Declaração de tese

Uma pequena equipe de pesquisadores de IA em Palo Alto saiu das sombras este mês com grandes notícias e ambições ainda maiores. A NeoCognition, fundada por acadêmicos líderes da Ohio State University, anunciou uma rodada de financiamento semente de US$ 40 milhões em 21 de abril de 2026. A rodada superlotada contou com investidores sofisticados ansiosos para levar a IA além das ferramentas atuais, que são conversadoras, mas frequentemente desajeitadas.

 

A NeoCognition deseja resolver uma fraqueza fundamental nos agentes de IA atuais — sua incapacidade de lidar confiavelmente com trabalhos de nível especialista —, construindo sistemas que aprendem continuamente durante o trabalho, constroem modelos detalhados de seus ambientes operacionais e se tornam especialistas especializados, assim como as pessoas fazem ao dominar uma nova profissão.

Yu Su, professor associado da Ohio State University e bolsista da Sloan Research de 2025, passou anos desenvolvendo ferramentas fundamentais para agentes de IA muito antes do ChatGPT atrair a atenção do público. Sua equipe criou projetos influentes como Mind2Web, MMMU e SeeAct, que moldaram a forma como os modernos modelos de linguagem grande lidam com planejamento, percepção e ação. Essas contribuições aparecem em sistemas da OpenAI, Anthropic e Google hoje.

 

Su e os co-fundadores Xiang Deng e Yu Gu decidiram que era hora de transformar sua pesquisa em uma empresa. Eles se mudaram para o Vale do Silício e reuniram um grupo reduzido de cerca de 15 pesquisadores com doutorado focados exclusivamente em agentes. Os primeiros trabalhos do laboratório já abrangiam componentes essenciais como memória, planejamento, avaliação e segurança. Os investidores viram esse profundo banco de talentos e agiram rapidamente. A rodada de US$ 40 milhões fornece à equipe o fôlego necessário para transformar avanços acadêmicos em sistemas práticos e autoaprimoráveis que empresas possam confiar para trabalhos reais.

 

A trajetória de Su inclui experiência na Microsoft Semantic Machines, trabalhando com IA conversacional, além de diplomas da Universidade Tsinghua e da UC Santa Barbara. Seu histórico de prêmios de melhor artigo em conferências de alto nível, como CVPR e ACL, deu aos investidores confiança de que a NeoCognition poderia resolver problemas persistentes no campo. Os fundadores reuniram mais de 30 anos de experiência coletiva em pesquisa de agentes, posicionando a startup como um laboratório de pesquisa puro com objetivos comerciais.

Muitos agentes de IA atuais enfrentam dificuldades com consistência ao serem solicitados a completar tarefas complexas. Relatórios indicam que eles conseguem sucesso apenas cerca de metade das vezes, forçando os usuários a monitorar os resultados ou adicionar ajustes manuais intensivos. Essa lacuna se manifesta em ferramentas que tentam codificar, navegar ou automatizar fluxos de trabalho. As pessoas acabam dando um salto de fé toda vez que as implantam.

 

A NeoCognition visa resolver exatamente esse ponto de dor. Agentes generalistas se destacam em respostas amplas, mas falham quando profundidade e confiabilidade são essenciais. Eles não possuem mecanismos para se adaptar profundamente a ambientes específicos, como a pilha de software interna de uma empresa ou fluxos de trabalho industriais. Como resultado, as empresas hesitam em delegar responsabilidades de alto risco. A startup acredita que o caminho a seguir está em dar aos agentes a mesma plasticidade que os humanos demonstram ao entrar em um novo emprego ou campo.

 

Ao se concentrar na aprendizagem contínua em vez de treinamento único, a empresa espera aumentar as taxas de sucesso e reduzir a necessidade de supervisão humana constante. Essa mudança pode abrir portas para agentes que se parecem mais com colegas capazes do que com scripts frágeis.

