Muse da Meta cria dossiê sobre você a cada hora

O assistente que lembra demais

Muse da Meta não é só mais um assistente que responde perguntas. Ele está montando um dossiê contínuo sobre você, atualizado a cada hora, com quem importa na sua vida, o que você deseja e quais cutucadas funcionam melhor para mudar seu comportamento. Isso não é teoria, é instrução interna do próprio sistema, revelada em arquivos que o usuário pode abrir no explorador do Muse. Se você testa agentes pessoais, essa é a hora de parar de olhar para o demo bonito e olhar para o que roda por baixo.

Eu já vi esse filme com algoritmo de feed, mas aqui o nível é outro. Não estamos falando de like e clique. Estamos falando de um agente com acesso ao seu e-mail, Instagram, mensagens e chats, que registra como você conheceu cada contato, quais interesses vocês dividem, quais brigas aconteceram e até as tensões e alianças dentro do seu grupo. E o pior para quem opera produto: mesmo quem nunca instalou o Muse entra no mapa, porque é citado por quem usa.

O fato

O que aconteceu é direto. Desde o lançamento no mês passado, o Muse disparou para o número 1 na App Store dos Estados Unidos, com mais de 5 milhões de downloads e cerca de 4 milhões de usuários ativos. A Meta vende como o primeiro assistente pessoal de verdade, aquele que acessa pedaços da sua vida digital para resolver burocracia chata como compra de mercado ou cancelamento de assinatura. A versão gratuita, segundo a empresa, atende a maioria.

Por trás da interface amigável, cada Muse roda na sua própria máquina virtual na nuvem da Meta. A promessa é de isolamento, ninguém acessa a VM de ninguém, e os dados não alimentam o sistema de anúncios nem são divididos diretamente com outros agentes. A Meta diz que o acesso aos arquivos é intencional. Você pode pedir para o seu Muse exportar tudo. Um executivo do time de superinteligência chegou a publicar que a ideia é deixar o usuário ver os arquivos markdown que o Muse escreve enquanto pensa em como servir melhor.

Só que a análise desses arquivos mostra outra camada. O Muse faz atualização horária do seu perfil e dos perfis de pessoas que você mencionou. Faz também uma análise noturna do dia, tenta inferir metas que você nem disse em voz alta e testa qual tipo de nudge funciona. Um exemplo interno encontrado diz algo como: 'esse usuário responde melhor a cutucadas curtas depois das 22h'. A Meta não negou. Disse apenas que o Muse lembra o que importa para você, incluindo informações sobre outros que você escolhe compartilhar.

Como funciona na visão de operador

Pensa na arquitetura como um loop de memória persistente, não como um chat sem estado. Você tem uma VM dedicada por usuário, com um file system de markdowns que funciona como memória de longo prazo. A cada hora, provavelmente um job agendado roda um pipeline de sumarização sobre conversas, e-mails e mensagens novas, atualiza fichas de usuário e de contatos, e reescreve prioridades. À noite, outro job consolida tudo e ajusta estratégia de interação, incluindo piadas internas, frases marcantes e contexto compartilhado para a relação parecer contínua.

Em termos de custo e latência, isso é caro. Manter 4 milhões de VMs ativas, mesmo que pequenas, mais inferência recorrente para reescrever memória, mais chamadas para ler Gmail, Instagram e outros conectores, gera um burn de computação que não se paga com assinatura gratuita. É plausível que a Meta esteja usando modelos menores e destilados para essas tarefas de rotina de memória, reservando o modelo grande para a conversa em si. Ainda assim, o custo por usuário deve ser ordens de magnitude maior que um chatbot tradicional. A aposta é clara: subsidiar agora para dominar a camada de assistente pessoal.

Tem um detalhe que muita gente deixou passar. As instruções dizem que 'agentes Muse em muitas VMs ensinam uns aos outros por meio de lições compartilhadas'. Na prática, isso é aprendizado federado de prompts e heurísticas. O agente remove nomes e identificadores antes de subir o aprendizado, algo como: cutucada curta à noite converte melhor. A Meta afirma que desidentifica esses aprendizados e não compartilha dados brutos entre VMs. Tecnicamente faz sentido, mas como operador eu sei que desidentificação de padrão comportamental é frágil. E a criptografia de ponta a ponta que impediria até a Meta de ler os dados foi prometida para ainda este ano, mas não existe hoje.

O que isso muda na prática

Quem ganha com isso é quem precisa de contexto real para agir. Se o Muse sabe sua rotina, seus contatos e seus atritos, ele resolve tarefa chata sem 20 perguntas. Para trabalhador autônomo, pai, mãe, gente afogada em e-mail, isso tem valor imediato. Quem perde é quem vive de privacidade por obscuridade. Advogado, jornalista, executivo, qualquer pessoa que mencione terceiros sensíveis em e-mail agora tem um segundo cérebro copiando e resumindo essas relações, fora do seu controle direto.

Se você vai testar, faça do jeito certo. Não conecte tudo de uma vez. Comece só com uma fonte de baixo risco e audite antes de escalar o acesso. Ação prática para hoje: abra o explorador de arquivos do seu Muse, exporte os markdowns de memória e leia com calma as fichas sobre você e sobre seus contatos. Se encontrar inferência errada ou sensível demais, peça para apagar e reescrever, depois revogue o acesso a e-mail e Instagram até entender o que ele realmente precisa para ser útil. Trate o Muse como um estagiário super eficiente com acesso total: dê permissão mínima e revise o caderno dele.

• Audite a memória: exporte os arquivos e procure por perfis de terceiros, metas inferidas e regras de nudge.
• Reduza superfície: desconecte inbox e redes sociais até validar o valor real nas tarefas simples.
• Limite terceiros: evite citar dados sensíveis de quem não usa o Muse, porque essa pessoa também vira ficha.

Para quem constrói agentes, o recado é outro. Transparência de arquivo é um diferencial poderoso. Mostrar o markdown interno gera confiança com power user e ajuda no debug. Mas não resolve o problema de consentimento de terceiros nem o custo de memória perpétua. Se você está desenhando produto parecido, pense em expiração de memória, escopo por tarefa e trilha de auditoria desde o dia um.

A tensão que ninguém quer encarar

Aqui fica a dúvida real: isso escala sem virar vigilância doméstica? O dossiê horário resolve o problema da amnésia dos chatbots, que esquecem tudo a cada sessão. Só que ele move o gargalo. Antes o limite era o modelo esquecer, agora o limite é o modelo saber demais e errar na inferência. Inferir um desejo que você não disse em voz alta pode ser útil ou pode ser uma alucinação bem embalada que guia decisão errada. E quando o acerto vem de um nudge às 22h, estamos falando de persuasão personalizada, não de assistência neutra.

Tem também a conta que não fecha. VM isolada por usuário mais atualização horária mais análise noturna para 4 milhões de pessoas na faixa gratuita. Isso só se sustenta se virar assinatura cara, camada enterprise ou, no futuro, monetização indireta. A promessa de criptografia total ainda este ano vai na direção certa, mas criptografia real quebra justamente o loop que torna o produto inteligente hoje, a leitura pela Meta para melhorar o sistema. Vale a pena trocar privacidade granular por conveniência de cancelar assinatura sem ligar no SAC? Para muita gente, sim. Só não dá para fingir que é de graça.

Conclusão

Muse é o assistente mais capaz que já testamos justamente porque ele lembra, mapeia e cutuca. E é o mais inquietante pelo mesmo motivo. Antes de dar a chave da sua vida digital, abra os arquivos, leia o que ele escreveu sobre você e pergunte: eu deixaria um humano ler esse dossiê?