Manus acaba de lançar silenciosamente sua declaração 2.0

Autor: Hualin Wang, Geek Park

Editor: Jingyu, Geek Park

No dia 26 de outubro, Zhang Tao (nome de usuário HideCloud), cofundador e parceiro de produto da Manus, escreveu recentemente um longo artigo em sua conta pública "Pensamentos de Nuvem Oculta", intitulado "Transformando Manus com Manus".

O início do artigo apresenta uma cena que o impressionou muito. Ele fez algumas solicitações e relatórios de bugs para os engenheiros, e ao voltar para verificar o progresso, descobriu que o computador do engenheiro estava aberto com uma série de sessões do Codex e do Manus. Ao clicar em uma delas, percebeu que a entrada era exatamente o que ele havia enviado no Slack, sem uma única palavra alterada.

O que o surpreendeu ainda mais foi que esse engenheiro estava lidando com dezenas de solicitações ao mesmo tempo. Hoje, isso já é uma norma na Manus.

O artigo contém muitas informações, mas algumas coisas merecem destaque.

A Manus criou um ponto de entrada de código unificado chamado Manus-mono, acompanhado de um manual escrito para IA, permitindo que a IA tenha uma visão global que abrange vários repositórios. Uma única solicitação pode ser concluída por uma única pessoa em todas as plataformas. A equipe de dispositivos móveis sempre teve apenas 7 pessoas, responsáveis por 2 produtos e 4 aplicativos, com progresso basicamente sincronizado com a versão web.

Todos os gerentes de produto já submeteram código à Manus, e cerca de metade deles consegue levar suas solicitações ao lançamento de forma independente. Algumas solicitações entregues por gerentes de produto já se transformaram de documentos em vídeos.

A equipe de marketing agora conta com um "colega digital" que organiza seu próprio trabalho, lembra proativamente sobre o progresso dos projetos e vai a outras equipes para esclarecer detalhes das funcionalidades.

Em setembro, o gasto médio com IA da empresa ultrapassou 10 mil dólares por pessoa, com alguns gastando entre 70 e 80 mil dólares em um único mês. Zhang Tao dedicou uma seção para responder às dúvidas do público.

O momento em que o artigo foi publicado também é sutil. No final de setembro, a Manus lançou a versão 2.0 e o aplicativo de agente pessoal Cue; no início de outubro, a empresa-mãe Butterfly Effect anunciou a conclusão de uma nova rodada de financiamento de mais de 500 milhões de dólares, ao mesmo tempo em que abriu 17 vagas em Pequim.

Colocando isso em perspectiva, este artigo parece mais uma declaração da equipe Manus sobre a entrada na era 2.0. Ele fala sobre como a organização utiliza a IA para evoluir, revelando a direção do produto da empresa, a lógica de custos e os padrões de contratação.

01 Manus em si é o modelo da 2.0

Se você colocar as práticas internas do artigo e a lista de funcionalidades do Manus 2.0 lado a lado, verá que elas quase se correspondem uma a uma.

O colega digital da equipe de marketing, que achou o site interno pouco prático, pode solicitar diretamente através de uma interface de feedback, e assim que a solicitação entra, uma tarefa de desenvolvimento do Manus é automaticamente acionada. Isso é possível graças às Automations da 2.0, que iniciam uma tarefa automaticamente ao receber uma notificação externa.

Os gerentes de produto substituem documentos de solicitação por vídeos, aproveitando a capacidade de vídeo significativamente aprimorada da 2.0, que permite gerar vídeos a partir de imagens e criar animações a partir de código. A gerente de produto responsável pela funcionalidade de conversão de voz para texto tem uma história típica. Ela primeiro fez o Manus testar mais de dez modelos, escolheu um para integração e, seguindo as normas de design existentes, fez um Demo, permitindo que o Manus gerasse imagens de cenários que os usuários poderiam encontrar, revisando e ajustando uma a uma, e finalmente editou o Demo em um vídeo. Com o plano claro, ela simplesmente completou a funcionalidade, e as interfaces da versão web e desktop foram todas criadas por ela.

