomar decisões independentes dentro de parâmetros bem definidos.
Evoluímos de ter trabalhadores digitais que precisavam de instruções detalhadas para companheiros que antecipam as necessidades e resolvem os problemas proativamente. É uma mudança tão importante quanto a diferença entre um telefone fixo e um smartphone, tecnicamente ambos são telefones, mas representam paradigmas completamente diferentes.
Os agentes autónomos de hoje conseguem compreender objetivos de alto nível e decompô-los em tarefas específicas, adaptar-se a obstáculos inesperados e até mesmo questionar instruções ambíguas ou potencialmente problemáticas. Quando peço ao meu assistente para me preparar tudo para a minha viagem ao Dubai na próxima semana, ele não precisa que eu especifique cada detalhe, pois compreende que isso envolve verificar voos, sugerir hotéis com base nas minhas preferências anteriores, criar um itinerário preliminar considerando os meus interesses e os meus objetivos da viagem, e até mesmo verificar a previsão meteorológica para sugerir o que devo colocar na mala.
Facto surpreendente: Os assistentes mais avançados em 2025 conseguem monitorizar proativamente dados e alertar para anomalias sem serem explicitamente solicitados. Um amigo meu da área financeira contou-me como o seu assistente detetou um padrão incomum nas despesas da empresa e alertou-o para uma potencial fraude antes que qualquer ser humano tivesse reparado nalguma coisa suspeita. O assistente tinha estado a analisar silenciosamente as transações do dia a dia e identificou um desvio estatístico que merecia investigação.
Redução da Carga Cognitiva e Foco no Verdadeiramente Humano
O impacto mais imediato desta autonomia é a drástica redução da carga cognitiva associada à gestão de tarefas. Tenho reparado numa mudança qualitativa na minha relação com a tecnologia, isto é, já não preciso de dedicar energia mental a decompor e explicar tarefas em detalhes minuciosos, chegando simplesmente comunicar as minhas intenções e objetivos, o que me liberta tempo e capacidade mental para questões mais importantes.
Esta mudança é particularmente valiosa em contextos profissionais complexos. Na área da saúde, por exemplo, os médicos podem delegar a monitorização contínua de sinais vitais a assistentes que alertam apenas quando há alterações significativas que exigem intervenção humana. No jornalismo, os profissionais podem atribuir a verificação de factos básicos a assistentes que investigam autonomamente e apresentam resultados organizados.
Talvez o impacto mais profundo seja a redefinição do que consideramos trabalho humano. À medida que os assistentes assumem tarefas que exigem precisão, consistência e processamento de grandes quantidades de informação, os seres humanos podem focar-se nas áreas onde realmente brilhamos como a criatividade, a estratégia, a empatia, o julgamento ético e o pensamento verdadeiramente inovador.
Questões Éticas sobre Delegação e Responsabilidade
Esta nova autonomia, contudo, levanta questões éticas e práticas significativas. A mais fundamental é a questão da responsabilidade, ou seja, quando um assistente autónomo toma uma decisão problemática, quem é responsável? O utilizador que delegou a tarefa? Os programadores que criaram o sistema? A empresa que fornece o serviço?
Já testemunhei situações onde esta questão se torna concreta. Um amigo delegou ao seu assistente a tarefa de comprar presentes de Natal para a família, definindo apenas um orçamento e algumas preferências gerais. O assistente fez escolhas razoáveis, mas incluiu um item que, embora tecnicamente adequado, era inapropriado naquele contexto específico. Quem deveria assumir a responsabilidade por este erro de julgamento?
Existe também o risco de atrofia das habilidades. Quando delegamos consistentemente certas tarefas a assistentes autónomos, podemos gradualmente perder a capacidade de realizá-las nós mesmos. Por exemplo, se de repente o sistema ficar temporariamente indisponível ou se ficar sem internet ou sem luz, depois de se confiar tanto no assistente para gerir a minha agenda, posso sentir-me desorientada.
