Manus AI: por que a compra pela Meta marca a virada da IA de “conversar bem” para “executar de verdade”

A Manus AI surgiu com a aura clássica dos produtos que “aparecem do nada” — e, quando você vai ver, já estão no centro de uma disputa que mistura tecnologia, dinheiro, regulação e geopolítica. Em 2025, o nome virou tendência por causa de demonstrações virais de um agente capaz de ir além do chat: navegar, executar tarefas, lidar com arquivos e devolver entregas completas. Em dezembro de 2025, a história deu um salto: a própria plataforma passou a exibir, de forma explícita, que “Manus is now part of Meta”, confirmando publicamente a integração ao ecossistema Meta.

O que transformou o caso Manus em “evento” não foi só a compra, mas o que ela representa. A Reuters reportou que a Meta acertou a aquisição para acelerar a estratégia de “IA que faz”, com fontes estimando um valor na faixa de US$ 2–3 bilhões, enquanto a Associated Press tratou o movimento como parte da corrida agressiva da Meta para incorporar capacidades avançadas de agentes em seus produtos. A mesma Reuters também enquadrou a operação como símbolo de uma tendência maior: na próxima fase da IA, talento e tecnologia podem pesar mais do que território — e startups com origem chinesa, mas operação global, viraram ativos estratégicos.

A reação não demorou. Em janeiro de 2026, autoridades chinesas anunciaram uma investigação para avaliar se o acordo envolve possíveis violações de regras de exportação de tecnologia — um sinal de que o tema “agente de IA” entrou na categoria de ativo sensível. Ao mesmo tempo, reportagens destacaram o argumento da Meta de que a aquisição implicaria romper vínculos com a China e manter a operação baseada em Singapura, justamente para responder a preocupações regulatórias e políticas.

Mas, fora do ruído corporativo, o que é a Manus, na prática? A resposta mais honesta é: um “motor de execução”. A própria empresa descreve o produto como uma camada que “vai além das respostas para executar tarefas, automatizar fluxos e ampliar o alcance humano”. Isso é uma mudança importante em relação ao que o público chama genericamente de “IA”. Manus não se posiciona como “um modelo” e sim como um agente: um sistema que recebe um objetivo, cria um plano, atua em um ambiente de execução e volta com resultados — muitas vezes já na forma de arquivos prontos (documentos, planilhas, conteúdos).

Essa visão fica mais concreta quando você entra na documentação oficial. A Manus oferece uma API REST para integrar o agente em fluxos de trabalho, com recursos para criar tarefas, gerenciar arquivos e conectar dados. Para quem precisa de automação “de verdade”, o detalhe decisivo é o suporte a webhooks: em vez de ficar “perguntando” ao sistema se a tarefa terminou, você registra um endpoint e recebe notificações em tempo real quando o trabalho muda de estado (criado, em progresso, finalizado, falhou). A documentação também empurra um argumento agressivo de adoção: um caminho para “mudar do OpenAI em 3 linhas de código”, sugerindo que a empresa quer capturar times técnicos que já têm pipelines de prompts e só precisam trocar a camada de execução.

O outro ponto-chave é o ecossistema de integrações. A Manus documenta conectores que permitem ao agente acessar apps como Gmail, Google Calendar e Notion, via autenticação segura, para que o agente não apenas escreva uma resposta, mas leia mensagens, crie eventos, atualize bancos de dados e execute rotinas em ferramentas de trabalho reais. Esse tipo de conector não é detalhe: ele é o que transforma IA de “texto bom” em “operação que roda”. E, quando você adiciona isso a uma camada de execução, a categoria muda de patamar.

Nos últimos dias, a própria Manus também tem reforçado o componente de “ambiente controlado” com o conceito de Sandbox: um computador virtual isolado por tarefa, capaz de executar em paralelo e manter arquivos persistentes dentro daquele contexto. A ideia — segundo a explicação oficial — é oferecer execução contínua, em ambiente isolado, com uma postura de segurança “zero trust” como base do design. Para o leitor que pensa em uso empresarial, esse é um dos pontos mais úteis: agentes que navegam e executam ações precisam de trilhas de auditoria, isolamento, controle de permissões e integração previsível.

Por que isso virou tão grande tão rápido? Porque a Manus colou exatamente onde está a demanda. Em 2025, uma parte do mercado começou a ficar impaciente com “chatbots excelentes que ainda não entregam trabalho”. A categoria “agentic AI” ganhou tração como promessa de produtividade real — e a Manus surfou essa narrativa com demonstrações e posicionamento. Veículos como The Verge destacaram a compra como parte da ofensiva da Meta para levar capacidades avançadas para ambientes do mundo real (end-to-end work), enquanto análises como as da VentureBeat enquadraram a aquisição como um sinal para a estratégia de agentes no enterprise.

O mercado também olhou para métricas e financiamento. A Reuters reportou que a Manus havia levantado US$ 75 milhões em 2025, com Benchmark liderando a rodada, numa avaliação em torno de US$ 500 milhões. E reportagens recentes destacaram a narrativa de receita recorrente anual acima de US$ 100 milhões, um número que ajuda a explicar por que o ativo se tornou “comprável” e não apenas “promissor”.

Ainda assim, o leitor que quer informação útil precisa de duas camadas de realidade: (1) o que o produto promete e (2) como agentes se comportam no mundo real. Análises e relatos de testes apontam que a experiência pode ser brilhante para tarefas estruturadas e, ao mesmo tempo, instável em cenários abertos (erros, loops, travamentos) — algo comum em agentes que operam na web, lidam com sites imprevisíveis e dependem de permissões e conectores. Uma leitura que compila esse sentimento (baseada em review publicado por veículo de tecnologia) descreve a sensação de trabalhar com um “estagiário muito eficiente”, que acerta bastante, mas pode cortar caminho ou interpretar errado o objetivo se o briefing estiver frouxo.

Na prática, isso leva a um guia simples para quem quer usar Manus (ou qualquer agente similar) sem se iludir. Primeiro: trate o agente como um executor que precisa de briefing fechado. Em vez de “pesquise sobre X”, prefira “pesquise sobre X, cite fontes, compare datas, entregue em formato Y, com tamanho Z, e aponte incertezas”. Segundo: use conectores com parcimônia. Se você deu ao agente acesso a e-mail e calendário, você precisa definir regras internas (que tipo de e-mail ele pode ler, que ação ele pode tomar, quando deve pedir confirmação humana). A própria documentação torna claro que conectores são feitos para o agente “controlar seus apps diretamente”, o que é poderoso — e arriscado se estiver mal governado. Terceiro: assuma que tarefas “críticas” exigem revisão humana, especialmente em rotinas que envolvem dinheiro, reputação, jurídico ou acesso a dados pessoais.

Há também um ponto de higiene informacional que vale ouro: existem vários sites e “conteúdos de terceiros” tentando falar como se fossem a Manus. Para evitar cair em cópia, phishing ou documentação falsa, use como referência apenas os domínios oficiais do produto (manus.im) e da documentação (open.manus.im), além de páginas de API publicadas nesses mesmos domínios.

O que fica, no fim, é que a Manus virou um caso-símbolo da mudança de fase da IA: o debate deixou de ser “quem conversa melhor” e passou a ser “quem executa melhor”. A Meta comprou porque quer essa camada de execução em escala, do consumidor ao business. A China investigou porque reconhece que, quando IA vira execução, ela deixa de ser apenas software — vira capacidade estratégica. E o usuário, no meio disso, só quer uma coisa: que a IA pare de prometer e comece a entregar — com controle, auditoria e limites bem definidos.