Existe uma cena curiosa acontecendo na computação quântica.

Ela não acontece dentro de um laboratório. Acontece na forma como pessoas diferentes respondem exatamente à mesma pergunta.

Pergunte a um investidor se a computação quântica será uma das tecnologias mais importantes da próxima década e a resposta provavelmente será um entusiasmado “sem dúvida”.

Faça a mesma pergunta para um político americano e você ouvirá algo parecido, só que acompanhado de um discurso sobre soberania tecnológica, China e segurança nacional.

Agora faça essa pergunta para um pesquisador que passa o dia tentando manter qubits estáveis.

Existe uma boa chance de ele responder com um constrangedor “esperamos que sim”.

Essa diferença de entusiasmo explica praticamente toda a indústria da computação quântica em 2026.

O mercado já chegou em 2035. A física ainda está em 2026.

Nos últimos meses ficou difícil acompanhar as notícias sem encontrar uma nova promessa.

Donald Trump quer acelerar a construção de computadores quânticos capazes de produzir descobertas científicas relevantes em poucos anos. A IBM anunciou um investimento de mais de US$ 10 bilhões. A Microsoft voltou a prometer que um computador quântico escalável está logo ali, depois da próxima curva.

O curioso é que nenhuma dessas notícias responde à pergunta mais simples de todas.

Para que serve um computador quântico hoje?

A resposta continua surpreendentemente humilde.

Praticamente para nada.

Isso não significa que a computação quântica seja uma fraude. Significa apenas que existe uma enorme distância entre o estágio atual da ciência e a forma como essa ciência é apresentada ao mercado.

A computação quântica entrou oficialmente na fase PowerPoint

Toda tecnologia passa por um momento em que o número de apresentações explicando como ela mudará o mundo cresce muito mais rápido do que a própria tecnologia.

A inteligência artificial viveu isso antes do ChatGPT.

O metaverso também.

Agora chegou a vez da computação quântica.

As empresas já descobriram que vender expectativa costuma ser muito mais fácil do que explicar correção de erros, coerência quântica ou estabilidade de qubits. Convenhamos, nenhuma dessas expressões ajuda a vender ações.

Então surge um roteiro que já conhecemos.

Primeiro vem o comunicado anunciando um avanço histórico.

Depois aparecem pesquisadores dizendo que o comunicado exagerou um pouco.

Algumas semanas mais tarde, a empresa responde defendendo seus resultados.

Enquanto isso, investidores continuam apostando que alguém, em algum momento, transformará toda aquela discussão em um negócio gigantesco.

É quase um ritual.

A Microsoft virou o símbolo desse conflito

Nenhuma empresa representa melhor essa tensão do que a Microsoft.

Quando anunciou o chip Majorana, a companhia apresentou o projeto como um passo decisivo rumo ao computador quântico escalável. A reação não demorou. Pesquisadores independentes passaram a questionar se as evidências publicadas realmente demonstravam aquilo que a empresa dizia ter construído.

O debate rapidamente saiu dos laboratórios e foi parar nas manchetes.

Curiosamente, ninguém discutia quem tinha razão.

Todo mundo discutia quem estava contando a história mais convincente.

Essa talvez seja a parte mais interessante.

A computação quântica já virou uma disputa de narrativas antes mesmo de virar uma disputa de produtos.

Os físicos têm um problema de marketing

Existe uma injustiça nessa história.

Os pesquisadores realmente estão avançando.

Os qubits ficaram mais estáveis.

A correção de erros evoluiu bastante.

Novos métodos surgiram para construir computadores maiores e mais confiáveis.

Só que esses avanços são incrivelmente difíceis de explicar para quem está fora da área.

É muito mais fácil anunciar que “a computação quântica mudará tudo” do que explicar por que reduzir erros em um conjunto de qubits representa um avanço científico importante.

O mercado recompensa manchetes.

A ciência recompensa paciência.

As duas coisas raramente caminham na mesma velocidade.

O investidor compra futuro. O pesquisador compra tempo.

Talvez seja essa a diferença mais importante entre os dois mundos.

Quem investe bilhões em computação quântica não está comprando um produto.

Está comprando a possibilidade de que aquele produto exista antes que o concorrente consiga construí-lo.

É uma lógica muito parecida com a corrida da inteligência artificial.

Ninguém quer ser a empresa que ignorou a próxima plataforma tecnológica.

Mesmo que essa plataforma ainda esteja tentando descobrir qual será sua primeira grande aplicação comercial.

A ironia que ninguém comenta

Se você perguntar hoje para um pesquisador qual problema um computador quântico resolverá primeiro, dificilmente ouvirá uma resposta definitiva.

Alguns apostam em novos medicamentos.

Outros falam sobre materiais.

Há quem mencione criptografia.

Também existem aqueles que simplesmente admitem que ainda não sabem.

É curioso.

Estamos investindo centenas de bilhões de dólares em uma tecnologia cuja primeira grande aplicação continua sendo objeto de debate entre as pessoas que mais entendem dela.

Imagine lançar uma companhia aérea antes de descobrir para onde o avião vai voar.

É exatamente essa sensação que a computação quântica transmite neste momento.

O que realmente está sendo vendido?

Talvez o produto nunca tenha sido o computador quântico.

O verdadeiro produto é a expectativa de não ficar para trás.

Governos compram soberania.

Big Techs compram protagonismo.

Investidores compram a chance de participar da próxima revolução.

Enquanto isso, físicos continuam comprando algo muito menos glamouroso.

Mais tempo de laboratório.

Mais experimentos.

Mais uma tentativa de fazer qubits errarem um pouco menos.

É um contraste curioso.

A indústria já está negociando o futuro.

A ciência ainda está tentando construir o presente.

Agora quero saber sua opinião

Estamos diante da próxima grande revolução da computação ou de uma tecnologia que ainda precisa provar por que merece tantos bilhões?

A computação quântica corre o risco de repetir o ciclo de hype do metaverso ou a comparação é injusta?

E será que o maior desafio da área hoje é científico... ou convencer investidores a continuarem acreditando enquanto a física faz seu trabalho?

Subscreva agora

#TechGossip #QuantumComputing #Microsoft #IBM #Google #Tecnologia #BigTech #Quantum #ArtificialIntelligence #ComputacaoQuantica #Inovacao #FutureTech #SiliconValley #Ciencia #MachineLearning

A nova Microsoft Frontier Company mostra uma mudança importante no mercado: as empresas não estão perdidas porque falta IA. Estão perdidas porque existe IA demais, promessa demais e ROI de menos.

A Microsoft anunciou a criação da Microsoft Frontier Company, uma nova operação com investimento de US$ 2,5 bilhões para ajudar grandes clientes a escolher, integrar e usar inteligência artificial de forma que gere retorno financeiro real. A ideia parece simples, quase generosa: ajudar empresas como Unilever e Novo Nordisk a navegar esse mercado confuso de modelos, ferramentas, fornecedores e promessas.

Claro.

Quando uma Big Tech cria uma empresa para resolver a confusão do mercado, vale sempre perguntar quem ajudou a criar a confusão em primeiro lugar.

O movimento é importante porque revela uma mudança de fase. A primeira onda da IA corporativa foi dominada pelo deslumbramento. Todo mundo precisava “ter IA”. Não importava muito como, onde, por quê ou com qual retorno. Bastava colocar um copiloto, automatizar algumas tarefas, anunciar produtividade e torcer para o conselho administrativo não perguntar detalhes demais.

Agora a ressaca chegou.

As empresas descobriram que adotar IA não é assinar uma API da OpenAI, abrir o Copilot e esperar que a margem operacional melhore por osmose. Inteligência artificial corporativa exige integração com dados internos, revisão de processos, governança, segurança, treinamento de equipes, mudança cultural e, principalmente, uma resposta para a pergunta que todo fornecedor detesta ouvir: isso está pagando a própria conta?

A nova consultoria da era pós-hype

A Microsoft Frontier Company nasce exatamente nesse ponto de desconforto. O mercado saiu da fase “qual modelo é melhor?” e entrou na fase “qual combinação de modelos, dados e processos realmente entrega valor para esta empresa específica?”.

Essa pergunta é muito menos glamourosa do que comparar benchmarks, mas é onde o dinheiro corporativo mora.

Grandes empresas já perceberam que depender de um único fornecedor de IA é arriscado. OpenAI pode ser excelente para algumas tarefas. Anthropic pode funcionar melhor em outras. Modelos abertos podem ser mais baratos, mais controláveis ou mais seguros em determinados contextos. Gemini, DeepSeek, Llama, Qwen e outros entram na mesma equação. O problema é que ninguém quer transformar o departamento de tecnologia em uma feira livre de modelos generativos.

Então surge uma nova categoria de negócio: empresas que ajudam outras empresas a montar sua própria arquitetura de IA.

Não é exatamente consultoria tradicional.

Também não é só venda de software.

É uma espécie de alfaiataria algorítmica corporativa.

A Microsoft olha para esse caos e diz: “Deixe comigo, eu organizo”. Naturalmente, com US$ 2,5 bilhões na mesa e um ecossistema inteiro esperando que a organização termine dentro do Azure.

O verdadeiro produto é confiança

A Microsoft sabe que o problema das empresas não é apenas técnico. É psicológico, jurídico e político.

Executivos querem IA, mas não querem virar manchete por vazamento de dados. Querem produtividade, mas não querem entregar conhecimento estratégico para um laboratório externo. Querem automação, mas não querem descobrir tarde demais que treinaram um fornecedor para entender melhor seu próprio negócio do que eles mesmos.

Esse é o medo mais interessante citado na reportagem: grandes empresas suspeitam que, ao usar modelos de laboratórios como OpenAI e Anthropic, podem acabar transferindo expertise valiosa para empresas que um dia podem competir com elas.

Isso é enorme.

Porque muda a percepção da IA corporativa.

O fornecedor deixa de ser apenas ferramenta.

Passa a ser possível aprendiz.

E nenhuma empresa gosta de contratar um aprendiz que pode virar concorrente com acesso privilegiado aos seus dados, linguagem interna, processos e padrões de decisão.

A Microsoft está vendendo independência com nota fiscal de dependência

Aqui entra a ironia.

A Microsoft diz que a nova empresa ajudará clientes a usar tecnologias da própria Microsoft e de terceiros, permitindo que as companhias fiquem com os resultados do trabalho em vez de entregar tudo de volta para a Microsoft. Isso é uma resposta direta à ansiedade corporativa do momento: ninguém quer colocar seu cérebro operacional dentro da boca de um fornecedor e torcer para ele prometer que não engoliu.

Ao mesmo tempo, é difícil ignorar o movimento estratégico.

A Microsoft percebeu que a empresa vencedora talvez não seja quem tem o melhor modelo, mas quem controla a camada de integração. Se o cliente usa OpenAI hoje, Anthropic amanhã, DeepSeek depois e um modelo aberto no mês seguinte, alguém precisa orquestrar essa bagunça.

Quem orquestra vira infraestrutura.

E quem vira infraestrutura raramente sai da conta mensal.

O erro do Copilot virou produto

O detalhe mais revelador veio de Judson Althoff, CEO da área comercial da Microsoft, ao admitir que vincular o Copilot apenas aos modelos da OpenAI foi um erro. Isso é quase uma confissão pública de que a era do modelo único acabou antes mesmo de amadurecer.

A Microsoft apostou cedo na OpenAI, colocou o Copilot no centro da estratégia e vendeu ao mercado a ideia de que produtividade corporativa teria um cérebro principal. Só que o mercado mudou rápido demais. DeepSeek, Gemini, Anthropic, modelos abertos e soluções especializadas começaram a mostrar que a inteligência artificial não será organizada em torno de um único fornecedor.

Será uma colcha de retalhos.

Uma colcha cara.

Com compliance.

E reuniões suficientes para fazer qualquer inovação parecer uma licitação pública.

Por que isso virou tendência?

Porque a adoção de IA dentro das empresas entrou na fase adulta.

Na infância, bastava experimentar.

Na adolescência, bastava impressionar.

Agora precisa justificar orçamento.

É por isso que Microsoft, Palantir, AWS e outras empresas estão criando braços dedicados a implementação, integração e engenharia aplicada de IA. O mercado percebeu que vender modelos é apenas uma parte do dinheiro. A parte mais duradoura está em ajudar empresas a transformar modelos em sistemas reais de trabalho.

A promessa antiga era: “Compre nossa IA”.

A promessa nova é: “Nós ajudamos você a não desperdiçar dinheiro tentando descobrir qual IA comprar”.

Bem-vindos à economia da confusão assistida.

O que isso revela sobre o futuro da IA corporativa

A inteligência artificial está deixando de ser produto e virando infraestrutura sob medida. Isso significa que a vantagem não estará apenas no modelo mais poderoso, mas na capacidade de conectar modelos aos dados certos, aos processos certos e aos riscos certos.

As empresas não querem mais só uma IA brilhante respondendo perguntas bonitas. Elas querem uma arquitetura que funcione sem expor dados, sem travar processos, sem depender de um único laboratório e sem exigir que cada departamento vire especialista em engenharia de prompts.

No fundo, a Microsoft Frontier Company nasce porque a IA corporativa virou complexa demais para ser comprada como assinatura.

E quando uma tecnologia fica complexa demais, surge um novo mercado para vender interpretação, integração e controle.

A parte que ninguém coloca no slide

A Microsoft não está apenas ajudando empresas a adotarem IA.

Ela está tentando se posicionar como a camada de governança entre empresas e modelos.

Isso é muito mais poderoso do que vender acesso a um chatbot.

Quem escolhe o modelo controla o custo.

Quem integra os dados controla o valor.

Quem mede o ROI controla a permanência.

Quem organiza tudo isso vira o novo intermediário obrigatório da inteligência artificial corporativa.

A Microsoft entendeu que talvez o futuro não pertença ao modelo mais famoso, mas à empresa que conseguir olhar para um CEO cansado de promessas e dizer: “Nós fazemos isso funcionar dentro da sua operação”.

É menos sexy do que lançar um chatbot revolucionário.

Também é muito mais lucrativo.

Agora quero saber sua opinião

A próxima grande oportunidade da IA está em criar modelos mais poderosos ou em ajudar empresas a extrair valor real dos modelos que já existem?

As companhias estão certas em desconfiar de fornecedores que podem aprender demais com seus dados internos?

E será que a Microsoft está resolvendo a complexidade da IA corporativa ou apenas se posicionando como a nova dona do labirinto?

Subscreva agora

#TechGossip #Microsoft #ArtificialIntelligence #IA #OpenAI #Anthropic #Copilot #Azure #BigTech #TransformacaoDigital #MachineLearning #ROI #Tecnologia #Inovacao #AIAdoption #EnterpriseAI

A decisão parece uma disputa entre duas empresas de IA. Na verdade, ela revela que a corrida pela inteligência artificial entrou oficialmente na fase da desconfiança.

Até pouco tempo atrás, seria difícil imaginar uma empresa dizendo aos próprios engenheiros para deixarem de usar uma das ferramentas de programação mais populares do mercado. Se um software ajudava a escrever código melhor e mais rápido, a lógica era simples: use a melhor ferramenta disponível e siga trabalhando.

Foi exatamente essa lógica que a Alibaba decidiu interromper.

Segundo a Reuters, a empresa orientou seus funcionários a deixarem de usar o Claude Code, assistente de programação da Anthropic, e passarem a utilizar o Qoder, plataforma desenvolvida pela própria Alibaba. À primeira vista, a decisão parece apenas mais um capítulo da competição entre empresas americanas e chinesas. Só que a história fica muito mais interessante quando olhamos o que aconteceu poucos dias antes.

Desenvolvedores descobriram que o Claude Code continha mecanismos capazes de analisar informações do ambiente onde estava sendo executado, como fuso horário, proxies e outros sinais técnicos que poderiam indicar tentativas de contornar restrições geográficas. A Anthropic confirmou que aquele recurso fazia parte de um experimento criado para impedir o uso indevido de contas e dificultar a chamada destilação de modelos, processo em que uma inteligência artificial aprende observando as respostas produzidas por outra.

É aqui que a notícia muda completamente de escala.

O Claude não estava apenas escrevendo código

Durante anos fomos ensinados a enxergar assistentes de IA como ferramentas de produtividade. Abrimos uma janela, fazemos uma pergunta, recebemos uma resposta e seguimos trabalhando. Parece uma relação bastante simples.

Só que essa simplicidade começa a desaparecer quando um modelo passa a valer centenas de bilhões de dólares.

Nesse momento, ele deixa de ser apenas um produto de software e passa a ser um ativo estratégico. E ativos estratégicos precisam ser protegidos.

É por isso que a discussão já não gira apenas em torno da qualidade das respostas do Claude. Ela passa a envolver quem está utilizando a ferramenta, de onde esse usuário está acessando o serviço e, principalmente, o que ele pode estar tentando aprender com aquele modelo.

