Google descontinua ‘Gems’ do Gemini: o fim de agentes especializados e o foco nos ‘skills’ integrados

A comunidade de inteligência artificial sentiu um leve tremor nesta segunda‑feira quando o Google publicou um comunicado oficial anunciando que os "Gemini Gems" – módulos que permitiam a criação de agentes de IA especializados em tarefas pontuais – deixarão de ser suportados a partir do próximo trimestre. O anúncio, que chegou ao público por meio de um blog interno da empresa, não foi apenas uma notícia de produto; ele revela uma mudança de paradigma na forma como a maior empresa de busca do mundo pretende posicionar sua plataforma Gemini no mercado cada vez mais saturado de agentes de IA.

## O que eram os Gemini Gems?

Lançados em meados de 2023, os Gemini Gems eram essencialmente "plugins" ou "mini‑agentes" que podiam ser configurados por desenvolvedores e usuários avançados para executar funções específicas: desde gerar códigos em linguagens de programação até montar planilhas financeiras ou responder a perguntas de domínio restrito, como legislação tributária brasileira. Cada Gem era treinado em um conjunto de dados focado, combinando técnicas de fine‑tuning de modelos de linguagem com recuperação de documentos (RAG). Essa abordagem permitia que o Gemini mantivesse a flexibilidade de um grande modelo de linguagem (LLM) ao mesmo tempo que oferecia desempenho de especialista em nichos.

Os Gems ganharam tração inicial principalmente em setores de tecnologia e consultoria, onde a necessidade de respostas precisas e contextuais era alta. Empresas como a fintech Nubank testaram Gems para automatizar respostas a dúvidas de clientes sobre tarifas e limites, enquanto laboratórios de pesquisa universitária usaram Gems para sintetizar literatura científica em áreas como bioinformática. No entanto, a adoção em massa ficou aquém das expectativas, principalmente porque a integração dos Gems aos fluxos de trabalho existentes demandava conhecimento avançado de prompt engineering e infraestrutura de API.

## Por que o Google está abandonando os Gems?

Do ponto de vista técnico, a manutenção de múltiplos agentes especializados representa um custo operacional significativo. Cada Gem requer atualização constante de dados, monitoramento de viés e testes de regressão para garantir que não haja degradação de performance. Em entrevista ao The Verge, a diretora de produto do Gemini, Priya Gopal, explicou que "a complexidade de escalar centenas de agentes independentes colide com a necessidade de garantir segurança, privacidade e consistência em escala global".

Além do ônus de manutenção, a análise de uso mostrou que a maioria dos usuários finais prefere interações mais fluidas, onde um único assistente pode realizar diversas tarefas sem precisar mudar de contexto. Dados internos do Google indicam que menos de 12% das interações com o Gemini utilizavam um Gem específico, enquanto 78% eram conversas genéricas que poderiam ser atendidas por um agente mais versátil. Esse descompasso entre investimento e retorno impulsionou a decisão de redirecionar recursos para o desenvolvimento de "skills" – funcionalidades modulares que podem ser ativadas ou desativadas dentro do mesmo modelo base.

## O que são os "skills" e como eles diferem dos Gems?

Os "skills" do Google são, em essência, extensões de capacidade que se comportam como sub‑rotinas internas ao modelo Gemini. Ao contrário dos Gems, que funcionam como micro‑modelos externos acoplados via API, os skills são incorporados ao próprio modelo durante o processo de treinamento de instruções (instruction tuning). Isso permite que o modelo acesse a habilidade sem precisar de chamadas externas, reduzindo latência e riscos de vazamento de dados.

Tecnicamente, os skills são desenvolvidos usando técnicas de "parameter-efficient fine‑tuning" (PEFT), como LoRA (Low‑Rank Adaptation) e adapters, que ajustam apenas uma fração dos parâmetros do modelo – normalmente menos de 1% – para especializar a função desejada. O resultado é um agente que mantém a base de conhecimento geral do Gemini, mas que possui "pontos de acesso" otimizados para tarefas como geração de código, tradução jurídica ou análise de imagens médicas. Essa arquitetura modular oferece maior escalabilidade: uma única atualização de skill pode ser propagada para todos os usuários sem a necessidade de instalar plugins separados.

## O cenário competitivo: Meta, Microsoft e OpenAI

Enquanto o Google recalibra sua estratégia, concorrentes já avançam na corrida pelos agentes all‑in‑one. A Meta, por exemplo, lançou o "Muse" – um agente conversacional que combina capacidades de texto, áudio e vídeo em tempo real – e recentemente divulgou o "Instinct", uma versão mais enxuta voltada para dispositivos móveis. Ambos os projetos adotam a arquitetura de "multimodal agents", onde um único modelo pode gerar e interpretar diferentes tipos de dados sem precisar de módulos externos.

A Microsoft, por sua vez, integrou o Copilot ao Office 365, oferecendo "skills" nativas para edição de documentos, análise de planilhas e criação de apresentações. Já a OpenAI, com o ChatGPT Enterprise, disponibiliza extensões de "plugins" que podem ser ativados por desenvolvedores, mas está migrando para um modelo de "function calling" que, semelhante ao approach do Google, incorpora a execução de funções diretamente no fluxo de linguagem.

Essas movimentações apontam para um consenso emergente: a próxima geração de assistentes de IA será menos fragmentada e mais integrada, permitindo que usuários executem múltiplas tarefas sem precisar mudar de aplicativo ou contexto.