Por último, há a questão da transparência. Os sistemas mais avançados tomam decisões baseadas em análises complexas que nem sempre são facilmente explicáveis. Isto cria uma caixa negra onde confiamos em resultados sem compreender completamente como foram alcançados, o que é uma situação potencialmente problemática em contextos onde a explicabilidade é crucial.
Até que ponto estamos dispostos a ceder o controlo em troca da conveniência?
Esta é uma pergunta que cada um de nós terá de responder individualmente, mas que também merece uma reflexão coletiva enquanto sociedade. A fronteira entre a assistência útil e a dependência problemática é mais ténue do que gostaríamos de admitir.
O Que Ainda Não Conseguem Fazer
Apesar de todos os avanços impressionantes que testemunhámos nos últimos anos, é importante mantermos uma perspetiva realista sobre as limitações dos assistentes de IA atuais. Como alguém que trabalha diariamente com estas tecnologias, considero essencial reconhecer não apenas o que elas podem fazer, mas também o que ainda está fora do seu alcance.
Em primeiro lugar, os assistentes de IA em 2025 ainda carecem de verdadeira compreensão emocional.
Podem simular empatia através de respostas programadas e reconhecer emoções básicas em texto ou expressões faciais, mas não possuem a capacidade genuína de sentir ou compreender profundamente as emoções humanas.
Na minha experiência, isto torna-se evidente em situações delicadas ou emocionalmente complexas, onde as respostas, embora tecnicamente corretas, frequentemente soam artificiais ou deslocadas.
Tenho visto esta limitação particularmente em contextos de aconselhamento ou apoio emocional.
Quando partilhei com um assistente uma preocupação pessoal genuína sobre um familiar doente, a resposta foi gramaticalmente perfeita e logicamente estruturada, mas faltava-lhe aquela qualidade indefinível de compreensão humana que transcende as palavras.
Os assistentes atuais também continuam a lutar com o raciocínio ético.
Podem seguir diretrizes éticas programadas e evitar violações óbvias, mas falham em situações que exigem ponderação de valores conflituantes ou compreensão de contextos culturais específicos. Já testemunhei assistentes a propor soluções tecnicamente eficientes para problemas de negócios que ignoravam completamente as implicações sociais ou ambientais dessas soluções.
Outra limitação significativa é a incapacidade da verdadeira criatividade transformadora.
Embora possam criar conteúdo impressionante com base em padrões existentes, os assistentes de IA não conseguem produzir ideias genuinamente revolucionárias que rompam paradigmas. Eles podem combinar e recombinar conhecimento existente de formas interessantes, mas não dão aquele salto criativo que redefine campos inteiros, o equivalente a um Picasso a reinventar Guernica ou a uma Marie Curie a descobrir a radioatividade.
Por último, os assistentes de IA ainda não possuem consciência ou autoconsciência no sentido humano.
Não têm desejos próprios, motivações intrínsecas ou um sentido de identidade. Isto significa que não podem realmente compreender as consequências das suas ações ou assumir responsabilidade moral pelas suas decisões.
E esta ausência de consciência também implica que, por mais sofisticados que sejam, os assistentes de IA continuam a ser ferramentas, extraordinariamente poderosas e versáteis, sem dúvida, mas ainda assim ferramentas projetadas para servir objetivos humanos, não para definir os seus próprios propósitos ou valores.
E posso te dizer que reconhecer estas limitações não diminui de forma alguma as conquistas notáveis da IA moderna. Pelo contrário, ajuda-nos a utilizar estas tecnologias de forma mais eficaz, complementando as capacidades humanas, em vez de as tentar substituir em áreas onde ainda não estão à altura.
Como Funcionam Estas Tecnologias
Se já te perguntaste como é que estes assistentes de IA conseguem realizar as tarefas a que se propõem, vamos dar uma espreitadela.
Da Inteligência Singular à Orquestra de Especialistas
A evolução mais fundamental nos assistentes de IA modernos é a transição de um modelo singular para uma arquitetura multiagente. Imagina a diferença entre um músico a solo e uma orquestra completa.
