Venture capital firm Y Combinator entrevista o desenvolvedor Peter Steinberger, responsável pelo projeto de código aberto de um assistente pessoal de IA chamado OpenClaw, que se tornou viral. Steinberger prevê que cerca de 80% dos aplicativos desaparecerão, pois aplicações que apenas gerenciam dados poderão ser automatizadas por IA. A maior vantagem do OpenClaw é romper as ilhas de dados, armazenando localmente para garantir a privacidade.
Por trás do sucesso de 180 mil estrelas: o ponto de virada de resposta em 9 segundos
(Origem: Github)
O repositório do projeto OpenClaw no GitHub já recebeu mais de 180 mil estrelas, e a comunidade até criou aplicações derivadas, como bots que conversam entre si ou contratam humanos, por exemplo, Moltbook. Esse número de estrelas é extremamente raro na comunidade open source; até frameworks de deep learning renomados, como PyTorch, têm cerca de 80 mil estrelas. O fato de OpenClaw ter atingido 180 mil estrelas em poucos meses demonstra seu sucesso explosivo entre os desenvolvedores.
Diante do sucesso repentino do OpenClaw, Steinberger revelou que nas últimas semanas recebeu uma quantidade enorme de feedbacks e e-mails, a ponto de sentir que precisava “se esconder em uma caverna” por uma semana para processar tudo. Essa atenção repentina é uma grande pressão para um desenvolvedor independente, que precisa responder a questões técnicas, solicitações de funcionalidades, além de lidar com entrevistas na mídia, parcerias comerciais e gestão da comunidade.
Ao falar sobre a origem do desenvolvimento, Steinberger disse que inicialmente era apenas para fazer o computador executar comandos simples. Ele começou a desenvolver uma versão inicial entre maio e junho, e depois voltou a trabalhar nela para atender à necessidade de monitorar o progresso do computador. Essa motivação de “resolver uma dor pessoal” é comum em muitos projetos de código aberto bem-sucedidos. Quando o desenvolvedor vivencia um problema, a solução que cria tende a ser mais alinhada às necessidades reais.
O verdadeiro ponto de virada aconteceu numa festa em Marrakech, quando ele tentou enviar uma mensagem de voz pelo WhatsApp para um bot que ainda não tinha suporte a voz. Surpreendentemente, o bot demonstrou uma capacidade impressionante de resolver problemas: identificou arquivos, converteu formatos e chamou APIs automaticamente, respondendo em apenas 9 segundos. Isso fez Steinberger perceber que o modelo de programação que criou já tinha a capacidade de transformar problemas abstratos em soluções concretas.
Esse momento de resposta em 9 segundos foi crucial para transformar o OpenClaw de um projeto experimental em uma ferramenta prática. Quando um assistente de IA consegue lidar autonomamente com situações inesperadas (mensagens de voz), buscar soluções automaticamente (conversão de arquivos) e executar tarefas de forma eficiente (resposta em 9 segundos), ele evolui de um “assistente que precisa de supervisão humana” para um “agente capaz de resolver problemas de forma autônoma”. Essa mudança qualitativa marca a utilidade prática de assistentes de IA.
Ao desenvolver o OpenClaw, Steinberger optou por não usar as tradicionais Git Worktrees, mas sim copiar várias pastas para lidar com tarefas em paralelo, reduzindo a carga mental. Ele defende que o bot deve oferecer “ferramentas que os humanos também gostam de usar”, como interfaces de linha de comando (CLI), ao invés de protocolos complexos apenas para máquinas. Essa filosofia “centrada no humano” torna o OpenClaw mais acessível e fácil de expandir para outros desenvolvedores.
Para evitar respostas muito padronizadas, Steinberger criou um arquivo chamado soul.md, onde define os valores e a personalidade do bot, tornando suas respostas mais humanas e humoradas. Esse detalhe é bastante inspirador, pois revela que o design de um bom assistente de IA não é apenas uma questão técnica, mas também de construção de personalidade. Quando o assistente possui uma “personalidade” clara, os usuários se sentem mais à vontade para interagir, criando uma relação mais natural entre humanos e máquinas.
Teoria de que 80% dos aplicativos irão desaparecer: o fim das aplicações de gerenciamento de dados
Na entrevista, Steinberger fez uma previsão ousada: cerca de 80% dos aplicativos irão desaparecer. Ele acredita que qualquer aplicação que seja apenas para “gerenciar dados” poderá ser substituída por um assistente de IA de forma mais natural e automatizada. Aplicações como MyFitnessPal, que registra dieta e exercícios, ou aplicativos de tarefas, não serão mais necessárias.
Steinberger descreve um cenário disruptivo: ao fazer uma refeição em um restaurante, o assistente automaticamente assume que o usuário comeu sua comida habitual, registra tudo e até ajusta a rotina de exercícios para incluir mais cardio, sem que o usuário precise inserir nada. Essa automação total tornará aplicativos tradicionais de saúde e alimentação obsoletos. O usuário não precisará abrir o MyFitnessPal, digitar alimentos e calorias; o assistente fará tudo em segundo plano.