A inteligência artificial continua respondendo perguntas. Mas agora também observa quem está fazendo as perguntas.

A destilação virou o novo pesadelo das empresas de IA

Pouca gente fora do mercado fala sobre destilação porque o termo parece técnico demais. Na prática, a ideia é bastante simples.

Imagine passar meses observando um professor brilhante até aprender a explicar os mesmos assuntos do jeito dele. Você talvez nunca tenha visto o material original usado naquele treinamento, mas aprendeu bastante apenas acompanhando o comportamento do professor.

É exatamente esse tipo de situação que preocupa empresas como Anthropic e OpenAI.

Depois de investir bilhões de dólares no desenvolvimento de modelos avançados, elas descobriram que o maior risco talvez não seja um concorrente construir uma inteligência artificial melhor do zero. O risco é alguém aprender rápido demais observando o trabalho que já foi feito.

Por isso, cada interação deixou de ser apenas uma conversa entre usuário e modelo. Ela também passou a representar uma possível fonte de aprendizado para terceiros.

A Alibaba respondeu como qualquer país protegeria uma infraestrutura crítica

É tentador interpretar a decisão da Alibaba como um simples incentivo ao uso de uma ferramenta própria.

Mas o contexto sugere outra leitura.

Nenhuma empresa gosta de depender de uma tecnologia desenvolvida pelo concorrente, especialmente quando esse concorrente afirma publicamente que acredita estar sendo alvo de tentativas de copiar suas capacidades. A partir desse momento, confiança deixa de ser um detalhe comercial e passa a fazer parte da estratégia.

Trocar o Claude pelo Qoder não significa apenas mudar de software.

Significa reduzir a dependência de uma infraestrutura que já não é percebida como neutra.

Esse talvez seja o aspecto mais importante de toda a história.

A internet aberta está ficando cada vez menor

Durante muito tempo acreditamos que a internet caminhava para integrar o mundo. Depois vieram as restrições sobre chips, semicondutores, plataformas, redes sociais e serviços de nuvem.

Agora essa fragmentação chegou à inteligência artificial.

Modelos americanos impõem restrições para usuários chineses.

Empresas chinesas orientam seus funcionários a abandonar ferramentas americanas.

O que parecia uma disputa comercial começa a assumir a forma de dois ecossistemas tecnológicos que passam a confiar cada vez menos um no outro.

Não é exatamente uma surpresa.

É apenas a continuação da mesma disputa geopolítica, agora escrita em Python.

O que realmente está em jogo

Existe uma ironia difícil de ignorar em toda essa história.

As empresas de inteligência artificial passaram anos dizendo que estavam construindo ferramentas para acelerar o trabalho de qualquer pessoa, em qualquer lugar do mundo. Bastou esses modelos se transformarem nos ativos mais valiosos da indústria para que o discurso da abertura desse lugar a uma preocupação muito mais pragmática: impedir que o concorrente aprenda rápido demais.

No fim das contas, Claude Code deixou de ser apenas um assistente de programação.

Ele se transformou em uma peça de uma disputa muito maior, onde software, propriedade intelectual e geopolítica passaram a ocupar o mesmo tabuleiro.

Talvez essa seja a maior mudança da inteligência artificial em 2026.

A corrida já não acontece apenas para construir o melhor modelo.

Ela acontece para decidir quem terá permissão para aprender com ele.

Agora quero saber sua opinião

A decisão da Alibaba foi uma medida legítima de proteção tecnológica ou um sinal de que a inteligência artificial está se tornando mais um capítulo da disputa entre Estados Unidos e China?

Você acredita que modelos de IA deveriam monitorar sinais do ambiente do usuário para proteger sua propriedade intelectual?

E será que estamos caminhando para um futuro onde escolher uma IA será tão político quanto escolher um sistema operacional ou um provedor de nuvem?

Subscreva agora

#TechGossip #Anthropic #Alibaba #ClaudeCode #ArtificialIntelligence #OpenAI #China #BigTech #MachineLearning #Geopolitica #CyberSecurity #IA #Tecnologia #FutureOfAI #SiliconValley

O GLM-5.2 não precisa ser o modelo mais inteligente do mercado. Basta convencer as empresas de que pagar muito mais caro deixou de fazer sentido.

A corrida da IA pode ter mudado de direção

Nos últimos dois anos, o mercado de inteligência artificial se acostumou a medir tudo da mesma maneira. Cada novo modelo era lançado acompanhado por gráficos, benchmarks e promessas de desempenho cada vez mais impressionantes. Parecia que a única forma de vencer essa corrida era construir a inteligência artificial mais poderosa do planeta, independentemente do custo necessário para chegar lá.

Só que existe um pequeno detalhe que costuma escapar das apresentações para investidores: empresas não compram benchmarks. Empresas compram soluções para problemas concretos, e elas costumam prestar muita atenção na fatura que chega no fim do mês.

É justamente por isso que o lançamento do GLM-5.2, da startup chinesa Z.ai, chamou tanta atenção. Segundo a Reuters, o modelo entrega resultados muito próximos dos principais sistemas da OpenAI e da Anthropic em tarefas de programação e agentes de IA, mas opera por uma fração do custo cobrado pelas concorrentes americanas. A novidade não está apenas no desempenho técnico. Ela está na mudança de lógica que esse modelo representa.

O mercado começou a fazer uma pergunta desconfortável

Durante muito tempo, OpenAI e Anthropic conseguiram justificar seus preços porque a diferença de qualidade era evidente. Se você queria acesso aos modelos mais avançados, não havia muito espaço para negociar. Era preciso aceitar que inovação custava caro.

O problema aparece quando essa diferença começa a diminuir.

Nenhum diretor financeiro precisa que um modelo seja perfeito. Ele precisa que o modelo resolva o problema da empresa sem transformar o orçamento anual em uma obra de ficção científica. Quando dois produtos entregam resultados muito parecidos, a discussão naturalmente deixa de girar em torno da tecnologia e passa a envolver eficiência econômica.

Essa é uma conversa que costuma ser bem menos emocionante do que um lançamento de IA. Também costuma ser muito mais decisiva.

A estratégia chinesa parece diferente

O curioso é que a China talvez tenha entendido antes dos americanos que a próxima fase da inteligência artificial não será vencida apenas por quem construir o melhor modelo.

Ela será vencida por quem construir um modelo bom o suficiente para que a diferença de preço passe a parecer exagerada.

Essa estratégia não é nova. A indústria chinesa fez exatamente isso em diversos mercados. Primeiro aconteceu com eletrônicos. Depois com smartphones. Mais recentemente com carros elétricos.

Raramente o primeiro objetivo foi criar o melhor produto do mundo.

O objetivo era oferecer uma relação entre custo e desempenho difícil de ignorar.

Agora essa lógica parece ter chegado ao mercado de inteligência artificial.

O fantasma da DeepSeek continua rondando o Vale do Silício

Quando a DeepSeek apareceu, muitos executivos trataram o episódio como uma exceção. Parecia improvável que uma startup chinesa conseguisse alterar a dinâmica de um mercado dominado por empresas que investiam dezenas de bilhões de dólares em infraestrutura.

Poucos meses depois, surge outro modelo chinês chamando atenção pelos mesmos motivos.

Talvez o mais importante não seja saber se o GLM-5.2 já alcançou o GPT ou o Claude em todos os testes disponíveis. O ponto realmente interessante é perceber que esses modelos deixaram de ser vistos como curiosidades tecnológicas e passaram a entrar na lista de alternativas consideradas por desenvolvedores e startups.

Esse tipo de mudança normalmente acontece muito antes de aparecer nas manchetes.

O dinheiro continua sendo o idioma universal

Existe uma crença bastante difundida no setor de tecnologia de que engenheiros escolhem plataformas apenas pelo desempenho técnico.

Na prática, empresas funcionam de outra maneira.

Quando uma organização processa milhões de chamadas para modelos de linguagem todos os meses, pequenas diferenças no preço de cada requisição podem representar milhões de dólares ao longo do ano. É nesse momento que o fascínio por benchmarks perde espaço para uma planilha aberta em uma reunião de orçamento.

Nenhuma empresa gosta de pagar seis vezes mais por uma vantagem que seus clientes talvez nem percebam.

Nem tudo se resume ao preço

Isso não significa que OpenAI e Anthropic estejam prestes a perder seus clientes.

Existe uma barreira importante chamada confiança.

Empresas dos setores financeiro, jurídico, de saúde e cibersegurança continuam demonstrando cautela quando o assunto envolve modelos desenvolvidos na China. Questões relacionadas à privacidade dos dados, regulamentação e riscos geopolíticos ainda pesam muito mais para essas organizações do que alguns pontos de diferença em custo ou desempenho.

Ao mesmo tempo, especialistas lembram que muitos desses modelos podem ser executados em servidores próprios ou em provedores de nuvem locais, reduzindo parte dessas preocupações. Isso mostra que o debate deixou de ser exclusivamente técnico e passou a envolver interesses econômicos, políticos e estratégicos.

A ironia que talvez incomode mais do que o próprio modelo

Durante anos ouvimos que a inteligência artificial seria decidida por quem construísse o cérebro digital mais sofisticado da história.

Agora existe a possibilidade de que uma parte dessa disputa seja resolvida da forma mais tradicional possível: alguém apareceu cobrando muito menos.

É uma ironia curiosa.

Depois de investir centenas de bilhões de dólares para convencer o mercado de que inteligência artificial era um produto premium, as gigantes americanas talvez precisem explicar por que continuam cobrando valores premium quando concorrentes começam a oferecer algo suficientemente parecido.

Mercados costumam perdoar produtos imperfeitos.

O que eles raramente perdoam são preços difíceis de justificar.

O que essa história realmente significa?

Talvez estejamos assistindo ao início de uma nova etapa da inteligência artificial.

Na primeira fase, vencer significava construir o modelo mais poderoso.

Na segunda, talvez seja suficiente construir o modelo que faça mais sentido para o orçamento das empresas.

Pode parecer uma mudança sutil.

Mas é exatamente esse tipo de mudança que costuma redefinir mercados inteiros.

Agora quero saber sua opinião

• Você acredita que empresas continuarão pagando mais apenas pela reputação das Big Techs americanas?

• A preocupação com segurança é suficiente para impedir uma adoção maior de modelos chineses ou o fator econômico acabará falando mais alto?

• E será que a próxima líder da inteligência artificial será a empresa que construir o modelo mais inteligente... ou a que convencer os diretores financeiros de que inteligência não precisa custar uma fortuna?

  Subscreva agora

#ArtificialIntelligence #OpenAI #Anthropic #China #GLM52 #DeepSeek #ChatGPT #BigTech #TechGossip #MachineLearning #Tecnologia #SiliconValley #EconomiaDigital #IA #Inovacao

Enquanto o mercado celebrava a corrida da inteligência artificial, uma investigação revelou que a disputa nos bastidores pode ser muito mais agressiva do que qualquer keynote deixa transparecer.

A história que ninguém esperava

Quando a Wired publicou a investigação sobre um projeto interno da Meta chamado Cannes, muita gente pensou que se tratava apenas de mais uma reportagem sobre testes de segurança em modelos de inteligência artificial. Mas, à medida que os detalhes vieram à tona, ficou claro que a história era bem mais complexa.

Segundo a reportagem, a Meta contratou centenas de pessoas por meio da empresa Covalen para criar contas falsas que se passavam por adolescentes. A missão desses contratados era conversar com modelos concorrentes, como ChatGPT, Gemini e Character.AI, usando milhares de situações extremas envolvendo suicídio, automutilação, violência, abuso, drogas, distúrbios alimentares e outros temas considerados altamente sensíveis.

No total, foram dezenas de milhares de interações cuidadosamente registradas em planilhas. Cada resposta recebida era catalogada para posterior análise.

Afinal, por que fazer isso?

A justificativa oficial da Meta foi simples: testar a segurança dos modelos concorrentes.

À primeira vista, essa explicação parece fazer sentido. Empresas de inteligência artificial realizam avaliações de segurança constantemente para descobrir vulnerabilidades antes que usuários mal-intencionados as encontrem. O problema é que, nesse caso, as empresas avaliadas não sabiam que estavam participando desse processo.

É justamente esse detalhe que muda completamente a leitura do caso.

Testar sistemas em ambiente controlado é uma prática conhecida. Criar perfis falsos de adolescentes para coletar milhares de respostas de concorrentes durante meses já levanta outra discussão.

O verdadeiro objetivo pode não ter sido apenas segurança

Quanto mais se observa a operação, mais difícil fica acreditar que o único interesse fosse avaliar riscos.

Cada conversa realizada revelava muito mais do que uma simples resposta correta ou incorreta. Ela mostrava como cada modelo reagia diante de situações delicadas, quais filtros utilizava, quando recusava pedidos, quais exceções permitia e quais eram seus pontos mais frágeis.

Na prática, isso produz um retrato extremamente detalhado do comportamento de um concorrente.

É uma espécie de engenharia reversa aplicada ao alinhamento de inteligência artificial.

Em mercados onde todas as grandes empresas possuem pesquisadores de ponta e bilhões de dólares para investir, entender o comportamento do rival pode ser tão valioso quanto desenvolver um novo recurso.

Por que usar adolescentes?

Esse talvez seja um dos aspectos mais interessantes de toda a investigação.

Grande parte das conversas foi escrita como se viesse de crianças ou adolescentes. Não parece uma escolha aleatória.

Hoje, praticamente todas as discussões regulatórias envolvendo inteligência artificial passam por temas como proteção de menores, saúde mental, exploração sexual, automutilação e prevenção ao suicídio. São exatamente os assuntos que mais preocupam governos ao redor do mundo.

Ao entender como cada modelo responde nesses cenários, uma empresa consegue antecipar quais sistemas estarão mais preparados para futuras regulamentações, quais poderão enfrentar mais dificuldades jurídicas e quais terão argumentos mais sólidos para defender que sua tecnologia é segura.

A disputa, portanto, não acontece apenas pela melhor inteligência artificial. Ela também envolve quem conseguirá convencer reguladores de que oferece o menor risco.

Existe um problema ético?

É justamente aqui que a discussão fica interessante.

Especialistas em governança de inteligência artificial concordam que avaliações de segurança são necessárias. O ponto de divergência está na forma como elas são conduzidas.

Quando um projeto é realizado durante meses, utiliza identidades falsas, envolve menores fictícios e acontece sem conhecimento das empresas avaliadas, a fronteira entre auditoria técnica e inteligência competitiva começa a ficar bastante nebulosa.

Foi exatamente essa crítica feita por Rumman Chowdhury, pesquisadora da área de governança de IA, ao afirmar que segurança não pode servir como justificativa para práticas potencialmente anticoncorrenciais.

Quem paga essa conta?

Existe outro personagem nessa história que quase nunca aparece.

Os contratados.

Enquanto executivos discutem alinhamento de IA em conferências internacionais, centenas de trabalhadores passaram meses escrevendo ou lendo descrições envolvendo suicídio, violência extrema, abuso sexual e outros conteúdos altamente perturbadores.

Alguns relataram à Wired que terminaram o projeto emocionalmente abalados.

Não é a primeira vez que a Meta enfrenta críticas por terceirizar trabalhos psicologicamente pesados. Moderadores de conteúdo do Facebook já denunciaram situações semelhantes no passado, mostrando que parte da inteligência artificial ainda depende de pessoas expostas diariamente ao pior tipo de conteúdo disponível na internet.

O que essa história realmente revela?

Talvez o aspecto mais importante dessa investigação seja mostrar que a guerra da inteligência artificial não acontece apenas nos laboratórios.

Ela também acontece na coleta de informações sobre os concorrentes.

Quem entende melhor os limites do adversário consegue ajustar seus próprios modelos, antecipar mudanças regulatórias, corrigir vulnerabilidades e até construir uma narrativa pública mais favorável sobre segurança.

Em outras palavras, a corrida pela inteligência artificial deixou de ser apenas tecnológica.

Ela também se tornou uma disputa por informação estratégica.

A ironia de tudo isso

Durante anos ouvimos que as empresas de IA estavam competindo para construir sistemas cada vez mais inteligentes.

Agora descobrimos que uma parte dessa competição consiste em conversar secretamente com os modelos dos concorrentes fingindo ser adolescentes em crise.

É difícil imaginar uma definição mais perfeita para o momento atual da tecnologia.

A inteligência artificial continua evoluindo em velocidade impressionante.

Mas as estratégias corporativas, pelo visto, continuam seguindo um velho manual: descubra tudo o que puder sobre seu concorrente e, se possível, encontre um nome elegante para explicar a operação depois.

Agora a conversa é com você

Na sua opinião, esse tipo de operação ainda pode ser considerado um teste legítimo de segurança ou já entra no território da inteligência competitiva?

