Entrevistas
Jan Čurn, cofundador e CEO da Apify – Série de entrevistas

Pontos-chaveOs agentes alugarão ferramentas existentes quando construir do zero custar mais do que…
Ver mais
- Os agentes alugarão ferramentas existentes quando construir do zero custar mais do que comprar.
- Falhas silenciosas permitem que os agentes resumam com confiança páginas vazias sem perceber o problema.
- A Apify pagou a alguns centenas de criadores cerca de US$ 2 milhões em ganhos líquidos totais no mês passado.
Jan Čurn é cofundador e CEO da Apify, empresa que lançou com Jakub Balada em 2015, por meio do programa Y Combinator Fellowship. A necessidade prática de reunir anúncios de apartamentos em Praga ajudou a inspirar o produto original: uma ferramenta para transformar sites em APIs. Desde então, ele conduziu a evolução da empresa, que passou de uma infraestrutura de rastreamento da web a uma plataforma de dados da web e automação de navegadores, além de um marketplace de ferramentas cada vez mais usadas por agentes de IA.
Apify oferece uma plataforma para raspagem da web, automação de navegadores e ferramentas prontas para uso chamadas Actors. Os desenvolvedores podem publicar e monetizar Actors por meio do marketplace da empresa, enquanto empresas e desenvolvedores de IA os utilizam para obter dados estruturados da web e automatizar tarefas. Nesta entrevista, Čurn fala sobre como os agentes descobrem e usam ferramentas especializadas, por que dados atualizados são importantes e quais são os requisitos de confiabilidade, permissões e viabilidade econômica para que os agentes atuem na web em grande escala.
Você cofundou a Apify com Jakub Balada em 2015, por meio do programa Y Combinator Fellowship, com o objetivo inicial de facilitar a criação de rastreadores da web flexíveis e escaláveis para desenvolvedores. O que inspirou a ideia e como sua visão original evoluiu ao longo da última década?
A ideia da Apify surgiu de um problema que Jakub e eu enfrentamos. Estávamos trabalhando em um projeto para um cliente que precisava de anúncios de apartamentos novos em Praga, e as ferramentas existentes tinham dificuldade para lidar com JavaScript dinâmico e estruturas irregulares de sites. Então, criamos nossa própria ferramenta para transformar qualquer site em uma API.
Com o tempo, a empresa foi além do rastreamento e se tornou uma plataforma para raspagem da web, automação de navegadores e dados da web. Em seguida, abrimos um marketplace onde os desenvolvedores podem publicar suas ferramentas, chamadas Actors, e receber por seu uso. Hoje, uma parcela cada vez maior dos usuários desses Actors é formada por agentes de IA.
A Apify surgiu como uma plataforma de rastreamento da web muito antes de os agentes de IA se tornarem um dos principais focos do setor. Em que momento você percebeu que a infraestrutura que havia construído poderia ser especialmente valiosa para agentes de IA que precisam acessar a web e interagir com ela?
O primeiro momento de descoberta veio no início de 2023, pouco depois do lançamento do ChatGPT. De repente, era possível inserir dados atualizados da web em um prompt, em vez de treinar um novo modelo. A Apify foi uma das primeiras plataformas de raspagem a oferecer rastreadores para os novos pipelines de RAG e a se integrar a bibliotecas recentes, como LangChain e LlamaIndex.
Depois veio a onda dos agentes de IA. Imagine pedir a um agente que compare o preço de um produto em 20 sites de comércio eletrônico. De onde ele obtém os dados? Esse era um problema que já resolvíamos para desenvolvedores havia anos. Por isso, quando a Anthropic lançou o Model Context Protocol (MCP) no fim de 2024, nós o adotamos imediatamente. Já tínhamos milhares de ferramentas com entradas e saídas bem definidas, exatamente o que um agente precisa.
A verdadeira virada aconteceu no fim de 2025, quando os modelos se tornaram bons o suficiente para que os agentes realizassem tarefas relevantes. Os agentes precisam de ferramentas adequadas e dados confiáveis e, desde então, o uso da Apify disparou, aproximando-se rapidamente de US$ 100 milhões em receita recorrente anual bruta.
