Gemini Spark: Testei o agente de IA proativo do Google

Minha caixa de entrada tinha 41 e-mails não lidos às 5:00 da manhã e eu não havia tocado no meu celular. Quando acordei, 9 deles já tinham rascunhos de resposta prontos no Gmail, três conflitos de calendário estavam marcados com correções propostas, e os outros 29 estavam classificados em uma pilha de "pode ignorar estes" com uma razão de uma linha ao lado de cada um. Não abri meu laptop. Não digitei um único prompt naquela manhã. O Gemini Spark fez tudo isso enquanto eu dormia — porque na noite anterior eu havia dado a instrução.

Essa é a parte que reconfigurou minhas expectativas. Não a velocidade. A iniciativa.

A maioria dos assistentes de IA são máquinas de venda automática. Você insere um prompt, recebe uma resposta, e no momento em que a conversa termina, a coisa esquece que você existe. O Gemini Spark é a primeira ferramenta mainstream que usei que inverte essa relação — ele faz trabalho por você, em um cronograma, através dos seus apps reais, sem que você precise supervisioná-lo. Depois de uma semana testando com meu Gmail real, calendário real e Google Docs real, tenho opiniões. Algumas me surpreenderam.

O que ninguém te conta nas demos de lançamento: a mágica não está no agente. São os dois interruptores que você liga antes de o agente fazer qualquer coisa. Erre nesses e o Spark é um chatbot glorificado. Acerte e ele começa a parecer um funcionário. Vou te mostrar os dois — e o momento em que ele tentou cancelar uma reunião que eu queria manter.

O que o Gemini Spark realmente é (e por que é diferente)

Gemini Spark é um agente de IA proativo, sempre ativo, integrado ao app Gemini que executa tarefas de múltiplas etapas através dos seus apps Google conectados sem esperar que você dê um prompt a cada vez. Essa frase já o separa de tudo que o Gemini fazia antes.

Deixe-me traçar a linha claramente, porque a nomenclatura do Google torna isso confuso. O chat regular do Gemini é reativo — fica ali até você dizer algo, responde e para. O Gemini Spark é proativo — você entrega uma tarefa, ele vai e trabalha as etapas por conta própria, volta quando precisa de permissão e reporta quando termina. Mesmo app. Postura completamente diferente.

Se você tem acompanhado para onde a indústria está indo, isso não vai te surpreender. Escrevi no início deste mês sobre a corrida dos superagentes de IA entre Codex, Cowork e Gemini — cada grande player está correndo para a mesma linha de chegada: um assistente que age em vez de apenas falar. O Spark é o movimento mais claro do Google nessa direção dentro de um app voltado ao consumidor, não um terminal de desenvolvedor.

A razão de isso importar agora, em meados de 2026, é o timing. No último ano, "IA agêntica" viveu principalmente em ferramentas de código e SDKs para desenvolvedores. Para conseguir que um agente fizesse trabalho encadeado, você precisava de um terminal, uma chave de API e tolerância a YAML. O Spark arrasta essa capacidade para um app de celular que se abre com um toque e que seus parentes não técnicos já têm instalado. Essa é a mudança. A barreira para rodar um agente real caiu de "sabe configurar servidores MCP" para "sabe digitar uma frase."

Passei dois anos construindo sistemas de agentes em enxames de agentes do Claude Code e conectando o Anthropic Agent SDK. Então, quando digo que o Spark é acessível, entenda a régua com que estou medindo. Esta é a primeira ferramenta agêntica que eu daria à minha mãe e esperaria que ela obtivesse valor antes do almoço.

Mas "acessível" não significa "automático." Há configuração. E a configuração é onde a maioria das pessoas vai falhar silenciosamente sem perceber por que seus resultados são medíocres. Deixe-me guiá-lo pelos dois interruptores que decidem se o Spark é brilhante ou inútil.

Os dois interruptores que ninguém menciona na demo

Abra o Spark e execute uma tarefa sem preparação — sem configuração — e você vai obter algo que parece Gemini de 2024 com passos extras. Decepcionante. Quase o descartei na primeira hora. Então encontrei as duas configurações que realmente movem a ferramenta.

Interruptor um: ative a Inteligência Pessoal (memória)

Escondido nas suas configurações de inteligência pessoal há um interruptor de memória. Desativado por padrão em muitas contas. Este é o interruptor mais importante de todo o produto.