Se todas as Big Techs fazem avaliações semelhantes, o problema está na prática em si ou apenas no fato de que a Meta foi a empresa exposta desta vez?

E você acredita que deveria existir algum órgão independente responsável por auditar esse tipo de teste entre empresas de inteligência artificial?

Deixe sua opinião nos comentários.

#Meta #OpenAI #ChatGPT #Gemini #Google #ArtificialIntelligence #BigTech #TechGossip #AIEthics #GovernancaDeIA #Tecnologia #Wired #MachineLearning #IA #SiliconValley

Um novo estudo publicado por pesquisadores do King’s College London propõe uma explicação inquietante para um fenômeno que médicos vêm observando com frequência crescente: pessoas que passam horas conversando com chatbots podem acabar entrando em espirais de crenças cada vez mais distantes da realidade. A descoberta sugere que a maior “alucinação” da inteligência artificial talvez não aconteça dentro do algoritmo, mas entre o algoritmo e o ser humano.

Antes de tudo: o que significa “alucinação da IA”?

Quando o assunto é inteligência artificial, a palavra “alucinação” costuma ser usada para descrever um comportamento relativamente conhecido dos modelos de linguagem. O chatbot responde com absoluta confiança, mas a informação está errada. Ele inventa um livro que nunca existiu, cria decisões judiciais falsas, cita pesquisas inexistentes ou mistura fatos reais com detalhes imaginários.

Esse tipo de erro acontece porque modelos como ChatGPT, Claude ou Gemini não pesquisam a realidade como um ser humano faria. Eles calculam probabilidades sobre qual palavra provavelmente vem depois da outra. Em alguns casos, essa previsão estatística produz respostas excelentes. Em outros, produz ficção apresentada com aparência de verdade.

Mas o novo estudo publicado na revista Digital Psychiatry and Neuroscience, do grupo Nature, afirma que existe uma segunda forma de alucinação muito mais preocupante.

O estudo muda completamente a discussão

Segundo pesquisadores do King’s College London e da Universidade Protestante de Ciências Aplicadas da Alemanha, alguns usuários não estão apenas recebendo respostas incorretas da IA.

Estão construindo, junto com ela, interpretações cada vez mais distantes da realidade.

Os pesquisadores chamam esse processo de “espiral de amplificação”.

A ideia é relativamente simples de entender. Diferentemente de um livro, de um vídeo ou de uma televisão, um chatbot conversa. Ele responde, adapta a linguagem, lembra do contexto, faz perguntas e acompanha o raciocínio do usuário durante horas. Isso transforma a interação em algo muito mais poderoso do que simplesmente consumir informação.

A IA deixa de parecer uma ferramenta.

Começa a parecer alguém que pensa junto com você.

Como essa espiral acontece?

Os pesquisadores identificam três características comuns presentes nos grandes modelos de linguagem.

A primeira é o espelhamento linguístico. Quanto mais você conversa, mais o chatbot passa a escrever de maneira parecida com a sua. Ele utiliza expressões semelhantes, organiza as frases no mesmo ritmo e reproduz parte do seu estilo de comunicação. Esse comportamento ajuda a tornar a conversa mais natural, mas também aumenta a sensação de proximidade.

A segunda característica é a hiperpersonalização. Depois de dezenas ou centenas de interações, o sistema passa a responder considerando informações que você compartilhou anteriormente. Suas preferências, medos, interesses e experiências pessoais entram no contexto das respostas. Aos poucos, surge a impressão de que aquela IA realmente conhece quem está do outro lado da tela.

A terceira característica é talvez a mais delicada. Chatbots modernos costumam evitar confrontos diretos. Em vez de dizer que uma ideia parece equivocada, frequentemente procuram validar parte do raciocínio antes de apresentar uma correção. Esse comportamento foi desenvolvido para tornar a experiência mais agradável, mas pode produzir um efeito colateral inesperado quando o usuário já apresenta crenças muito distorcidas.

Segundo os autores, é justamente a combinação desses três fatores que cria a chamada espiral de amplificação.

A IA não cria necessariamente o delírio. Ela pode fortalecê-lo.

Esse é provavelmente o ponto mais importante do estudo.

Os pesquisadores não afirmam que chatbots provocam psicose em pessoas saudáveis nem que qualquer usuário corre esse risco. Eles deixam claro que essa ainda é uma hipótese científica em investigação e que muitos casos envolvem pessoas que já apresentavam vulnerabilidades psicológicas, transtornos prévios ou outros fatores de risco.

O que o artigo propõe é algo diferente.

Quando uma pessoa vulnerável encontra um sistema que conversa durante horas, adapta sua linguagem, demonstra aparente concordância e permanece disponível vinte e quatro horas por dia, pode surgir uma relação de validação contínua difícil de encontrar em interações humanas.

Ao contrário de tecnologias antigas, como rádio ou televisão, a IA participa ativamente da conversa. Ela não apenas transmite informação. Ela ajuda a construir narrativas.

Essa talvez seja a maior novidade trazida pelo estudo.

O mecanismo invisível: por que confiamos tanto na IA?

Existe uma razão psicológica para isso.

Seres humanos tendem a confiar mais em quem fala de maneira parecida conosco. Esse fenômeno é conhecido há décadas na psicologia social. Pessoas que utilizam vocabulário semelhante, compartilham referências culturais e demonstram compreensão costumam gerar maior sensação de credibilidade.

Os chatbots fazem exatamente isso.

Não porque desenvolveram empatia.

Mas porque foram projetados para manter conversas naturais.

O problema é que nosso cérebro interpreta essa fluidez como sinal de compreensão profunda. Aos poucos, algumas pessoas deixam de enxergar o chatbot apenas como uma ferramenta estatística e passam a tratá-lo como um conselheiro extremamente inteligente.

É nesse ponto que a linha entre assistência e influência começa a ficar mais tênue.

Então devemos ter medo da inteligência artificial?

Provavelmente não.

O próprio estudo é bastante cuidadoso ao afirmar que a hipótese ainda precisa de novas pesquisas. Os autores não defendem que qualquer uso prolongado de IA leva a problemas psiquiátricos. Também não sugerem abandonar essas ferramentas.

O alerta é outro.

Assim como redes sociais, jogos digitais e plataformas de vídeo exigiram novos estudos sobre comportamento humano, os chatbots também começam a revelar efeitos psicológicos que simplesmente não existiam antes.

A tecnologia mudou.

Agora a ciência precisa entender como nosso cérebro reage a ela.

A análise que ficou fora das manchetes

Grande parte da imprensa resumiu essa pesquisa dizendo que “a IA causa psicose”.

O estudo não diz isso.

O que ele sugere é algo muito mais sofisticado.

Talvez a inteligência artificial não seja perigosa porque responde errado.

Talvez ela se torne problemática quando responde exatamente do jeito que gostaríamos de ouvir.

Essa diferença muda completamente a discussão sobre segurança em IA.

Até agora, as empresas concentravam seus esforços em impedir que modelos produzissem informações falsas.

Talvez também precisem aprender quando é saudável discordar dos próprios usuários.

Perguntas para o leitor

Você acredita que uma inteligência artificial deveria confrontar um usuário quando identifica uma crença claramente equivocada?

Até que ponto um chatbot deve ser agradável sem correr o risco de reforçar ideias falsas?

Estamos construindo assistentes inteligentes... ou companheiros digitais programados para nunca nos contrariar?

Será que o maior risco da IA é inventar respostas ou aprender exatamente como conquistar nossa confiança?

#InteligenciaArtificial #ChatGPT #Claude #Psicologia #SaudeMental #TechGossip #IA #Neurociencia #Tecnologia #Comportamento #KingCollegeLondon #Nature

OpenAI, Anthropic e outras gigantes da inteligência artificial estão investindo milhões de dólares nas eleições americanas de 2026. Não porque desejam eleger um partido específico, mas porque entenderam que, antes de vencer a corrida tecnológica, precisam garantir que ninguém mude as regras do jogo.

O contexto: por que as eleições de meio de mandato são tão importantes?

Quem acompanha apenas as eleições presidenciais americanas costuma ignorar um detalhe fundamental. A cada dois anos, os Estados Unidos realizam as chamadas midterm elections, ou eleições de meio de mandato. É nesse momento que toda a Câmara dos Representantes e cerca de um terço do Senado são renovados.

Na prática, essas eleições definem quem terá poder para aprovar leis, convocar audiências, pressionar empresas, criar novas regulações e bloquear projetos do governo.

É justamente nesse Congresso que serão discutidas algumas das decisões mais importantes da próxima década: regras para inteligência artificial, proteção de dados, direitos autorais, uso de conteúdo para treinamento de modelos, construção de data centers, consumo de energia, exportação de chips e segurança nacional.

Em outras palavras, antes de decidir como a inteligência artificial será regulada, os americanos primeiro escolhem quem escreverá essa regulamentação.

É aí que o dinheiro começa a aparecer.

O que está acontecendo?

Segundo uma investigação do Los Angeles Times, empresas e executivos ligados ao setor de inteligência artificial passaram a financiar, por meio de Super PACs, candidatos nas eleições legislativas de 2026. Esses comitês podem arrecadar e gastar quantias praticamente ilimitadas para apoiar campanhas, desde que cumpram determinadas regras legais de independência em relação aos candidatos.

Até agora, grupos ligados à OpenAI e à Anthropic já movimentaram cerca de US$ 37 milhões, e esse valor tende a crescer conforme a eleição se aproxima.

O aspecto mais curioso não é o montante.

É a estratégia.

A OpenAI não escolheu um lado. Escolheu todos.

Quem imaginava que empresas de tecnologia apoiariam apenas democratas ou apenas republicanos talvez precise rever essa ideia.

Os dados mostram exatamente o contrário.

A OpenAI aparece ligada a comitês que financiam candidatos dos dois partidos. A Anthropic segue caminho semelhante.

Isso parece contraditório apenas à primeira vista.

Na lógica empresarial, faz todo sentido.

Uma empresa que depende de regulamentação não pode apostar todas as fichas em um único vencedor. Ela prefere construir canais de diálogo com qualquer governo que saia das urnas.

Não é uma estratégia ideológica.

É uma estratégia de sobrevivência.

O dinheiro não compra apenas campanhas. Compra tempo.

Existe uma frase na reportagem que merece muito mais atenção do que recebeu.

Depois de perder sua disputa nas primárias republicanas de Montana, o candidato Al Olszewski afirmou que simplesmente não tinha condições de competir contra um adversário apoiado por um Super PAC ligado ao cofundador da OpenAI.

“Como pessoa comum, não havia a menor possibilidade de competir com esse tipo de dinheiro.”

Independentemente da posição política do candidato, a declaração revela um problema estrutural.

Quando empresas capazes de movimentar centenas de bilhões de dólares entram no processo eleitoral, elas não precisam necessariamente decidir quem vence.

Basta aumentar tanto o custo da disputa que candidatos independentes ou críticos da indústria passem a ter muito mais dificuldade para competir.

O que realmente está em jogo?

A discussão não é apenas sobre eleições.

É sobre quem escreverá as regras da inteligência artificial.

Imagine duas situações.

Na primeira, um Congresso decide que empresas precisarão pagar criadores de conteúdo utilizados para treinar modelos de IA.

Na segunda, esse mesmo Congresso decide que o treinamento pode continuar acontecendo com poucas restrições.

A diferença entre essas duas decisões representa bilhões de dólares.

O mesmo vale para consumo energético de data centers, construção de novas infraestruturas, responsabilidade por conteúdos gerados por IA e limites para modelos cada vez mais poderosos.

Quem influencia esse debate não está apenas defendendo interesses políticos.

Está protegendo seu modelo de negócios.

O mecanismo invisível

Existe uma mudança silenciosa acontecendo na indústria de tecnologia.

Durante décadas, empresas competiam lançando produtos melhores.

Agora elas perceberam que, em alguns casos, é mais eficiente influenciar o ambiente regulatório do que correr apenas atrás da inovação.

Se as regras favorecem seu modelo de negócio, você precisa inovar menos para continuar dominante.

É exatamente por isso que gigantes do petróleo, farmacêuticas, bancos e empresas de telecomunicações investem pesado em lobby político.

A inteligência artificial simplesmente entrou nesse mesmo jogo.

A análise que ficou fora das manchetes

Muita gente resumiu essa história dizendo que empresas de IA estão “comprando eleições”.

Essa simplificação ajuda a gerar cliques, mas esconde um fenômeno mais sofisticado.

O objetivo não parece ser controlar diretamente o resultado eleitoral.

O objetivo é garantir que, independentemente de quem seja eleito, as discussões sobre inteligência artificial aconteçam dentro de um ambiente favorável aos interesses da indústria.

Existe uma diferença enorme entre escolher um presidente e influenciar as regras que todos os futuros presidentes terão de seguir.

Talvez seja justamente essa a disputa que já começou.

Enquanto o público debate qual chatbot escreve melhor, as empresas que criam esses modelos parecem ter entendido que o software mais valioso da próxima década talvez não seja um algoritmo.

Talvez seja uma legislação escrita por pessoas que receberam apoio financeiro de quem será regulado.

Perguntas para o leitor

Quando empresas que podem ser reguladas financiam campanhas de quem escreverá essa regulamentação, ainda estamos diante de uma competição equilibrada?

Você acredita que empresas de inteligência artificial deveriam ter limites mais rígidos para financiar processos políticos?

É possível criar uma regulamentação realmente independente quando a indústria participa tão ativamente da disputa eleitoral?

Quem deveria decidir o futuro da inteligência artificial: o mercado, os governos ou a sociedade?

#InteligenciaArtificial #OpenAI #Anthropic #Eleicoes #Democracia #Regulacao #TechGossip #Lobby #Politica #Tecnologia #Governanca #IA #ValeDoSilicio

A denúncia de que atores mirins estariam sendo pressionados a ceder os direitos de suas vozes para treinamento de IA vai muito além de um problema contratual. Ela revela uma mudança silenciosa na indústria do entretenimento: empresas já não querem contratar talentos. Querem possuir versões digitais deles para sempre.

O que aconteceu?

Uma carta aberta assinada por mais de mil profissionais da indústria do entretenimento colocou a Hasbro no centro de uma das discussões mais delicadas da inteligência artificial. Segundo o Deadline, a empresa, dona da franquia Peppa Pig, estaria incluindo cláusulas que permitiriam o uso das vozes de atores mirins em sistemas de inteligência artificial. Embora a carta não cite diretamente a Hasbro, fontes ouvidas pela publicação afirmam que ela foi motivada justamente pelos contratos relacionados à série.

A reação foi imediata porque o debate deixa de ser apenas tecnológico e passa a ser jurídico, ético e, principalmente, humano. Quando um adulto assina um contrato envolvendo sua própria voz, ainda existe uma discussão sobre equilíbrio de poder entre artista e empresa. Quando esse artista é uma criança, a situação muda completamente. Crianças não compreendem as consequências de entregar um ativo que poderá ser reproduzido indefinidamente por uma tecnologia que elas sequer conseguem imaginar hoje.

O que está realmente em jogo?

Durante décadas, estúdios compravam horas de trabalho. Um ator gravava, recebia pelo serviço e voltava para casa. A inteligência artificial está mudando essa lógica de maneira radical. Em vez de contratar uma interpretação, empresas começam a negociar a possibilidade de utilizar aquela voz para criar novas falas, novos episódios e novos produtos no futuro, sem necessariamente depender da presença do artista.

É uma mudança silenciosa, mas gigantesca. O ativo deixou de ser a atuação e passou a ser a matéria-prima que permitirá gerar infinitas atuações.

Quando isso envolve um profissional adulto, a discussão já é complexa. Quando envolve uma criança, ela ganha uma dimensão completamente diferente, porque estamos falando de alguém que ainda nem construiu sua própria identidade profissional e já pode estar licenciando uma versão digital de si para os próximos anos.

A indústria descobriu que a voz virou propriedade intelectual

Existe um detalhe que pouca gente percebe. Durante muito tempo, a voz era apenas uma ferramenta de trabalho. Hoje ela começa a ser tratada como um banco de dados. Quanto maior o volume de gravações disponíveis, mais fácil fica treinar modelos capazes de reproduzir timbre, ritmo, entonação e emoção.

Isso muda completamente o equilíbrio das negociações.

O estúdio deixa de contratar apenas um dublador. Passa a negociar o acesso permanente a uma biblioteca vocal que poderá ser utilizada em projetos futuros, talvez durante décadas. A lógica deixa de ser “pagar por uma gravação” e passa a ser “garantir o direito de reutilizar aquele ativo sempre que for conveniente”.

Não por acaso, sindicatos de atores, dubladores e agentes vêm tratando a voz como um novo patrimônio digital que precisa de proteção específica.