A Apify se tornou uma plataforma com mais de 90.000 ferramentas voltadas a dados da web, raspagem, automação e IA. Como você vê o papel desse ecossistema à medida que os agentes precisam cada vez mais de ferramentas especializadas, em vez de depender exclusivamente dos recursos de um modelo de linguagem de grande porte?
Sim, os modelos serão capazes de criar do zero softwares cada vez mais complexos, mas existe um limite a partir do qual é mais eficiente para um agente comprar uma ferramenta existente do que desenvolvê-la do zero. Esse limite aumentará à medida que os modelos melhorarem, mas sempre haverá ferramentas para as quais essa opção será mais vantajosa, o que abre espaço para a venda de ferramentas prontas, especialmente quando se baseiam em dados privados e em informações contextuais difíceis de obter.
À medida que o custo de desenvolver software diminui e o número de sistemas e ferramentas aumenta, a principal limitação passa a ser encontrar as opções certas: onde localizar ferramentas confiáveis e valiosas para ajudar a concluir o trabalho. Em vez de pagar US$ 500 para gerar uma solução adequada, é possível pagar US$ 5 a alguém pelo uso de um serviço existente.
Com base no que você observa na comunidade de desenvolvedores da Apify, quais são algumas das aplicações mais interessantes de agentes de IA no mundo real atualmente, e quais casos de uso estão de fato chegando à produção?
Alguns dos exemplos mais interessantes são curiosamente específicos. Já vimos IA analisar YouTube, eBay e lojas japonesas para ajudar a decidir quais cartas Pokémon valem a pena comprar. Uma seguradora usou a Apify para consultar 55 sites italianos de obituários e verificar o falecimento de segurados. Em outra área, a Canary usa a Apify no Spotlight, uma ferramenta que ajuda investigadores a encontrar vítimas de tráfico infantil.
O que essas aplicações têm em comum é um problema específico e acesso aos dados certos, em vez de um agente projetado para fazer um pouco de tudo.
Um dos maiores desafios para os agentes de IA é acessar informações atualizadas e estruturadas de sites, em vez de depender totalmente de dados de treinamento estáticos. Qual será a importância do acesso à web em tempo real à medida que os agentes assumirem tarefas cada vez mais complexas?
Um LLM é uma compressão com perda dos dados com os quais foi treinado. Ele pode fazer suposições muito inteligentes, mas ainda são suposições. Quando se espera que um agente tome decisões ou conclua tarefas no mundo real, ele não pode depender exclusivamente dos dados de treinamento. Os preços mudam, os produtos desaparecem, os concorrentes lançam novidades e os sites são atualizados constantemente.
O modelo fornece o raciocínio, mas muitos agentes precisam de uma maneira confiável de obter informações atualizadas da web e transformá-las em dados estruturados que possam usar em grande escala.
Os ambientes da web podem ser imprevisíveis, com interfaces que mudam, conteúdo dinâmico, requisitos de autenticação e sistemas anti-automação. Quais são os maiores desafios técnicos que os desenvolvedores enfrentam ao tentar criar agentes capazes de operar de forma confiável em toda a web aberta?
Os sites modernos podem retornar JavaScript dinâmico, páginas de desafio ou conteúdo incompleto, e os sistemas antibots analisam tudo, desde a reputação do endereço IP até as impressões digitais do navegador. Muitas vezes, as falhas são silenciosas, então um agente pode resumir com confiança uma página vazia sem perceber.
É relativamente fácil criar algo que funcione uma vez. Muito mais difícil é criar algo que continue funcionando em sites que estão sempre mudando e em escala de produção.
À medida que os agentes passam a poder não apenas recuperar informações, mas também realizar ações on-line, o que precisa melhorar em áreas como confiabilidade, permissões, verificação e supervisão humana para que as empresas confiem a eles fluxos de trabalho mais autônomos?
