Melhores 50+ agentes de IA de código aberto listados

Todos têm criado agentes de IA, então, após testes práticos com agentes de codificação de IA, construtores de agentes de IA e benchmarks de uso de ferramentas para avaliar suas capacidades no mundo real, reunimos uma lista curada dos melhores 50+ agentes de IA de código aberto. Clique nos cabeçalhos das categorias para ir diretamente às nossas principais escolhas:

Como pensar sobre agentes de IA?

Um agente de IA é um sistema componível que combina planejamento, memória, uso de ferramentas e execução iterativa. Ele forma um ciclo estruturado em torno de um LLM que pode tomar decisões, realizar ações e se adaptar a novas informações.

Veja como pensar sobre eles:

• Autonomia e fluxos de trabalho: Os agentes de IA variam desde a automação básica de tarefas com base em fluxos de trabalho predefinidos até sistemas totalmente autônomos capazes de decomposição de objetivos, uso de memória e interação com ferramentas. O principal desafio técnico está em manter o contexto entre as etapas e coordenar operações em várias fases.
• Contexto e controle: O verdadeiro desafio nos agentes de IA é garantir que o LLM tenha o contexto apropriado em cada etapa. Isso inclui gerenciar o conteúdo fornecido ao LLM e garantir que o agente execute tarefas relevantes com base no contexto atualizado.
• Integração de ferramentas: Criar agentes eficazes exige integração perfeita com ferramentas externas, APIs e fontes de dados. Frameworks como o LangChain podem ajudar a integrar esses recursos externos, mas o controle sobre o fluxo de trabalho é essencial para adaptar o comportamento do agente a novas entradas.
• Benefícios dos frameworks de agentes: Todos os sistemas agênticos, sejam fluxos de trabalho simples ou agentes autônomos complexos, podem se beneficiar dos recursos principais fornecidos por frameworks agênticos. Esses recursos podem ser construídos do zero ou aproveitados de uma plataforma de código aberto existente, dependendo das suas necessidades.

Novos padrões

• Model Context Protocol (MCP): O padrão do setor para como os agentes se comunicam com fontes de dados externas. O LangGraph integra o MCP para permitir que os agentes “conectem e usem” bancos de dados e ferramentas locais sem wrappers personalizados.
• Stripe Agentic Commerce Protocol (ACP): Este é o primeiro padrão ativo do setor que permite que agentes de IA lidem com pagamentos, inventário e envio com segurança. Ele possibilita o “Agentic Checkout”, onde o agente pode concluir uma compra para o usuário dentro de uma interface de chat.

O que é exatamente um agente de IA?

Não há uma definição consensual do que constitui um “agente de IA”.

• A IA tradicional define agentes como sistemas que interagem com o ambiente ao seu redor.
• A pesquisa de Simon Willison com profissionais apresenta uma variedade de definições de trabalho de participantes da indústria.²
• Anthropic’s definição descreve princípios de design para criar agentes de IA eficazes e alinhados.³
• Grandes empresas de consultoria enfatizam o papel dos agentes na automação de fluxos de trabalho empresariais e na tomada de decisões.⁴.

Muitos deles incluem explicitamente fluxos de trabalho e autonomia de lugar no final de um espectro.

Concordamos com esses pontos de vista e, por isso, não fornecemos uma definição estrita. Em vez disso, listamos os fatores que fazem com que um sistema de IA seja considerado mais agêntico:

• Ambiente e objetivos:
  • Sistemas de IA em ambientes complexos, como aqueles com múltiplas tarefas e mudanças inesperadas, são agênticos.
  • Sistemas de IA que seguem objetivos sem serem instruídos são agênticos.
• Interface do usuário e supervisão: Sistemas de IA que podem aprender linguagens naturais e sistemas que precisam de menos supervisão do usuário são agênticos.
• Design do sistema: Sistemas que usam padrões de design como uso de ferramentas (por exemplo, busca na web, programação) ou planejamento (por exemplo, reflexão, decomposição de subobjetivos) são agênticos.