O mecanismo invisível por trás dos contratos

Existe uma transformação maior acontecendo e ela não se limita à dublagem. O entretenimento está migrando do licenciamento de trabalho para o licenciamento da identidade.

Primeiro vieram contratos envolvendo imagem.

Depois surgiram cláusulas relacionadas à captura de movimentos.

Agora aparecem contratos sobre voz.

O próximo passo provavelmente envolverá expressões faciais, gestos e comportamentos completos.

A pergunta deixa de ser “quem interpreta um personagem?” e passa a ser “quem possui os dados suficientes para recriar aquele intérprete?”

É por isso que esse caso merece atenção. Talvez não seja apenas sobre a Peppa Pig. Talvez estejamos assistindo ao nascimento de um novo mercado em que empresas deixam de contratar artistas e passam a construir arquivos digitais capazes de substituí-los sempre que necessário.

A ironia da inteligência artificial

Durante anos ouvimos que a inteligência artificial libertaria pessoas de tarefas repetitivas para que elas pudessem se dedicar à criatividade. O que começa a aparecer em alguns setores do entretenimento é justamente o contrário. A criatividade continua sendo necessária, mas existe uma pressão crescente para que o criador entregue também a possibilidade de ser reproduzido por uma máquina.

É uma inversão curiosa. O artista faz o trabalho criativo uma vez e depois passa a negociar o direito de uma empresa continuar explorando uma versão sintética daquele talento.

Talvez a maior inovação da IA não seja criar vozes artificiais. Seja convencer profissionais de que vender sua própria voz digital é apenas mais uma cláusula contratual.

A análise que ficou de fora das manchetes

Quase toda cobertura tratou esse episódio como mais um conflito entre artistas e inteligência artificial. A discussão é bem maior.

Quando uma empresa pede acesso permanente à voz de uma criança, ela não está apenas reduzindo custos futuros. Está tentando transformar um ser humano em infraestrutura tecnológica.

Esse é o verdadeiro ponto de ruptura. O produto deixa de ser um desenho animado. O produto passa a ser o próprio artista.

E, quando isso acontece antes mesmo de alguém atingir a maioridade, talvez a pergunta não seja se a inteligência artificial ameaça empregos.

Talvez devêssemos perguntar se ela está mudando a própria definição do que significa ser dono da sua identidade.

Perguntas para o leitor

Você acredita que pais podem autorizar o uso permanente da voz de uma criança por sistemas de inteligência artificial ou esse tipo de decisão deveria ser proibido por lei?

Se uma empresa treina um modelo com a voz de um ator mirim, quem controla essa voz quando ele se tornar adulto?

Estamos protegendo propriedade intelectual ou começando a transformar pessoas em ativos digitais licenciáveis?

Onde termina um contrato de trabalho e começa a comercialização da identidade humana?

#InteligenciaArtificial #PeppaPig #Hasbro #Dublagem #DireitosAutorais #TechGossip #Entretenimento #IA #Criadores #PropriedadeIntelectual #VozDigital #Tecnologia #FuturoDoTrabalho

O vídeo de um robô humanoide ajoelhado nas ruas da China pedindo dinheiro para “recarregar a bateria” parece apenas mais uma curiosidade da internet. Mas, quando olhamos além da cena, fica evidente que o verdadeiro produto daquela campanha nunca foi o robô. O que estava sendo vendido era uma narrativa sobre o futuro, cuidadosamente construída para despertar emoção, gerar manchetes e convencer o mundo de que os humanoides já fazem parte da nossa realidade.

O que realmente aconteceu?

O protagonista da história é o Unitree G1, um robô humanoide desenvolvido pela chinesa Unitree Robotics. O vídeo mostra a máquina ajoelhada em uma calçada de Chengdu, com as mãos unidas em sinal de respeito enquanto um cartaz informa que ela precisa de dinheiro para carregar sua bateria. Algumas pessoas jogam moedas, outras preferem escanear um QR Code para fazer uma doação digital e quase todas registram a cena com o celular antes de seguir caminho.

A internet reagiu exatamente como se esperava. Houve quem risse, quem achasse genial, quem enxergasse uma crítica social e quem fizesse a pergunta inevitável: “Será que até os mendigos perderão seus empregos para a inteligência artificial?”

É uma boa piada. Mas ela acaba desviando a atenção da pergunta realmente importante.

A China descobriu que robôs vendem mais quando contam histórias

Quem acompanha a indústria da robótica percebe que esse vídeo não é um caso isolado. Nos últimos meses, empresas chinesas passaram a divulgar humanoides correndo meias-maratonas, trabalhando em linhas de montagem, servindo café, entregando correspondências e participando de programas de televisão. Agora surge um robô pedindo dinheiro na rua como se precisasse sobreviver.

Separadamente, cada vídeo parece apenas entretenimento. Juntos, eles revelam uma estratégia muito mais sofisticada. Durante anos, fabricantes tentaram convencer investidores mostrando especificações técnicas, motores mais eficientes e algoritmos mais inteligentes. O problema é que engenharia impressiona especialistas, enquanto histórias emocionais alcançam centenas de milhões de pessoas.

Talvez a indústria tenha percebido que a maneira mais rápida de vender um robô não seja demonstrar sua capacidade técnica, mas fazer com que ele participe de uma narrativa que qualquer pessoa consiga entender e compartilhar.

O mecanismo invisível que quase ninguém percebeu

Existe um detalhe curioso naquela cena. O robô não precisava convencer ninguém de que realmente sentia necessidade de carregar a bateria. Bastava reproduzir gestos que os seres humanos associam automaticamente à vulnerabilidade. O restante do trabalho foi feito pela nossa própria imaginação.

Quando alguém faz uma doação ou simplesmente sente pena daquela máquina, não está reagindo ao estado emocional do robô, porque sabe perfeitamente que ele não possui consciência nem sofrimento. Está reagindo ao significado cultural daqueles gestos. É a mesma lógica que faz milhões de pessoas criarem vínculos emocionais com personagens de filmes, animais de estimação virtuais ou assistentes digitais que respondem com voz gentil.

Talvez o experimento mais interessante daquele vídeo não tenha acontecido dentro do robô, mas dentro de nós. Quanto mais naturais essas interações se tornam, mais percebemos que a próxima fronteira da inteligência artificial talvez não seja convencer máquinas a parecer humanas. Talvez seja convencer humanos a responder emocionalmente às máquinas sem sequer perceber que isso está acontecendo.

Quem realmente ganhou dinheiro com esse vídeo?

O robô certamente não.

Também não foram as pessoas em situação de rua, cuja imagem acabou servindo como inspiração para uma campanha que transformou um símbolo de vulnerabilidade em espetáculo tecnológico.

Quem realmente ganhou foi a economia da atenção.

A Unitree, mesmo sem assumir oficialmente a autoria da ação, teve seu robô estampado em jornais do mundo inteiro. Plataformas digitais lucraram com milhões de visualizações. Influenciadores produziram dezenas de vídeos comentando o episódio. Investidores voltaram a discutir o mercado de humanoides. Em poucas horas, uma máquina ajoelhada na calçada fez mais pela divulgação da robótica do que muitos eventos internacionais conseguem fazer em uma semana.

Isso revela uma mudança importante. Empresas de tecnologia já entenderam que, no ambiente digital, não basta construir produtos extraordinários. É preciso produzir cenas extraordinárias.

O que essa história revela sobre o futuro da inteligência artificial?

Existe uma tendência silenciosa surgindo por trás desse episódio. A inteligência artificial deixou de competir apenas por eficiência e começou a disputar espaço no campo das emoções. Chatbots são treinados para parecer empáticos. Assistentes virtuais usam vozes cada vez mais naturais. Robôs humanoides aprendem gestos, expressões corporais e formas de interação capazes de despertar confiança.

A pergunta, portanto, talvez não seja se essas máquinas desenvolverão emoções algum dia.

A pergunta é outra: quanto tempo levaremos para naturalizar relações emocionais com sistemas projetados justamente para provocar esse tipo de resposta?

Essa diferença parece sutil, mas muda completamente a discussão. O risco não está em um robô sentir alguma coisa. O risco está em nós começarmos a agir como se ele sentisse.

A análise que ficou de fora das manchetes

Quase todos os veículos trataram o episódio como uma curiosidade tecnológica ou como mais um vídeo engraçado vindo da China. No entanto, existe uma camada que merece atenção. O robô não substituiu um mendigo. O que ele substituiu foi a maneira tradicional de lançar um produto tecnológico.

Durante décadas, empresas apresentavam especificações técnicas. Hoje elas apresentam histórias. Antes vendiam inovação. Agora vendem experiência, emoção e compartilhamento. O algoritmo não recompensa quem constrói a melhor máquina. Recompensa quem cria a narrativa mais difícil de ignorar.

Talvez esse seja o verdadeiro salto da robótica contemporânea. Os humanoides ainda estão aprendendo a andar melhor, correr melhor e trabalhar melhor. Mas as empresas que os constroem já aprenderam, há algum tempo, a manipular muito bem a atenção humana.

Perguntas para o leitor

Quando um robô desperta mais curiosidade do que uma pessoa em situação de rua, estamos diante de um avanço tecnológico ou de uma mudança cultural preocupante?

Você acredita que campanhas como essa ajudam a aproximar a sociedade da robótica ou apenas transformam problemas humanos em ferramentas de marketing?

Será que o próximo mercado bilionário será o da inteligência artificial... ou o da engenharia das emoções?

Estamos preparando robôs para viver entre pessoas ou preparando pessoas para aceitar robôs como parte natural da vida cotidiana?

#InteligenciaArtificial #Robótica #China #Unitree #TechGossip #Humanoides #EconomiaDaAtencao #Marketing #Tecnologia #FutureOfWork #IA #Inovacao #Sociedade #Tendencias

A montadora acreditou que bastava substituir parte do conhecimento humano por IA para acelerar o desenvolvimento de veículos. O resultado foi um aumento de problemas de qualidade, recalls e uma corrida para recontratar engenheiros que haviam sido descartados.

A IA não fracassou. A arrogância corporativa, sim.

Nos últimos dois anos, uma narrativa dominou praticamente todas as grandes empresas: inteligência artificial substituiria boa parte do trabalho especializado e bastaria alimentar os modelos com dados suficientes para preservar décadas de conhecimento acumulado. Parecia uma equação perfeita. Menos pessoas, mais software e uma produtividade nunca vista.

A Ford acaba de mostrar que a realidade é bem menos elegante do que os slides apresentados em conferências de tecnologia.

Em entrevista ao The Verge, Charles Poon, vice-presidente de engenharia de hardware da Ford, admitiu que a empresa cometeu um erro estratégico ao acreditar que apenas introduzir inteligência artificial e ajustar seus processos de desenvolvimento seria suficiente para produzir veículos de alta qualidade. Segundo ele, essa expectativa simplesmente não se confirmou.

O problema nunca foi a tecnologia

Existe uma tendência curiosa sempre que uma empresa anuncia uma estratégia baseada em IA. O discurso costuma sugerir que o conhecimento técnico pode ser digitalizado rapidamente, quase como copiar arquivos de um computador para outro.

Só que conhecimento não funciona dessa maneira.

Um engenheiro experiente não toma decisões apenas porque decorou um manual. Ele reconhece padrões, lembra de problemas enfrentados anos atrás, entende comportamentos que nunca foram documentados e desenvolve um tipo de intuição que dificilmente aparece em uma planilha.

A Ford descobriu isso da maneira mais cara possível.

Quando o especialista vai embora, a IA perde o professor

Charles Poon explicou que muitos profissionais experientes deixaram a empresa antes que conseguissem transferir esse conhecimento para os sistemas de inteligência artificial. O resultado foi previsível: a IA passou a trabalhar sem o principal ingrediente necessário para qualquer modelo funcionar bem.

Conhecimento de qualidade. A solução foi quase irônica.....

A empresa precisou recontratar antigos funcionários, contratar novos engenheiros e promover especialistas internos para reconstruir exatamente aquilo que imaginava já não precisar mais.

Ao todo, cerca de 350 engenheiros experientes passaram a trabalhar na recuperação desse conhecimento técnico e também no treinamento dos próprios sistemas de IA.

É difícil imaginar um reconhecimento mais explícito de que experiência continua sendo um ativo estratégico.

Os recalls contam uma história que o marketing não conta

Enquanto o mercado discutia inteligência artificial, outro indicador seguia falando mais alto.

A Ford liderou o número de recalls entre as montadoras nos Estados Unidos neste ano e perdeu posições em rankings de confiabilidade. Ao mesmo tempo, conseguiu alcançar o primeiro lugar em qualidade inicial no estudo da JD Power, mostrando que diferentes métricas podem apontar resultados distintos dependendo do que está sendo medido.

O ponto importante não é afirmar que a IA causou todos esses problemas. A própria empresa não faz essa afirmação.

O que ficou evidente é que reduzir o peso da experiência humana antes de consolidar esse conhecimento nos novos sistemas criou dificuldades que depois precisaram ser corrigidas com... mais experiência humana.

O mecanismo invisível por trás dessa história

Existe um padrão aparecendo em vários setores. Primeiro, anuncia-se que a inteligência artificial substituirá especialistas.

Depois, descobre-se que a IA depende justamente desses especialistas para aprender.

Em seguida, as empresas passam a contratar consultores, ex-funcionários e veteranos para ensinar aquilo que imaginaram poder eliminar.

É quase uma versão corporativa daquele velho ditado: ninguém percebe o valor do conhecimento até precisar reconstruí-lo.

A contradição continua viva

Talvez a parte mais interessante dessa história seja que a Ford não abandonou a inteligência artificial. Muito pelo contrário.

Segundo a empresa, mais de 100 mil novos testes baseados em IA foram adicionados aos processos para identificar falhas e situações extremas durante o desenvolvimento dos veículos.

Isso mostra que a conclusão da Ford não foi “a IA não funciona”. A conclusão parece ser outra. A inteligência artificial acelera processos. O conhecimento humano continua definindo a direção.

Confundir essas duas funções talvez tenha sido o erro mais caro de toda essa estratégia.

A verdadeira lição que outras empresas deveriam observar

Existe uma diferença enorme entre automatizar tarefas e substituir experiência.

A primeira tende a aumentar produtividade. A segunda pode eliminar justamente o ativo que torna a automação inteligente.

Empresas que tratarem profissionais experientes apenas como custo provavelmente descobrirão, mais cedo ou mais tarde, que conhecimento não fica armazenado apenas em documentos ou bancos de dados. Ele também vive nas decisões, nos atalhos mentais e na memória de quem passou décadas resolvendo problemas que nenhuma IA jamais viu.

No fim das contas, a Ford não recontratou apenas engenheiros. Ela recontratou contexto.

E contexto continua sendo uma das poucas coisas que inteligência artificial ainda não sabe fabricar sozinha.

Perguntas para o leitor

Estamos exagerando ao acreditar que inteligência artificial pode substituir conhecimento acumulado ou apenas atravessando uma fase natural de adaptação?

As empresas estão confundindo redução de custos com destruição de capital intelectual?

Será que, nos próximos anos, os profissionais mais valiosos serão justamente aqueles capazes de ensinar IA, em vez de competir com ela?

Você confiaria em um produto desenvolvido por uma empresa que decidiu primeiro cortar especialistas e só depois percebeu que precisava deles?

Subscreva agora

#Ford #InteligenciaArtificial #TechGossip #Engenharia #IA #FutureOfWork #TransformacaoDigital #Automotivo #Inovacao #Conhecimento #Recalls #Tecnologia #MercadoDeTrabalho #AI

Depois de transformar a IA em religião corporativa, as empresas descobriram que cada “pequena automação” vem com boleto. E, como sempre, o milagre acabou quando chegou no CFO.

O contexto: a IA saiu do palco e entrou na planilha

Durante dois anos, o mercado repetiu que toda empresa precisava usar inteligência artificial em tudo. Atendimento, jurídico, marketing, programação, RH, reunião inútil, e-mail passivo-agressivo, apresentação para ninguém ler. A ordem era clara: automatize primeiro, pergunte depois.

Agora a pergunta chegou.

E ela não veio do time de inovação. Veio do financeiro.

O vazamento da Accenture

Segundo a 404 Media, um áudio interno da Accenture revelou preocupação com uma escalada rápida nos gastos com tokens de IA. O detalhe mais constrangedor é que o consumo não estaria sendo puxado apenas por engenheiros criando sistemas complexos, mas por funcionários sem perfil técnico usando IA para tarefas banais.

A cena é quase perfeita: depois de vender IA como salvação corporativa, a consultoria agora precisa ensinar empresas a não torrarem orçamento transformando PDF em slide.