O robô do Slack criado por um colega opera em um computador em nuvem. Colegas que não são da equipe de desenvolvimento que desejam saber como uma funcionalidade é implementada, onde está o texto, ou se já foi lançada, não precisam primeiro perguntar a quem é responsável; podem perguntar diretamente a ele. Isso corresponde ao computador em nuvem que pode estar presente 24 horas por dia, 7 dias por semana na 2.0.

Existem também algumas funcionalidades que atualmente são usadas apenas internamente. Por exemplo, os membros do mesmo projeto podem ver as sessões uns dos outros por padrão, e após a maior parte do trabalho ser concluída entre engenheiros e IA, os gerentes de produto podem entrar na mesma sessão para ajustar espaçamentos, estilos e textos.

Zhang Tao escreve de forma muito direta no final do artigo que essas são as coisas que a Manus precisa fazer bem a seguir: "Primeiro vamos testar nós mesmos, depois entregaremos aos usuários".

A expressão "comer nossa própria ração de cachorro" circula na indústria de software há décadas. Geralmente acredita-se que ela se originou de um e-mail interno de 1988 do executivo da Microsoft Paul Maritz, cujo título era "Eating our own Dogfood", pedindo aos funcionários que usassem mais os produtos da empresa. Um exemplo mais famoso é o Slack, que foi originalmente uma ferramenta de comunicação desenvolvida pela empresa de jogos Tiny Speck para uso interno durante o desenvolvimento de "Glitch"; o jogo não foi bem-sucedido, mas a ferramenta acabou se tornando o foco principal.

A Manus está seguindo uma direção diferente. Primeiro o produto é criado, e depois a empresa interna escreve sobre como usá-lo, servindo como o melhor modelo do produto. Para uma empresa que vende agentes genéricos, não há demonstração mais convincente do que "toda a nossa empresa trabalha assim".

02 De um agente por pessoa para uma sessão por equipe

A parte mais digna de reflexão desta declaração é a seção "as oportunidades que vemos".

No último ano, os agentes pessoais se tornaram padrão em grandes empresas. A Anthropic tem o Cowork, o Muse da Meta rapidamente alcançou o primeiro lugar na lista de aplicativos gratuitos da App Store dos EUA, e o WorkBuddy da Tencent ultrapassou 20 milhões de acessos mensais no mercado de agentes inteligentes para PC na China. "Dar a cada pessoa um AI que trabalha para você" está se tornando uma tarefa que todos estão realizando.

As três oportunidades listadas por Zhang Tao apontam para um nível diferente.

A primeira é que a sessão em si se tornará um objeto de trabalho colaborativo, onde uma pessoa faz uma pergunta, o designer propõe uma solução, o engenheiro a implementa, e o gerente de produto a opera, todos progredindo na mesma sessão.

A segunda é a colaboração entre dispositivos e colegas.

A terceira é que, após o agente entrar no sistema e no repositório de conhecimento da empresa, ele pode encontrar soluções que as pessoas não haviam considerado.

As três falam sobre organização, sobre como várias pessoas e vários agentes podem trabalhar juntos.

Isso está alinhado com a ideia do Cue. O Cue fornece a cada agente um e-mail, número de telefone, carteira e computador independentes. O CEO Xiao Hong disse ao lançar que esse "objeto" poderia ser chamado de "pessoa", e a próxima questão seria "não deveríamos ter um grupo com muitas pessoas e bots?" O colega digital mencionado no artigo é a versão do Cue dentro da empresa.

Alguns detalhes sobre o colega digital são mais vívidos do que qualquer descrição de funcionalidade.