A ideia central da NeoCognition é diretamente inspirada na aprendizagem humana. Quando as pessoas assumem um novo papel, elas gradualmente constroem um mapa interno do que existe nesse ambiente, quais ações funcionam, quais regras se aplicam e quais resultados decorrem de diferentes escolhas. Com o tempo, esse modelo mental permite decisões mais rápidas, melhor julgamento e resolução criativa de problemas dentro desse micro-mundo.

 

A startup projeta agentes para realizar algo semelhante por meio de experiência autônoma. Em vez de depender exclusivamente de grandes conjuntos de dados de pré-treinamento, esses sistemas aprendem a estrutura, os fluxos de trabalho e as restrições de qualquer domínio em que atuam. Eles constroem um "modelo do mundo" que captura relações e dinâmicas específicas de uma profissão, organização ou ambiente de software. Esse processo ocorre durante o trabalho, permitindo que o agente se especialize rapidamente sem engenharia manual extensiva.

 

Su explica claramente o paralelo: o processo contínuo de aprendizado em seres humanos essencialmente constrói um modelo do mundo para qualquer profissão ou ambiente. Os agentes precisam da mesma capacidade para atingir o status de especialistas. Uma vez construído, o modelo torna as ações mais rápidas, mais baratas e mais confiáveis. Ele também suporta comportamentos mais seguros em ambientes sensíveis, pois o agente compreende melhor as consequências e os limites. Esse mecanismo se distingue dos generalistas estáticos que permanecem fixos após o deploy. Os agentes da NeoCognition continuam a se aprimorar por meio do uso, transformando capacidades gerais iniciais em proficiência profunda e contextualizada.

A indústria de IA investiu recursos em modelos fundamentais cada vez maiores que tentam lidar com tudo. A NeoCognition adota a posição oposta. O futuro, em sua visão, pertence a uma abundância de agentes especializados, e não a um único superagente. Cada um domina profundamente seu mundo restrito o suficiente para oferecer desempenho, confiabilidade e julgamento de nível especialista.

 

Sistemas de propósito geral atingem um patamar em que adicionar mais dados ou parâmetros gera retornos decrescentes em tarefas do mundo real que exigem nuances e consistência. A especialização por meio da experiência vivida oferece um caminho mais eficiente para alto desempenho. Agentes podem concentrar esforço computacional em compreender um único ambiente profundamente, resultando em melhores resultados com custos contínuos mais baixos.

 

Essa abordagem também amplia a especialização de maneiras que os humanos não conseguem. Enquanto os melhores especialistas humanos permanecem escassos e caros, agentes de autoaprendizado podem tornar o conhecimento de domínio disponível em toda a organização, sem os mesmos gargalos de contratação. A empresa visa expandir o acesso à especialização para que mais pessoas e equipes se beneficiem de capacidades avançadas.

A Vista Equity Partners participou da rodada em parte devido ao seu grande portfólio de empresas de software. A NeoCognition enxerga grande potencial em parcerias com plataformas SaaS estabelecidas para integrar agentes de autoaprendizado. Esses agentes poderiam aprimorar produtos existentes ou funcionar como trabalhadores autônomos dentro de ferramentas familiares que as empresas já utilizam.

 

Empresas frequentemente operam ambientes complexos e personalizados com regras únicas e fluxos de dados específicos. Um agente geral enfrenta dificuldades aqui sem personalização intensiva. Os sistemas da NeoCognition aprendem esses detalhes diretamente por meio da interação, reduzindo o tempo de configuração e melhorando a adequação. Ao longo de semanas ou meses de uso, o agente aprimora seu modelo do mundo e torna-se mais eficaz em tarefas como processamento de dados, verificações de conformidade ou automação de fluxos de trabalho.

