OpenAI, Thrive e Crete desenvolvem agente de inteligência artificial tributária com autoaperfeiçoamento
A OpenAI, em parceria com a Thrive Holdings e a rede de escritórios de contabilidade Crete, desenvolveu um sistema de inteligência artificial para automatizar e aprimorar a preparação de declarações de impostos. O projeto, conduzido ao longo de seis meses, utilizou a tecnologia Codex para criar um agente fiscal capaz de aprender e se melhorar de forma autônoma a partir do uso em produção.
A colaboração envolveu engenheiros e pesquisadores da OpenAI trabalhando diretamente com a equipe de engenharia da Thrive Holdings. O objetivo principal era criar uma solução que auxiliasse a rede de mais de trinta escritórios de contabilidade da Crete na preparação de declarações de impostos cada vez mais complexas.
O diferencial do sistema está na capacidade de autoaperfeiçoamento. Em vez de depender exclusivamente de engenheiros para identificar e corrigir cada falha, o Tax AI utiliza o Codex para transformar dados de uso em produção em sinais estruturados que alimentam melhorias autônomas. Isso significa que o sistema aprende com suas próprias interações e se adapta continuamente.
O desenvolvimento do agente autoaperfeiçoável foi construído sobre três pilares fundamentais. O primeiro deles é o feedback de especialistas em contabilidade, que fornece orientações práticas sobre os processos fiscais. O segundo pilar são os traces de produção, que consistem em um histórico estruturado que registra todas as etapas desde a entrada de dados até a saída final.
O terceiro pilar é o loop de iteração baseado em Codex com avaliações personalizadas, chamadas de evals. Esse mecanismo permite que o sistema realize desenvolvimento contínuo e mais rápido do produto, identificando padrões de erro e propondo melhorias de forma automatizada.
A abordagem representa uma mudança significativa na forma como sistemas de inteligência artificial são desenvolvidos e mantidos. Tradicionalmente, a correção de falhas em sistemas de IA depende de equipes de engenharia que analisam problemas e implementam correções manualmente. Com o novo modelo, o próprio sistema gera os dados necessários para sua evolução.
A integração entre o conhecimento prático dos contadores e a capacidade de processamento de linguagem natural do Codex permite que o agente não apenas execute tarefas repetitivas, mas também aprenda com cada interação. Isso pode resultar em ganhos de precisão e eficiência na preparação de declarações fiscais.
O projeto demonstra como tecnologias de modelos de linguagem podem ser aplicadas em domínios altamente especializados, onde a precisão e o conhecimento técnico são essenciais. A combinação de feedback humano especializado com a capacidade de aprendizado autônomo do sistema cria um ciclo virtuoso de melhoria contínua.