Com a memória ligada, o Spark aprende entre sessões. Ele lembra que sou pescetariano. Lembra que viajo em uma camper truck, não em carro alugado. Lembra quais clientes eu respondo em uma hora e quais podem esperar até sexta. Nada disso precisa ser re-explicado. O agente carrega contexto como alguém que trabalhou com você por um mês.

Com a memória desligada, cada tarefa começa do zero. Você volta a alimentar contexto em um prompt — o que anula todo o propósito. Testei ambos os modos deliberadamente, rodando a mesma tarefa de triagem de e-mail com memória ligada e depois desligada. Com memória ligada, o Spark corretamente despriorizou três newsletters que havia aprendido que nunca abro. Com memória desligada, marcou essas mesmas newsletters como "precisa de resposta." Mesma tarefa, mesma caixa de entrada, resultado completamente diferente. A diferença foi um interruptor.

Interruptor dois: conecte seus apps

O Spark é tão capaz quanto os apps que você conectar a ele. Conecte o Google Workspace — Gmail, Agenda, Docs, Drive — e você dá ao agente a matéria-prima que ele precisa para fazer trabalho real. Pule isso e você tem um agente sem mãos.

Essa é a troca que a maioria das pessoas vai hesitar, e sinceramente, deveriam pensar sobre isso. Você está dando a um agente de IA acesso permanente de leitura e ação ao seu e-mail e calendário. Isso não é pouca coisa. Voltarei à realidade de privacidade depois, porque ela merece uma conversa séria e não um aceno. Por agora, saiba: a profundidade da integração determina diretamente a profundidade do que o Spark pode fazer. Um agente que pode ler sua caixa de entrada, cruzar dados com seu calendário e pesquisar na web em uma única tarefa opera em um nível completamente diferente de um chatbot que trabalha com o que você cola nele.

Ligue ambos os interruptores e algo muda em como a ferramenta se comporta. Ela para de perguntar "o que quer que eu escreva?" e começa a perguntar "notei X — quer que eu cuide disso?" Esse é o momento em que cruza de chatbot para assistente.

Agora deixe-me mostrar como isso se parece com uma tarefa real que executei, passo a passo.

Vendo o Spark triar minha caixa de entrada às 5 da manhã

A primeira tarefa séria que dei ao Spark foi a que me convenceu. O prompt foi quase insultantemente simples:

"Encontre todos os e-mails das últimas 12 horas e priorize-os."

Aqui está o que ele fez, em ordem:

1. Escaneou o Gmail. Não apenas linhas de assunto — leu os corpos, identificou remetentes que reconhecia da memória e agrupou threads.

2. Cruzou com meu calendário. Aqui ficou interessante. Um e-mail pedindo para "antecipar nossa chamada de quinta" foi cruzado com minha entrada real do calendário de quinta. O Spark entendeu que o e-mail era sobre um evento específico que ele podia ver, não um pedido abstrato.

3. Pesquisou fontes relevantes. Para um e-mail mencionando atraso na entrega, o Spark puxou o contexto de rastreamento para me dar uma resposta informada em vez de "deixe-me verificar e volto a falar."

4. Separou ação de ruído. E-mails que precisavam de resposta foram para um grupo. E-mails que precisavam de mudança de calendário foram para outro. Tudo de baixa prioridade ficou em um resumo de "ignorados" com uma razão de uma linha por item — o que adorei, porque mostrava o raciocínio em vez de enterrar coisas silenciosamente.

5. Redigiu as respostas. Rascunhos reais, prontos para enviar. No meu estilo, mais ou menos. Não perfeitos — editei dois de nove — mas a estrutura e o tom eram genuinamente utilizáveis.

6. Aqui está a parte que conquistou minha confiança. Antes de tocar em qualquer coisa sensível — antes de cancelar um compromisso ou agendar uma reunião — ele parou e perguntou. Um rascunho de e-mail no Gmail é inofensivo; posso revisá-lo. Mas modificar meu calendário é uma ação real com consequências. O Spark traçou exatamente essa linha. Nunca moveu um evento sem um sim explícito da minha parte.

Essa etapa de confirmação é a diferença entre uma ferramenta em que confio e uma que eu removeria em um dia. Já vi agentes suficientes que avançam e fazem algo irreversível. O instinto do Spark de pausar no limiar de uma ação com consequências é, para mim, a decisão de design mais importante de todo o produto.