Para uma explicação mais detalhada, listamos anteriormente esses fatores e discutimos como eles definem sistemas de IA agênticos.

Esses agentes são totalmente autônomos?

Ainda não. A maioria dos agentes de IA de código aberto aumenta a autonomia do LLM ao permitir uso de ferramentas, tomada de decisões e resolução de problemas, mas ainda exigem entradas estruturadas e um humano no circuito.

Exemplos como Devon e PR-Agent seguem lógica predefinida ou fluxos de trabalho de RL em vez de demonstrar comportamento totalmente agêntico. Outros agentes de IA ainda carecem de capacidades de (Aprendizagem Autônoma + Generalização).

Quando (e quando não) usar agentes de IA

Nem toda aplicação de LLM exige complexidade agêntica. Muitos casos de uso são melhor atendidos por geração aumentada por recuperação (RAG) leve.

Sistemas agênticos introduzem sobrecarga arquitetural: gerenciamento de memória, orquestração de ferramentas, tratamento de erros e ciclos de controle, o que aumenta a latência e o custo. Por exemplo, em nossos benchmarks, observamos que as taxas de sucesso dos agentes de IA diminuíram após 35 minutos de interação humana.

Para mitigar esses riscos, é essencial testar sistemas agênticos em ambientes controlados e implementar guardrails robustos antes da implantação.

Os agentes são mais valiosos quando as etapas não podem ser facilmente previstas ou codificadas. Eles são particularmente adequados para situações em que:

• As tarefas são dinâmicas e de várias etapas, com lógica ramificada ou subobjetivos pouco claros.
• O uso de ferramentas é condicional ou adaptativo, exigindo que o sistema escolha qual ferramenta invocar com base na entrada ou no estado anterior.
• Memória de longo prazo ou contexto é necessário, entre sessões ou estágios de execução.
• A execução deve responder ao feedback ambiental, como resultados de API, saídas de busca ou ações malsucedidas.
• A colaboração humano-no-circuito é necessária, onde autonomia e supervisão devem ser combinadas (por exemplo, copilotos de IA).

Por outro lado, fluxos de trabalho ou chamadas de LLM sem estado são preferíveis quando:

• A lógica da tarefa é estática ou previsível, como preenchimento de formulários ou transformação de conteúdo.
• Baixa latência é crítica, como em interações voltadas ao usuário.
• Minimizar custos é essencial, especialmente evitando chamadas recursivas de LLM e orquestração complexa.

Leia mais

Aqui estão nossos benchmarks mais recentes sobre infraestrutura comumente usada por sistemas agênticos:

• Navegadores remotos: Como a infraestrutura de navegador permite que os agentes interajam com a web com segurança.
• Benchmark de MCP para navegadores: Principais servidores MCP para uso de ferramentas e acesso à web.

Exemplos de agentes de IA de código aberto

Algumas ferramentas descritas como “agentes de IA” não são, na verdade, tão agênticas; esses sistemas (por exemplo, Devon PR-agent) são em grande parte fluxos de trabalho de IA baseados em RL, com LLMs organizados por caminhos de código predefinidos.

1. Frameworks de agentes (crie o seu próprio)

Bibliotecas modulares e SDKs para desenvolvedores criarem agentes com controle sobre lógica, memória, ferramentas e orquestração.

✳️ Alguns agentes como SmolAgents e Agno se encaixam tanto em frameworks de agentes quanto em automação de fluxos de trabalho.

Frameworks gerais de agentes

Frameworks que se concentram em criar agentes, oferecendo ferramentas flexíveis e personalizáveis para orquestrar fluxos de trabalho, configurações multiagente e casos de uso de propósito geral.

