Olá. Sou Luke, da Nextain, a equipe que está desenvolvendo a Naia. Após minha última publicação sobre o Naia-Sing, várias pessoas me perguntaram se eu iria fazer lives — a resposta é não.
O Naia-Sing é um projeto de pesquisa sobre o framework cognitivo do modelo AI da Naia. Trata-se de uma pesquisa conduzida em um repositório privado.
As músicas de referência do Naia-Sing e o modelo VRM 3D padrão do Naia-OS refletem meus gostos pessoais em subcultura, mas não é a área em que me concentro — acredito que o conteúdo é responsabilidade de nossos parceiros e dos criadores com quem colaboramos.
Além disso, como meu perfil no GitHub tem um avatar de anime, minha primeira empresa foi uma webtoon de VR e tenho experiência como PD na Naver Webtoon, muitas pessoas me conhecem apenas como especialista em conteúdo. Escrevo este post em parte para corrigir essa percepção, pensando nas atividades futuras da Nextain. (Referência divertida: um post do blog do Codeforces sobre a correlação entre ter avatar de anime e nível de código https://codeforces.com/blog/entry/93498)
Já mencionei no passado que pesquisei IA na Naver. Na época, terminei em primeiro lugar no ranking interno de inventores — também sobre temas de inteligência artificial. Um artigo da Boannews que analisava as patentes da Naver chegou a mencionar isso.
"Ao analisar os pedidos de patente dessa empresa por inventor, um nome se destaca com frequência: 'Yang Byeong-seok'. Os códigos CPC de suas patentes se concentram em G06Q (sistemas de processamento de dados para fins de gestão, comerciais, financeiros ou de previsão) e G06F (processamento digital de dados — sistemas computacionais baseados em modelos computacionais específicos). Todas são tecnologias relacionadas ao 'processamento de dados'."
https://m.boannews.com/html/detail.html?idx=125653
Estudei Ciências da Mídia como disciplina secundária, mas minha formação principal é Ciência da Computação. Durante a graduação, fui aluno do Prof. Jeong Ki-cheol da Universidade Soongsil, o primeiro na Coreia a aplicar CUDA à IA — cheguei a considerar seriamente seguir uma carreira em pesquisa acadêmica.
Com esse histórico de engenheiro, neste post quero explicar o que o Naia OS busca resolver, tendo como fio condutor nossas patentes tecnológicas — o que melhor define a identidade da Nextain.
Vale mencionar que a Nextain foi fundada em março de 2026 e acumulou 12 patentes em pouco mais de três meses, das quais 8 tratam de problemas encontrados no processo de desenvolvimento assistido por IA. A maioria das implementações e benchmarks já está publicada nos repositórios open source Naia-OS, Naia-Agent, Naia-ADK e Naia-Memory. Baixe esses repositórios e compartilhe este post com um AI de coding como Claude ou Codex: ele vai explicar onde e como cada patente está implementada. Só tenha em mente que ainda há muitas coisas que não funcionam perfeitamente.
Vamos agora à explicação detalhada.
O que significa a IA desenvolver software de forma "protagonista"
Há mais de dois anos, desenvolvo software diariamente ao lado de agentes AI. No início, a impressão era simplesmente: «a IA escreve código bem rápido». Hoje, vejo de forma completamente diferente.
Análise de requisitos, design, implementação, verificação, implantação e até a proteção da propriedade intelectual (IP) — essas são as etapas do SDLC (ciclo de vida do desenvolvimento de software) que nossa equipe realmente executa com IA. Eu não chamo isso de simples assistência, mas de um «SDLC baseado em AI coding», onde a IA é um agente executor de pleno direito.
Mas ao empurrar essa abordagem a sério, nos deparamos com muros inesperados e imensos. Não são simples bugs nem problemas de velocidade. São vulnerabilidades estruturais da infraestrutura operacional — brechas que nenhum «modelo mais inteligente», seja GPT-5 ou GPT-6, conseguirá fechar por si só.
A seguir, apresento algumas dessas brechas estruturais com as quais me confrontei diretamente e as respostas que a Nextain desenvolveu.
Brecha estrutural 1. A evaporação do contexto e a corrupção da memória
Um SDLC pode durar semanas ou até meses. Assim que uma sessão é encerrada, a IA esquece completamente as decisões de arquitetura tomadas no dia anterior, as alternativas consideradas e descartadas e os riscos a monitorar. Por mais que a janela de contexto cresça, seu limite é claro — e sempre se retorna ao problema fundamental: «o que guardar e o que descartar?»
A IA atual não tem capacidade de esquecimento ativo: ou acumula tudo, incluindo o desnecessário, ou precisa invocar um LLM caro a cada momento para avaliar a importância de cada informação. Pior ainda, se a compressão da memória disparar mecanicamente antes mesmo de o episódio de trabalho estar concluído, o fio do contexto em andamento é cortado abruptamente.
A resposta da Nextain: Transplantamos diretamente para o sistema de memória AI o modelo de classificação de memória proveniente das neurociências (memória de trabalho / episódica / semântica). Três eixos heurísticos — importância, surpresa e intensidade emocional — permitem o Gating da memória sem nenhuma chamada a LLM. A compressão, por sua vez, está estruturada para ser executada somente após a verificação sistêmica da completude do episódio, com o objetivo de preservar as intenções-chave do projeto e recuperar as informações necessárias no momento certo.