O estado final, toda manhã: uma pilha de rascunhos prontos para enviar, ajustes de calendário propostos mas não executados, e um resumo limpo do que escolheu ignorar e por quê. A partir de um prompt de uma linha. Esse é o ciclo.

Mas rodar isso manualmente toda manhã seria uma tarefa em si. O verdadeiro avanço é fazer o Spark fazer isso sem eu dar o prompt. É aí que entram as Habilidades e o Agendamento — e é aí que o Spark para de ser um truque inteligente e começa a ser infraestrutura.

Habilidades: Ensinando o Spark a se repetir

Uma Habilidade é um fluxo de trabalho salvo. Em vez de redigitar "encontre todos os e-mails das últimas 12 horas e priorize-os" todos os dias, salvo toda a sequência uma vez, dou um nome e a invoco para sempre. Pense nela como uma função que você define em linguagem natural.

Há três maneiras de criar uma, e testei as três.

Escreva como instruções de texto. Você pode dar ao Spark um parágrafo descrevendo os passos que deseja e ele construirá uma Habilidade. Bom para quando você já sabe exatamente o que quer.

Construa manualmente na interface de Habilidades, passo a passo. Mais controle, um pouco mais tedioso.

Gere a partir de uma tarefa concluída — essa é a que parece o futuro. Depois que o Spark completou minha triagem matinal, disse-lhe: "transforme isso em uma Habilidade." Ele olhou para o que acabara de fazer e empacotou toda a sequência em um fluxo de trabalho reutilizável. Sem re-especificar nada. Aprendeu com o trabalho que já havia realizado. Chamei a minha de "Inbox Manager."

Esse último método é o que eu recomendaria a todos. Você não projeta o fluxo de trabalho antecipadamente e torce para acertar. Faz a tarefa uma vez, vê que funcionou, e então cristaliza exatamente aquela execução bem-sucedida em algo repetível. É a diferença entre escrever uma receita da imaginação versus escrevê-la depois de cozinhar o prato e ele ter ficado perfeito.

Esse é um padrão que prego há anos no design de agentes — contexto vence configuração sempre. Os agentes que funcionam melhor não são os com a configuração inicial mais elaborada. São os que aprendem do contexto real e o transformam em algo reutilizável. A função "transforme isso em uma Habilidade" do Spark é essa filosofia entregue em um app de consumo, e é a coisa mais inteligente do produto.

Se você prefere que alguém arquitete uma pilha completa de fluxos de trabalho agênticos para seu negócio — apps conectados, habilidades customizadas, todo o pipeline — isso é uma grande parte do que faço. Você pode ver o tipo de projetos que aceito em fiverr.com/s/EgxYmWD.

Uma Habilidade é poderosa. Mas uma Habilidade que você ainda precisa ativar manualmente é só metade da vitória. A outra metade é fazê-la disparar sozinha.

Agendamento: A mudança de reativo para proativo

Aqui é de onde vem a história de "5 da manhã sem tocar no celular."

O Spark permite anexar uma Habilidade ou tarefa a um agendamento ou um gatilho. Agendamento significa baseado em tempo — rode minha Habilidade Inbox Manager toda manhã às 5:00. Gatilho significa baseado em evento — rode algo no momento em que um novo e-mail chega, por exemplo.

Configurei o Inbox Manager para rodar diariamente às 5:00. Foi isso. Essa foi toda a configuração. A partir daquele ponto, parei de dar prompts completamente. Toda manhã o trabalho simplesmente estava feito quando eu acordava, rascunhos esperando, conflitos de calendário marcados para minha aprovação.

O Google tem Ações Agendadas no Gemini desde o início de 2026 — resumos recorrentes, lembretes programados, resumos diários de notícias, esse tipo de coisa, restrito a assinaturas Pro e Ultra e limitado a cerca de 10 ações por vez. A versão do Spark é significativamente mais capaz porque o que está sendo agendado não é um resumo simples. É um fluxo de trabalho agêntico de múltiplas etapas que lê, raciocina, cruza referências e redige rascunhos. A camada de agendamento é familiar. O que ela agenda não é. No enquadramento do próprio Google, esse é um dos três componentes centrais do Spark: os Tasks são as instruções, as Skills são os fluxos de trabalho reutilizáveis, e os Schedules decidem quando rodam. Faça os três trabalharem juntos e você tem o produto completo.