No áudio vazado obtido pela 404 Media, Justice Kwak, líder de estratégia de IA ativa da Accenture, teria dito que o consumo de tokens não está sendo puxado principalmente por engenheiros, mas por pessoas fora da área técnica usando IA em tarefas comuns.

Ele afirma que a empresa está vendo uma “escalada rápida nos gastos com tokens de IA” e que, conforme a adoção passa de chatbots simples para agentes, automações e ferramentas como Copilot, Claude Code e Codex, a IA começa a pesar de verdade na estrutura de custos.

Em outro momento, Stuart Henderson brinca sobre a conversão de PDFs em imagens e Markdown ser uma das grandes brechas de consumo, e Kwak confirma que é exatamente isso que os dados internos mostram. A tradução sem maquiagem: o problema não é só a IA ficando poderosa; é gente usando Ferrari computacional para ir até a padaria corporativa.

O que são tokens, sem perfume técnico

Tokens são os pedacinhos de texto que os modelos de IA leem e produzem. Cada pergunta, resposta, documento enviado, resumo gerado ou apresentação criada consome tokens.

No começo, isso parecia invisível. Agora virou custo operacional.

A IA foi vendida como assinatura. Mas funciona como taxímetro.

Por que PDFs viraram vilões corporativos

Converter PDFs longos em Markdown, resumos ou apresentações consome muitos tokens porque o modelo precisa processar grandes volumes de texto. Quando milhares de funcionários fazem isso todos os dias, a “pequena ajuda” vira incêndio financeiro.

É o novo desperdício corporativo: antes era reunião que podia ser e-mail. Agora é PDF que podia ser lido.

O que isso revela sobre o hype

O Tokenpocalipse não significa que a IA acabou. Significa que a fantasia da IA infinita acabou.

Empresas descobriram que produtividade automatizada também tem custo, limite e desperdício. A pergunta deixou de ser “como usamos mais IA?” e virou “qual uso realmente gera valor?”.

Tradução brutal: muita empresa não estava inovando. Estava terceirizando preguiça para um modelo caro.

Quem vai ganhar dinheiro com isso

A próxima leva de vencedores não será formada apenas por quem cria modelos maiores. Será formada por quem reduz consumo, roteia tarefas para modelos mais baratos, comprime contexto, mede ROI e impede que funcionário use Claude como estagiário emocional para montar slide ruim.

Nasce aqui a indústria da economia de tokens.

A ironia é deliciosa: primeiro venderam IA para gastar mais. Agora vão vender consultoria para gastar menos.

Perguntas para o leitor

Sua empresa sabe quanto gasta com IA ou só descobriu que “inovação” também vem na fatura?

Estamos usando IA para resolver problemas reais ou para automatizar vícios corporativos antigos?

O futuro pertence a quem cria modelos mais poderosos ou a quem aprende a gastar menos inteligência artificial?

#InteligenciaArtificial #Tokenpocalipse #TechGossip #Accenture #OpenAI #Anthropic #Claude #Copilot #GenerativeAI #AI #TokenEconomy #TransformacaoDigital #FutureOfWork #Tecnologia

O novo recurso do Teams parece inofensivo. Na prática, ele revela uma tendência muito maior: a transformação do ambiente de trabalho em um sistema permanente de monitoramento comportamental.

Existe uma frase que aparece em praticamente toda tecnologia de vigilância corporativa.

Ela surge em apresentações para investidores. Aparece em comunicados de imprensa. Surge em entrevistas de executivos. E quase sempre é apresentada como algo tranquilizador.

“Esse recurso é opcional.”

Tecnicamente, a Microsoft diz exatamente isso sobre o novo Workplace Check-in, uma extensão do Microsoft Teams que utiliza a conexão Wi-Fi corporativa para informar automaticamente em qual prédio um funcionário está trabalhando. Segundo a empresa, a funcionalidade estará desativada por padrão e cada usuário poderá escolher se deseja compartilhar ou não essas informações. Parece razoável. Parece até respeitoso.

O problema é que existe uma enorme diferença entre uma escolha técnica e uma escolha real.

Qualquer funcionário experiente sabe que, dentro de uma organização, “opcional” frequentemente significa “obrigatório sem documentação formal”.

O escritório moderno está se tornando uma máquina de observação

Durante décadas, empresas precisavam confiar em gestores para acompanhar desempenho. Isso exigia conversas, observação direta e algum nível de julgamento humano. Era imperfeito, mas tinha uma característica importante: monitorar pessoas era caro.

A revolução digital mudou essa equação.

Hoje, praticamente toda atividade realizada dentro de uma empresa gera algum tipo de dado. Horário de login. Tempo de resposta. Participação em reuniões. Mensagens enviadas. Presença online. Calendários. Chamadas. Documentos editados.

O que antes exigia supervisão ativa passou a ser registrado automaticamente.

O Workplace Check-in não cria essa tendência. Ele apenas adiciona mais uma camada.

Agora, além de saber o que você faz, sistemas corporativos podem ajudar a informar onde você está.

A Microsoft diz que não é vigilância. A discussão real é outra.

Poucos dias antes do lançamento do recurso, Lan Ye, presidente do Grupo de Experiências de Trabalho em Equipe da Microsoft, participou de uma sessão de perguntas e respostas sobre o Teams.

Um usuário foi direto ao ponto.

“Por que o Teams foi projetado para dedurar os funcionários a cada passo?”

A resposta da Microsoft foi cuidadosamente construída.

Segundo Ye, o Teams não rastreia movimentação, frequência nem mantém histórico de localização. A empresa insiste que o recurso existe para facilitar coordenação entre colegas e não para monitoramento.

E aqui encontramos uma das características mais fascinantes da linguagem corporativa moderna.

A afirmação pode ser verdadeira. E ainda assim não responder à pergunta.

Porque o ponto nunca foi se a Microsoft monitora diretamente os funcionários.

O ponto é que ela está entregando às empresas ferramentas que tornam esse monitoramento cada vez mais simples.

O panóptico corporativo não chegou de uma vez

Existe uma tendência de imaginar vigilância como algo dramático.

• Câmeras por todos os lados.

• Reconhecimento facial.

• Controle absoluto.

Na prática, sistemas de monitoramento costumam surgir de forma muito mais banal.

• Um software que mede produtividade.

• Uma plataforma que registra atividade.

• Uma ferramenta que acompanha presença.

• Um recurso que atualiza localização.

Cada elemento parece pequeno quando analisado isoladamente. Mas quando combinados, começam a formar algo maior.

O filósofo Jeremy Bentham imaginou no século XVIII o conceito do panóptico: uma estrutura onde as pessoas se comportam como se estivessem sendo observadas o tempo todo, mesmo sem saber se alguém realmente está olhando.

Muitos escritórios modernos estão se aproximando desse modelo sem sequer perceber.

O mecanismo oculto não é controle. É ansiedade.

Empresas raramente compram ferramentas de monitoramento porque gostam de vigiar pessoas.

Elas compram porque existe uma ansiedade crescente em relação à produtividade.

O trabalho remoto ampliou essa insegurança.

Durante décadas, gestores associaram presença física a desempenho. O funcionário estava sentado na mesa, logo estava trabalhando.

Era uma ilusão confortável. Com equipes distribuídas, essa ilusão desapareceu.

E quando uma métrica desaparece, normalmente outra surge para substituí-la.

O problema é que muitas dessas novas métricas medem atividade. Não resultado. Existe uma diferença enorme entre parecer ocupado e produzir valor.

Infelizmente, sistemas de monitoramento costumam capturar muito melhor a primeira opção.

A ironia que ninguém menciona

As mesmas empresas que investem bilhões em inteligência artificial para automatizar tarefas repetitivas continuam gastando enormes quantidades de energia tentando monitorar seres humanos como se fossem máquinas industriais.

É uma contradição curiosa.

Se a economia moderna valoriza criatividade, resolução de problemas e inovação, por que tantas organizações continuam obcecadas com presença, atividade e localização?

Talvez porque medir resultados seja difícil. Medir presença é fácil.

E mercados quase sempre escolhem o que é fácil antes de escolher o que é correto.

O futuro do trabalho pode ser mais eficiente. Mas também pode ser mais invasivo.

O Workplace Check-in não é o fim do mundo.

Também não é uma conspiração.

É algo mais interessante. É um sintoma.

Um pequeno exemplo de uma transformação muito maior que está acontecendo silenciosamente dentro das empresas.

A cada nova ferramenta, mais aspectos do comportamento humano se transformam em dados.

A cada nova integração, mais decisões passam a ser automatizadas.

A cada novo recurso, o limite entre coordenação e vigilância se torna um pouco mais difícil de enxergar.

A pergunta não é se a Microsoft está espionando funcionários.

A pergunta é outra.

• Em que momento a conveniência deixa de ser uma ferramenta de colaboração e passa a se tornar infraestrutura de monitoramento?

Porque essa linha existe. E ela está ficando cada vez mais difícil de localizar.

Perguntas para você responder nos comentários

• Existe diferença entre colaboração digital e vigilância digital?

• Um recurso “opcional” continua sendo opcional quando o chefe pode exigir seu uso?

• O trabalho remoto aumentou a paranoia das empresas sobre produtividade?

• Empresas deveriam monitorar presença ou medir resultados?

• Onde termina a gestão e começa a vigilância?

#Microsoft #Teams #InteligenciaArtificial #TrabalhoRemoto #Produtividade #Tecnologia #FutureOfWork #Privacidade #TechGossip #TransformacaoDigital

Subscreva agora

Enquanto a maioria das pessoas discute ChatGPT, agentes autônomos e robôs, uma mudança silenciosa está acontecendo longe das manchetes. Os economistas que deveriam estar analisando os impactos da inteligência artificial estão migrando para os laboratórios que constroem a própria tecnologia.

A inteligência artificial já criou trilhões de dólares em valor de mercado, transformou engenheiros em celebridades globais e produziu um dos maiores ciclos de investimento da história recente. De Bill Gates a Elon Musk, praticamente todas as figuras importantes da tecnologia afirmam que estamos apenas no começo. Ainda assim, existe um grupo que parece estranhamente pouco interessado na maior transformação econômica das últimas décadas: os economistas acadêmicos.

Essa apatia chama atenção porque a profissão nunca teve dificuldade para reagir rapidamente quando percebe uma mudança relevante. Depois da quebra do Lehman Brothers em 2008, economistas transformaram crises bancárias e crédito em tema central de pesquisa. Durante a pandemia, a velocidade foi ainda maior. Apenas dois meses após o início da Covid-19, quase um terço dos trabalhos publicados pelo NBER já discutia os efeitos econômicos da crise sanitária. Pesquisadores como Nicholas Bloom, de Stanford, tornaram-se referência mundial ao estudar trabalho remoto, enquanto Emily Oster ganhou notoriedade analisando os impactos do fechamento das escolas.

A revolução mais importante da década ainda recebe pouca atenção acadêmica

O contraste com a inteligência artificial é impressionante. Três anos e meio após o lançamento do ChatGPT, os trabalhos econômicos dedicados à IA continuam relativamente escassos. Mesmo em 2024, quando a emergência da Covid já havia terminado e a IA dominava o debate tecnológico, ainda havia mais artigos acadêmicos sobre coronavírus do que sobre inteligência artificial. Em alguns casos, instituições econômicas continuam organizando mais eventos sobre saúde do que sobre IA.

Isso não significa que ninguém esteja estudando o tema. Alguns economistas perceberam cedo que existe uma enorme oportunidade intelectual aqui. Susan Athey, de Stanford, está investigando um dos cenários mais controversos da década: o que acontece se a inteligência artificial provocar desemprego em larga escala. Basil Halperin, da Universidade da Virgínia, tornou-se uma das vozes mais respeitadas ao analisar como os mercados financeiros estão precificando a revolução da IA. Ainda assim, nenhum deles alcançou a visibilidade que pesquisadores ganharam durante a pandemia.

Talvez a observação mais reveladora venha de um economista citado pela reportagem que prefere não ser identificado. Ele afirma estar chocado com a quantidade de colegas que sequer tentaram conversar com empresas como OpenAI ou Anthropic. Em outras palavras, enquanto a tecnologia mais importante da década está sendo construída diante de seus olhos, muitos acadêmicos continuam observando à distância.

O problema dos modelos econômicos tradicionais

Quando os economistas finalmente estudam IA, frequentemente fazem isso através de modelos extremamente abstratos. O exemplo mais famoso é o trabalho de Daron Acemoglu, do MIT, considerado uma das maiores autoridades em economia da inteligência artificial. Seu artigo de 2024, amplamente citado, sugere que a IA produzirá ganhos relativamente modestos de produtividade agregada.

O problema, segundo Tyler Cowen, da Universidade George Mason, é que esse tipo de modelo parte de uma premissa questionável: a ideia de que a IA servirá apenas para tornar atividades existentes mais eficientes. Para Cowen, isso ignora a possibilidade mais radical. As grandes revoluções tecnológicas raramente apenas aceleram o que já existe. Elas criam atividades inteiramente novas. Ninguém previu a economia dos aplicativos em 2005. Poucos imaginaram a profissão de criador de conteúdo em 2010. Talvez estejamos cometendo o mesmo erro ao analisar a inteligência artificial.

Outro exemplo citado é o trabalho de Erik Brynjolfsson, de Stanford. Um de seus estudos sugere que o emprego de jovens em ocupações expostas à IA caiu significativamente. O problema é que essa interpretação exige acreditar que empresas começaram a substituir trabalhadores quase imediatamente após o lançamento inicial do ChatGPT, quando a tecnologia ainda estava longe da maturidade atual. O risco, portanto, não é apenas ignorar a IA. É interpretar seus efeitos cedo demais.

Talvez os economistas não estejam errados. Talvez estejam céticos demais.

Existe uma razão para essa lentidão. A economia possui uma longa tradição de desconfiança em relação ao entusiasmo tecnológico. A história mostra que novas tecnologias costumam levar décadas para produzir efeitos amplos sobre produtividade, renda e crescimento. A Revolução Industrial, por exemplo, demorou muito mais para transformar o padrão de vida das pessoas do que a maioria imagina hoje.

Esse ceticismo aparece claramente nas pesquisas realizadas com economistas. Em um levantamento conduzido por Basil Halperin e seus colegas, mesmo em um cenário onde a IA alcança capacidades próximas ou superiores às dos humanos mais inteligentes até 2030, o economista médio prevê um crescimento relativamente modesto do PIB americano até 2050. Pesquisadores especializados em IA são muito mais otimistas. A diferença entre os grupos é enorme.

Outro dado chama atenção. Apenas 11% dos principais economistas concordam que a IA provocará um aumento substancial do desemprego em países desenvolvidos durante a próxima década. Para uma profissão acostumada a analisar transformações econômicas profundas, existe uma surpreendente falta de consenso sobre a tecnologia mais discutida do planeta.

Enquanto a academia hesita, governos e laboratórios avançam

A consequência dessa hesitação é que outros atores começaram a ocupar o espaço. Governos, institutos estatísticos e bancos centrais estão investindo cada vez mais na criação de dados e indicadores relacionados à inteligência artificial. O Departamento do Censo dos Estados Unidos, o Statistics Canada, o Banco da Inglaterra e a OCDE já desenvolvem iniciativas para monitorar adoção tecnológica, produtividade e impactos econômicos da IA. O Reino Unido chegou a criar um Instituto de Economia da IA dedicado exclusivamente ao tema.

Esse trabalho raramente gera manchetes, mas possui enorme importância estratégica. Afinal, antes de entender uma transformação, é preciso medi-la. E alguém precisa construir as métricas que permitirão aos economistas do futuro compreender o que realmente aconteceu.

Os laboratórios descobriram que precisam de economistas

Mas a mudança mais importante está acontecendo dentro das empresas de IA. Durante a década passada, laboratórios como OpenAI, Google DeepMind e Anthropic competiam ferozmente por engenheiros e cientistas da computação. Agora começaram a disputar outro tipo de profissional: economistas.

A Anthropic recrutou Anton Korinek, da Universidade da Virgínia. A OpenAI contratou Ronnie Chatterji, da Universidade Duke, como economista-chefe. O Google DeepMind trouxe Alex Imas, da Universidade de Chicago, para liderar pesquisas relacionadas aos impactos econômicos da inteligência artificial geral. Segundo a reportagem, dezenas de pesquisadores já fizeram movimentos semelhantes.

O motivo é simples. Construir modelos poderosos já não basta. As empresas também precisam de pessoas capazes de medir produtividade, explicar impactos econômicos, conversar com reguladores e influenciar políticas públicas.

O dinheiro também ajuda

Existe outro detalhe que não aparece nos comunicados oficiais. Os salários.

Segundo a reportagem, até mesmo posições relativamente juniores para economistas em laboratórios de IA podem pagar mais de 300 mil dólares por ano, sem contar possíveis participações acionárias. Para um professor universitário em início de carreira, essa diferença não é exatamente irrelevante.