Os assistentes de IA em 2022 eram como pianistas talentosos, impressionantes dentro das suas limitações, mas restritos a um único instrumento. Os sistemas de 2025 são como orquestras completas, com diferentes músicos especializados a trabalhar em harmonia sob a direção de um maestro central.
Na prática, isto significa que quando fazes uma pergunta ou dás uma instrução ao teu assistente, não é um único sistema a tentar resolver tudo. Em vez disso, um agente orquestrador analisa o teu pedido e decide quais as ferramentas ou sub-agentes mais adequados para cada parte da tarefa. Alguns destes agentes são especialistas a pesquisar na internet, outros a processar imagens, outros em raciocínio matemático, outros na criação de código, e assim por diante.
Esta abordagem resolve um dos maiores desafios da IA, que é o equilíbrio entre a amplitude e a profundidade do conhecimento. Em vez de tentar criar um único modelo que seja bom em tudo (uma tarefa praticamente impossível), os sistemas modernos combinam múltiplos modelos especializados, cada um excelente na sua área específica.
A Evolução dos LLMs para Sistemas Multimodais
No coração dos assistentes modernos estão os LLMs, que evoluíram significativamente nos últimos anos.
Estes modelos são treinados com enormes quantidades de texto, essencialmente, leram uma porção significativa da internet, livros, artigos científicos e muito mais.
O que mudou fundamentalmente em 2025 é a integração das capacidades multimodais. Os modelos mais recentes não foram treinados apenas com texto, mas também com imagens, vídeos e áudio, o que lhes permite compreender e criar conteúdo em múltiplos formatos.
Na minha experiência a trabalhar com estas tecnologias, a diferença é como passar de uma conversa por mensagens de texto para uma videochamada, de repente, toda uma dimensão adicional de comunicação torna-se disponível.
Tecnicamente, isto é conseguido através de modelos de embedding que traduzem diferentes tipos de dados (texto, imagens, áudio) para um formato matemático comum que o sistema pode processar de forma unificada. É como se todos os nossos sentidos (visão, audição, olfato, paladar, tato) fossem traduzidos para uma linguagem universal que o cérebro pode compreender.
Integração de Ferramentas e APIs
Uma das inovações mais importantes nos assistentes modernos é a sua capacidade de interagir com o mundo digital através de ferramentas e APIs. Se os LLMs são o cérebro do assistente, estas integrações são as suas mãos e pés, que lhe permitem realizar ações concretas.
Quando peço ao meu assistente para reservar um voo, ele não está apenas a criar texto que parece uma confirmação de reserva, ele está realmente a conectar-se a APIs de companhias aéreas, a verificar disponibilidade, a comparar preços e a realizar um contrato de compra e venda real.
Esta capacidade depende de uma tecnologia chamada grounding, que essencialmente ensina o modelo a conectar conceitos abstratos a ações específicas no mundo real. É a diferença entre saber teoricamente como se joga xadrez e ser capaz de mover fisicamente as peças num tabuleiro.
O Papel Crucial do Treino com Feedback Humano
Por detrás de todos estes avanços técnicos está um elemento frequentemente subestimado que é o treino com feedback humano. Os modelos iniciais são treinados com dados em grande quantidade, mas é o refinamento através do feedback humano que realmente os torna úteis e seguros.
Este processo, conhecido como RLHF (Reinforcement Learning from Human Feedback), envolve seres humanos a avaliar as respostas do modelo e a fornecer orientação sobre o que é útil, preciso, seguro e alinhado com os valores humanos.
Tenho constatado que os assistentes que recebem treino contínuo com feedback diversificado tendem a ser significativamente mais úteis e menos propensos a erros ou respostas problemáticas. É como a diferença entre alguém que somente leu sobre um país estrangeiro e alguém que viveu lá e recebeu orientação de locais sobre costumes e normas culturais.