Deixe-me ser preciso sobre por que isso importa, porque é fácil subestimar. O salto de "IA que responde quando pergunto" para "IA que faz meu trabalho recorrente antes de eu estar acordado" não é incremental. É categórico. Um economiza digitação. O outro remove a tarefa da sua vida. Senti essa mesma mudança antes com rotinas do Claude Code que automatizam verificações de SEO — uma vez que um fluxo de trabalho roda em um cronograma sem você, você para de pensar nele. Ele migra da sua lista de tarefas para o seu background.

Combine os três conceitos e você vê a arquitetura claramente. As Habilidades tornam um fluxo de trabalho reutilizável. O Agendamento o torna autônomo. A Inteligência Pessoal o torna personalizado. Empilhe os três e você tem um agente que faz o seu trabalho recorrente específico, do seu jeito, no próprio cronograma dele. Esse é o produto real. Todo o resto é embalagem.

Agora, triagem de caixa de entrada é a demo fácil. A tarefa que genuinamente me impressionou foi mais difícil — exigiu que o Spark sintetizasse dados espalhados de cinco fontes diferentes em algo coerente.

O teste do itinerário: onde o Spark realmente mostrou seu poder

Queria ir além do e-mail, então dei ao Spark algo bagunçado. Pedi que me montasse um itinerário de um dia. O detalhe: a informação necessária estava espalhada por toda minha conta Google, e em nenhum lugar conveniente.

Veja de onde ele puxou:

Um Google Doc com minhas notas soltas e meio formadas sobre uma viagem
E-mails com confirmações de reserva e um ingresso
Entradas de calendário para compromissos que eu já tinha fixados naquele dia
A web aberta para coisas para fazer, horários, localizações
Inteligência Pessoal — ele já sabia que sou pescetariano e que viajo em uma camper truck

Então combinou tudo em um itinerário único e coerente, escrito em um novo Google Doc, que realmente respeitava meus compromissos de calendário existentes e minhas preferências pessoais. Não sugeriu uma churrascaria. Não me direcionou a um lugar onde uma camper truck não pode estacionar. Encaixou atividades nos intervalos ao redor das reuniões que eu não podia mover.

Essa é a capacidade que se destaca, e vale nomear com precisão: a verdadeira força do Spark é sintetizar dados espalhados e desconectados mais tudo que ele já sabe sobre você em um resultado personalizado e acionável. Qualquer chatbot pode escrever um itinerário genérico. Quase nenhum pode ler seus e-mails reais de reserva, ver seu calendário real, lembrar sua dieta real e produzir um plano que respeite os três ao mesmo tempo.

Essa é a capacidade que faz um agente parecer menos com uma caixa de busca e mais com um assistente que está prestando atenção. Ele não gera do nada. Gera da sua vida, montada a partir de fragmentos que você tinha esquecido que estavam conectados.

Se esse é o teto para uma tarefa pessoal, queria saber até onde vai para trabalho real. Então dei a ele uma tarefa encadeada, de múltiplas etapas.

O teste de trabalho multi-etapas: pesquisar, criar, entregar

O último teste sério que executei foi um fluxo completo de gestão de conteúdo, e esse foi o que me fez sentar para trás. Pedi ao Spark para analisar o desempenho de um canal do YouTube e reportar sobre ele.

Ele encadeou o seguinte, por conta própria:

Pesquisou. O Spark extraiu dados de desempenho de arquivos no meu Google Drive e e-mails relevantes, reunindo os números brutos e o contexto.

Criou. A partir dessa análise, construiu um relatório — e depois transformou os principais achados em Google Slides reais. Não um resumo de texto. Um deck de slides real e estruturado.

Comunicou. Então redigiu um e-mail para enviar esses slides a uma segunda conta, empacotando tudo para entrega.

Pesquisa → criação de conteúdo → comunicação. Três etapas distintas, três apps Google diferentes, uma tarefa encadeada. Essa é a forma do trabalho de conhecimento real, e o Spark percorreu toda a cadeia sem eu intervir entre as etapas.

Quero ser mesurado aqui. Os slides não eram de qualidade de agência — nunca os enviaria a um cliente sem uma revisão. O relatório foi sólido mas genérico em partes. Isso não é território de "demita seu analista." Mas como primeiro rascunho de um entregável completo de múltiplas etapas, produzido a partir de uma única instrução através de três apps? Isso é uma capacidade genuinamente nova em um app de consumo. O gargalo se move de "fazer o trabalho" para "revisar e polir o trabalho," que é um lugar muito melhor para investir seu tempo.

