O loop que achou 15% a 30% de melhora quase sozinho: meta, medição e critério de saída
por Dudu ·
Um agente de IA consegue achar melhorias que ninguém viu quando trabalha em loop: tenta, mede, compara com a meta e tenta de novo. Em julho de 2026, o Guillermo Rauch, CEO da Vercel, contou que um agente encontrou uma melhora de 15% a 30% no uso de memória do Next.js quase sozinho. O método por trás desse resultado serve pra qualquer tarefa que dá pra medir.
Este post explica o caso e o método em 4 partes. Ele conversa com outro tema que já tratamos por aqui: o turno da noite dos agentes.
O que aconteceu na Vercel
O Guillermo Rauch publicou em 23 de julho de 2026 que um agente encontrou uma melhora de 15% a 30% na eficiência de memória do Turbopack e do Next.js, quase de forma autônoma.
No mesmo post, ele contou que o Tobi Lütke, CEO da Shopify, perguntou quais tinham sido os momentos de espanto dele com a IA. A resposta: acontecem toda semana, e cada vez mais rápido. E ele sugeriu acompanhar a IA por quantas vezes por dia ela te surpreende. O post teve 4,5 mil curtidas.
O método: meta, medição, loop e critério de saída
O resultado da Vercel vem de um método que tem 4 partes, e nenhuma delas depende de um modelo específico.
- Meta mensurável. Em vez de “melhore o desempenho”, algo como “reduza o uso de memória em pelo menos 10%”.
- Medição a cada tentativa. Uma ferramenta que mede o resultado de forma objetiva, como um profiler, que mostra onde o código gasta memória ou tempo.
- Loop. O agente propõe uma mudança, mede, compara com a meta e tenta de novo.
- Critério de saída. A regra que diz quando parar: meta atingida, número máximo de tentativas ou nenhuma melhora depois de várias rodadas.
Sem a medição, o agente não sabe se melhorou. Sem o critério de saída, ele pode rodar pra sempre ou entregar uma mudança pior do que a original.
Onde o método funciona fora do código
O método funciona em qualquer tarefa com uma meta que dá pra medir de forma objetiva.
Desempenho de código é o exemplo mais claro, mas a mesma lógica vale pra reduzir o tempo de um relatório, melhorar a taxa de acerto de uma classificação de chamados ou encontrar a configuração que deixa uma planilha de custos mais precisa. O que não funciona bem é aplicar o loop a algo que só dá pra julgar no gosto, porque aí não existe medição.
Como testar na sua empresa
Escolha uma tarefa que já tem um número associado e deixe o agente trabalhar em loop numa cópia, nunca em produção.
Defina a meta, a forma de medir e o critério de saída antes de começar, e revise o resultado antes de colocar em uso. As regras de segurança do post sobre o agente que apagou um banco de produção valem aqui também. E se você quer um agente rodando esse tipo de loop nas rotinas da empresa, a gente monta no Agente OS, o sistema operacional com IA que a DobraLabs monta pra tocar a empresa.
Tema do episódio 26 do Ratos de IA, nossa curadoria semanal de inteligência artificial, publicado originalmente como carrossel no Instagram @ratosdeia. Fonte: o post do Guillermo Rauch no X.
Perguntas frequentes
O que é um loop de agente de IA?
É quando o agente repete um ciclo de tentativa, medição e ajuste até atingir uma meta definida, em vez de entregar uma resposta só. O agente propõe uma mudança, mede o resultado, compara com a meta e tenta de novo, até chegar lá ou bater o critério de parada.
O que um loop de agente precisa pra funcionar?
Precisa de 3 coisas: uma meta que dá pra medir, uma forma de medir a cada tentativa e um critério de saída, que diz quando parar, tanto quando a meta é atingida quanto quando as tentativas acabam. Sem medição, o agente não sabe se melhorou.
Que resultado a Vercel conseguiu com um loop?
O Guillermo Rauch, CEO da Vercel, contou em julho de 2026 que um agente encontrou uma melhora de 15% a 30% na eficiência de memória do Turbopack e do Next.js, quase de forma autônoma.