Literess como agente: o editor que memoriza suas decisões e executa o trabalho

Este texto complementa nosso artigo sobre memória de tradução. Aquele tratava do que uma ferramenta de tradução deve lembrar. Este foca no que acontece quando o sistema que lembra também pode agir — sem os exageros do marketing.

Existe uma versão de "IA na sua ferramenta de tradução" que todo mundo já conhece: um painel de chat fixado no canto direito da tela. Você pode pedir para traduzir um parágrafo, definir uma palavra ou explicar uma regra gramatical. É algo genuinamente útil, mas também é, estruturalmente, um desconhecido. Ele não sabe em que projeto você está. Não lembra que, na semana passada, você decidiu que o nome da marca deste cliente deve permanecer sem tradução. E, quando ele sugere algo bom, você ainda precisa ser quem põe a mão na massa — copiar, encontrar o lugar certo, colar e torcer para não perder o fio da meada.

Queríamos o oposto de um desconhecido. Queríamos um editor que tivesse lido o arquivo inteiro, que lembrasse das últimas três discussões que você teve sobre um termo e que — quando você pedisse — pudesse de fato fazer a alteração em vez de apenas descrevê-la.

Essa editora é a Literess. Aqui explicamos por que ela é uma agente, e não um chatbot, e o que essa palavra significa aqui, para além de ser apenas um termo da moda.

A diferença entre um chatbot e um agente

A palavra “agente” acaba sendo usada para quase tudo, então vamos ser precisos sobre o que queremos dizer, porque essa distinção é o ponto central.

Um chatbot responde. Você digita uma pergunta, ele gera um texto e o ciclo se encerra ali. O trabalho de transformar esse texto em uma alteração no seu documento fica por sua conta.

Um agente age. Ele tem ferramentas, pode decidir usá-las e fecha o ciclo entre o “eis o que eu faria” e o “está pronto”. O valor não é que ele seja mais inteligente — é que ele elimina o trabalho manual entre a sugestão e o resultado.

Ambos, por si sós, são commodities em 2026. Um painel de chat sobre uma tradução é fácil. Um agente que usa ferramentas também está se tornando, cada vez mais, algo simples. O que não é fácil — e onde realmente concentramos nossos esforços — é tornar as ações do agente dignas de confiança. Um agente que age com convicção em um contexto errado é pior do que agente nenhum, porque agora ele está gerando erros na velocidade de uma máquina e você é quem fica para limpar a bagunça.

Assim, as duas coisas que nos importam são, nesta ordem:

1. O que ela sabe? — a memória em que ela se fundamenta.
2. O que ela pode fazer com isso? — as ações e os mecanismos de controle.

O que a Literess sabe: contexto de decisão, não apenas palavras

Se você leu o artigo sobre memória de tradução, a base lhe será familiar. Se não leu, aqui está o resumo.

A maioria das memórias de tradução lembra a sentença — o texto de origem, a tradução aprovada e alguns metadados. Isso é o básico. O que é raro, e o que fundamenta o Transept, é lembrar do trabalho que tornou a sentença confiável: as alternativas rejeitadas, os comentários nas margens, o histórico de revisão e o raciocínio por trás da escolha de uma versão em vez de outra. Chamamos isso de contexto de decisão, e o passo fundamental é que o alimentamos de volta no modelo para que a próxima tradução possa reutilizar o raciocínio, em vez de apenas copiar o resultado.

A Literess bebe exatamente dessa fonte. Ela não é uma assistente genérica que por acaso está dentro de uma ferramenta de tradução. Ela se fundamenta em:

• seus projetos e os documentos contidos neles,
• seus glossários e guias de estilo — os termos e o tom de voz que você já estabeleceu,
• decisões anteriores — as traduções aprovadas e a discussão que as gerou, incluindo as alternativas que você rejeitou,
• e o documento ativo em que você está trabalhando agora.

É por isso que ela não parece uma desconhecida. Quando sugere uma formulação, essa escolha é moldada pelo que você já aprovou em outros lugares. Ao sinalizar um termo, ela não diz apenas "isso não parece certo", mas sim: "você traduziu isso de forma diferente nos dois últimos documentos, e aqui está o comentário em que você explicou o porquê". Ela consulta a mesma memória que move todo o produto — o raciocínio, não apenas as palavras.

Um editor que se lembra das suas decisões já tem um valor enorme por si só. Mas uma memória que só consegue falar ainda é apenas metade do que um bom editor faz. A outra metade é fazer o trabalho.

O que a Literess faz: ações reais, sempre confirmadas

É aqui que o termo "agente" se justifica de verdade.