Para equipes que querem esse tipo de automação multi-etapas construída e mantida profissionalmente — conectada às suas fontes de dados reais, com guardrails que se ajustam ao seu negócio — esse é exatamente o trabalho que a Ramlit Limited aceita. O Spark é um ótimo ponto de entrada para consumidores; pipelines agênticos de nível de produção para uma empresa são um problema de engenharia diferente.

Então funciona. A pergunta honesta é: você deve confiar nele? Deixe-me dar a verdade completa, incluindo o momento em que quase me prejudicou.

Papo reto: onde o Spark me preocupou

Não escrevo reviews que listam apenas as partes boas. Aqui está o balanço honesto após uma semana.

O momento em que quase deu errado. Durante o teste de caixa de entrada, um e-mail mencionou casualmente "vamos pular o sync de quinta." O Spark interpretou isso como um pedido para cancelar o evento do calendário e o colocou na fila para minha aprovação. Problema: esse "sync" era uma reunião que eu absolutamente queria manter — o remetente estava sendo sarcástico. Se o Spark tivesse executado mudanças de calendário automaticamente, teria cancelado uma reunião que eu precisava. Não fez isso, graças à etapa de confirmação que elogiei antes. Essa é toda a razão pela qual o design de humano-no-loop é inegociável. O agente vai ler errado a intenção às vezes. A proteção é o que te salva. Nunca, jamais solte um agente assim em ações irreversíveis sem confirmação.

A troca de privacidade é real, e você deve refletir sobre ela. Para obter o melhor, você dá a um agente de IA acesso permanente ao seu e-mail, calendário e documentos. Isso não é pouca coisa. Estou confortável com isso para minhas próprias contas depois de ler quais dados a Inteligência Pessoal retém, mas pensaria muito antes de conectar um agente Spark a um Workspace corporativo sensível sem entender as políticas de dados da sua organização. A conveniência é real. A exposição também. Ambas são verdadeiras ao mesmo tempo.

A memória corta dos dois lados. A Inteligência Pessoal é o que faz o Spark parecer inteligente — e também é um perfil crescente dos seus hábitos, preferências e padrões vivendo nos sistemas do Google. Se isso te incomoda, você pode desligar a memória, mas aí tem um produto muito mais fraco. Não existe almoço grátis aqui, e respeito mais a ferramenta por não fingir o contrário.

Rascunhos ainda precisam de um humano. Dois de nove rascunhos de e-mail precisaram de edição real. O itinerário precisou de um ajuste. Os slides precisaram de polimento. O Spark é um fenomenal primeiro rascunhista e um fraco rascunhista final. Trate sua saída como um ponto de partida 70% pronto, não como produto acabado, e ficará satisfeito. Trate como pronto e clique em enviar cegamente, e eventualmente vai te envergonhar.

Não é um agente de desenvolvedor. Se você quer um agente que escreve e entrega código de produção, não é essa ferramenta — veja os seis níveis de maestria do Claude Code. O Spark vive na camada de produtividade: e-mail, calendário, documentos, pesquisa, apresentações. Saiba qual problema está resolvendo antes de escolher a ferramenta.

Nenhum desses pontos é um deal breaker para mim. São o custo normal de rodar um agente real. As ferramentas que fingem que essas trocas não existem são as que desconfio.

A interface de tarefas: como o Spark te mostra o que está fazendo

Um agente que trabalha em segundo plano precisa de uma forma de te mostrar seu status sem te incomodar. A interface de tarefas do Spark é silenciosamente uma das partes mais bem projetadas do produto, e me levou alguns dias para apreciar plenamente o sistema.

Cada tarefa que o Spark executa recebe um indicador de status, e o sistema é muito simples assim que você aprende:

Nenhum indicador significa que a tarefa foi concluída e você já revisou o resultado. Feito e encerrado, nada para fazer.
Um ponto azul sólido significa que a tarefa foi concluída mas você ainda não viu o resultado. Esse é o seu sinal de "vá conferir" — os rascunhos estão prontos, o relatório foi construído, venha revisar.
Um status de "precisa de input" significa que o Spark travou e está esperando sua permissão. Essa é a porta de confirmação que continuo elogiando — o agente pausou no limiar de uma ação com consequências e não vai prosseguir até você dizer que sim.

Por que um indicador de três estados importa? Porque o modo de falha dos agentes em segundo plano é a opacidade. Se você não consegue saber o que o agente fez, o que está esperando por você e no que está travado esperando por você, perde a confiança rápido e volta a fazer tudo manualmente. Abandonei ferramentas de agentes por exatamente essa razão — faziam trabalho que eu não podia ver, e o não-saber era pior que o esforço manual.