 

A startup se posiciona como uma agente lab em vez de uma plataforma de IA abrangente. Esse foco permite concentrar recursos na camada de aprendizado e especialização que muitos outros participantes tratam como secundária. A distribuição inicial por meio de parceiros de software empresarial pode acelerar a adoção e fornecer dados ricos do mundo real para melhorias adicionais.

Cambium Capital e Walden Catalyst Ventures lideraram conjuntamente a rodada de US$ 40 milhões, com a Vista Equity Partners participando ao lado de anjos proeminentes. Lip-Bu Tan, CEO da Intel, e Ion Stoica, co-fundador da Databricks, adicionaram seus nomes e expertise. Outros investidores incluem pesquisadores de IA como Dawn Song, Ruslan Salakhutdinov e Luke Zettlemoyer.

 

Landon Downs, da Cambium, destacou um mecanismo de aprendizado inovador no núcleo da empresa que permite especialização rápida. Lip-Bu Tan elogiou a cobertura abrangente da equipe sobre os desafios dos agentes, desde a percepção até a segurança. Ion Stoica observou que, à medida que agentes gerais se tornam padrão, o verdadeiro teste passa a ser alcançar inteligência de nível especialista com a confiabilidade necessária para aplicações sérias.

 

A rodada superassinada reflete uma forte confiança no histórico de pesquisa da equipe fundadora. Com cerca de 15 pessoas, a NeoCognition opera de forma enxuta, mas com densidade excepcional de talentos. O capital apoiará experimentações mais aprofundadas e contratações para impulsionar a arquitetura de autoaprendizado.

Várias empresas exploram agentes de IA, mas a maioria ainda depende de re-treinamento periódico ou prompts criados por humanos para melhorar. A NeoCognition enfatiza um processo interno e autônomo, no qual os agentes constroem e aprimoram sua própria compreensão sem intervenção externa constante. Esse design visa uma plasticidade genuína, a capacidade de se adaptar rapidamente a novos contextos, assim como um novo funcionário motivado.

 

A ênfase em modelos mundiais de ambientes abstratos, estruturais e operacionais vai além da percepção simples da tela ou do uso básico de ferramentas. Os agentes aprendem o que é importante em um micro-mundo específico, como os elementos interagem e quais ações levam aos resultados desejados. Esse conhecimento estruturado apoia um planejamento melhor e menos erros ao longo do tempo.

 

Os fundadores enfatizam que seus sistemas aprimoram, e não substituem, o trabalho humano. Ao lidar com tarefas repetitivas ou complexas de rotina com crescente expertise, os agentes liberam as pessoas para se concentrarem em criatividade e estratégia de nível superior. O objetivo é aumentar as capacidades gerais das equipes e organizações.

Yu Su e seus cofundadores se inspiraram na adaptação humana cotidiana. Observe alguém começando como analista júnior ou aprendiz de comerciante. Em poucos meses, eles desenvolvem uma compreensão intuitiva das regras não escritas, atalhos e armadilhas de seu domínio. Esse modelo interno impulsiona eficiência e decisões sólidas. A NeoCognition quer que os agentes sigam um caminho paralelo por meio de aprendizado deliberado e baseado em experiência.

 

Os membros da equipe trazem paixão pessoal por essa visão. Muitos vêm de laboratórios acadêmicos onde observaram protótipos de agentes promissores tropeçarem diante da complexidade real. A frustração com resultados inconsistentes motivou a transição para a comercialização, com foco claro na melhoria contínua.

 

Os primeiros funcionários incluem pesquisadores que contribuíram para artigos fundamentais agora utilizados em toda a indústria. Seu conhecimento coletivo cria um ambiente fértil para iterar sobre mecanismos de aprendizado. A sede em Palo Alto mantém o grupo próximo a talentos e parceiros, enquanto preserva uma cultura voltada para a pesquisa.