Este processo de refinamento contínuo é uma das razões pelas quais os assistentes de IA melhoram tão rapidamente, cada interação fornece dados potenciais para melhorar o sistema para todos os utilizadores.
A combinação destas tecnologias, nomeadamente, arquitetura multiagente, capacidades multimodais, integração de ferramentas e treino com feedback humano, é o que permite aos assistentes modernos de 2025 realizar tarefas que pareciam impossíveis há apenas alguns anos. E o mais impressionante é que estamos apenas a tocar a ponta do iceberg do que será possível nos próximos anos.
Passo a Passo desde o Pedido até à Resposta Final
1.º Receção e Análise do Pedido do Utilizador: O Ponto de Partida
Tudo começa com a tua interação, quer seja através de uma pergunta por texto como “Planeia uma viagem de fim de semana a Roma para duas pessoas no próximo mês, com um orçamento de 3.000,00€”, quer seja através de uma instrução por voz ou até do envio de uma imagem, é assim que o sistema é ativado.
De seguida entra em cena o Agente orquestrador (também conhecido como master agent ou controller agent). Este é o cérebro da operação. A sua primeira tarefa não é responder, mas sim compreender, para tal ele utiliza técnicas avançadas de Processamento de Linguagem Natural (PLN), ele analisa o teu pedido para extrair a intenção principal (planear uma viagem) e os pontos-chave (destino: Roma, número de pessoas: 2, data: próximo mês, orçamento: 3.000,00€). Esta fase é crucial, pois um entendimento incorreto pode levar a todo um processo desalinhado.
2.º Decomposição da Tarefa: Dividir para Conquistar
Um pedido complexo como planear uma viagem não pode ser resolvido com uma única ação. O agente orquestrador, com a sua visão global do problema e conhecimento das capacidades do sistema, divide a tarefa principal em subtarefas menores e mais manuseáveis.
Para o nosso exemplo da viagem a Roma, a decomposição poderia ser:
Subtarefa 1: Pesquisar e selecionar voos de ida e volta para Roma para 2 pessoas, dentro das datas estipuladas.
Subtarefa 2: Pesquisar e sugerir opções de alojamento (hotel ou apartamento) em Roma que se enquadrem no orçamento e tenham boas avaliações.
Subtarefa 3: Criar um itinerário sugerido para o fim de semana, que inclua atrações principais.
Subtarefa 4: Calcular o custo total estimado (voos + alojamento + atividades) e verificar se está dentro do orçamento de 3.000,00€.
Subtarefa 5: Apresentar todas as informações de forma clara e organizada.
O orquestrador não só divide a tarefa, como também identifica qual o especialista (agente) mais qualificado para cada uma destas missões.
3.º Distribuição para Agentes Especializados: A Força da Colaboração
Uma vez que o plano está traçado, o orquestrador distribui cada subtarefa ao agente mais competente e é aqui que a “multi” a palavra “multiagente” ganha vida. Estes agentes são modelos de IA ou ferramentas de software treinados para funções muito específicas.
A Subtarefa 1 é enviada para o Agente de viagens, que tem acesso a APIs de companhias aéreas e comparadores de voos.
A Subtarefa 2 vai para o Agente de alojamento, especializado em interagir com plataformas como Booking.com ou Airbnb.
A Subtarefa 3 é atribuída ao Agente de pesquisa e planeamento, que pode procurar na internet guias de viagem, horários de museus e sugestões de restaurantes.
A Subtarefa 4 pode ser feita por um Agente de cálculo ou pelo próprio orquestrador.
A beleza deste sistema é o conjunto. Em vez de um processo lento e sequencial, múltiplos agentes podem trabalhar em simultâneo, o que acelera significativamente a resolução do problema.
