A Box vai embutir o sistema de embeddings Nemotron, da Nvidia, no núcleo do seu produto. O anúncio saiu nesta quinta-feira, na conferência de desenvolvedores da companhia, junto com o Box Content Retrieval, recurso que aproveita os metadados gerados pelo Nemotron para dar aos agentes de software respostas mais precisas. A vice-presidente de software de IA generativa da Nvidia, Kari Briski, projetou o ganho: consultas respondidas quatro vezes mais rápido, com 20% menos erros e 90% menos tokens consumidos. São números de expectativa, não medições independentes.
O que muda na operação de um agente
Token é a unidade mínima de texto que um modelo processa, e cada uma delas custa dinheiro. Agente, por sua vez, é o software que executa tarefas com alguma autonomia — responder a uma pergunta, localizar um documento, montar um resumo. No formato convencional, esse agente vasculha arquivo por arquivo até encontrar o material útil. O Box Content Retrieval muda a lógica: devolve blocos já selecionados, alinhados ao pedido do usuário ou à tarefa em curso, e o volume de texto lido pelo modelo encolhe.
Embeddings: a camada que sustenta a busca por significado
Embedding é a representação numérica que preserva o sentido de um trecho de texto, e não apenas suas palavras exatas. Com isso, um mecanismo de busca aproxima conceitos ligados mesmo quando a redação de dois documentos é diferente. O Box Content Retrieval é uma aplicação do Nemotron Embed, projeto da Nvidia que entrega modelos de embedding de pesos abertos (open-weight), com parâmetros disponíveis para uso e adaptação.
Grandes laboratórios costumam tratar modelos de embedding como etapa secundária, ainda que eles sejam responsáveis por preparar os dados que os agentes vão consumir. A Nvidia fez dessa camada o eixo do seu projeto aberto: o lançamento mais recente do Nemotron, em julho, ficou em 1º lugar no RTEB, benchmark que mede qualidade de recuperação de informação.
O exemplo jurídico e a barreira de replicação
Um dos usos citados pela Box é o jurídico. Cláusulas e precedentes aparecem com mais facilidade porque a busca alcança conceitos correlatos, inclusive quando o contrato em análise usa vocabulário distinto do documento de referência.
Nemotron é aberto, mas o recurso não se resume a acoplar o modelo: o resultado depende da base de metadados e dos controles de permissão que a Box já mantinha, combinação difícil de refazer do zero. A liberação para todos os clientes do plano Enterprise Advance está prevista para o início do próximo ano.
| Indicador | Ganho projetado |
|---|---|
| Velocidade de resposta | 4x mais rápida |
| Taxa de erro | 20% menor |
| Consumo de tokens | 90% menor |
| Base de modelos | Nemotron Embed, da Nvidia |
| Público | Clientes Enterprise Advance |
| Disponibilidade | Início do próximo ano |
Leitura para o investidor
Do lado da Nvidia (NVDA), o movimento reforça a tese de que a receita não depende apenas do modelo fechado: a companhia distribui a camada aberta e ocupa espaço como fornecedora de infraestrutura de IA. Do lado da Box (BOX), o anúncio funciona como peça de retenção dentro da base corporativa, ao transformar o acervo do cliente — e suas regras de acesso — em vantagem difícil de replicar.
O número que merece atenção é o de 90% menos tokens por consulta. Custo de inferência, o processamento que roda a cada pergunta (diferente do treinamento do modelo), define se um agente pode operar em fluxo contínuo ou apenas em testes controlados. Reduções dessa ordem mexem no orçamento de quem mantém agentes em escala, embora a confirmação dependa de uso real em produção, e não de benchmark.
Duas ressalvas seguem de pé. A primeira: a projeção parte da própria Nvidia, fornecedora do modelo. A segunda: o recurso chega no início do próximo ano, sem data fechada divulgada.