## Implicações técnicas para desenvolvedores

Para os desenvolvedores brasileiros, a mudança traz algumas considerações práticas. Primeiro, a curva de aprendizado para criar um skill no Gemini passa a ser mais alinhada com as práticas de desenvolvimento de software tradicional. A Google Cloud já disponibiliza SDKs em Python, Node.js e Java que simplificam a definição de instruções de treinamento e a publicação de skills na marketplace da empresa.

Segundo, a questão da privacidade ganha nova relevância. Como os skills operam dentro do modelo, os dados de entrada permanecem no mesmo ambiente de computação, reduzindo a superfície de ataque comparada aos Gems, que exigiam chamadas externas a servidores de terceiros. Para setores regulados – como saúde, finanças e educação – esse aspecto pode ser decisivo para a adoção em larga escala.

Por fim, a interoperabilidade entre plataformas se torna um ponto crítico. A Google está anunciando uma API aberta para que skills desenvolvidas para Gemini possam ser consumidas por aplicativos Android, ChromeOS e até mesmo por assistentes de voz como o Google Assistant. Essa estratégia visa criar um ecossistema onde o mesmo skill pode ser usado tanto em smartphones quanto em wearables, algo que pode acelerar a difusão de soluções locais, como assistentes de agronegócio que interpretam dados de sensores IoT.

## Impacto econômico e geopolítico

Do ponto de vista macroeconômico, a decisão de abandonar os Gems reflete a necessidade das grandes corporações de otimizar custos em IA, um campo que demanda investimentos bilionários em infraestrutura de treinamento e em pessoal especializado. Segundo um relatório da IDC de 2024, os gastos globais com IA devem alcançar US$ 1,2 trilhão até 2027, mas apenas 18% desse volume será dedicado a modelos de nicho. Assim, a migração para skills pode representar um movimento para concentrar recursos em soluções de maior retorno de investimento.

Geopoliticamente, a consolidação de recursos em torno de modelos proprietários levanta questões de soberania tecnológica. Países da América Latina, incluindo o Brasil, têm buscado desenvolver IA sob diretrizes de dados locais para evitar dependência de servidores estrangeiros. A abertura da Google a APIs que permitem a execução de skills em data centers regionais pode ser vista como um passo para atender a essas demandas, mas ainda há resistência de governos que exigem que os dados de cidadãos permaneçam sob jurisdição nacional.

## Perspectiva brasileira e latino‑americana

No Brasil, a adoção de assistentes de IA ainda está em fase de experimentação, sobretudo em setores como varejo, fintechs e agronegócio. Startups como a Docket, que utiliza IA para analisar contratos, e a AgroSmart, que combina visão computacional com dados climáticos, podem se beneficiar dos skills ao reduzir a dependência de integrações complexas.

Além disso, universidades como a USP e a UNICAMP já incorporam o Gemini em laboratórios de pesquisa, mas relataram dificuldades em manter Gems atualizados com bases de dados brasileiras. A transição para skills, com suporte a treinamento em português e capacidade de rodar em hardware local (por meio de modelos menores do Gemini), pode acelerar a democratização da tecnologia.

Do ponto de vista regulatório, a LGPD (Lei Geral de Proteção de Dados) impõe requisitos rigorosos de consentimento e auditoria. Como os skills operam dentro do ecossistema Google, as empresas terão que validar que os fluxos de dados obedecem aos princípios de necessidade e minimização. A Google tem anunciado recursos de auditoria de uso de skills que podem gerar logs detalhados para atender a essas exigências.

## O futuro dos agentes de IA

A longo prazo, a tendência aponta para a convergência entre agentes de IA e plataformas de desenvolvimento low‑code. O conceito de "skill marketplace" pode evoluir para um ambiente onde empresas e desenvolvedores criam, testam e comercializam habilidades de forma similar a aplicativos móveis. A capacidade de compor múltiplas skills em sequências lógicas – algo que a Google descreve como "skill chaining" – abrirá caminho para fluxos de trabalho automatizados que vão desde o atendimento ao cliente até a análise preditiva de estoque.

Entretanto, desafios permanecem. A qualidade dos dados de treinamento, a mitigação de vieses e a transparência das decisões do modelo são questões que ainda precisam de soluções robustas. Especialistas como a professora Ana Paula Goulart, da PUC‑Rio, alertam que "a modularização de habilidades não elimina a necessidade de governança ética; ao contrário, cria novos pontos de controle que devem ser monitorados".

Em síntese, ao encerrar os Gemini Gems, o Google está reconhecendo que a fragmentação de agentes especializados não é sustentável em escala global. A aposta nos skills indica uma aposta em versatilidade, segurança e integração profunda com o ecossistema de produtos Google. Para o Brasil, a mudança abre portas para soluções de IA mais alinhadas à realidade local, mas também coloca a responsabilidade de adaptar políticas de privacidade e governança a um novo modelo de desenvolvimento.

## Conclusão

A eliminação dos Gems marca o fim de uma fase experimental e o início de uma nova era em que assistentes de IA serão menos como aplicativos isolados e mais como plataformas extensíveis, capazes de aprender e executar múltiplas funções dentro de um mesmo modelo. Essa transição reflete tanto pressões de mercado – lideradas por concorrentes que já oferecem agentes all‑in‑one – quanto a necessidade de otimizar custos e garantir conformidade regulatória. Para o mercado brasileiro, o desafio será aproveitar a flexibilidade dos skills ao mesmo tempo em que se constrói uma infraestrutura de dados soberana e ética. Se bem gerido, o novo paradigma pode acelerar a adoção de IA em setores críticos da economia latino‑americana, consolidando a região como um laboratório de inovação em agentes de linguagem avançada.