Se a NeoCognition for bem-sucedida, organizações poderiam implantar agentes que se tornam especialistas confiáveis em contabilidade, revisão de design, fluxos de atendimento ao cliente ou análise de dados científicos. Esses sistemas não precisariam de reprogramação constante para cada novo cliente ou departamento. Em vez disso, eles se adaptam construindo modelos precisos do ambiente alvo.

 

Essa capacidade pode democratizar o acesso ao suporte de nível especialista. Equipes menores ou regiões com escassez de talentos podem ganhar ferramentas que operam em níveis anteriormente disponíveis apenas para grupos bem recursos. Os efeitos econômicos podem incluir maior produtividade e ciclos de inovação mais rápidos, à medida que o trabalho cognitivo rotineiro é transferido para sistemas capazes e autossuficientes.

 

A abordagem também aborda preocupações de segurança. Uma compreensão mais profunda do ambiente ajuda os agentes a reconhecer limites e evitar ações prejudiciais em domínios de alto risco. Os ganhos em confiabilidade são mais importantes onde erros têm custos reais.

Criar loops de autoaprendizado robustos apresenta desafios técnicos. Os agentes devem distinguir padrões úteis do ruído, evitar reforçar erros e manter a estabilidade enquanto atualizam seus modelos do mundo. Equilibrar a exploração de novas estratégias com a execução confiável exige uma arquitetura cuidadosa. A eficiência de dados também é importante. Humanos aprendem com exemplos limitados em novos contextos; escalar essa eficiência em silício permanece uma questão em aberto na pesquisa. 

 

A equipe da NeoCognition se baseia em trabalhos anteriores em avaliação e memória para resolver esses problemas, mas testes em escala real revelarão lacunas. A empresa mantém o foco no progresso mensurável rumo a taxas de sucesso mais altas e especialização mais rápida. O progresso provavelmente virá de forma incremental à medida que os agentes encontram ambientes empresariais diversos e aprimoram seus processos de aprendizado.

A NeoCognition imagina um mundo onde a especialização se torna abundante por meio de agentes de autoaprendizado. Em vez de competir com humanos, esses sistemas ampliam as capacidades e abrem novas possibilidades para invenção e resolução de problemas. Cada agente aprofunda sua domínio em um campo específico, criando uma rede de inteligência especializada que atende a diferentes necessidades. O aporte de US$ 40 milhões acelera a pesquisa nos mecanismos de aprendizado que tornam essa visão possível. 

 

Com forte apoio de investidores e uma equipe central talentosa, o laboratório visa entregar agentes que ganham confiança por meio de desempenho consistente e em constante melhoria. Empresas e desenvolvedores poderão em breve testar sistemas que começam competentes e se tornam verdadeiramente especialistas ao longo do tempo. Essa evolução pode representar um passo significativo além dos assistentes de IA atuais, rumo a parceiros que realmente aprendem junto aos seus usuários.

O capital fresco apoia a expansão da experimentação em algoritmos de aprendizado principais e construção de modelos mundiais. Com uma equipe pequena, mas elite, a NeoCognition pode explorar direções de alto risco e alto retorno em plasticidade de agentes. Os planos incluem testes de integração mais aprofundados em contextos empresariais para coletar feedback e dados para aprimoramento.

 

Os apoiadores esperam que o financiamento produza protótipos que demonstrem vantagens claras em confiabilidade e velocidade de adaptação. O sucesso aqui pode atrair novas rodadas e parcerias mais amplas. A abordagem intensiva em pesquisa mantém a empresa ancorada em avaliação rigorosa, em vez de lançamentos prematuros de produtos.

Ambientes de software corporativo oferecem ambientes de teste ricos, repletos de regras estruturadas, porém complexas. Os agentes encontrarão fluxos de trabalho variados, esquemas de dados e requisitos de conformidade. Aprender a navegar com sucesso nesses ambientes validará o conceito do modelo do mundo e destacará áreas para melhoria.

