Jeffrey Lai, Fundador e CEO da IrisGo – Série de Entrevistas

Jeffrey Lai, Fundador e CEO da IrisGo, é um empreendedor de IA e líder de produto com raízes profundas em assistentes inteligentes e tecnologias de linguagem. Antes de lançar a IrisGo em 2025 e atuar como Fundador Residente no AI Fund, Lai passou mais de 12 anos na Apple (AAPL ), onde ajudou a construir e escalar o Siri, atuando eventualmente como Gerente de Engenharia de Linguagem do Siri. Seu trabalho se concentrou em avançar a IA conversacional multilíngue, incluindo o desenvolvimento da versão em chinês do Siri. Antes da Apple, ele ocupou funções de engenharia na Cisco Systems (CSCO ) e completou um estágio no Grupo de Robótica Inteligente do Centro de Pesquisa da NASA Ames. Com uma carreira que abrange robótica, software empresarial e IA de consumo, Lai se concentrou consistentemente em tornar tecnologias complexas mais acessíveis e úteis nos fluxos de trabalho diários.

IrisGo está desenvolvendo um sistema operacional de IA projetado para a nova geração de computadores pessoais com IA. Em vez de operar como um chatbot autônomo, a plataforma é construída para observar como os usuários realizam tarefas em aplicativos, aprender esses fluxos de trabalho e automatizá-los por meio de um assistente inteligente no dispositivo. Sua abordagem central gira em torno de permitir que os usuários demonstrem uma tarefa uma vez e, em seguida, convertam esse processo em um fluxo de trabalho reutilizável, ajudando a reduzir o trabalho digital repetitivo. Ao aproveitar as capacidades de processamento de IA dedicadas encontradas nos modernos PCs com IA, a IrisGo visa habilitar uma automação mais privada, responsiva e ciente do contexto, posicionando-se dentro do mercado em crescimento de sistemas de IA agêntica que podem ativamente executar tarefas em nome dos usuários, em vez de simplesmente fornecer recomendações.

Depois de ajudar a construir o Siri na Apple, quais experiências específicas o convenceram de que era hora de iniciar a IrisGo, e qual era o problema-chave na interação humano-computador que você sentia que permanecia sem solução?

Quando estávamos construindo o Siri, estávamos incrivelmente focados na compreensão da linguagem natural. Mas o Siri lutava com o contexto, o que é desafiador porque a forma como as pessoas realmente trabalham e se comunicam está cheia de contexto implícito. Quando você pergunta a um colega: “Pode me enviar esse relatório?”, ele sabe qual relatório. Ele sabe a história compartilhada, o projeto atual, o que vocês vêm discutindo. O Siri não tinha isso.

Por muitos anos, a IA foi projetada para responder a você. Digite algo, obtenha algo de volta. Esse é o modelo de interação que herdamos dos mecanismos de busca e chatbots. Mas a maior parte do que as pessoas realmente fazem em um computador não é uma pergunta, é um fluxo de trabalho. Compilar esse relatório. Cruzar referências dessas planilhas. Extrair dados de três aplicativos diferentes e formatá-los em um documento. Esse tipo de trabalho não se encaixa em uma solicitação.

O que me convenceu a iniciar a IrisGo foi a realização de que a indústria não estava construindo para casos de uso do dia a dia. Todos estavam construindo modelos mais inteligentes, melhor compreensão da linguagem, respostas mais rápidas. Mas a lacuna fundamental, onde a IA pode realmente fazer o trabalho, e não apenas responder a solicitações, ainda estava lá. Esse é o problema que nos propusemos a resolver.

Olhando para os anos em que trabalhou no Siri, quais foram as lições mais importantes que você aprendeu sobre as limitações dos assistentes de voz, particularmente quando se trata de compreender contexto, intenção e comportamento do usuário?

A lição mais importante que aprendi é que o contexto é tudo. As pessoas raramente se comunicam em comandos isolados; suas solicitações são moldadas pelo que elas estão trabalhando e pelo que estão tentando alcançar. Os primeiros assistentes de voz foram projetados em torno de atender a solicitações individuais, o que funciona bem para muitas tarefas, mas é menos eficaz para trabalhos contínuos que abrangem múltiplos aplicativos e fluxos de trabalho. Essa experiência me ensinou que entender a intenção requer entender o contexto, e essa percepção se tornou uma das ideias fundamentais por trás da IrisGo.

O que aprendemos é que a intenção é frequentemente camada. Alguém diz uma coisa e significa outra, e obter isso certo exige entender a pessoa, não apenas as palavras. Essa compreensão está incorporada na IrisGo desde o início.

A IrisGo é frequentemente descrita como um sistema operacional de IA, em vez de um assistente de IA. Qual é a diferença, e por que você acredita que a indústria precisa de uma nova camada de software para a era do PC com IA?

Um assistente de IA espera por você. Você o abre, digita algo, ele responde, e então está feito. O modelo de interação é essencialmente o mesmo de um mecanismo de busca, onde o usuário faz uma solicitação e a IA gera uma resposta.