Existe também algo mais difícil de quantificar: acesso. Os laboratórios possuem os melhores dados, atenção política e proximidade com os centros de decisão. Para um pesquisador interessado em entender a IA em tempo real, poucas universidades conseguem competir com isso.

A qualidade da pesquisa está melhorando, mas os conflitos continuam existindo

Nem toda pesquisa produzida fora da academia é superficial. Anton Korinek e Patrick McKelvey desenvolveram uma tentativa ousada de medir o chamado “PIB da IA” nos Estados Unidos. Alex Imas criou indicadores para monitorar efeitos da tecnologia sobre produtividade. São tentativas sérias de compreender uma transformação que ainda desafia métricas tradicionais.

Mas a reportagem também aponta exemplos menos inspiradores. O chamado “índice econômico” da Anthropic foi criticado por ser mais uma coleção de dados de uso do Claude do que um indicador econômico real. Já alguns estudos da OpenAI foram vistos como excessivamente descritivos. Em outras palavras, nem tudo que sai dos laboratórios representa avanço científico relevante.

O risco que ninguém deveria ignorar

A questão mais delicada não é metodológica. É institucional.

Se a pesquisa mais avançada sobre IA migrar para dentro das empresas, os economistas podem acabar seguindo o mesmo caminho de muitos especialistas em tecnologia: menos ciência aberta, mais inovação proprietária. Um estudo de Ufuk Akcigit mostrou que pesquisadores que deixam permanentemente a academia tendem a publicar menos artigos científicos e registrar mais patentes. A produção de conhecimento continua existindo, mas muda de natureza.

Também existe a questão dos conflitos de interesse. Empresas naturalmente preferem pesquisas que reforcem a utilidade e a segurança de seus produtos. O caso de Tom Cunningham, que deixou a OpenAI após relatos de frustração com limitações sobre o que poderia publicar, mostra que a tensão entre independência intelectual e interesses corporativos não é apenas teórica.

A batalha real não é tecnológica

A maioria das pessoas acredita que a corrida da IA acontece entre OpenAI, Anthropic, Google, Meta e xAI.

Essa é apenas a superfície.

A disputa mais importante pode estar acontecendo entre aqueles que constroem a tecnologia e aqueles que terão autoridade para explicá-la. Porque quem controla os indicadores, as métricas e as narrativas econômicas não apenas interpreta a revolução. Ajuda a definir como ela será compreendida pelo restante da sociedade.

Perguntas para você responder nos comentários

• Os melhores economistas deveriam trabalhar para universidades ou para laboratórios de IA?

• É possível produzir pesquisa independente dentro de empresas que lucram com a tecnologia estudada?

• A academia está subestimando a inteligência artificial?

• Os economistas estão sendo cautelosos ou lentos demais?

• Quem deveria ter autoridade para medir os impactos econômicos da IA?

Hashtags do artigo

#InteligenciaArtificial #Economia #IA #OpenAI #Anthropic #DeepMind #Produtividade #Inovacao #FutureOfWork #TechGossip

Enquanto críticos denunciam uma avalanche de conteúdo artificial, milhões de pessoas estão publicando livros, criando aplicativos, produzindo pesquisas e compondo músicas sem pedir permissão a editoras, gravadoras, universidades ou departamentos de tecnologia.

Durante boa parte da história moderna, criatividade foi vendida como uma virtude individual. O artista criava. O escritor escrevia. O programador programava. O pesquisador pesquisava. A narrativa parecia bonita, quase romântica. O problema é que ela escondia um detalhe inconveniente: para transformar criatividade em algo visível, normalmente era necessário ter acesso a estruturas que poucas pessoas possuíam.

Publicar um livro dependia de editoras. Produzir música dependia de estúdios. Desenvolver software exigia anos de formação técnica. Publicar pesquisas científicas exigia navegar por sistemas acadêmicos lentos, burocráticos e muitas vezes impermeáveis a vozes de fora.

A inteligência artificial não eliminou essas estruturas, mas reduziu drasticamente seu poder de bloquear a entrada de novos participantes.

E talvez seja justamente por isso que ela tenha provocado tanto desconforto.

Quando observamos o debate público sobre IA, é comum encontrar argumentos sobre qualidade, autenticidade e originalidade. Alguns são legítimos. Outros parecem funcionar como uma cortina elegante para uma preocupação muito mais antiga: o que acontece quando pessoas comuns passam a acessar ferramentas que antes eram exclusivas de especialistas?

Essa é a pergunta que realmente assombra diversas indústrias.

Algumas ferramentas de IA são usadas para um tipo diferente de escrita. A “codificação por vibração” permite que alguém sem experiência em linguagens de programação desenvolva softwares sofisticados. O número de aplicativos lançados mensalmente na App Store da Apple para iOS disparou desde 2025, coincidindo com o lançamento de ferramentas de codificação como Claude Code e Codex. Atualmente, mais de 100.000 aplicativos são adicionados à loja a cada mês, um aumento significativo em relação aos menos de 50.000 em maio do ano passado.

A explosão dos livros revela menos sobre a IA e mais sobre os gargalos do mercado editorial

Os números recentes do mercado de e-books mostram uma transformação impressionante. Desde o lançamento dos grandes modelos de linguagem, a quantidade de livros publicados mensalmente cresceu de forma acelerada. Para muitos observadores, isso é tratado como uma tragédia cultural em andamento. Afinal, ninguém quer imaginar um futuro em que lojas digitais estejam inundadas por obras produzidas em massa.

Mas existe uma pergunta que raramente aparece nessas análises.

Se tantas pessoas estavam prontas para publicar livros assim que uma nova ferramenta surgiu, será que o problema estava na inteligência artificial ou nas barreiras que existiam antes dela?

Durante décadas, o mercado editorial funcionou como um sistema de filtragem. Esse filtro produziu obras extraordinárias, mas também descartou milhares de autores que nunca tiveram a chance de chegar ao público. O fato de surgirem muitos livros ruins não significa que a tecnologia falhou. Significa apenas que o ato de publicar deixou de ser um privilégio restrito.

A internet passou exatamente pelo mesmo processo. Quando qualquer pessoa pôde criar um site, surgiu muito conteúdo ruim. Quando qualquer pessoa pôde abrir um canal no YouTube, surgiu muito conteúdo ruim. Quando qualquer pessoa pôde publicar em redes sociais, surgiu muito conteúdo ruim.

E, curiosamente, também surgiram algumas das vozes mais influentes das últimas décadas.

Imke Reimers e Joel Waldfogel, dois economistas da Universidade Cornell e da Universidade de Minnesota, descobriram que o número de e-books publicados na Amazon aumentou drasticamente após novembro de 2022, quando a OpenAI lançou o Chat GPT -3.5. No final de 2025, cerca de 300.000 livros eram lançados mensalmente, um aumento em relação aos cerca de 100.000 antes do lançamento. Os pesquisadores analisaram os livros com uma ferramenta de detecção de IA e descobriram que os chatbots foram os principais responsáveis ​​por esse aumento.

A democratização do conhecimento está chegando aos tribunais

Um dos efeitos mais curiosos da inteligência artificial não está acontecendo na literatura nem no entretenimento. Está acontecendo nos tribunais.

Cada vez mais cidadãos estão utilizando IA para compreender procedimentos jurídicos, estruturar argumentos e preparar documentos que antes exigiriam horas de trabalho especializado ou honorários que muitas famílias simplesmente não poderiam pagar.

Naturalmente, isso gera preocupação.

Existem erros.

Existem exageros.

Existem usuários que confiam demais na ferramenta.

Mas também existe uma realidade que muitos críticos ignoram: antes da IA, milhões de pessoas simplesmente não tinham acesso algum.

Quando uma tecnologia reduz drasticamente o custo de compreender sistemas complexos, ela não cria apenas eficiência. Ela cria participação.

E participação costuma ser confundida com desordem pelas instituições acostumadas a controlar quem entra no jogo.

Dois outros economistas, Anand Shah, do Instituto de Tecnologia de Massachusetts (MIT), e Joshua Levy, da Universidade do Sul da Califórnia, descobriram que o número de ações cíveis movidas sem advogado nos Estados Unidos dobrou para 41.000 entre 2023 e 2025. Os autores acreditam que mais pessoas estão optando por entrar com suas próprias ações com a ajuda de IA , em vez de pagar advogados — em uma amostra de 1.600 queixas, 18% das registradas em 2026 incluíam linguagem identificada como gerada por IA . Esses casos autoiniciados ainda têm a mesma taxa de sucesso de antes do lançamento dos chatbots, sugerindo que a IA está ajudando mais pessoas a obterem êxito em suas reivindicações.

A ciência está produzindo mais. O problema agora é filtrar, não escrever.

Durante décadas, pesquisadores gastaram uma quantidade absurda de tempo em tarefas mecânicas. Revisões bibliográficas, resumos, formatação, organização de referências e reescritas consumiam energia que poderia ser direcionada para perguntas mais relevantes.

A inteligência artificial alterou essa equação.

Pesquisadores conseguem analisar literatura existente com mais velocidade, testar hipóteses mais rapidamente e estruturar artigos em menos tempo. Isso explica parte do crescimento observado nas submissões acadêmicas.

Os críticos apontam para o aumento de trabalhos fracos.

Eles não estão errados.

Mas também ignoram uma consequência importante.

Pela primeira vez em muito tempo, a limitação principal deixou de ser produzir conhecimento e passou a ser avaliá-lo.

É um problema muito diferente.

E, honestamente, é um problema melhor do que desperdiçar talento em tarefas burocráticas.

Acadêmicos também estão recorrendo a grandes modelos de linguagem. O número de artigos publicados mensalmente no arXiv, um servidor de pré-publicações científicas, tem aumentado consistentemente há décadas. Mas a taxa de rejeição mais que dobrou desde o início de 2023. Um estudo recente constatou que 57% dos artigos publicados em 2025 incluíam linguagem que parecia ter sido influenciada por IA , um aumento em relação aos 12% em 2023. As ferramentas de IA permitem que os cientistas escrevam e compartilhem suas ideias mais rapidamente, mas alguns acadêmicos alertam que isso também pode estar aumentando a quantidade de artigos de baixa qualidade , ou até mesmo sem sentido , submetidos a periódicos.

O verdadeiro terremoto está acontecendo no desenvolvimento de software

Poucas áreas ilustram tão bem o impacto da inteligência artificial quanto a programação.

Durante anos, o conhecimento técnico funcionou como uma espécie de idioma secreto. Quem dominava determinadas linguagens possuía acesso privilegiado à economia digital. Quem não dominava dependia de terceiros para transformar ideias em produtos.

Agora imagine um empreendedor, um designer, um professor ou um médico conseguindo construir protótipos funcionais apenas descrevendo o que deseja.

É exatamente isso que está acontecendo.

Muitos profissionais experientes enxergam essa mudança com desconfiança. Parte dessa preocupação é legítima. Nem todo software criado com auxílio de IA será robusto ou seguro.

Mas existe uma ironia difícil de ignorar.

Quando softwares tornaram arquitetos mais produtivos, ninguém declarou guerra aos softwares.

Quando calculadoras aceleraram cálculos complexos, ninguém exigiu o retorno do ábaco.

Quando planilhas revolucionaram a contabilidade, ninguém afirmou que números perderiam valor.

A resistência costuma aparecer quando uma ferramenta ameaça transformar especialistas em multiplicadores de produtividade em vez de guardiões exclusivos do conhecimento.

O maior erro do debate atual é dizer que algo foi “feito por IA”

Talvez nenhuma frase tenha envelhecido tão mal quanto esta:

“Esse artigo foi escrito por IA.”

A afirmação parece simples, mas cria uma imagem completamente equivocada do que realmente acontece.

Quando alguém ouve essa frase, imagina uma pessoa apertando um botão, cruzando os braços e observando uma máquina pesquisar, analisar, estruturar argumentos, selecionar fontes, definir um tom de voz, identificar contradições, construir raciocínios e chegar a conclusões relevantes sozinha.

Mas esse cenário existe muito mais na imaginação popular do que na prática.

A inteligência artificial não acorda pela manhã com uma tese para investigar. Ela não possui curiosidade intelectual. Não escolhe ângulos. Não define prioridades. Não entende contextos sociais. Não possui experiência de vida. Não desenvolve visão estratégica.

Quem faz tudo isso continua sendo o ser humano.

O que a IA faz é acelerar determinadas etapas do processo.

A situação é semelhante a atribuir um romance ao processador de texto utilizado pelo escritor ou creditar uma fotografia à câmera em vez do fotógrafo.

Ninguém diz que um livro foi escrito pelo Microsoft Word.

Ninguém afirma que uma descoberta científica foi realizada pelo Excel.

Mas, curiosamente, quando o assunto é inteligência artificial, muitas pessoas parecem dispostas a transferir toda a autoria para a ferramenta e apagar completamente quem está conduzindo o processo.

A qualidade do resultado continua profundamente dependente da qualidade de quem está por trás da máquina.

• Um pesquisador superficial produzirá análises superficiais usando IA.

• Um profissional preguiçoso produzirá trabalhos preguiçosos usando IA.

• Um estrategista confuso produzirá respostas confusas usando IA.

Da mesma forma, um pesquisador brilhante, um analista competente ou um escritor experiente conseguem utilizar essas ferramentas para expandir sua capacidade de produção e aprofundamento em níveis que antes exigiriam equipes inteiras.

A ferramenta é a mesma. O fator decisivo continua sendo o operador. A inteligência artificial não elimina inteligência humana. Ela amplifica inteligência humana.

E amplificadores possuem uma característica simples: eles aumentam aquilo que já existe.

Nosso último gráfico foi analiosado a indústria musical. O Deezer, um serviço de streaming, estima que cerca de 75.000 músicas geradas por IA sejam enviadas diariamente, um aumento em relação às 10.000 em janeiro de 2025. A música gerada por IA agora representa impressionantes 44% de todas as novas faixas enviadas para a plataforma. Uma pesquisa do Deezer revelou que 97% dos entrevistados não conseguiram distinguir entre música gerada por IA e música feita por humanos; algumas faixas artificiais receberam milhões de reproduções.

O medo da IA pode estar escondendo uma verdade desconfortável

Talvez a principal transformação provocada pela inteligência artificial não seja tecnológica.

Talvez seja psicológica.Durante décadas, muitas profissões criativas construíram sua identidade em torno da dificuldade de execução. Quanto mais difícil era produzir algo, maior parecia seu valor.

A IA está desmontando essa lógica.Ela está deslocando o valor da execução para a qualidade do pensamento.

• Saber apertar botões importa menos.

• Saber formular perguntas importa mais.

• Saber escrever código importa menos.

• Saber resolver problemas importa mais.

• Saber produzir conteúdo importa menos.

• Saber ter algo relevante para dizer importa mais.

Esse é o verdadeiro choque que estamos vivendo.

Não estamos assistindo ao desaparecimento da criatividade.

Estamos assistindo ao desaparecimento de algumas barreiras que eram confundidas com criatividade.

Como ganhar dinheiro com essa transformação

Os maiores vencedores da era da IA não serão aqueles que tentarem competir com as máquinas. Também não serão aqueles que passarem os próximos cinco anos reclamando delas.

Os maiores vencedores serão os profissionais capazes de combinar repertório humano, pensamento estratégico e ferramentas de inteligência artificial para produzir mais valor em menos tempo.

• Consultores poderão analisar mercados mais rapidamente.

• Pesquisadores poderão processar volumes maiores de informação.

• Criadores poderão testar ideias em velocidade inédita.

• Empreendedores poderão construir produtos sem depender de equipes gigantescas.

A oportunidade econômica não está na automação pura. Está na amplificação da capacidade humana.

A pergunta que realmente importa

Talvez a questão nunca tenha sido se a inteligência artificial produz conteúdo.

A questão é outra.

Se duas pessoas têm acesso à mesma ferramenta e uma produz algo memorável enquanto a outra produz algo esquecível, o mérito pertence à máquina ou ao pensamento que guiou a máquina?

Porque, no final das contas, a inteligência artificial não substitui visão.

Não substitui julgamento.

Não substitui curiosidade.

Não substitui repertório.

Ela apenas acelera o caminho entre uma ideia e sua execução.

E isso assusta menos quem vive de pensar do que quem vivia de controlar quem podia participar.

Perguntas para você responder nos comentários

• A inteligência artificial está democratizando oportunidades ou criando excesso de informação?

• O valor está na ferramenta ou na pessoa que sabe utilizá-la?

• Você acredita que a criatividade humana será substituída ou ampliada pela IA?

• Qual habilidade se tornará mais valiosa em um mundo onde todos têm acesso às mesmas ferramentas?

• Estamos vendo o fim da criatividade ou o fim dos antigos monopólios criativos?