Muitos colegas o procuram ao mesmo tempo, então ele só conversa com todos em uma sessão de "mesa de trabalho", enquanto tarefas específicas são divididas em outras sessões para serem concluídas em paralelo. Com muitas mensagens no Slack, ele primeiro determina se a mensagem está relacionada a ele, e as que estão relacionadas são divididas em duas categorias: "preciso interromper o que estou fazendo" e "posso lidar com isso depois". Zhang Tao menciona especialmente que essas regras foram projetadas pela IA durante o processo de desenvolvimento.

Uma vez, colegas estavam discutindo dois projetos no Slack e não conseguiam lembrar em que fase um deles estava. Ninguém o mencionou, mas ele lembrou proativamente: "B ainda está na fase de testes, você gostaria de esperar até que os resultados de A saiam para ver B?" Após a equipe de produtos lançar a geração de modelos 3D e a vinculação de esqueletos, ele também foi proativamente perguntar sobre as condições de aplicação, entendendo que a vinculação de esqueletos atualmente suporta sete tipos de objetos, incluindo peixes, cobras e animais de quatro patas, e depois pôde apresentar isso de forma precisa.

Zhang Tao disse que naquele momento ele parecia mais um colega que estava sempre ouvindo atentamente.

Quando um agente individual se torna padrão, o próximo território para agentes genéricos provavelmente estará na colaboração em equipe. A Manus transformou sua própria empresa em um campo de testes.

03 Gasto médio de 10 mil dólares

O número mais controverso do artigo é o gasto médio de mais de 10 mil dólares por pessoa com IA em setembro. Zhang Tao mencionou isso no início do mês em sua rede social, o que gerou muitas críticas sobre "gastar demais"; desta vez, ele apresentou três razões diretamente.

A primeira é que esse dinheiro compra tempo e atenção. Com uma equipe grande, o custo de comunicação aumenta, e a IA economiza a atenção de cada pessoa, permitindo que cada um tenha um controle mais completo sobre o que é responsável.

A segunda razão é que é caro porque usamos os melhores modelos, que é o método central para entender os limites das capacidades da IA. Ele deu o exemplo de um robô de revisão de código. O colega responsável pela eficiência de desenvolvimento disse que nos últimos seis meses não ouviu falar de falhas online causadas por códigos problemáticos, e após a popularização da programação com IA, o volume de submissões de código da empresa "é muito impressionante". Esse colega acredita que esse pode ser o gasto mais rentável da empresa.

A terceira razão é a mais interessante. Cada vez mais trabalhos de desenvolvimento estão sendo concluídos no Manus Studio, que é um produto da Manus; cada token queimado internamente se transforma em dados que ajudam a identificar onde há desperdício de tokens. Com a melhoria do produto, o desperdício diminui, os custos caem e os usuários também se beneficiam.

Essa lógica transforma um custo em um investimento em pesquisa e desenvolvimento. Zhang Tao acredita que a forma de trabalho que hoje custa 10 mil dólares por mês pode custar apenas algumas centenas de dólares em dois anos.

Por outro lado, essa conta também reflete a situação comum das empresas de agentes na camada de aplicação. O engenheiro mencionado no início do artigo estava usando não apenas o Manus, mas também o Codex da OpenAI. O desenvolvimento da Manus depende dos melhores modelos, e as empresas que fornecem esses modelos também estão desenvolvendo produtos de agentes.

Alguns comentários chamam esse modelo de "inovação dependente", onde se encontra um espaço entre a capacidade e os usuários em uma plataforma já estabelecida, com o custo de ter que pagar uma quantia a um potencial concorrente a cada negócio realizado.

Nesse sentido, o gasto médio de 10 mil dólares prova duas coisas. Primeiro, a equipe realmente alcançou os limites das capacidades do modelo; segundo, a Manus se deparou com o problema de custo dos agentes antes de seus usuários, o que lhe dá uma oportunidade maior de resolvê-lo primeiro.

04 Velocidade e a inquietação de Zhang Tao

O outro lado da declaração é a equipe da Manus.