• LangGraph – Orquestração de fluxos de trabalho de LLM baseada em grafo – O LangGraph é um software proprietário, mas fornece uma biblioteca de código aberto para desenvolvimento de agentes. Ideal para pipelines de RAG, memória de agente/ gerenciamento de estado e configurações multiagente.
• AutoGen – Colaboração assíncrona multiagente – Projetado para coordenar agentes que usam ferramentas por meio de APIs semelhantes a chat. Ideal para automatizar fluxos de trabalho complexos, especialmente na geração autônoma de código.
• CrewAI – Framework multiagente no-code/low-code – Uma das ferramentas mais fáceis para começar, oferecendo modelos de agentes prontos (por exemplo, agente de preparação de reuniões).

Frameworks de agentes especializados

Frameworks com foco especializado em tipos específicos de comportamentos de agentes ou integrações de agentes.

• Camel – Simulação de agentes baseada em papéis – Otimizado para agentes colaborativos de interpretação de papéis usando raciocínio estruturado. Ideal para automação de fluxos de trabalho e geração de dados sintéticos.
• Mastra – Desenvolvimento de agentes integrado ao frontend – Baseado em JavaScript, ideal para incorporar agentes em aplicações voltadas ao usuário.
• PydanticAI – Controle mínimo de agente com segurança de tipos – Oferece validação rigorosa e caminhos de lógica transparentes com Pydantic.
• Cybersecurity IA (CAI) – Framework de agentes de segurança cibernética orientado por IA – Oferece testes de penetração, descoberta de vulnerabilidades e red teaming com capacidades com humanos no circuito, aproveitando modelos de linguagem de grande porte e integrações com ferramentas como Nmap.
• Atomic Agents – Construtor de agentes personalizados granular com foco em esquema – Criado para estrutura granular de agentes e lógica componível.
• SmolAgents – SDK de agente leve para desenvolvedores – Abstração mínima, roteia a lógica via Python em vez de JSON.

Runtimes de agentes (agentes autônomos pré-construídos)

Agentes pré-construídos e autossuficientes que você pode executar imediatamente (como um aplicativo). Normalmente, suportam a execução autônoma de tarefas a partir de objetivos em linguagem natural.

Totalmente autônomos:

• Auto-GPT – Decomposição de objetivos e execução autônoma – Divide objetivos em subtarefas e as conclui usando ferramentas, memória e raciocínio. Oferece agentes pré-construídos e uma interface low-code.
• AIlice – Execução local de tarefas de propósito geral – Executa tarefas complexas no dispositivo, suporta ferramentas locais e manipulação de arquivos. Visa criar um assistente de IA, semelhante ao JARVIS, baseado no LLM de código aberto.
• Manus IA – Operações em sandbox de propósito geral. Executa ferramentas e fluxos de trabalho em uma sandbox segura, capaz de lidar com operações multissetoriais e de várias etapas de forma autônoma. Foi adquirido pela Meta, integrando-se ao ecossistema “Personal Ambient Intelligence” da Meta.⁵

Parcialmente autônomos:

• BabyAGI – Executor de loop de tarefas iterativo – Cria, prioriza e executa listas de tarefas em um ciclo de feedback. Ideal para experimentos de geração de tarefas.

Baseados em navegador/interface:

• AgentGPT – Agente autônomo implantado no navegador – Permite que os usuários criem e executem agentes de tarefas por meio de uma interface web. Leve, ideal para experimentação.
• OpenManus – Agente de navegador persistente – Projetado para fluxos de trabalho que abrangem sessões em ambientes de navegador. Usa ferramentas como Playwright para automatizar interações web. Bom para uso em pipelines de automação existentes. A configuração é rápida com Conda.

2. Automação e orquestração de fluxos de trabalho

Ferramentas que automatizam fluxos de trabalho e integram múltiplas plataformas ou serviços, muitas vezes com a capacidade de integrar agentes de IA.

Automação geral de fluxos de trabalho e agentes de integração

Plataformas que conectam APIs, acionam eventos e automatizam tarefas, facilitando a criação e integração de fluxos de trabalho entre diferentes sistemas.