4.º Interação com APIs e Ferramentas Externas: Ligar a IA ao Mundo Real
Os agentes especializados não vivem numa bolha, pois para executarem as suas tarefas, eles precisam de interagir com o mundo digital real. E isto é feito através de APIs (Interfaces de Programação de Aplicações), que funcionam como pontes de comunicação entre o agente e serviços externos. O agente de viagens não navega num site como um ser humano, ele envia um pedido estruturado à API da companhia aérea (“Quero voos para Roma, data X, 2 passageiros”) e recebe de volta dados igualmente estruturados (voos disponíveis, horários, preços).
Nesta fase, entra em jogo o grounding. Esta é a capacidade do sistema de ligar conceitos abstratos da linguagem (como “um hotel bem localizado e com boas classificações”) a ações e dados concretos (como executar uma pesquisa na API do Booking com os filtros “centro da cidade” e “preço ± €/noite”). O grounding garante que a IA não está apenas a manipular palavras, mas a interagir com o mundo real de forma significativa.
5.º Recolha e Integração dos Resultados: Juntar as Peças do Puzzle
À medida que os agentes especializados completam as suas missões, eles enviam os resultados de volta ao agente orquestrador.
O Agente de viagens devolve uma lista de 2 ou 3 opções de voos.
O Agente de alojamento envia detalhes de alguns hotéis com fotos e preços.
O Agente de pesquisa e planeamento um esboço de um possível itinerário.
A tarefa do orquestrador agora é a de um editor-líder, que tem de recolher, filtrar e integrar as informações distintas numa narrativa coerente. Ele tem de verificar se os resultados são consistentes entre si (por exemplo, se as datas do hotel correspondem às dos voos) e se o custo total respeita o orçamento inicial. Se faltar alguma informação ou se houver alguma contradição ou erro, o orquestrador pode reenviar uma tarefa a um agente com instruções refinadas.
6.º Criação da Resposta para o Utilizador: A Apresentação Final
Com todos os dados integrados e validados, o sistema prepara a resposta final, por regra, a resposta é multimodal, pois combina diferentes formatos para uma comunicação mais rica e eficaz.
Ou seja, em vez de um longo bloco de texto, o assistente pode criar:
- Texto: Um resumo do plano de viagem.
- Elementos Visuais: Caixas com os detalhes dos voos, incluindo logótipos das companhias aéreas e uma sequência de imagens dos hotéis sugeridos.
- Um Mapa Interativo: Onde mostra a localização de cada hotel sugerido em relação às atrações do itinerário.
- Um Gráfico: Que resume a divisão dos custos.
A resposta é cuidadosamente formatada para ser clara, intuitiva e, acima de tudo, útil, que permita ao utilizador tomar uma decisão informada ou pedir ajustes ou esclarecimentos.
7.º Aprendizagem e Melhoria Contínua: O Ciclo do Feedback
O processo não termina com a entrega da resposta. A reação do utilizador é o ingrediente final e um dos mais importantes. O sistema foi útil? A sugestão do hotel foi boa? O voo era o mais barato?
O sistema regista este feedback, seja ele explícito (clicar num botão de “gosto” ou “não gosto” ou dar uma avaliação) ou implícito (ignorar uma sugestão e pedir outra). E esta informação retroalimenta o RLHF.
Através do RLHF, o sistema aprende o que constitui uma boa ou má resposta aos olhos dos utilizadores. Este ciclo de feedback contínuo permite melhorar as decisões futuras do orquestrador, aprimorar a precisão dos agentes especializados e garantir que o assistente se torna progressivamente mais útil, seguro e alinhado com as expectativas humanas.
Como vimos, por detrás de um simples pedido a um assistente multiagente, existe uma complexa e fascinante coreografia digital, é como uma sinfonia de cooperação entre o orquestrador e uma orquestra de especialistas (os agentes), que comunicam com o mundo real e aprendem continuamente. E posso te dizer que compreender este processo revela o imenso potencial destes sistemas para se tornarem verdadeiros companheiros na resolução de problemas do nosso dia a dia.
