{"id":199,"date":"2026-06-16T06:11:30","date_gmt":"2026-06-16T09:11:30","guid":{"rendered":"https:\/\/plugged.ninja\/ai\/ferramentas\/co-scientist-deepmind-robin-futurehouse-cientistas-ia-multiagente-nature-2026\/"},"modified":"2026-06-16T06:11:30","modified_gmt":"2026-06-16T09:11:30","slug":"co-scientist-deepmind-robin-futurehouse-cientistas-ia-multiagente-nature-2026","status":"publish","type":"post","link":"https:\/\/plugged.ninja\/ai\/ferramentas\/co-scientist-deepmind-robin-futurehouse-cientistas-ia-multiagente-nature-2026\/","title":{"rendered":"Co-Scientist e Robin: a Nature publica os dois primeiros ‘cientistas de IA’ multi-agente e mostra onde eles ajudam \u2014 e onde param"},"content":{"rendered":"

Resumo:<\/strong> Em 2026 a Nature<\/strong> publicou dois trabalhos paralelos que oficializam um movimento: o agente de IA chegando ao laborat\u00f3rio como colaborador, n\u00e3o substituto. O Co-Scientist<\/strong>, do Google DeepMind, \u00e9 um sistema multi-agente que faz revis\u00e3o de literatura, gera hip\u00f3teses, debate-as internamente entre agentes especialistas e ranqueia candidatos com base em evid\u00eancia. O Robin<\/strong>, da FutureHouse, vai al\u00e9m: integra gera\u00e7\u00e3o de hip\u00f3teses, desenho experimental, an\u00e1lise de dados e gera\u00e7\u00e3o de novas perguntas em ciclo cont\u00ednuo. As primeiras vit\u00f3rias pr\u00e1ticas j\u00e1 apareceram \u2014 Robin levou a uma proposta in\u00e9dita de candidato a f\u00e1rmaco para degenera\u00e7\u00e3o macular relacionada \u00e0 idade (DMRI seca)<\/em>, e Co-Scientist sugeriu compostos para leucemia mieloide aguda<\/em> com atividade confirmada em testes in vitro. Ainda assim, os mesmos papers mostram limites duros \u2014 quando o problema sai do bem mapeado, a qualidade cai.<\/p>\n

O que cada sistema realmente faz<\/h2>\n

Co-Scientist<\/strong> \u00e9 estruturado como um time de pap\u00e9is: agente-revisor l\u00ea e resume literatura; agente-gerador prop\u00f5e hip\u00f3teses; agente-cr\u00edtico ataca; agente-rankeador organiza por m\u00e9rito. Um supervisor coordena rodadas e mant\u00e9m estado. O modelo subjacente \u00e9 Gemini, e a sa\u00edda \u00e9 um conjunto de hip\u00f3teses candidatas com justificativa e refer\u00eancias. A novidade \u00e9 o ciclo: as hip\u00f3teses passam por revis\u00e3o interna antes de chegar ao pesquisador humano.<\/p>\n

Robin<\/strong>, da FutureHouse \u2014 startup ligada a Eric Schmidt \u2014, fecha mais o loop. Ap\u00f3s gerar a hip\u00f3tese, Robin escolhe quais experimentos seriam mais discriminantes, prepara o protocolo, analisa os dados que volta do bench e refina a pr\u00f3xima rodada de perguntas. \u00c9 menos “buscador de literatura” e mais “pesquisador-junior virtual” que conversa com o cientista s\u00eanior.<\/p>\n

O que os sistemas entregaram, em casos reais<\/h2>\n

Em DMRI seca<\/strong>, doen\u00e7a que afeta milh\u00f5es de idosos e tem poucos tratamentos, Robin identificou um processo modific\u00e1vel dentro de c\u00e9lulas retinianas e sugeriu o uso de um candidato a f\u00e1rmaco que nunca havia sido proposto<\/strong> para essa indica\u00e7\u00e3o. O passo seguinte \u2014 valida\u00e7\u00e3o experimental e cl\u00ednica \u2014 segue normalmente, mas o tempo at\u00e9 a hip\u00f3tese saiu de meses para dias.<\/p>\n

O Co-Scientist foi aplicado a repurposing<\/strong> em leucemia mieloide aguda. Oncologistas revisaram as sugest\u00f5es e validaram em laborat\u00f3rio. V\u00e1rios compostos mostraram atividade contra c\u00e9lulas leuc\u00eamicas em ensaios in vitro. N\u00e3o \u00e9 cura; \u00e9 um conjunto maior de pistas a investigar, com prioridade ordenada por crit\u00e9rio defens\u00e1vel.<\/p>\n

Por que importa<\/h2>\n

Por d\u00e9cadas, ferramentas de IA para ci\u00eancia foram pontuais: ler PDF, gerar gr\u00e1fico, calcular estat\u00edstica. O que muda em 2026 \u00e9 que esses sistemas fecham ciclos<\/strong>. Em laborat\u00f3rios bem instrumentados \u2014 com automa\u00e7\u00e3o de bancada e dados estruturados \u2014 isso pode encurtar o tempo entre pergunta e descoberta de meses para semanas. Quem aproveita primeiro s\u00e3o \u00e1reas com bom dado p\u00fablico: biologia molecular, qu\u00edmica medicinal, materiais, climatologia.<\/p>\n

H\u00e1 tamb\u00e9m o efeito democratizante. Co-Scientist roda como produto Google; Robin tem vers\u00f5es abertas. Universidades sem or\u00e7amento para equipes grandes podem terceirizar parte da gera\u00e7\u00e3o de hip\u00f3teses para agentes e focar a intelig\u00eancia humana onde ela mais agrega: desenho experimental cr\u00edtico e julgamento cl\u00ednico.<\/p>\n

Status no Brasil<\/h3>\n

O Brasil tem ci\u00eancia forte em \u00e1reas onde esses sistemas brilham: doen\u00e7as tropicais<\/strong> (Fiocruz, Instituto Evandro Chagas), agronomia<\/strong> (Embrapa, Esalq\/USP), materiais e energia<\/strong> (CNPEM, IPEN). Programas como CAPES e CNPq podem encaixar agentes de hip\u00f3tese como ferramenta de produtividade em grandes centros. Empresas brasileiras de sa\u00fade \u2014 Ach\u00e9, EMS, Eurofarma, Hypera \u2014 t\u00eam mais dados internos do que se imagina; o gargalo \u00e9 estrutura para processar, n\u00e3o para gerar. Robin e Co-Scientist viram diferencial competitivo aqui.<\/p>\n

No agro, Embrapa e startups (Agrosmart, Solinftec, InCeres) podem usar agentes cient\u00edficos para acelerar testes de cultivares e modelos de manejo. O efeito direto no campo pode chegar em duas safras.<\/p>\n

Riscos e limita\u00e7\u00f5es<\/h2>\n