• n8n – Automação visual de fluxos de trabalho e integração de API – Conecta aplicativos, gatilhos e fluxos de dados usando um editor de nós. Combina construção visual no-code com JavaScript/Python personalizado e suporta mais de 400 integrações. Você pode fazer self-host e executar fluxos de trabalho de agentes de IA com o LangChain. Ideal para pessoas técnicas.
• PlanExe – Ferramenta de planejamento de LLM para Gantt/WBS – Planejador de IA semelhante à pesquisa profunda da OpenAI. Converte objetivos em linguagem natural em cronogramas estruturados usando LlamaIndex.
• Agno ✳️ – Construtor de fluxos de trabalho e agentes amigável para desenvolvedores – Ele serve tanto como ferramenta de automação de fluxos de trabalho (ajudando a automatizar tarefas e fluxos de trabalho) quanto como construtor de agentes.
• SmolAgents ✳️ – SDK de agente leve para desenvolvedores – O SmolAgents é flexível o suficiente para servir tanto como SDK de agente leve (para frameworks de agentes) quanto como ferramenta de fluxo de trabalho (já que se integra aos modelos do Hugging Face).
• Windmill – Plataforma de desenvolvedor de código aberto e mecanismo de fluxos de trabalho – Converte scripts em UIs, APIs e cron jobs; suporta Python, TypeScript, Go e outras linguagens.
• Activepieces – Plataforma de automação de código aberto – Construtor visual de fluxos de trabalho self-hosted para automatizar tarefas e integrar aplicativos com o mínimo de codificação. Suporta 280+ MCP servidores para executar tarefas distribuídas de IA e cadeias de agentes em escala.
• Huginn – Automação web e gerenciamento de agentes – Cria agentes para automatizar tarefas baseadas na web e monitoramento.
• Node-RED – Desenvolvimento baseado em fluxos para IoT e dados em tempo real – Integra serviços e automatiza tarefas com um editor de fluxos baseado no navegador.

Orquestração de fluxos de trabalho multiagente

Frameworks projetados para coordenar agentes que interagem em fluxos de trabalho estruturados e integrar sistemas multiagente.

• HyperAgent – Orquestração de agentes para todo o ciclo de vida do software – Os agentes trabalham juntos para planejar, codificar e verificar tarefas de engenharia.
• Supercog – agentic – Orquestração modular com blocos de lógica reutilizáveis – Projetado para automação escalável, estruturada e baseada em equipes.

3. Automação e navegação na web

Agentes navegam autonomamente em sites e executam tarefas de várias etapas, como preenchimento de formulários, extração de dados e automação de navegação na web.

Agentes web autônomos e copilotos

Agentes autônomos de propósito geral (com capacidade web):

• AgenticSeek – Agente de navegação web totalmente autônomo – Manus IA totalmente local. Especializa-se em extração de dados e preenchimento de formulários, automatizando tarefas baseadas na web.
• Agent-E – Agente de automação de navegador ciente do DOM – Concentra-se em interagir com páginas da web analisando o DOM (Document Object Model), ideal para clicar em botões e preencher formulários.
• AutoWebGLM – Agente web baseado em LLM – Usa aprendizado por reforço e simplificação de HTML para melhor navegação em sites complexos.

Agentes de navegação web baseados em visão (multimodais):

• Autogen extensão WebSurfer – Agente web multimodal – Combina entrada de texto e visual (capturas de tela) para melhorar a interação web.
• Skyvern – Agente de IA com visão computacional – Automatiza fluxos de trabalho usando LLMs e visão computacional, lidando com elementos de texto e visuais.
• WebVoyager – Agente web habilitado para visão – Usa texto e capturas de tela para melhorar a navegação em sites com muitas imagens.

Para saber mais sobre automação e navegação web de código aberto, aqui está uma visão estruturada de algumas das principais ferramentas e agentes:

Agentes de uso de computador

Agentes de navegação web

Kits de ferramentas de automação e scraping web

LLM-powered web RPA e extensões de navegador

Scrapers e crawlers web de IA

Ferramentas de busca web de IA

4. Agentes de codificação e desenvolvimento

Agentes de IA projetados para auxiliar em tarefas de codificação, fornecendo suporte em tempo real aos desenvolvedores por meio de sugestões de código, depuração e automação de tarefas.