Como Criar o Primeiro Assistente Multiagente
Vamos agora mergulhar nos bastidores e construir um sistema multiagente focado num caso de uso empresarial concreto, por exemplo, a criação de um relatório de análise competitiva. O objetivo é construir uma equipa de especialistas, cada um com a sua função e ferramentas, para produzir um resultado estratégico e aprofundado, em vez de darmos instruções, passamos a formar equipas.
Passo 1: Planeamento da Equipa
Antes de escrever uma única linha de código, o passo mais crucial é o design do sistema. Um erro comum de quem começa é subestimar esta fase. A questão não é “o que quero fazer?”, mas “quem são os especialistas de que preciso para o fazer?”.
Para a nossa análise de mercado, vamos precisar de uma equipa diversificada. A nossa equipa (Crew) será composta por:
- Analista de Pesquisa de Mercado: O investigador, que desempenha a função de identificar os principais concorrentes no mercado e recolher dados brutos sobre eles como, por exemplo, artigos, sites, comunicados de imprensa, entre outros que considere relevantes.
- Especialista de Produto e Tecnologia: O engenheiro, que irá analisar as informações recolhidas para avaliar as características técnicas, a inovação e a proposta de valor dos produtos concorrentes.
- Analista Financeiro Estratégico: O agente especialista em estratégia, que tem como missão analisar a saúde financeira, os modelos de negócio, o posicionamento de mercado dos concorrentes e procurar debilidades e oportunidades.
- Redator de Relatórios de Inteligência Competitiva: O comunicador e gestor do projeto, é o agente final que recebe as análises dos outros três, sintetiza a informação, identifica os insights mais relevantes e elabora o relatório final de forma coesa e estratégica.
Repara como decompusemos um pedido vago como analisa a concorrência em tarefas especializadas e digo-te já que é aqui que reside o poder dos sistemas multiagente.
Passo 2: A Escolha do Ecossistema e a Configuração do Ambiente
Para orquestrar os nossos agentes, vamos neste caso concreto utilizar Python, a linguagem natural da IA, em conjunto com a biblioteca CrewAI. A CrewAI é um framework excelente porque abstrai muita da complexidade da comunicação entre agentes, focar na definição dos seus papéis e tarefas.
Pré-requisitos:
- Passo 2.1: Instalação da última versão de Python.
- Passo 2.2: Um editor de código como o VS Code.
- Passo 2.3: Uma API key de um fornecedor de LLMs.
- Passo 2.4: Instalação das bibliotecas necessárias no teu terminal.
Passo 3: Definir os Agentes e as Suas Ferramentas (O Código)
Agora, vamos traduzir o nosso planeamento em código. O processo é surpreendentemente intuitivo. Primeiro, configuramos o acesso ao nosso cérebro de IA (o LLM).
Com o ambiente pronto, definimos cada agente, atribuindo-lhe um role (função), um goal (objetivo) e um backstory (contexto), que ajuda o LLM a entrar na personagem e a otimizar as suas respostas.
Nota sobre as tools: Repare que demos aos agentes de pesquisa a SerperDevTool. Isto é importante, pois estamos a dar-lhes acesso ao mundo exterior (à internet), permitindo que trabalhem com informação atualizada, em vez de estarem limitados ao conhecimento pré-treinado do LLM.
Passo 4: Criar as Tarefas e Orquestrar a Equipa
Com os agentes definidos, criamos as tarefas que eles irão executar. O resultado (output) de uma tarefa é automaticamente passado como contexto para a tarefa seguinte.
Passo 5: Lançar a Equipa e Obter o Resultado
Agora, montamos a Crew e definimos o processo de execução. Neste caso, será um processo sequencial, onde cada agente executa a sua tarefa e passa o testemunho ao próximo.
Ao executar este código, vais poder assistir em tempo real à conversa e ao trabalho dos agentes, vais poder ver o pesquisador a utilizar a sua ferramenta de procura, as suas conclusões a serem passadas para o analista seguinte, e assim até que o redator final te entregue um relatório polido e multifacetado que seria impossível de obter com uma única solicitação a um assistente de IA tradicional.