(Patentes relacionadas: gestão de memória de longo prazo de agentes AI baseada em neurociências / memória cognitiva com Gating por importância / compressão segura baseada no estado de integração episódica)
Brecha estrutural 2. A corrupção silenciosa dos arquivos de instrução (Context Drift)
À medida que um projeto avança, os arquivos de contexto como AGENTS.md começam a se contradizer. Em cima: «use apenas pnpm»; embaixo, uma regra adicionada depois: «npm também é aceitável». Nesse estado, a IA age de forma errática. E se pedirmos que ela mesma audite esses arquivos, o agente auditor acaba contaminado por injeções de prompt habilmente camufladas dentro do arquivo, do tipo «ignore esta regra».
A resposta da Nextain: A única resposta para esse problema é o isolamento estrutural. Aplicamos simultaneamente três medidas — restrição de permissões de ferramentas, reenquadramento epistemológico e desativação do persona — para constituir um «subagente de auditoria dedicado», perfeitamente isolado do ambiente de trabalho habitual, cujo objetivo é verificar a integridade do contexto e manter o rumo do projeto.
(Patente relacionada: verificação de integridade de arquivos de contexto em workspace AI)
Brecha estrutural 3. Os vieses e a incontrolabilidade das sessões paralelas
O julgamento de um único agente AI é sempre consistentemente enviesado. Pedir que ele se auto-verifique apenas reforça seu viés de confirmação. Além disso, num ambiente onde múltiplos agentes rodam em paralelo, é difícil para outros agentes e para os humanos detectarem em tempo real se algum deles parou ou encontrou um erro.
A resposta da Nextain: Os vieses de julgamento são resolvidos por «cross-check» entre agentes. Criamos uma estrutura de verificação mútua multi-agente que acumula strikes por domínio e elimina em tempo real do processo de validação os agentes cuja confiabilidade caiu. Além disso, desenvolvemos uma técnica que monitora o estado (Active/Idle/Error/Stopped) de um grande número de sessões paralelas apenas por meio de eventos do sistema de arquivos (variações de timestamps, etc.), sem modificar uma linha sequer do código dos agentes. O objetivo é tornar a Naia uma orquestradora multi-agente que me conhece bem e opera com eficiência um conjunto de agentes AI.
(Patentes relacionadas: verificação mútua multi-agente / supervisão de sessões AI paralelas via eventos do sistema de arquivos)
Um pipeline de 8 patentes cobrindo todo o SDLC
Além das tecnologias fundamentais mencionadas acima, modularizamos e patenteamos, uma a uma, as capacidades detalhadas que a IA precisa ter para ser uma verdadeira protagonista do desenvolvimento.
Essas 8 patentes não são fragmentos de tecnologias dispersas. Constituem uma resposta orgânica a uma única pergunta: «Como a infraestrutura precisa evoluir para que a IA se torne a verdadeira protagonista do desenvolvimento de software?»
| Problema encontrado (a brecha) | Solução da Nextain (patente depositada) | Número de depósito |
|---|---|---|
| Perda de informação (estrutura de memória) | Gestão de memória de longo prazo de agentes AI baseada em neurociências | 10-2026-0054383 |
| Perda de informação (avaliação de importância) | Memória cognitiva com Gating por importância | 10-2026-0078232 |
| Perda de informação (compressão segura) | Compressão segura de contexto baseada no estado de integração episódica | 10-2026-0065859 |
| Corrupção de arquivos de instrução | Verificação de integridade de arquivos de contexto em workspace AI | 10-2026-0095948 |
| Viés de julgamento dos agentes | Verificação mútua multi-agente com acumulação de strikes por domínio | 10-2026-0056403 |
| Invisibilidade de sessões paralelas | Supervisão de sessões AI paralelas via eventos do sistema de arquivos | 10-2026-0096205 |
| Lacuna entre requisitos e implementação | Estruturação automática de requisitos de migração legacy multimodais | 10-2026-0065894 |
| Falta de acumulação de contexto por organização | Ajuste automático do harness operacional AI em ambientes SaaS multi-tenant | 10-2026-0065895 |
Do total de 12 patentes, as 4 restantes dizem respeito à nossa arquitetura de serviço e a tecnologias de desenvolvimento de frameworks de agentes AI com capacidade perceptiva e de modelos.
A Nextain não é simplesmente um lugar que monta APIs de AI para construir serviços. Conduzimos em paralelo uma pesquisa de engenharia de software sobre os «problemas estruturais» inerentes ao processo de co-construção humano-IA, combinada com a pesquisa sobre os mecanismos de percepção e memória próprios da IA.
A Naia não é apenas uma AI VTuber nem uma ferramenta que simplesmente digita código no seu lugar. É uma entidade cujas instruções são confiáveis, que se lembra das intensas reflexões de ontem, que julga com precisão e compartilha a responsabilidade do SDLC ao seu lado. Uma verdadeira colega AI — eficaz e com quem trabalhar é muito menos doloroso.