Agentes de codificação baseados em CLI

• Codex CLI – Ferramenta de interação multimodal (sugerir, editar, executar) – Melhora os fluxos de trabalho do desenvolvedor via linha de comando, oferecendo sugestões e edições de código.
• OpenDevin – Assistente de codificação de IA de código aberto – Auxilia em tarefas de programação, oferecendo sugestões de código para várias linguagens. Observação: o OpenDevin foi recentemente renomeado para OpenHands para refletir sua missão mais ampla de “All Hands IA”.⁶
• Aider – Assistente de programação em par de IA – Integrado ao seu terminal para assistência de codificação, com suporte a autocompletar, depuração e automação de tarefas.

Editores de código de IA

• Neovim – Editor de código integrado com IA – Plugins com tecnologia de IA que fornecem conclusões de código e refatoração.
• Visual Studio Code (VS Code) – Ferramenta de conclusão e depuração de código com IA – Oferece sugestões de código e autocompletar via GitHub Copilot, integrada a ambientes IDE para desenvolvedores.
• Cursor – Editor de código integrado com IA – Criado com conclusão de código em tempo real com IA.

Construtores de prompt para aplicativos (Vibe coding)

Alternativas de código aberto ao v0 / lovable / Bolt:

• Dyad – Construtor de aplicativos de IA de código aberto – Ferramenta local-first e no-code para criar aplicações orientadas por IA com comandos em linguagem natural.
• vx.dev – Construtor de aplicativos de IA de código aberto – Uma ferramenta local-first e low-code focada em transformar prompts em linguagem natural em aplicativos.

5. Agentes de cibersegurança

Agentes de IA projetados para aprimorar operações de cibersegurança, incluindo tarefas como testes de penetração, descoberta de vulnerabilidades, red teaming e detecção autônoma de ameaças.

• YAWNING TITAN – Simulação abstrata de cibersegurança baseada em grafos – Apoia o treinamento de agentes para operações cibernéticas autônomas, com foco em ambientes baseados em grafos.
• bumpgen – Agente de gerenciamento de pacotes – Atualiza pacotes npm (gerenciador de pacotes do Node.js) automaticamente.
• Cyber-Security LLM Agents – Tarefas de cibersegurança orientadas por LLM – Construído com base no AutoGen. Usado em várias aplicações de pesquisa para demonstrar automação EDR com ChatGPT e CI/CD automatizado para engenharia de detecção.

6. Agentes de criação de conteúdo de vídeo com IA

Agentes de IA que auxiliam na geração, edição e aprimoramento de conteúdo visual e multimídia, incluindo arte, imagens e vídeos.

• Mochi – Geração de texto para vídeo – Converte prompts de texto em vídeo, com foco na criação de vídeos curtos. Adequado para gerar rapidamente vídeos a partir de descrições textuais.
• CogVideo – Geração de texto para vídeo – Converte prompts de texto em vídeo com alta fidelidade, permitindo a criação de imagem para vídeo. Uma ferramenta mais avançada para geração de vídeo de alta qualidade a partir de texto ou imagens.
• Allegro – Geração de texto para vídeo – Converte prompts de texto em vídeo com foco na criação de conteúdo criativo. Esta ferramenta enfatiza a síntese criativa de vídeo a partir de texto para produzir narrativas visuais únicas.
• DALL·E (versões de código aberto) – Geração de texto para vídeo – Gera imagens a partir de descrições de texto, transformando prompts escritos em conteúdo visual detalhado e criativo.

Não perca os nossos benchmarks e insights baseados em dados. O botão abre o Google; selecionar a AIMultiple confirma que deseja ver a AIMultiple com mais frequência nos resultados de pesquisa do Google.

Adicionar como fonte preferencial

7. Agentes financeiros

Agentes de IA que oferecem aprimoramento automatizado de aprendizado por reforço ou análise de dados financeiros em tempo real.