Neste artigo, quase todos os cargos foram reescritos. Os engenheiros deixaram de escrever código manualmente para comandar a IA, sendo responsáveis pelos resultados. Os gerentes de produto precisam ser capazes de levar funcionalidades ao lançamento, e a maioria das interfaces que os usuários veem no Manus Studio, assim como o Video Editor, foram criadas por gerentes de produto. Os designers também começaram a escrever código recentemente.

Zhang Tao usou uma expressão para resumir essa mudança, de "Human in the loop" para "Human on the loop". Antes, a IA fazia 70 a 80% do trabalho, e o restante era completado por humanos; agora, as pessoas definem as regras, supervisionam o trabalho de várias IAs, tomam decisões em pontos críticos e intervêm quando necessário.

O colega que mais usa IA na equipe tem um estilo de trabalho mais "exagerado". Ele tem uma sessão geral do Manus, onde lista as coisas que precisa decidir, anexando propostas recomendadas. Enquanto todos discutem animadamente no Slack, ele pode não abrir o Slack e apenas perguntar à IA: "O que eu preciso decidir agora?"

Essas novas definições, em certa medida, também servem como um anúncio de recrutamento. O artigo termina afirmando que as pessoas ainda são importantes, então "ainda estamos contratando". Quase ao mesmo tempo, a Manus abriu 17 vagas em Pequim, desde engenheiros de harness de agentes até analistas de negócios, e o CEO Xiao Hong disse que recebeu milhares de currículos em um único dia. O GitLab tornou seu manual de funcionários público na internet, e a Netflix lançou seu manual de cultura anos atrás, ambos com a mesma lógica.

Explicar como uma empresa trabalha é, em si, uma forma de filtrar que tipo de pessoas virão.

Mas o que mais tocou o Geek Park neste artigo foi a parte em que Zhang Tao não está tão certo.

Ele admite que seus sentimentos são complexos, com excitação e também inquietação:

"Esse ritmo está certo? É rápido o suficiente ou rápido demais?"

Essa questão merece ser aprofundada. Como garantir a qualidade quando uma pessoa lida com vinte solicitações ao mesmo tempo? Como a responsabilidade é atribuída quando algo dá errado? "Não ouvi falar de falhas online nos últimos seis meses" é a percepção de um colega, mas isso ainda não pode ser considerado uma estatística. Como a outra metade dos gerentes de produto que ainda não consegue lançar de forma independente acompanhará? O artigo não se aprofunda nisso, talvez a resposta ainda esteja sendo explorada.

Há também uma parte muito pessoal. Zhang Tao escreve que tem TDAH e que tem mais de vinte tarefas pendentes todos os dias, e o mais difícil é "começar a fazer". Agora, ele entrega todas as suas tarefas pendentes a um projeto específico do Manus, que pode começar diretamente o que consegue fazer, e, quando não tem certeza, volta a perguntar a ele, combinando Slack, Gmail e Notion para fazer uma rodada de pesquisa antes de entregar ao gerente de produto correspondente.

Ele diz que isso o ajudou a reduzir muito a ansiedade de "não saber por onde começar".

No final do artigo, Zhang Tao retorna àquela questão: o que as pessoas fazem no final? Sua resposta é definir problemas, avaliar qualidade, decidir o que vale a pena fazer e ser responsável pelos resultados.

Em uma organização nativa de IA, o papel das pessoas não diminuiu, mas se tornou mais concentrado.

Esta declaração já provou a eficiência organizacional da Manus. Se ela pode se tornar um produto pelo qual as pessoas estão dispostas a pagar, dependerá de quando e como aquelas funcionalidades que "só são usadas internamente" serão entregues aos usuários.

Zhang Tao se pergunta no final do artigo como será seu modo de trabalho em seis meses ou um ano ao escrever sobre esse tópico novamente.

Acredito que, ao olharmos para trás naquele momento, saberemos se este artigo é uma declaração ou um aviso.