 

O feedback dos usuários dos primeiros pilotos ajudará a ajustar como os agentes equilibram velocidade, precisão e segurança. A empresa enfatiza o desenvolvimento responsável, utilizando compreensão ambiental para orientar ações mais seguras. Ao longo do tempo, essas implementações reais devem produzir agentes que se tornem cada vez mais naturais e confiáveis nas operações diárias.

Grandes quantias agora fluem em direção às camadas de aplicação e confiabilidade, e não mais apenas ao treinamento de modelos de ponta. A rodada da NeoCognition destaca o interesse dos investidores em equipes com contribuições acadêmicas comprovadas em agentes. A aposta centra-se na especialização e no aprendizado contínuo como a próxima fronteira para impacto prático.

 

Este padrão sugere expectativas amadurecidas no campo. Os apoiadores desejam sistemas que entreguem valor mensurável em ambientes reais, não apenas demonstrações impressionantes. O foco da NeoCognition na autoaprimoração alinha-se à demanda por agentes que justifiquem a adoção empresarial por meio de capacidade crescente e custos a longo prazo mais baixos.

1. Como a abordagem da NeoCognition aos agentes de IA difere da maioria dos sistemas atuais? 

 

A empresa desenvolve agentes que aprendem continuamente no trabalho, construindo modelos mundiais de seus ambientes específicos. Isso permite que eles se especializem rapidamente em especialistas, resolvendo a inconsistência que limita os agentes generalistas atuais, que frequentemente conseguem sucesso apenas cerca de metade das vezes em tarefas complexas.

 

2. Quem fundou a NeoCognition e o que torna sua trajetória única? 

 

Yu Su, Xiang Deng e Yu Gu lançaram o laboratório. Su, bolsista da Sloan e professora da Ohio State, liderou anteriormente pesquisas influentes em agentes e trabalhou na Microsoft em IA conversacional. Seus artigos e ferramentas coletivos influenciaram grandes desenvolvedores de IA, proporcionando à equipe profunda expertise em percepção, planejamento e segurança.

 

3. Para que será utilizado o financiamento de US$ 40 milhões? 

 

O capital apoia um esforço voltado para pesquisa para desenvolver e testar mecanismos de autoaprendizado. Com uma pequena equipe de pesquisadores com doutorado, o dinheiro permite iterações rápidas na construção de modelos mundiais, algoritmos de especialização e pilotos de integração empresarial, além de atrair talentos adicionais.

 

4. Esses agentes de autoaprendizado podem funcionar imediatamente em ambientes empresariais de alto risco? 

 

Versões iniciais exigirão validação cuidadosa, mas o design enfatiza a construção de compreensão ambiental para melhorar a confiabilidade e a segurança. O objetivo é criar agentes que se tornem mais confiáveis ao longo do tempo por meio do uso, tornando-os adequados para fluxos de trabalho onde a consistência é essencial.

 

5. Como a tecnologia da NeoCognition pode afetar os trabalhadores do conhecimento? 

 

Agentes podem lidar com partes rotineiras ou de grande volume de dados dos trabalhos, liberando as pessoas para atividades criativas e estratégicas. Ao tornar a especialização mais acessível, os sistemas podem ajudar equipes ou organizações menores a acessar capacidades anteriormente limitadas a grandes grupos de especialistas, potencialmente aumentando a produtividade geral.

 

6. Onde posso saber mais sobre o progresso da NeoCognition? 

 

Visite o site oficial para atualizações sobre sua missão e direção de pesquisa. A cobertura da TechCrunch e o comunicado de imprensa da empresa fornecem pontos de partida sólidos sobre o financiamento e a visão técnica.

Este conteúdo é apenas para fins informativos e não constitui aconselhamento financeiro. Investimentos em criptomoedas envolvem riscos. Faça sua própria pesquisa (DYOR).

 

Aviso legal: Esta página foi traduzida usando tecnologia de IA (alimentada por GPT) para sua conveniência. Para informações mais precisas, consulte a versão original em inglês.