• FinRL – Aprendizado por reforço automatizado para negociação – Aprende e executa autonomamente estratégias de negociação com base em dados de mercado, adaptando-se a ambientes financeiros dinâmicos.
• OpenBB Terminal – Análise de dados financeiros – Fornece insights financeiros autônomos para negociação em tempo real, permitindo que profissionais de investimento tomem decisões de negociação informadas.

8. Agentes de saúde

Agentes de IA que auxiliam em diagnósticos médicos, monitoramento de doenças e insights de saúde analisando dados de pacientes e relatórios médicos.

• HIA (Health Insights Agent) – Análise de relatórios médicos – Analisa relatórios médicos e fornece insights de saúde.
  IA-HealthCare-Assistant – Diagnóstico e monitoramento de doenças – Diagnostica e monitora doenças usando dados de pacientes.

9. Agentes de pesquisa

Agentes de IA que auxiliam na coleta de dados, revisão de literatura e teste de hipóteses, otimizando o processo de pesquisa.

• ChemCrow – Agente autônomo de pesquisa química – Integra LLMs com ferramentas de química para planejar e executar tarefas experimentais e computacionais complexas em análise química.
• GPT Researcher – Assistente autônomo geral de pesquisa – Realiza buscas online estruturadas, analisa conteúdo e compila relatórios de pesquisa detalhados com entrada mínima do usuário.

10. Agentes de análise de dados

Agentes de IA que processam, analisam e interpretam dados para fornecer insights acionáveis e apoiar a tomada de decisões.

Finanças

• FinRobot – Agente de análise de dados financeiros – Automatiza a interpretação e os relatórios de dados financeiros usando modelos de linguagem de grande porte.

Inteligência de negócios e agentes de consulta

• Wren IA – Agente de insights de negócios de texto para SQL – Converte perguntas em linguagem natural em consultas SQL para relatórios de negócios.
• Entaoai – Ferramenta de engenharia de dados assistida por GenAI – Fornece uma interface de chat para tarefas de consulta e transformação de dados.
• Vanna IA – Agente de linguagem natural para SQL – Gera consultas SQL com base em prompts do usuário para explorar conjuntos de dados estruturados.

Agentes de mídia social

• Twitter Personality Agent – Agente de análise de mídia social – Analisa o histórico de tuítes para inferir traços comportamentais e de personalidade.

11. Agentes de assistência pessoal

Agentes de IA que ajudam no gerenciamento de tarefas, agendamento e organização pessoal, aumentando a produtividade e o gerenciamento do tempo.

• VacAIgent (agente CrewAI pré-construído) – Assistente de planejamento de viagens – Gera autonomamente roteiros completos de viagem usando Streamlit e LLMs.
• Inbox Zero – Assistente de e-mail – prioriza, classifica e resume mensagens usando processamento de linguagem natural e integração com o Gmail.
• Cal – Agente de agendamento de calendário – Automatiza a criação, reagendamento e resumo de reuniões por meio de interação baseada em LLM.

Construindo sistemas de agentes de IA

Muitos frameworks de IA são controlados por um único fornecedor ou repositórios públicos, mas rigidamente governados.

Esses projetos geralmente migram para modelos open core: o código-base permanece gratuito, mas a orquestração multiagente, a observabilidade ou o controle refinado podem ser limitados por licenças comerciais. Em alguns ecossistemas “abertos”, o uso em produção muitas vezes exige a adesão a um backend bloqueado.

Fonte⁷

Projetos reais de agentes de IA

Pela nossa experiência, aqui estão alguns agentes de IA e suas aplicações:

• Editores de código de IA para desenvolvimento de API criando App
• Execução de captura de tela para código para geração de sites com IA
• Agentes de uso de computador para pedir entregas, fazer reserva em restaurante ou projetar um ambiente.

Outros projetos independentes de agentes de IA:

Outros projetos de agentes de IA por framework:

Leitura adicional

• Compare 20 LLM ferramentas de segurança e frameworks de código aberto

Cite esta pesquisa

Escolha o formato adequado ao local onde você vai publicar. Colar a versão com link no seu CMS preserva o backlink.

