Oumi libera retreinamento de modelos em agentes de IA

Inteligência Artificial

Nova ferramenta facilita personalização e atualização contínua de agentes de IA para empresas de todos os portes.

Leia também: Canva corta 22% do time e reduz previsão de receita em 2026

A Oumi PBC anunciou nesta quarta-feira (4) uma atualização do Frontier AI Engineer (FAiE) que libera para clientes empresariais a criação de agentes de inteligência artificial personalizados e o retreinamento dos modelos que esses agentes utilizam, aproximando recursos antes restritos a laboratórios de ponta do dia a dia de times de produto e engenharia.

Plataforma transforma falhas em dados de treinamento

Na nova versão, equipes descrevem em linguagem natural o que esperam do agente de IA, e o FAiE ajuda a mapear quais ferramentas, APIs e ambientes serão necessários antes de partir para avaliação e treinamento. Quando o agente entra em produção, cada falha, resposta inadequada ou desvio de comportamento é registrado e convertido em conjuntos de avaliação e dados para novos ciclos de treino, num processo contínuo de melhoria.

Segundo a Oumi, o objetivo é atacar um problema recorrente: agentes que funcionam bem na demonstração, mas desmoronam em uso real por causa de prompts ruins, ferramentas quebradas ou modelos genéricos pouco ajustados à tarefa. Até agora, muitas empresas tentavam resolver isso apenas com ajustes de prompt e de “harness” — a estrutura que orquestra o agente — porque alterar diretamente os pesos dos modelos exigia times altamente especializados.

O cofundador e CEO, Manos Koukoumidis, resume a mudança de foco. “Melhores prompts e modelos genéricos maiores só levam os agentes até certo ponto. Os que terão sucesso vão melhorar ‘treinando os pesos dos modelos que os alimentam, aprendendo com seu próprio trabalho'”, afirmou, destacando que erros em tarefas reais e preferências explícitas dos usuários viram sinais valiosos para evolução.

Clientes podem levar seu próprio ambiente

Para organizações que já operam agentes em outras plataformas, a Oumi incluiu a funcionalidade Bring Your Own Harness. Nesse modelo, a orquestração, as ferramentas e a memória existentes permanecem onde estão; o que se conecta ao FAiE é o modelo que será avaliado e treinado. Assim, o retreinamento ocorre dentro do mesmo ambiente em que o agente atua diariamente, preservando investimentos em infraestrutura e reduzindo o risco de comportamentos inesperados na migração.

A empresa argumenta que essa abordagem dá às equipes mais controle sobre a performance dos agentes e sobre a propriedade intelectual dos próprios modelos, hoje frequentemente terceirizada para provedores de modelos genéricos. A aposta é que modelos especializados e de propriedade do cliente possam entregar resultados melhores a custo menor em setores como finanças, saúde, tecnologia e atendimento ao cliente.

Entenda o contexto

A atualização do FAiE chega num momento em que agentes de IA se multiplicam em empresas, mas ainda patinam ao sair do laboratório para operações críticas. Muitos projetos emperram na etapa de confiabilidade: o agente parece promissor em demonstrações controladas, porém erra demais quando confrontado com dados, exceções e procedimentos do mundo real.

Ao permitir que os próprios times transformem falhas em dados de treino, sem depender de um grande laboratório externo, a Oumi tenta encurtar esse ciclo de frustração. A estratégia reforça a tese de que a próxima onda de produtividade em IA não virá apenas de modelos maiores, e sim de modelos continuamente adaptados ao trabalho concreto de cada organização.

Técnicas avançadas chegam ao usuário corporativo

No campo de treinamento, o FAiE passa a combinar múltiplas técnicas. Além do ajuste supervisionado que a plataforma já suportava, entra a otimização direta por preferência, em que o modelo é treinado com exemplos explícitos de comportamentos preferidos pelos usuários, aproximando o agente do tom e das decisões que o negócio considera corretos.

A Oumi também está liberando, em prévia privada, o aprendizado por reforço via otimização de política relativa em grupo, em que diferentes políticas de modelo são avaliadas com base nos resultados das tarefas que executam. O sistema pode encadear métodos em um único treinamento multietapa, com o FAiE sugerindo estratégias, definindo sinais de recompensa e ajudando a diagnosticar gargalos de desempenho.

Na prática, isso permite ciclos de melhoria em que o agente aprende não só a seguir instruções, mas a maximizar resultados alinhados às métricas do negócio, seja reduzir tempo de atendimento, aumentar a precisão de análises ou evitar erros sensíveis em contextos regulados.

Investimento e próximos passos

Sediada em Seattle e fundada por ex-líderes de engenharia do grupo Gemini, do Google, a Oumi é financiada por investidores como Venrock Management e Obvious Management Services, que lideraram uma rodada seed de US$ 10 milhões em janeiro de 2025. O reforço de caixa ajudou a companhia a acelerar o desenvolvimento do FAiE como plataforma de modelos customizados para empresas.

A funcionalidade de otimização de política relativa em grupo está disponível em prévia privada a partir deste mês, e a Oumi já recebe pedidos de acesso de clientes em diferentes regiões. O plano agora é ampliar gradualmente o uso, consolidar casos de sucesso e expandir a base de empresas que utilizam agentes próprios, com modelos sob medida. A tendência, avaliam fontes do setor, é que outras plataformas de IA corporativa corram para oferecer recursos semelhantes de retreinamento e integração, elevando o padrão mínimo exigido nesse mercado.