Os três estados do Spark mapeiam claramente para as três perguntas que você realmente tem: Está feito? Preciso olhar? Está esperando por mim? Responda essas de relance e o agente continua confiável. Essa é uma pequena decisão de UI que faz um trabalho enorme para a relação entre você e a ferramenta. Bom design de agentes trata principalmente de tornar o estado interno do agente legível para um humano, e o Spark acerta nisso.

Há um princípio mais profundo que vale nomear. A razão pela qual confio no Spark com minha caixa de entrada não é que ele nunca erra — mostrei antes que erra. É que o sistema torna seus erros visíveis e reversíveis. Um rascunho de resposta que posso ler antes de enviar. Uma mudança de calendário que preciso aprovar. Um indicador de status que me diz para ir olhar. Visibilidade mais reversibilidade é igual a confiança. Velocidade sozinha nunca.

Execute tudo do seu celular: a parte cloud-native

Aqui está um detalhe fácil de pular mas que genuinamente importa: o Spark roda inteiramente na nuvem. Nenhum laptop precisa estar aberto. Nenhuma máquina precisa estar ligada.

Pense no que isso significa para minha história das 5 da manhã. Quando o Inbox Manager disparou às cinco, meu laptop estava fechado, meu desktop desligado, e meu celular estava na mesa de cabeceira sem fazer nada. O Spark não precisou de nenhum dos meus dispositivos. Todo o fluxo — escanear Gmail, cruzar com Agenda, redigir respostas — executou na infraestrutura do Google enquanto cada dispositivo que possuo estava ocioso.

Essa é uma vantagem arquitetural real sobre configurações de agentes que dependem da sua máquina local. Já rodei muitos agentes que só funcionam enquanto uma sessão de terminal permanece ativa — feche o laptop e o agente morre no meio da tarefa. O Spark não tem essa dependência. Agende, vá embora, e ele roda independente do que seus dispositivos estiverem fazendo.

O outro lado é a continuidade móvel. Como tudo vive na nuvem, o Spark sincroniza perfeitamente entre seus dispositivos. Posso iniciar uma tarefa no app móvel do Gemini no trem, revisar o resultado no meu laptop no escritório, e aprovar uma mudança de calendário pelo celular no almoço. O agente não se importa com qual tela você está olhando — a tarefa vive na nuvem, e cada dispositivo é apenas uma janela para ela.

Para qualquer um que já tentou construir um sistema de automação pessoal, sabe que normalmente essa é a parte difícil. Manter um fluxo de trabalho rodando 24/7 normalmente significa um VPS, um cron job, um gerenciador de processos e tolerância para coisas morrendo silenciosamente às 3 da manhã. Escrevi sobre rodar harnesses de agentes de longa duração e a dor operacional é real. O Spark te dá execução cloud-native, sempre ativa, com zero infraestrutura do seu lado. Para um app de consumo, isso é uma peça séria de engenharia fazendo seu trabalho silenciosamente.

Então você tem um agente proativo, Habilidades reutilizáveis, agendamento autônomo, uma interface de tarefas legível e execução na nuvem que não precisa do seu hardware. Empilhe tudo isso e começa a ver por que continuo chamando isso de ponte entre chatbots e agentes reais.

Onde o Spark se posiciona entre um chatbot e um agente real

Deixe-me posicionar o Spark precisamente no espectro, porque "é um agente de IA" é vago demais para ser útil e o hype vai te dizer que está mais avançado do que está.

Em um extremo você tem chatbots puros — reativos, sem estado, te esquecendo no momento em que fecha a aba. No outro extremo tem agentes totalmente autônomos — o tipo que construo em enxames de agentes do Claude Code que encadeiam dezenas de etapas, escrevem e executam código e operam com configuração profunda. O Spark aterrissa deliberadamente no meio, e esse posicionamento é todo o ponto.

É mais que um chatbot porque age proativamente, te lembra, encadeia múltiplas etapas e roda em um cronograma sem prompting. É menos que um agente de desenvolvedor completo porque fica na camada de produtividade, mantém um humano no loop em ações com consequências, e troca poder bruto por acessibilidade. Esse meio-termo é exatamente onde a maioria das pessoas realmente vive. A grande maioria não precisa de um agente que entregue código de produção. Precisa de um que cuide da caixa de entrada, calendário e trabalho rotineiro recorrente — e precisa a um toque de distância, não a um terminal de distância.