@misc{dilmegani2026,
  author = {Dilmegani, Cem and Şimşek, Hazal},
  title  = {{Melhores 50+ agentes de IA de código aberto listados}},
  year   = {2026},
  month  = aug,
  howpublished    = {\url{https://aimultiple.com/open-source-ai-agents}},
  note   = {AIMultiple. Acessado em 16 Agosto 2026}
}

Registro de alterações

10 atualizações

1. 20264 Ago

   Removida a entrada 'What are the Top 10 LLM Security Risks' da seção Further reading.

2. 29 Jan

   Adicionados os novos padrões Model Context Protocol (MCP) e Stripe Agentic Commerce Protocol (ACP) à seção 'O que é exatamente um agente de IA?'.

3. 202528 Jul

   Substituída a seção 'Casos de uso de agentes de IA' por uma nova seção 'Quando (e quando não) usar agentes de IA', fornecendo orientação sobre a aplicabilidade dos agentes.

4. 22 Jul

   Removida a seção inteira sobre Agentes de IA.

5. 21 Jul

   Adicionada uma nova seção listando agentes, estruturas e ferramentas de IA de código aberto.

6. 13 Jun

   Adicionadas as seções Agentes de codificação, Agentes de uso geral e Construtores de agentes de IA.

7. 12 Jun

   Removida a seção sobre especializações de agentes de IA de código aberto.

8. 24 Abr

   Atualizada a lista de agentes de IA de código aberto e suas descrições.

9. 3 Jan

   Substituída a introdução da seção "Exemplos de agentes de IA de código aberto".

10. 202420 Set

    Removida a seção 'Por que usar agentes de IA de código aberto?'.

Links de referência

1.

Reflection Agents

LangChain Blog

2.

Simon Willison on ai-agents

3.

Building Effective AI Agents \ Anthropic

4.

AI Agents: What They Are and Their Business Impact | BCG

Boston Consulting Group

5.

Manus Joins Meta for Next Era of Innovation

6.

One Year of OpenHands: A Journey of Open Source AI Development | Mar 17, 2025

7.

Dapr Agents: AI Agents & Workflows for Production

Diagrid

Cem Dilmegani

Analista Principal

Siga-nos

Cem é o analista principal da AIMultiple desde 2017.

O trabalho de Cem na AIMultiple foi citado por publicações globais líderes, incluindo Business Insider, Forbes, Morning Brew e Washington Post, por empresas globais como Deloitte e HPE, ONGs como o World Economic Forum e organizações supranacionais como a European Commission. [1], [2], [3], [4], [5]

Ao longo de sua carreira, Cem atuou como consultor de tecnologia, comprador de tecnologia e empreendedor de tecnologia. Ele aconselhou empresas sobre suas decisões de tecnologia na McKinsey & Company e na Altman Solon por mais de uma década. Ele também publicou um relatório da McKinsey sobre digitalização.

Ele liderou a estratégia de tecnologia e as compras de uma operadora de telecomunicações, reportando-se ao CEO. Ele também liderou o crescimento comercial da empresa de deep tech Hypatos, que atingiu uma receita recorrente anual de 7 dígitos e uma avaliação de 9 dígitos partindo do zero em 2 anos. O trabalho de Cem na Hypatos foi coberto por publicações de tecnologia líderes como TechCrunch e Business Insider.

Cem fala regularmente em conferências internacionais de tecnologia. Ele se formou como engenheiro da computação pela Bogazici University e possui um MBA pela Columbia Business School.

Ver perfil completo

Pesquisado por

Hazal Şimşek

Analista do Setor

Siga-nos

Hazal é analista do setor na AIMultiple, com foco em inteligência de processos (incluindo mineração de processos) e automação empresarial (incluindo automação de TI e automação low-code/no-code).

Ver perfil completo

Seja o primeiro a comentar

Seu endereço de e-mail não será publicado. Todos os campos são obrigatórios. Os comentários são deixados em seu idioma original.

Nome

Endereço de email

Comentário

0/450

Postar comentário