Aplicativos de tarefas também estarão ameaçados. Steinberger afirma que o modo de interação será simplesmente dizer ao assistente “lembre-me disso”, e ele cuidará de tudo, lembrando na hora certa. Os aplicativos atuais, como Todoist ou Microsoft To Do, exigem que o usuário crie tarefas manualmente, defina horários e categorias. Essa fricção será eliminada na era dos assistentes de IA.
As três principais categorias que desaparecerão em 80% dos aplicativos
Aplicações de registro de dados: rastreamento de saúde, alimentação, finanças, entradas de dados em geral
Gerenciamento de lembretes: tarefas, calendários, alarmes
Integração de informações: agregadores de notícias, gerenciamento de e-mails, aplicativos de notas
Com essa tendência, Steinberger acredita que apenas aplicativos que dependam de sensores específicos terão alguma chance de sobreviver. Por exemplo, apps profissionais de monitoramento de frequência cardíaca que usam sensores de pulso ou smartwatch, ou apps de câmeras que controlam hardware de lentes. Ainda assim, mesmo esses poderão ser reembalados com interfaces de IA.
Essa previsão representa uma ameaça à sobrevivência de desenvolvedores de aplicativos e às gigantes de tecnologia. Apple App Store e Google Play Store, que vivem de um ecossistema de milhões de apps, podem ver sua receita e influência diminuir drasticamente se 80% dos aplicativos desaparecerem. Para desenvolvedores que dependem de compras no app ou publicidade, migrar para oferecer funcionalidades de IA pode ser a única saída.
Quebra das ilhas de dados: a revolução do armazenamento local do OpenClaw
Steinberger compartilhou sua visão de que a principal vantagem do OpenClaw frente a grandes modelos de linguagem (LLMs) é o “controle dos dados” e a quebra das “ilhas de dados” criadas pelas grandes corporações. Atualmente, empresas de IA dominantes criam barreiras, mantendo os dados dos usuários em sistemas fechados na nuvem, dificultando migração ou extração de informações. O OpenClaw roda localmente na máquina do usuário, podendo controlar hardware (como Tesla, sistemas de som, iluminação) e explorar arquivos antigos, recuperando memórias esquecidas.
O OpenClaw armazena memórias em arquivos Markdown no computador local, o que significa que o usuário tem total posse e pode acessá-las a qualquer momento. Steinberger acredita que assistentes pessoais de IA lidarão com informações altamente confidenciais, semelhantes às buscas no Google, portanto, armazenamento local e controle do usuário são essenciais para garantir privacidade e segurança.
Porém, na fase inicial, o OpenClaw enfrentou problemas de segurança. A empresa de segurança SlowMist apontou vulnerabilidades na porta de entrada do Clawdbot (OpenClaw), que poderiam expor informações sensíveis, como chaves de API do Anthropic, tokens de bots do Telegram, credenciais OAuth do Slack e conversas privadas de meses de usuários. Até 1º de fevereiro, o projeto foi atualizado para mitigar essas questões de segurança.
De IA onipotente para inteligência coletiva: o futuro da divisão de tarefas especializadas
Sobre o futuro da IA, Steinberger acredita que não devemos buscar uma “inteligência geral” centralizada, mas sim uma “inteligência coletiva”. Ele compara com a sociedade humana, que alcançou feitos como pousar na Lua graças à divisão de trabalho. Na mesma linha, a IA deve evoluir para especializações. No futuro, cada pessoa poderá ter múltiplos assistentes especializados, responsáveis por trabalho, vida pessoal ou relacionamentos.
Ele imagina um cenário onde assistentes interagem entre si, por exemplo, um agente do usuário negociando reservas com o agente de um restaurante. Em situações que envolvam negócios tradicionais ou filas físicas, os bots podem até contratar humanos para realizar tarefas. Essa colaboração de múltiplos agentes especializados será uma tendência central do desenvolvimento de IA.
A vantagem dessa abordagem é a eficiência da especialização. Um assistente focado em finanças será muito melhor do que um genérico. Um assistente dedicado a relações sociais entenderá nuances que um sistema geral não consegue captar. Essa divisão de trabalho é semelhante à sociedade humana, com profissões e especializações distintas.
Do ponto de vista técnico, a inteligência coletiva também é mais viável. Treinar uma IA geral requer enormes recursos e dados, além de correr o risco de ser “generalista demais”. Diversificar para múltiplas IAs especializadas, com modelos menores e dados mais focados, reduz custos e demanda computacional. Essas IAs especializadas podem se comunicar por protocolos padronizados, formando uma rede colaborativa cuja inteligência coletiva pode superar uma única IA geral.