A IrisGo, que é um sistema operacional de IA, trabalha ao lado de tudo o que você está fazendo, em todo o seu sistema, o tempo todo. Ela tem acesso aos seus arquivos, aplicativos, navegador, e-mail. Ela entende como você trabalha porque está observando, com sua permissão. E, crucialmente, ela pode agir, não apenas aconselhar.

Pense no que o Windows fez para a computação pessoal. Antes disso, você precisava ser técnico para usar um computador. O Windows criou uma camada universal e intuitiva entre as pessoas e o software. A era do PC com IA precisa da sua própria versão dessa camada, tirando o poder bruto dos modelos de IA e tornando-os realmente úteis para as pessoas que fazem o trabalho diário.

É isso que a IrisGo é: a camada de inteligência do PC com IA. Quando você envia PCs com IA sem essa camada, você tem apenas um chip poderoso sentado ocioso. O que você precisa é de software que saiba como colocá-lo para trabalhar em nome da pessoa que o está usando.

Uma das ideias centrais da IrisGo é que os usuários podem ensinar o sistema a uma tarefa por meio de uma única demonstração. Por que você acredita que o modelo “assistir e aprender” é mais natural do que o de prompt ou construir fluxos de trabalho manualmente?

O que torna o recurso “Assistir e Aprender” tão poderoso é que ele se baseia na forma como realmente ensinamos uns aos outros. Quando você integra um novo funcionário, você não lhe dá um prompt de 40 etapas. Você mostra a ele como fazer algo uma vez, ele assiste, ele aprende e ele assume a partir daí. Isso é intuitivo. Isso é natural.

O problema com o prompt é que ele coloca a carga no usuário para articular exatamente o que ele quer, em um formato que a IA possa entender. Para consultas simples, isso funciona bem. Mas e para fluxos de trabalho complexos e multietapas, envolvendo arquivos específicos e sua maneira específica de fazer as coisas? Isso pode se desintegrar rapidamente. A maioria das pessoas não consegue descrever seus fluxos de trabalho com precisão suficiente para que a IA os execute corretamente.

Mostrar é mais fácil do que dizer. Essa não é uma nova percepção; é senso comum. O que “Assistir e Aprender” faz é aplicar essa lógica à automação. Você faz a tarefa uma vez, da maneira como normalmente faria. A IrisGo aprende o padrão. E a partir daí, ela lida com esse fluxo de trabalho por você.

Muitos agentes de IA hoje ainda exigem configuração e supervisão significativas. O que separa um agente autônomo verdadeiro de um chatbot que simplesmente segue instruções?

A resposta curta é que um agente autônomo verdadeiro tem seu próprio contexto, toma suas próprias decisões e continua trabalhando mesmo quando você não está observando.

Um chatbot é reativo por design. Ele vive e morre pelo prompt. Você lhe dá uma instrução, ele executa e então para. Se algo mudar, se uma etapa falhar ou se precisar se adaptar, ele se perde. Ele pedirá a você o que fazer em seguida.

Um agente autônomo genuíno tem um objetivo, não apenas uma instrução. Ele tem contexto sobre o ambiente em que está operando. Ele pode lidar com exceções. Ele pode decidir se proceder, tentar novamente ou sinalizar algo para revisão humana. E, importante, ele pode executar em segundo plano enquanto você trabalha em outras coisas.

A maioria do que é vendido como “agentes de IA” hoje são, na verdade, chatbots sofisticados com etapas extras. A lacuna entre esses produtos e a autonomia real é enorme. O que torna a IrisGo diferente é que ela começa com um modelo de como você trabalha, aprendido diretamente observando você, e usa isso para tomar as decisões certas, não apenas seguir instruções.

Você falou sobre a importância da memória persistente e do contexto local. Por que essas capacidades são essenciais se a IA for além de responder a perguntas e começar a agir em nome do usuário?

Imagine contratar um assistente que, todas as manhãs, não tem memória de quem você é, no que você está trabalhando ou de como você gosta que as coisas sejam feitas. Você passaria metade do dia reexplicando o contexto, e você ficaria extremamente frustrado. Isso é basicamente o que a maioria das ferramentas de IA pede que você faça hoje.

A memória persistente significa que o sistema conhece você. Ele conhece seus projetos, seus fluxos de trabalho, suas preferências e como as coisas evoluíram ao longo do tempo. Você não precisa reestabelecer o contexto a cada sessão. A IA leva isso adiante.

O contexto local é igualmente crítico, porque o seu trabalho não vive na nuvem. Ele vive no seu computador, em arquivos, aplicativos, e-mails, guias do navegador. A IrisGo é executada no seu dispositivo, o que significa que ela tem acesso a todo o seu ambiente de trabalho e pode operar em seu nome em todos eles.

Essas duas coisas juntas — memória e acesso local — são o que permitem que a IA pare de ser uma ferramenta que você usa e comece a ser um sistema que trabalha para você. Estamos vendo mais da indústria de tecnologia começar a reconhecer a importância disso, incluindo as grandes empresas de tecnologia, então é uma clara validação de nossa abordagem.