As permissões se tornam muito mais importantes quando um agente pode agir, em vez de apenas ler. O agente nunca deve ter acesso às suas credenciais, e todos os segredos devem permanecer fora de um ambiente isolado seguro, sem nunca serem expostos ao modelo. Temos trabalhado nesse problema de isolamento por proxy nos Actors da plataforma Apify, bem como no mcpc, nosso cliente de linha de comando de código aberto para MCP.
Os desenvolvedores estão experimentando de tudo, da automação de navegador a APIs especializadas e novos protocolos para agentes. Como você vê a evolução da arquitetura dos agentes de IA, e como será a relação ideal entre modelos, ferramentas, fontes de dados e navegadores?
Acredito que as grandes plataformas de agentes, como ChatGPT e Claude, estão se tornando o novo sistema operacional: uma interface principal por meio da qual as pessoas comandam computadores, com ferramentas integradas a elas da mesma forma que os aplicativos são integrados ao celular. Para as ferramentas executadas em outros ambientes, o MCP foi aceito como protocolo padrão de interação.
Quando um agente precisa de dados como avaliações de restaurantes e informações de contato, ele pode abrir o Google Maps em um navegador e navegar por ele como uma pessoa faria, o que é impreciso e caro. Ou pode encontrar e chamar uma ferramenta que retorna dados geográficos estruturados, o que é mais rápido e confiável. O agente principal também repassará tarefas como reservar mesas ou encontrar voos a subagentes especializados que executam modelos mais baratos.
A Apify passou anos criando infraestrutura para desenvolvedores e também um marketplace onde desenvolvedores terceirizados podem publicar suas próprias ferramentas. A IA agêntica poderia criar uma economia muito maior em torno de ferramentas e serviços especializados que os agentes descobrem e usam de forma autônoma?
Sim, e nosso marketplace já é uma pequena versão disso. Os desenvolvedores publicam Actors, as pessoas os utilizam, os desenvolvedores são pagos e isso atrai mais desenvolvedores e mais ferramentas. Esse ciclo virtuoso vem funcionando há anos com pessoas do lado da compra.
À medida que os agentes de IA assumem mais responsabilidades, precisarão de dinheiro para concluir algumas tarefas. Dá para imaginar que se atribua uma tarefa e uma pequena carteira a um agente, permitindo que ele pague pelas ferramentas de que precisa ao longo do caminho, usando um protocolo de pagamento agêntico como x402 ou MPP. O volume ainda é pequeno, mas acredito que, no fim, a maior parte da atividade econômica acontecerá de forma autônoma entre agentes, com cada vez menos supervisão humana.
À medida que a Apify entra em sua segunda década e os agentes de IA se tornam uma parte muito maior do panorama do software, como você vê a evolução da empresa nos próximos anos e o que, na sua opinião, ainda falta no ecossistema de agentes atual?
Cada vez mais pessoas estão integrando a Apify a seus agentes, como Claude ou ChatGPT, e percebendo que essas ferramentas as ajudam a realizar mais rapidamente tarefas mais complexas na web. A plataforma Apify e os Actors estão sendo otimizados para proporcionar uma ótima experiência com agentes, impulsionando o aumento do uso e dos gastos.
Do outro lado do marketplace, um número crescente de criadores de software está obtendo uma renda regular com seus Actors: mais de 300 Actors da comunidade geram mais de US$ 1.000 por mês. Só no mês passado, pagamos a algumas centenas de criadores cerca de US$ 2 milhões em ganhos líquidos totais.
O crescimento do marketplace da Apify está se acelerando, assim como nossa ambição de tornar a Apify o maior e mais confiável marketplace de ferramentas de IA do mundo, permitindo que as pessoas e seus bilhões de futuros agentes realizem tarefas na web.
Obrigado pela excelente entrevista. Os leitores que quiserem saber mais sobre dados da web, automação de navegador e ferramentas para agentes de IA devem visitar Apify.