Este exemplo simples ilustra uma verdade profunda sobre o futuro da IA no trabalho, que é que deixamos de usar a IA como uma calculadora para passar a utilizá-la como uma equipa de especialistas. Pelo que o verdadeiro conhecimento avançado não está em saber construir um único agente, mas em saber como decompor problemas complexos, definir papéis, orquestrar fluxos de trabalho e, acima de tudo, fazer as perguntas certas aos especialistas certos, e mesmo que eles sejam feitos de código.
Previsões Para os Próximos 3 Anos
Ao olhar para o horizonte tecnológico, com base na minha experiência e na observação das tendências atuais, arrisco-me a fazer, para já, três previsões específicas para a evolução dos assistentes de IA nos próximos 3 anos.
Assistentes Verdadeiramente Personalizados com Modelos Locais
A primeira grande mudança que antevejo para 2026/2027/2028 é o crescimento dos assistentes de IA verdadeiramente personalizados, que funcionam localmente nos nossos gadgets. Atualmente, a maioria dos assistentes avançados opera na nuvem, o que impõe limitações significativas em termos de privacidade e personalização profunda.
Nos próximos anos, vamos ver modelos suficientemente poderosos para funcionar inteiramente nos nossos dispositivos pessoais, sem necessidade constante de conexão à internet. Estes assistentes serão treinados continuamente com os nossos dados pessoais, a forma como escrevemos, as nossas preferências, rotinas e até padrões de pensamento.
O resultado será algo muito mais próximo de um verdadeiro companheiro digital do que uma ferramenta genérica.
Ora imagina um assistente que conhece o teu estilo de escrita tão bem que pode redigir e-mails que soam exatamente como tu, imagina que compreende as tuas preferências tão profundamente que pode tomar decisões em teu nome com total confiança e imagina que reconhece os teus padrões de humor que adapta as suas interações de acordo com eles.
Esta personalização profunda trará benefícios enormes em termos de eficiência e conveniência, mas também levantará questões importantes sobre identidade digital e autenticidade. Quando o teu assistente consegue escrever exatamente como tu, o que significa realmente ser “tu” no mundo digital?
Integração Total com o Mundo Físico através de Robótica e IoT
A segunda transformação que prevejo é a integração perfeita entre assistentes de IA e o mundo físico através de avanços em robótica e Internet das Coisas (IoT). Os assistentes de hoje já conseguem controlar dispositivos inteligentes básicos, mas a experiência ainda é fragmentada e limitada.
Entre 2026 e 2028, os assistentes de IA serão o cérebro central dos ecossistemas físicos completos. O teu assistente não apenas controlará luzes e termostatos, mas orquestrará sistemas robóticos complexos em casa e no trabalho. Imagina um assistente que pode não só sugerir receitas com base nos ingredientes disponíveis, mas também instruir braços robóticos na cozinha para preparar a refeição ou que pode não apenas agendar uma reunião, mas também preparar fisicamente a sala ao ajustar a temperatura, ao preparar os materiais e até ao servir café aos participantes.
Esta integração física eliminará muitas das barreiras que ainda existem entre o mundo digital e o físico. Os assistentes deixarão de estar confinados a ecrãs e altifalantes, tornando-se entidades omnipresentes que podem interagir com o mundo da mesma forma que nós.
Esta evolução trará conveniência sem precedentes, mas também levantará questões sobre dependência tecnológica e resiliência.
Regulamentação Específica para Agentes Autónomos
A terceira previsão, talvez a mais certa de todas, é o surgimento de regulamentação específica para os Agentes de IA Autónomos. À medida que estes sistemas se tornam mais capazes e assumem mais responsabilidades, a necessidade de clareza legal e ética torna-se incontornável.
Até 2028, espero ver legislação específica que defina claramente os limites da autonomia permitidos a assistentes de IA, estabeleça requisitos de transparência e explicabilidade e clarifique as questões de responsabilidade quando algo corre mal. Vamos ver provavelmente o surgimento de licenças para diferentes níveis de agentes de IA.