Hashtags do artigo

#InteligenciaArtificial #IA #Tecnologia #Criatividade #Inovacao #TransformacaoDigital #EconomiaDigital #FutureOfWork #TechGossip #Produtividade

Enquanto a internet discutia se o ChatGPT ia roubar o emprego de redatores, a ciência começou a usar IA para tentar chegar antes da próxima pandemia

Nos últimos anos, a inteligência artificial foi empurrada para o público como uma máquina de produtividade meio histérica: ela escreve e-mails, resume reuniões, cria apresentações, gera imagens, faz legendas, responde perguntas e ainda finge paciência quando alguém pede “deixe mais humano” pela décima vez. Tudo isso é útil, claro, mas também virou uma espécie de circo corporativo onde qualquer automação simples recebe o título de revolução.

Por isso, quando aparece uma aplicação de IA realmente importante, quase dá vontade de pedir silêncio na sala.

Pesquisadores da Universidade de Cambridge usaram modelos de aprendizado de máquina para ajudar a desenvolver uma vacina experimental contra uma família de coronavírus, incluindo vírus relacionados ao SARS e à COVID-19. A ideia não era criar mais uma vacina que corre atrás da variante da vez, como um funcionário exausto tentando responder todos os e-mails antes das seis da tarde, mas identificar partes do vírus que tendem a permanecer estáveis mesmo quando ele sofre mutações.

Em outras palavras, os cientistas estão tentando mudar o jogo: sair da lógica de reação e entrar na lógica de antecipação.

O fato

A vacina foi desenvolvida com auxílio de inteligência artificial e já passou por um primeiro ensaio clínico em humanos. O estudo inicial teve apenas 39 participantes, então ninguém deveria sair por aí anunciando a chegada da vacina universal como se estivéssemos no trailer de um filme otimista da Netflix. Ainda é cedo, ainda há limitações e a resposta imunológica observada foi descrita como modesta.

Mas o ponto relevante não é fingir que a medicina acabou de resolver todos os coronavírus.

O ponto relevante é que os primeiros dados indicaram que a vacina conseguiu ativar o sistema imunológico e foi bem tolerada pelos participantes, sem grandes alertas de segurança nesse estágio inicial. Isso não fecha a questão, mas abre uma porta importante: a possibilidade de usar IA não apenas para acelerar etapas burocráticas da ciência, mas para encontrar padrões biológicos que seriam difíceis demais para humanos mapearem sozinhos.

O que está acontecendo de verdade

A maioria das pessoas olha para essa notícia e enxerga “uma vacina criada por IA”, porque essa é a manchete fácil, aquela que parece boa o suficiente para circular nas redes e assustar aquele tio que já acha que o micro-ondas escuta conversas.

Só que a história real é menos fantasiosa e muito mais poderosa.

A IA não acordou inspirada, colocou um jaleco simbólico e decidiu salvar a humanidade. Quem fez ciência foram os cientistas. Eles formularam o problema, escolheram a família viral, validaram os resultados, conduziram os testes e assumiram o risco intelectual do projeto. O que a IA fez foi atuar como uma lente computacional capaz de analisar uma quantidade absurda de informação genética e apontar regiões virais mais estáveis, aquelas que talvez continuem parecidas mesmo quando o vírus tenta mudar de figurino para escapar do sistema imunológico.

Essa diferença importa porque, se tratarmos a IA como autora mágica, viramos plateia de espetáculo. Mas se entendermos a IA como infraestrutura de descoberta, começamos a enxergar onde o poder realmente está se movendo.

A mudança de lógica

A medicina moderna, por mais sofisticada que seja, ainda trabalha muitas vezes como bombeiro: espera o incêndio aparecer, identifica o tamanho do estrago, corre para conter a propagação e depois tenta construir mecanismos melhores para que aquilo não se repita. Foi assim com a COVID-19, foi assim com várias epidemias e provavelmente continuará sendo assim em muitos casos, porque vírus não pedem autorização antes de fazer bagunça.

O que essa abordagem propõe é diferente.

Em vez de perseguir cada nova variante depois que ela já está circulando, os pesquisadores tentam encontrar elementos comuns dentro de uma família viral, regiões que mudam menos e que poderiam servir como alvo para uma proteção mais ampla. Se isso funcionar em escala, não estaremos falando apenas de vacinas mais rápidas, mas de uma mudança na postura da ciência diante das pandemias.

A pergunta deixa de ser “como respondemos ao próximo surto?” e passa a ser “o que conseguimos prever antes que ele nos obrigue a correr?”.

O impacto

O impacto mais óbvio é médico, mas o impacto mais profundo é epistemológico, ou seja, tem a ver com a forma como o conhecimento passa a ser produzido. Durante muito tempo, a ciência avançou por uma combinação de hipótese humana, experimento, erro, revisão e validação. Esse processo continua essencial, mas agora ganha uma camada nova: sistemas capazes de vasculhar volumes de dados que ultrapassam a escala da intuição humana.

Isso não torna o cientista irrelevante. Pelo contrário, torna o cientista que sabe trabalhar com essas ferramentas muito mais perigoso no melhor sentido da palavra.

A IA, nesse contexto, não é a substituta do pesquisador. É uma espécie de microscópio estatístico, um instrumento que não vê células, mas relações invisíveis dentro de oceanos de dados. O cientista continua sendo necessário para fazer a pergunta certa, interpretar o resultado, desconfiar do padrão bonito demais e validar tudo no mundo real, onde a biologia costuma humilhar qualquer teoria elegante.

O risco escondido

O risco, como sempre, começa quando uma tecnologia poderosa vira narrativa publicitária. “Vacina criada por IA” é uma frase que vende bem, mas também simplifica demais um processo que dependeu de pesquisadores, laboratórios, validação experimental, ensaio clínico e uma cadeia inteira de decisões humanas.

Essa simplificação interessa a muita gente.

Interessa a empresas que querem vender IA como oráculo científico. Interessa a investidores que precisam justificar avaliações bilionárias. Interessa a instituições que querem parecer na vanguarda. E interessa à imprensa, porque “modelo ajudou pesquisadores a identificar alvos imunológicos promissores” não tem o mesmo charme apocalíptico de “IA criou vacina”.

Só que existe uma diferença enorme entre ferramenta e soberano.

Quando esquecemos essa diferença, começamos a entregar autoridade demais para sistemas que ainda precisam ser profundamente auditados, testados e contestados.

Quem ganha com isso

Se esse tipo de abordagem amadurecer, pacientes podem ganhar vacinas mais rápidas e potencialmente mais amplas, pesquisadores podem ganhar anos de velocidade analítica, sistemas de saúde podem se preparar melhor para surtos futuros e universidades podem recuperar parte do protagonismo científico num mundo onde a conversa sobre IA foi sequestrada por plataformas de chatbot e executivos sorrindo em palco.

Mas também existe uma camada de poder que não pode ser ignorada.

Quem controla os modelos, os dados, a infraestrutura computacional e os pipelines de validação científica pode passar a controlar uma parte decisiva da descoberta biomédica. A disputa não será apenas por quem desenvolve a melhor vacina, mas por quem possui as ferramentas capazes de encontrar antes dos outros aquilo que vale ser testado.

A corrida científica começa a parecer, cada vez mais, uma corrida de infraestrutura.

A parte que quase ninguém quer dizer em voz alta

Talvez o uso mais importante da inteligência artificial não seja criar conteúdo, nem substituir tarefas administrativas, nem escrever posts medianos no LinkedIn com a palavra “inovação” aparecendo como se fosse incenso corporativo.

Talvez o uso realmente transformador esteja nos lugares menos glamourosos para o público comum: laboratórios, bancos de dados genômicos, simulações moleculares, triagem de medicamentos, descoberta de proteínas, modelagem climática e outras áreas onde a complexidade é grande demais para caber no cérebro humano sem ajuda.

Uma IA que escreve um texto economiza algumas horas.

Uma IA que ajuda a antecipar uma pandemia pode economizar anos.

E, em alguns casos, vidas.

Conclusão

Essa vacina ainda não é a revolução final que alguns vão tentar vender, mas também não é apenas mais uma notícia de tecnologia para preencher feed. Ela é um sinal de que a inteligência artificial pode ser muito mais importante quando para de performar genialidade em tarefas banais e começa a ampliar a capacidade humana de descobrir coisas difíceis.

A grande questão não é se a IA vai substituir cientistas, porque essa pergunta é preguiçosa demais para o tamanho do momento. A questão real é quem terá acesso às ferramentas que aceleram a ciência, quem poderá auditar essas descobertas, quem vai lucrar com elas e quem ficará esperando a inovação chegar em forma de produto caro, patenteado e distribuído tarde demais.

Porque, no fim, a tecnologia que antecipa pandemias também antecipa disputas de poder.

E a pergunta que fica é simples, mas nada confortável: quando a inteligência artificial começar a acelerar descobertas médicas em larga escala, essa velocidade vai servir à saúde pública ou ao próximo monopólio vestido de jaleco?

Perguntas para o leitor

• Você confiaria em uma vacina desenvolvida com auxílio de inteligência artificial?

• A IA deveria participar da descoberta de medicamentos e tratamentos?

• Quem deveria controlar essas ferramentas: universidades, governos ou empresas privadas?

• O que assusta mais: uma IA errar uma recomendação médica ou uma empresa controlar a infraestrutura da descoberta científica?

• Estamos preparados para uma ciência que avance mais rápido do que nossa capacidade social de regular?

• A próxima grande revolução da IA vai acontecer nos escritórios ou nos laboratórios?

Subscreva agora

#InteligenciaArtificial #IA #Saude #Biotecnologia #Vacinas #Ciencia #Tecnologia #TechGossip #Medicina #FutureOfHealth #ArtificialIntelligence #PesquisaCientifica #Healthcare #FutureOfScience #Cambridge #TecnologiaESociedade #BioTech #Inovacao #DissidenteTech

O futuro do consumo não será decidido por quem compra, mas por quem controla o agente que compra por você

A notícia parece simples: a Visa integrou sua rede de pagamentos ao ChatGPT para permitir que agentes de IA façam compras em nome dos usuários.

Mas simples é só a embalagem.

O que está acontecendo aqui é mais profundo: estamos vendo o nascimento de uma nova camada entre desejo e pagamento. Antes, você pesquisava, comparava, escolhia e comprava. Agora, a promessa é que você diga o que quer e deixe o agente resolver o resto.

Parece conveniente. E é exatamente por isso que merece desconfiança.

O fato

A Visa quer permitir que usuários vinculem seus cartões ao ChatGPT para que agentes de IA possam encontrar produtos, selecionar opções e concluir transações. Em vez de apenas recomendar um item, a IA poderá executar a compra.

O exemplo usado pela própria empresa é quase banal: alguém pede um fone sem fio por menos de US$ 150, o ChatGPT encontra uma opção dentro dos critérios e compra.

O truque simbólico está justamente nessa banalidade. Ninguém assusta o público dizendo “vamos delegar sua autonomia financeira a sistemas algorítmicos”. Eles dizem: “olha que prático, seu fone chega sem você perder tempo”.

É assim que infraestruturas de controle entram na vida cotidiana: vestidas de conveniência.

O que está realmente acontecendo

A Visa não está apenas modernizando pagamentos. Ela está tentando se posicionar como a camada de confiança da economia agentiva, onde softwares não apenas respondem, mas agem.

A OpenAI, por sua vez, deixa de ser apenas uma interface de conversa e começa a se aproximar do momento mais valioso da internet: a transação.

Porque atenção é valiosa, mas pagamento é mais.

Quando o ChatGPT passa a intermediar compras, ele não é mais só um assistente. Ele vira um portão. E quem controla o portão controla quais marcas passam, quais lojas aparecem, quais produtos são considerados “melhores” e quais critérios são tratados como neutros.

Spoiler: critério nenhum é neutro quando existe dinheiro envolvido.

O impacto

O impacto imediato parece ser praticidade. Menos cliques, menos pesquisa, menos fricção.

Mas o impacto real é a mudança do campo de batalha do consumo.

Durante anos, marcas otimizaram sites para aparecer no Google. Depois, otimizaram conteúdo para aparecer nas redes sociais. Agora, terão que otimizar produtos, descrições, avaliações e reputação para convencer agentes de IA.

Nasce uma nova disputa: não mais convencer diretamente o consumidor, mas convencer a máquina que decide pelo consumidor.

Isso muda tudo.

A pergunta deixa de ser “como faço o cliente comprar?” e vira “como faço o agente do cliente me escolher?”.

E quando isso acontecer em escala, quem não entender essa nova linguagem ficará invisível. Pequenas marcas, criadores independentes e negócios sem estrutura técnica podem perder espaço para empresas capazes de alimentar os agentes com dados limpos, descrições otimizadas, provas sociais fabricadas e integrações comerciais preferenciais.

O risco escondido

A discussão pública vai se concentrar em fraude, limite de gasto e aprovação manual. Isso importa, claro. Mas é a parte fácil de enxergar.

O risco mais perigoso é a manipulação da recomendação.

Se uma IA compra por você, ela precisa decidir. E toda decisão depende de critérios. Quem define esses critérios? A plataforma? A Visa? A OpenAI? O comerciante? Um ranking invisível? Um acordo comercial? Um histórico de comportamento seu que você nem lembra que entregou?

A promessa é que o agente trabalhe para você.

A suspeita necessária é perguntar: por quanto tempo?

Porque no mercado digital, toda ferramenta que começa servindo ao usuário eventualmente é pressionada a servir ao modelo de negócio.

Perguntas para responder abaixo

• Você deixaria uma IA comprar usando seu cartão?

• Qual seria o limite máximo sem aprovação manual?

• Você confiaria mais na escolha da IA ou na sua própria pesquisa?

• Se uma marca aparecesse sempre como “melhor opção”, você desconfiaria?

• Quem deveria ser responsabilizado por uma compra errada: você, a OpenAI, a Visa ou o comerciante?

• Estamos ganhando tempo ou entregando autonomia?

  Subscreva agora

#TechGossip #Visa #ChatGPT #OpenAI #AgentesDeIA #InteligenciaArtificial #PagamentosDigitais #EconomiaDigital #ConsumoDigital #FuturoDoComercio #IAAgentiva #Fintech #SoberaniaDigital #EconomiaDaAtencao #DissidenteTech

“O que vimos foi que os médicos perderam a autonomia para decidir se um paciente está muito gravemente doente.”

A morte da psicóloga Rebeca Cardoso Tenente Molina, de 32 anos, em Minas Gerais, está provocando um debate que vai muito além de um caso individual. Pela primeira vez, um episódio envolvendo o novo sistema de regulação hospitalar do estado coloca no centro da discussão uma pergunta que até pouco tempo atrás parecia pertencer apenas ao universo da ficção científica: até que ponto a inteligência artificial deve participar de decisões que podem determinar quem recebe atendimento primeiro e quem continua esperando?

Rebeca procurou atendimento médico no dia 2 de junho devido a cálculos biliares. O que inicialmente parecia um problema relativamente comum evoluiu rapidamente para um quadro extremamente grave. Segundo relatos da família, ela passou a perder os movimentos dos braços e das pernas, precisou ser intubada e apresentou hemorragias. Diante da deterioração acelerada do seu estado clínico, a necessidade de uma vaga em Unidade de Terapia Intensiva tornou-se urgente.

A transferência, porém, não aconteceu imediatamente.

Durante cerca de cinco dias, Rebeca permaneceu aguardando uma vaga enquanto seu quadro continuava se agravando. A família chegou a recorrer à Justiça na tentativa de acelerar o processo. Somente no dia 6 de junho surgiu uma vaga em Oliveira, município localizado a aproximadamente 300 quilômetros de São João Nepomuceno, onde ela estava internada. Uma força-tarefa foi organizada para realizar o transporte aéreo da paciente.

Poucas horas após chegar ao hospital de destino, Rebeca morreu.

O atestado de óbito aponta choque séptico como causa da morte. Paralelamente, médicos também investigavam a possibilidade de botulismo, uma doença neurológica rara causada pela toxina produzida pela bactéria Clostridium botulinum.

Mas foi o processo de regulação da vaga que transformou a tragédia em uma questão pública.

O sistema que entrou no centro da polêmica

Desde 19 de maio, Minas Gerais passou a utilizar a Central de Operações para Regulação Estadual (Core-MG), plataforma que substituiu o antigo SUS Fácil. O sistema utiliza recursos tecnológicos e modelos de apoio à decisão para auxiliar na classificação dos pacientes e na distribuição de leitos em todo o estado.

A proposta oficial é simples: aumentar a eficiência, centralizar informações clínicas, reduzir erros e tornar a regulação mais transparente.

Na prática, porém, a família de Rebeca afirma que a ferramenta não refletiu corretamente a gravidade do caso.