A Literess não se limita a descrever. Quando você pede para ela fazer algo e confirma a ação, ela a executa — dentro do produto, com as mesmas ferramentas que um humano da sua equipe usaria. Na prática, isso significa que ela pode:

• Criar e executar fluxos de trabalho — os ciclos de revisão em várias etapas (traduzir, revisar, conferir o guia de estilo e assim por diante) que o Transept automatiza. Ela pode montar um fluxo para a tarefa em questão e colocá-lo em execução.
• Criar rascunhos de documentos — iniciar um novo documento para você, em vez de apenas entregar o texto para que você mesmo o cole em algum lugar.
• Mover o trabalho pelo quadro do CRM — avançar um projeto de um status para o próximo conforme ele progride, para que o quadro reflita a realidade sem que você precise trocar de contexto.
• Definir padrões — tornar um glossário ou guia de estilo específico o padrão para um documento, para que a memória correta entre em jogo desde a primeira linha.
• Convidar colegas de equipe — trazer um colaborador para o trabalho quando a tarefa exigir mais um par de mãos.
• Comandar o próprio editor — abrir o painel de que você precisa, navegar até a tela correta e colocar você onde o trabalho está, em vez de descrever onde clicar.

Leia essa lista novamente, com ênfase nos verbos. Estas não são respostas sobre como fazer as coisas. São as próprias ações, realizadas.

E cada uma delas depende da sua confirmação. Isso não é um mero detalhe — é um princípio de design, e é a diferença entre um assistente e um agente sem controle. Quando a Literess propõe uma ação, ela surge como um pequeno aviso de confirmação: aqui está o que pretendo fazer, você autoriza? Nada acontece com seus projetos, seus documentos ou seu quadro até que você diga sim. Ela age em seu nome, nunca pelas suas costas.

Essa foi uma escolha deliberada. Teria sido fácil torná-la mais autônoma — deixá-la disparar fluxos de trabalho e reorganizar seu quadro porque ela tinha quase certeza de que era o que você queria. Escolhemos não fazer isso. Na tradução, o custo de uma decisão rápida, porém errada, é alto e silencioso: um termo se desvia, o tom de voz oscila, uma frase de um cliente protegida por direitos autorais vai parar onde não deveria. A etapa de confirmação custa pouco. O erro que ela evita, não.

Por que "lembrar e agir" muda a dinâmica do trabalho

Junte as duas metades e algo se transforma — algo que nenhuma delas entrega sozinha.

Uma ferramenta que apenas lembra ainda deixa você como o único operador. É você quem precisa notar a decisão relevante do passado, buscá-la e aplicá-la. A memória é um arquivo — excelente, bem organizado e totalmente passivo.

Uma ferramenta que apenas age — um agente que utiliza ferramentas, mas sem um embasamento real — é rápida e erra com convicção. Ela executará um fluxo de trabalho com o glossário errado sem pestanejar, porque não sabe, de fato, qual deles você pretendia usar.

Um editor que faz as duas coisas transforma a tradução de um artefato estático em um ambiente de trabalho vivo. O modelo mental clássico da tradução automática é um bloco maciço: a máquina entrega uma parede de texto e o seu trabalho é percorrê-la consertando o que está quebrado. Ela já chega pronta e esquece tudo no instante em que você a fecha.

O que estamos construindo é o oposto de um monólito. Cada decisão que você toma alimenta a memória. A memória fundamenta a Literess. A Literess, com a sua confirmação, faz o trabalho mecânico de aplicar essas decisões — executando os ciclos, definindo os padrões, mantendo a integridade do quadro — para que sua atenção se concentre naquilo que só você pode fazer: decidir o que soa bem. O próximo documento não começa do zero; ele parte de tudo o que o anterior ensinou ao sistema. O ambiente de trabalho se potencializa.

Essa é a tese em uma frase: um editor que lembra e age transforma a tradução de um monólito que você conserta em um ambiente de trabalho que melhora quanto mais você o usa.

O que ela não é

Devemos ser tão claros sobre os limites quanto sobre as promessas, porque exagerar no que oferecemos é o caminho mais rápido para perder a sua confiança.

A Literess é uma editora literária, não uma substituta para o julgamento humano. Ela opera com modelos de ponta — atualmente o Gemini, do Google — e esses modelos são extraordinários na amplitude mecânica do trabalho: manter a consistência em um manuscrito de 40 mil palavras, lembrar um termo do capítulo dois ou notar aquele deslize que você deixaria passar na quadragésima página. Eles não são quem decide que uma piada deve continuar soando meio estranha porque o estranhamento é justamente o ponto. Essa decisão é sua, e é assim que deve ser.

Ela não age de forma autônoma. Cada ação que ela realiza passa por sua aprovação. O modo de qualidade que você escolhe — Rápido, Padrão ou Pro — é uma decisão sua. Quais sugestões dela entrarão no texto final também é uma escolha sua. Ela é excelente em garantir que nada seja esquecido; mas não cabe a ela decidir o que é bom. Essa distinção não é uma limitação pela qual estamos nos desculpando. É a essência do projeto.

Um editor que lembra de tudo e faz o trabalho maçante, para que o ser humano possa focar sua atenção nas escolhas que realmente exigem sensibilidade humana — era isso que queríamos construir. Não um chatbot acessório. Um agente presente na sala.