Essa é a mesma mudança que descrevi em como assistentes de IA estão se tornando operadores agênticos dentro de organizações: o agente para de ser algo que você consulta e se torna algo que opera em seu nome. O Spark é essa ideia, miniaturizada e lançada em um app de celular que toda sua família já tem. A configuração é intencionalmente mínima, mas é poderosa precisamente por causa dos apps conectados e da camada de memória por baixo. Tire isso e ele colapsa de volta a um chatbot. Conecte e ele opera como um assistente júnior.

Essa é a avaliação honesta. O Spark não vai substituir a pilha de agentes de um desenvolvedor, e não está tentando. Está trazendo capacidade agêntica genuína para os 99% das pessoas que nunca abririam um terminal — e isso, francamente, é algo maior do que mais uma ferramenta para usuários avançados.

O que realmente mudou na minha semana

Deixe-me ter cuidado para não inventar números que não medi. Não vou te dizer que o Spark me devolveu "10 horas por semana" — não usei cronômetro, e você não deveria acreditar em ninguém que te dá um número suspeitosamente redondo.

O que posso te dizer honestamente: o ritual matinal da caixa de entrada que costumava consumir a primeira parte do meu dia parou de ser algo que eu fazia. Acordei com rascunhos e decisões em vez de uma parede de e-mails não lidos. A carga mental de "preciso processar minha caixa de entrada" simplesmente saiu da minha cabeça, porque já estava resolvido quando eu ganhava consciência. Essa é a mudança que vale descrever — não um número, uma tarefa removida.

O mecanismo é a prova, não uma métrica. Porque o Spark escaneia, prioriza, redige rascunhos e espera aprovação em seu próprio cronograma, o trabalho genuinamente sai do seu prato para o do agente. Isso não é um hack de produtividade. É uma categoria de tarefas que desaparece do seu dia. Você pode esperar essa mudança específica se configurar corretamente — memória ligada, apps conectados, uma Habilidade agendada.

Como saber se está funcionando? Teste simples: depois de alguns dias, você percebe que não abre o Gemini para começar sua rotina matinal, porque a rotina já rodou? Se sim, está funcionando. Se ainda está dando prompt manualmente toda manhã, você pulou a etapa de agendamento e está usando uma fração do que pagou.

Defina expectativas realistas sobre o timing. No primeiro dia vai mexer na configuração e provavelmente se sentir pouco impressionado. Por volta do dia três, quando a memória aprendeu um pouco e sua primeira Habilidade está agendada, faz clique. Dê uma semana antes de julgar. Agentes que aprendem do contexto ficam notavelmente melhores com alguns dias de uso real — esse é todo o ponto da Inteligência Pessoal.

Você deveria realmente usar o Gemini Spark?

Primeiro, a barreira. No final de maio de 2026, o Spark é apenas Google AI Ultra, apenas EUA, 18 anos ou mais. Se você não tem Ultra, isso não é uma situação de "teste hoje à noite" — é uma situação de "decida se o plano de $99,99/mês vale a pena para você." A boa notícia é que esse preço é menos da metade do que o Ultra custava há um mês, e o plano inclui muito mais que o Spark (geração de imagens Nano Banana 2, controle de navegador Project Mariner, 20 TB de armazenamento, YouTube Premium). A função Daily Brief que o Google lançou junto com o Spark — um resumo matinal automático do seu calendário, e-mail e notícias — é uma amostra mais leve da mesma filosofia proativa se você quiser sentir a direção sem o agente completo.

Se você passa essa barreira e vive dentro do Google Workspace — Gmail, Agenda, Docs, Drive — e tem trabalho rotineiro recorrente de múltiplas etapas, o Spark é a rampa de acesso mais fácil para automação agêntica real que encontrei em um app de consumo. A configuração são dois interruptores e uma Habilidade agendada. A recompensa é trabalho recorrente que se faz sozinho.

Se seu trabalho é principalmente fora do ecossistema do Google, ou você precisa de um agente para código, ou não pode dar a uma IA acesso permanente a contas sensíveis, o valor cai drasticamente. Seja honesto consigo mesmo sobre em qual campo está.