A privacidade permanece como uma das maiores preocupações em torno da IA. Como você equilibra a necessidade de personalização e memória com as expectativas do usuário em torno de segurança e propriedade de dados?

A suposição de que a privacidade e a personalização estão em tensão é a primeira coisa a ser desafiada. Construímos a IrisGo de forma que a personalização possa acontecer no dispositivo, não apenas na nuvem.

A grande maioria do processamento da IrisGo acontece localmente, no seu computador. Seus fluxos de trabalho, arquivos, contexto — tudo permanece com você. O processamento na nuvem só ocorre quando você autoriza explicitamente, e quando isso acontece, é criptografado de ponta a ponta. Você está no controle do que vai para onde.

Esse modelo torna a IrisGo mais poderosa, porque ela tem acesso ao contexto completo do seu ambiente de trabalho. E significa que os usuários não precisam escolher entre uma IA útil e uma segura.

As pessoas confiam em seus computadores pessoais com trabalhos sensíveis. Nosso objetivo é tornar a IrisGo digna da mesma confiança. Isso é fundamental para como o produto é projetado.

A IrisGo já está sendo enviada em PCs com IA da Acer, com planos para expandir para mais fabricantes. Quão importante você acredita que as parcerias de distribuição serão para determinar quais plataformas de IA eventualmente atingirão a adoção em massa?

A distribuição é absolutamente crítica para a adoção em massa. Basta olhar para a história da competição de plataformas na tecnologia. O Windows venceu porque estava em quase todos os PCs. O Android venceu porque era o sistema operacional mais usado para dispositivos móveis que não eram iPhones. As empresas que tentaram vencer apenas pela qualidade do produto, sem a distribuição para apoiá-las, na maioria das vezes não conseguiram.

O mercado de PCs com IA está seguindo um padrão semelhante. Quando a IrisGo é pré-instalada em um dispositivo, ela está lá quando você abre a caixa. Você não precisa procurá-la, baixá-la ou decidir dar uma chance. Isso é uma vantagem enorme.

Já estamos em 3 milhões de dispositivos de laptop da Acer que serão enviados este ano, e estamos em conversas com fabricantes de PCs de primeiro nível adicionais. O objetivo é ser o Sistema Operacional de IA para PCs por padrão. Essa estratégia de distribuição é central para como nos tornamos o padrão nessa categoria.

À medida que os agentes de IA se tornam capazes de lidar com faturas, pesquisas, relatórios e outros fluxos de trabalho de negócios, quais novos desafios de governança, supervisão e confiança as organizações devem estar se preparando hoje?

O primeiro desafio é a auditoria. Quando um agente de IA completa um fluxo de trabalho, como processar uma fatura ou gerar um relatório, você pode ver o que ele fez, por que ele fez e de onde os dados vieram? Esse tipo de rastreamento de auditoria transparente é essencial para conformidade e para capturar erros antes que eles se compremam.

O segundo é definir limites. Quais fluxos de trabalho são apropriados para execução autônoma, e quais requerem revisão humana? As empresas precisam de políticas claras sobre isso. A tendência é deixar a IA fazer cada vez mais, incrementalmente, e então perceber tarde demais que decisões de alto risco estão sendo tomadas sem supervisão suficiente.

Terceiro é a calibração da confiança. Os funcionários precisam entender o que a IA pode e não pode fazer, e quando verificar a saída em vez de assumir que está correta. Isso é uma questão de cultura e treinamento tanto quanto uma questão tecnológica.

Acredito que as organizações que se preparam para isso hoje terão uma vantagem significativa, porque à medida que as capacidades de IA crescem, mais estruturas de governança se acumularão.

Cinco anos a partir de agora, você acredita que as pessoas ainda passarão a maior parte do tempo interagindo com a IA por meio de interfaces de chat, ou a IA aumentará cada vez mais para o plano de fundo e completará o trabalho proativamente sem ser solicitada?

A trajetória já está mostrando que a IA aumentará cada vez mais para o plano de fundo. O modelo que estamos construindo é aquele em que o seu computador entende o seu trabalho e cuida das peças rotineiras, de modo que a sua atenção seja liberada para as coisas que realmente exigem você.

Pense em como o piloto automático funciona na aviação. Os pilotos não estão com as mãos em cada segundo de cada voo. O sistema lida com a base, e o humano se envolve quando julgamento e expertise são necessários. Esse é o futuro do trabalho de conhecimento assistido por IA. O seu computador lida com os fluxos de trabalho repetitivos e baseados em regras. Você se concentra em estratégia, criatividade e decisões que exigem julgamento humano real.

Cinco anos a partir de agora, as pessoas mais produtivas serão aquelas ao lado de sistemas que entendem como o usuário opera. No passado, as pessoas faziam todo o trabalho nos computadores. No futuro, o seu computador também fará o trabalho por você.

Obrigado pela grande entrevista, leitores que desejam aprender mais devem visitar IrisGo.