Alguns assistentes serão certificados apenas para tarefas básicas e de baixo risco, enquanto outros, sujeitos a requisitos mais rigorosos, poderão obter autorização para tarefas com maior impacto potencial.
Esta regulamentação criará confiança e clareza necessárias para a adoção generalizada destas tecnologias. As empresas, os Governos e os indivíduos precisarão de saber exatamente o que podem esperar e exigir dos seus assistentes digitais.
O desafio será encontrar o equilíbrio entre proteger o interesse público e não sufocar a inovação. Os países que conseguirem este equilíbrio ganharão vantagens significativas na economia digital emergente.
Estas três previsões, nomeadamente, personalização profunda através de modelos locais, integração física através de robótica e IoT e regulamentação específica, representam não apenas evoluções tecnológicas, mas transformações fundamentais na nossa relação com a tecnologia. Estamos a caminhar para um mundo onde a fronteira entre ser humano e máquina, entre físico e digital, se torna cada vez mais fluida e complexa.
Rumo a uma Relação Consciente com a Tecnologia
Quando comecei a trabalhar com assistentes de IA há alguns anos, confesso que a minha relação com estas tecnologias era ambivalente. Por um lado, estava fascinada com as possibilidades, por outro lado, mantinha um ceticismo saudável sobre as promessas grandiosas que frequentemente acompanhavam cada novo lançamento.
Hoje, depois de integrar profundamente estas ferramentas no meu fluxo de trabalho diário e de testemunhar a sua evolução acelerada, a minha perspetiva tornou-se simultaneamente mais entusiasmada e mais cautelosa.
Mais entusiasmada porque testemunhei em primeira mão como estas tecnologias podem libertar-nos de tarefas repetitivas e mentalmente desgastantes, o que nos permite focar no que realmente importa. Já não passo horas a formatar documentos, a pesquisar dados básicos ou a redigir e-mails do dia a dia. Em vez disso, posso dedicar esse tempo a pensar estrategicamente, a cultivar relações humanas significativas e a resolver problemas verdadeiramente complexos.
Mais cautelosa porque compreendo agora, melhor do que nunca, os riscos subtis que acompanham esta conveniência. Preocupa-me a facilidade com que podemos delegar decisões que talvez não devêssemos.
Recentemente, apanhei-me a pedir ao meu assistente para escolher um presente de aniversário para um amigo próximo, algo que, refletindo melhor, deveria envolver consideração pessoal e não eficiência algorítmica.
Acredito que estamos a viver um momento de transição histórico e como todas as grandes transições tecnológicas, esta traz consigo tanto oportunidades extraordinárias como desafios profundos.
A questão central que todos enfrentamos não é se devemos adotar estas tecnologias, pois elas já estão aqui e vieram para ficar, mas como podemos integrá-las nas nossas vidas de forma a amplificar o que há de melhor em nós, em vez de substituir ou diminuir as nossas capacidades humanas essenciais.
Na minha própria jornada, tenho tentado seguir um princípio simples, que é o seguinte, utilizar assistentes de IA para me libertar de tarefas que não valorizo pessoalmente, preservando sempre espaço para o esforço, a frustração e até mesmo o fracasso em áreas onde o processo, e não apenas o resultado, tem valor intrínseco.
Convido-te a refletir sobre a tua própria relação com estas tecnologias. Que aspetos do teu trabalho e vida pessoal beneficiariam genuinamente da assistência algorítmica? E quais são as áreas onde o esforço humano, com todas as suas imperfeições e ineficiências, continua a ser insubstituível?
A resposta será diferente para cada um de nós, mas o que importa é que seja uma escolha consciente e não uma deriva gradual para um futuro que nunca escolhemos ativamente.
Os assistentes de IA são, no final de contas, ferramentas extraordinárias e como todas as ferramentas poderosas, o seu valor depende não somente do que podem fazer, mas do que nós escolhemos fazer com elas.