Lembra daquela caixa de entrada das 5 da manhã com que abri? Os 41 e-mails não lidos que nunca toquei? Isso não é uma demo montada. Isso é simplesmente terça-feira agora. O que costumava ser a parte mais tediosa da minha manhã se tornou algo que me acontece em vez de algo que eu faço. E o único trabalho que fiz para tornar isso possível foi ligar dois interruptores e agendar uma Habilidade na noite anterior.

Aqui está o desafio que deixo para você. Se está no Google AI Ultra nos EUA, faça isso nas próximas 24 horas: abra o app Gemini, ative a Inteligência Pessoal, conecte seu Workspace e rode uma tarefa real — sua caixa de entrada real, não um prompt de teste. Depois diga ao Spark para transformá-la em uma Habilidade e agende para amanhã de manhã. Vá dormir. Veja o que está esperando quando acordar. (Não tem Ultra? Ative o Daily Brief e sinta a versão mais leve da mesma ideia.) Esse único experimento vai te ensinar mais sobre para onde os assistentes de IA estão indo do que qualquer review que eu possa escrever — incluindo este.

A era da IA que espera você perguntar está acabando. A era da IA que já fez está aqui. O Spark é o sinal mais claro que vi de que a linha entre "chatbot" e "colega de trabalho" é mais fina do que a maioria das pessoas imagina.

Perguntas frequentes

O que é o Gemini Spark e como se diferencia do Gemini regular?

O Gemini Spark é um agente de IA proativo, 24/7, dentro do app Gemini, construído no Gemini 3.5, que executa tarefas de múltiplas etapas autonomamente através dos seus apps Google conectados — enquanto o chat regular do Gemini só responde quando você dá um prompt. A diferença central é iniciativa: no Spark você atribui tarefas que o agente trabalha autonomamente, em vez de fazer perguntas uma de cada vez. Veja "O que o Gemini Spark realmente é" acima para a explicação completa.

Quanto custa o Gemini Spark e quem pode usar?

O Gemini Spark está incluído no plano Google AI Ultra, que o Google reduziu para $99,99 por mês no I/O 2026 (reduzido de $249,99). No lançamento está disponível apenas para assinantes Ultra nos Estados Unidos, 18 anos ou mais, mais usuários empresariais selecionados, com lançamento mais amplo esperado depois. Veja "Você deveria realmente usar o Gemini Spark?" acima.

Como configuro o Gemini Spark corretamente?

Ative a memória nas suas configurações de Inteligência Pessoal para que o Spark aprenda suas preferências, depois conecte seus apps do Google Workspace para que ele possa ler seu Gmail, Agenda, Docs e Drive. Esses dois interruptores determinam se o Spark parece um agente real ou apenas um chatbot. O guia completo está em "Os dois interruptores que ninguém menciona" acima.

O que são Habilidades no Gemini Spark?

Habilidades são fluxos de trabalho salvos que permitem ao Spark repetir tarefas complexas de múltiplas etapas sem que você redigite as instruções. Você pode escrevê-las como texto, construí-las manualmente, ou — melhor de tudo — completar uma tarefa e dizer ao Spark para "transformar em uma Habilidade." Vincule uma Habilidade a um agendamento e ela roda automaticamente. Detalhes na seção "Habilidades" acima.

O Gemini Spark pode executar tarefas automaticamente em um cronograma?

Sim, o Spark pode executar Habilidades e tarefas em um cronograma temporal (como toda manhã às 5:00) ou em gatilhos de eventos (como quando um novo e-mail chega). Isso é o que o transforma de um ajudante reativo em um agente proativo que completa trabalho recorrente antes de você acordar. Veja "Agendamento" acima para como configurei o meu.

É seguro dar acesso ao Gemini Spark para meu e-mail e calendário?

O Spark requer confirmação antes de qualquer ação sensível ou irreversível, como cancelar uma reunião ou agendar um evento, o que é um design de segurança sólido. Dito isso, você está dando a um agente de IA acesso permanente ao seu e-mail e calendário, então pese a conveniência contra a exposição — especialmente para contas corporativas sensíveis. Cubro a troca completa de privacidade em "Papo reto" acima.

Vamos trabalhar juntos

Quer construir sistemas de IA, automatizar fluxos de trabalho ou escalar sua infraestrutura tecnológica? Adoraria ajudar.

Fiverr (desenvolvimento personalizado e integrações): fiverr.com/s/EgxYmWD
Portfólio: mejba.me
Ramlit Limited (soluções empresariais): ramlit.com
ColorPark (design e branding): colorpark.io
xCyberSecurity (serviços de segurança): xcybersecurity.io