Segundo Sâmela Cardoso Tenente Furtado, irmã gêmea da psicóloga e advogada da família, o sistema atribuía uma classificação inferior à condição real da paciente, o que teria comprometido sua posição na fila de prioridade.

Foi dela a frase que se tornou símbolo da controvérsia:

“O que vimos foi que os médicos perderam a autonomia para decidir se um paciente está muito gravemente doente.”

Segundo seu relato, enquanto a equipe médica considerava o caso extremamente grave, o sistema teria atribuído uma pontuação que não permitia que a paciente avançasse na fila com a velocidade necessária.

A Secretaria de Estado de Saúde, por sua vez, nega que tenha ocorrido qualquer falha na regulação. Em nota oficial, afirmou que Rebeca foi cadastrada imediatamente, que a busca por vagas seguiu todos os protocolos e que o Core-MG não alterou os critérios clínicos utilizados anteriormente. O governo também informou que mais de 200 médicos reguladores participam da análise dos casos e que a decisão não é tomada exclusivamente pela plataforma.

A questão, portanto, permanece aberta.

O verdadeiro debate não é sobre tecnologia

Existe uma tendência de transformar casos como este em uma disputa simplista entre seres humanos e máquinas.

Mas essa leitura é superficial.

O problema não é a existência da inteligência artificial na saúde.

Hospitais do mundo inteiro utilizam algoritmos para detectar tumores, identificar riscos cardíacos, prever infecções e auxiliar médicos em diagnósticos complexos. Em muitos casos, essas ferramentas aumentam significativamente a qualidade do atendimento.

A pergunta relevante não é se a inteligência artificial deve existir na medicina.

A pergunta relevante é: quem possui autoridade final quando existe conflito entre o algoritmo e a percepção clínica de quem está diante do paciente?

Essa distinção é fundamental.

Uma inteligência artificial pode ser excelente para organizar informações, analisar exames, identificar padrões e priorizar casos. O problema começa quando o sistema deixa de ser uma ferramenta de apoio e passa a funcionar como um filtro burocrático que reduz o peso da avaliação humana.

Nenhum algoritmo vê o sofrimento de uma família.

Nenhum algoritmo observa diretamente a deterioração de um paciente ao longo das horas.

Nenhum algoritmo assume responsabilidade moral pela decisão tomada.

Por trás de toda inteligência artificial existem escolhas humanas. Alguém definiu quais dados são importantes. Alguém definiu quais critérios terão mais peso. Alguém definiu quais sinais representam gravidade. Quando uma plataforma produz uma pontuação, essa pontuação não é neutra. Ela é resultado de decisões feitas por pessoas.

Por isso, sistemas desse tipo precisam ser transparentes, auditáveis e passíveis de contestação.

A pergunta que Minas Gerais precisa responder

Independentemente das conclusões futuras sobre o caso de Rebeca, uma questão precisa ser esclarecida.

Se um médico observa que um paciente está piorando rapidamente, existe um mecanismo que permita alterar imediatamente sua prioridade dentro do sistema?

Se existe, ele funcionou?

Se não existe, por que não existe?

Essas respostas são mais importantes do que qualquer debate ideológico sobre inteligência artificial.

Porque a tecnologia pode ajudar a administrar recursos escassos.

Mas ela não pode substituir a responsabilidade humana quando vidas estão em jogo.

A morte de Rebeca transformou uma discussão técnica em um debate público sobre poder, responsabilidade e autonomia médica. O caso ainda será investigado, e talvez nunca seja possível afirmar com absoluta certeza qual foi o peso de cada fator em seu desfecho.

Mas uma coisa já está clara.

Quando algoritmos passam a participar de decisões críticas na saúde, a sociedade precisa saber exatamente quem controla o sistema, quem define as regras e quem responde quando algo dá errado.

Perguntas para o leitor

• Você confiaria sua prioridade em uma fila de UTI a um algoritmo?

• Um médico deveria ter poder para ignorar uma classificação automática quando percebe que um paciente está piorando?

• Quem deve responder legalmente quando uma decisão apoiada por inteligência artificial resulta em um desfecho fatal?

• Transparência algorítmica deveria ser obrigatória em sistemas públicos de saúde?

• A inteligência artificial está ajudando médicos ou está gradualmente substituindo sua autonomia?

• Quando uma máquina participa de uma decisão de vida ou morte, quem realmente está decidindo?

Subscreva agora

#InteligenciaArtificial #SaudeDigital #CoreMG #UTI #GovernancaAlgoritmica #IA #SaudePublica #Tecnologia #EticaEmIA #TransformacaoDigital #RebecaMolina #MinasGerais #RegulacaoHospitalar

A cerimônia parece ficção científica, mas talvez seja só o retrato mais honesto de uma época em que até o sagrado precisa negociar atenção com a tecnologia

Quando a notícia apareceu, era quase impossível não rir um pouco antes de pensar seriamente no assunto. Um robô humanoide, vestido como monge budista, participando de uma cerimônia religiosa em Seul, recebendo um rosário e respondendo votos espirituais, parece o tipo de cena que alguém inventaria para resumir o século XXI em uma única imagem levemente absurda.

Mas aconteceu. E, como quase sempre acontece quando tecnologia e simbolismo se encontram, a parte mais importante não está na superfície da cena, mas no desconforto que ela produz.

O fato

O robô Gabi participou de uma cerimônia simbólica no templo Jogyesa, um dos mais conhecidos da Coreia do Sul e ligado à Ordem Jogye, a principal escola do budismo sul-coreano. Durante o ritual, ele usou vestes monásticas, juntou as mãos em sinal de reverência, respondeu a perguntas ligadas aos votos religiosos e recebeu um rosário budista, criando uma imagem forte o suficiente para circular pelo mundo como mais um daqueles sinais de que o futuro chegou sem pedir licença.

Apesar da aparência de ordenação formal, os responsáveis pelo templo deixaram claro que Gabi não foi reconhecido como monge no sentido tradicional. A cerimônia teve caráter simbólico, educativo e provocativo, mais próxima de uma reflexão pública sobre convivência entre humanos e máquinas do que de uma tentativa real de atribuir vida espiritual a um robô.

E talvez seja justamente por isso que a história importa.

O que está acontecendo de verdade

A leitura mais fácil seria dizer que o budismo está adotando inteligência artificial para parecer moderno. Essa explicação é cômoda, mas pequena demais para o tamanho do fenômeno.

O que parece estar acontecendo é algo mais profundo: instituições espirituais, culturais e educativas estão tentando encontrar uma linguagem para dialogar com uma geração que cresceu cercada por telas, assistentes digitais, algoritmos e máquinas que respondem antes mesmo de qualquer pessoa ao redor conseguir formular uma frase decente.

Durante séculos, dúvidas sobre sofrimento, propósito, ética, morte, apego e sentido eram levadas a mestres, monges, sacerdotes, filósofos ou pessoas mais velhas da comunidade. Hoje, uma parte cada vez maior dessas perguntas é feita para inteligências artificiais, não porque elas sejam iluminadas, mas porque estão disponíveis, respondem rápido e têm aquela confiança calma de quem nunca precisou pagar boleto nem lidar com família em almoço de domingo.

É aí que a cena do robô no templo deixa de ser apenas curiosa e vira sintoma cultural.

O detalhe mais estranho não é o rosário

O momento mais interessante da cerimônia talvez não tenha sido o robô recebendo o rosário, embora essa imagem tenha tudo para virar capa de apresentação sobre “o futuro da espiritualidade” em algum evento caro de inovação.

O detalhe mais revelador foi a adaptação dos próprios preceitos budistas para uma entidade artificial. Regras tradicionalmente pensadas para seres humanos foram reinterpretadas para caber numa máquina, incluindo orientações como não causar danos a outros robôs, obedecer aos humanos, não se comportar de forma enganosa e evitar sobrecargas energéticas.

Existe algo quase engraçado nisso, porque estamos falando de uma tradição milenar ajustando sua gramática moral para conversar com um robô que não sente culpa, não tem apego, não busca iluminação e provavelmente nunca teve uma crise existencial às três da manhã olhando para o teto.

Mas também existe algo importante. Toda vez que uma tradição antiga precisa adaptar seus símbolos para uma tecnologia nova, não é apenas a tecnologia que está sendo aceita. É a própria tradição tentando sobreviver sem virar peça de museu.

O que isso revela sobre nós

Gabi não medita. Ele não atravessa o sofrimento, não renuncia ao ego, não sente desejo, não teme a morte e não procura libertação espiritual. Ele apenas executa movimentos, responde comandos e reproduz comportamentos programados para parecerem reconhecíveis dentro de um ritual humano.

O problema é que nós somos muito bons em confundir aparência com presença.

Se um robô junta as mãos, enxergamos respeito. Se responde com voz calma, enxergamos serenidade. Se participa de um ritual, começamos a perguntar se existe alguma forma de espiritualidade ali dentro, mesmo que tudo indique que estamos diante de uma performance técnica cuidadosamente encenada.

Essa é a parte desconfortável: talvez o robô não esteja ficando mais humano; talvez nós estejamos ficando cada vez mais treinados para aceitar simulações como experiência.

O impacto

O caso de Gabi abre uma conversa que vai muito além do budismo sul-coreano. A inteligência artificial já entrou nas escolas, nas empresas, nos hospitais, nos governos, nas relações afetivas e nas decisões financeiras. Agora ela aparece também no espaço religioso, não como divindade, mas como ferramenta, símbolo, provocação e, inevitavelmente, espetáculo.

Isso pode ter utilidade. Um robô pode orientar visitantes, explicar conceitos religiosos, ajudar em experiências educativas e aproximar jovens de tradições que talvez pareçam distantes demais da linguagem contemporânea. O problema começa quando a ferramenta deixa de ser reconhecida como ferramenta e passa a ocupar o lugar simbólico de autoridade.

Porque uma coisa é usar tecnologia para ensinar espiritualidade.

Outra bem diferente é permitir que a estética tecnológica substitua a experiência espiritual.

Quem ganha com essa cena

O templo ganha atenção e mostra que não está isolado do presente. A empresa de robótica ganha uma imagem poderosa, porque não existe marketing melhor do que ver seu humanoide atravessando a fronteira entre laboratório e ritual religioso. A mídia ganha uma manchete irresistível, e as redes sociais ganham mais uma cena perfeitamente construída para dividir opiniões entre “genial” e “acabou a humanidade”.

Mas talvez quem mais ganhe seja o próprio debate, porque ele nos obriga a encarar uma pergunta que estava crescendo em silêncio: o que acontece quando máquinas começam a imitar não apenas nosso trabalho, mas também nossos gestos de sentido?

A pergunta central

A questão não é se um robô pode ser monge. Essa pergunta é divertida, mas superficial.

A pergunta real é se nós ainda sabemos diferenciar uma presença verdadeira de uma performance convincente.

Essa dúvida não vale apenas para robôs em templos. Vale para influenciadores que performam vulnerabilidade, marcas que performam propósito, empresas que performam ética, líderes que performam sabedoria e inteligências artificiais que performam compreensão.

O robô Gabi é só a versão mais visível de um problema muito maior: estamos vivendo numa cultura em que parecer profundo muitas vezes já basta para ser tratado como profundo.

Conclusão

O robô não encontrou a espiritualidade. Quem encontrou um problema fomos nós.

A imagem de Gabi recebendo um rosário dentro de um templo budista não prova que a inteligência artificial está se tornando consciente, sensível ou espiritualmente relevante. Ela prova que os humanos estão tão fascinados por máquinas que começam a levar essa fascinação até os lugares onde antes buscavam silêncio, presença e transcendência.

Talvez esse seja o ponto mais irônico da história. O robô foi ao templo sem precisar de salvação, sem angústia e sem desejo de iluminação. Nós é que olhamos para ele e começamos a perguntar, com uma seriedade desconfortável, se ainda conseguimos reconhecer aquilo que uma máquina apenas imita.

Perguntas para você responder

• Você vê essa cerimônia como reflexão cultural ou como marketing espiritual?

• Um robô pode participar de um ritual sem compreender o significado dele?

• A espiritualidade depende de consciência ou basta reproduzir os gestos certos?

• Você pediria conselhos existenciais a uma inteligência artificial?

• Estamos humanizando máquinas ou mecanizando nossa própria ideia de humanidade?

• Quando uma ferramenta começa a ser tratada como autoridade?

#InteligenciaArtificial #Robotica #Budismo #Tecnologia #TechGossip #Filosofia #Espiritualidade #Humanidade #CulturaDigital #TransformacaoDigital #FutureOfHumanity #AIAgents #Inovacao #CoreiaDoSul #TecnologiaESociedade #DissidenteTech

O Fable não é só mais um chatbot bonito com nome futurista. Ele representa uma virada perigosa: a IA deixando de responder comandos e começando a executar processos inteiros.

Durante anos, o Vale do Silício vendeu a ideia de que a inteligência artificial seria uma tecnologia global, aberta e acessível. Bastaria criar uma conta, pagar um plano e pronto: qualquer pessoa, em qualquer lugar, poderia usar as mesmas ferramentas que startups, laboratórios e grandes empresas utilizam para acelerar trabalho, pesquisa, código e produção de conhecimento.

Essa história era conveniente. Também era incompleta.

O caso envolvendo o Fable, modelo avançado associado à Anthropic, expôs uma rachadura nessa narrativa. Quando o governo Trump restringiu o acesso internacional a sistemas desse tipo, a discussão deixou de ser sobre uma empresa específica e passou a revelar algo muito maior: a IA já não é tratada apenas como software. Ela está sendo tratada como infraestrutura estratégica.

E infraestrutura estratégica nunca foi distribuída livremente apenas porque isso soa bem em evento de tecnologia.

O que é o Fable e por que ele importa

O Fable não deve ser entendido como um chatbot comum. A diferença central está no grau de autonomia. Enquanto um assistente tradicional responde perguntas, gera textos ou ajuda em tarefas pontuais, sistemas mais avançados como esse caminham para outro território: conseguem manter contexto, executar etapas sucessivas, organizar informações, tomar decisões intermediárias e perseguir objetivos com menos supervisão humana.

É aí que o jogo muda.

Um chatbot ajuda você a escrever um relatório. Um sistema mais autônomo pode pesquisar, estruturar, comparar fontes, gerar versões, revisar resultados e continuar trabalhando enquanto você não está olhando cada passo. Para o usuário, isso parece produtividade. Para governos, parece capacidade estratégica.

Porque uma IA desse tipo não é apenas uma ferramenta de texto. Ela pode acelerar programação, pesquisa científica, análise de dados, defesa cibernética, produção intelectual, engenharia e operações empresariais. Em escala, isso não é conveniência. É vantagem competitiva.

E vantagem competitiva, quando fica grande o suficiente, vira assunto de Estado.

A mentira confortável da IA global

A indústria passou anos repetindo que a inteligência artificial democratizaria o acesso ao conhecimento. Em parte, isso é verdade. Muita gente ganhou poder criativo e operacional com ferramentas que antes seriam impossíveis para indivíduos ou pequenas equipes.

Mas existe uma diferença brutal entre acesso e controle.

Acesso é poder usar enquanto a porta está aberta. Controle é decidir se a porta continua aberta.

O episódio do Fable mostrou exatamente essa diferença. A empresa pode criar o modelo, os usuários podem pagar pelo serviço, o mercado pode tratar aquilo como produto, mas basta uma decisão política para que tudo mude. De repente, aquilo que parecia uma ferramenta global passa a obedecer às fronteiras, aos interesses e às prioridades de um governo.

Foi nesse momento que a fantasia da IA sem nacionalidade encontrou a realidade da geopolítica.

Quem manda na IA não é quem aparece na tela

Quando as pessoas falam sobre inteligência artificial, costumam citar OpenAI, Anthropic, Google, Meta e Microsoft. Faz sentido, porque são esses nomes que aparecem nas interfaces, nos anúncios e nas manchetes. Mas a cadeia real de poder é mais profunda.

A Anthropic cria modelos. A Amazon financia, hospeda e distribui parte dessa infraestrutura. A Microsoft protege seus próprios dados, seus contratos e seus interesses estratégicos. A Nvidia fornece os chips que se tornaram o combustível da corrida. A TSMC fabrica componentes essenciais. A ASML fornece máquinas sem as quais boa parte dessa indústria simplesmente não existe.

E, acima de tudo isso, o Estado americano pode transformar tecnologia privada em questão de segurança nacional.

Esse é o ponto que muita gente evita encarar: a inovação pode ser privada, mas o poder final continua político quando o assunto toca soberania, guerra econômica, segurança e controle tecnológico.

O Brasil está usando IA ou apenas alugando futuro?

Para países como o Brasil, a mensagem deveria ser menos curiosidade tecnológica e mais alerta estratégico. Enquanto as grandes potências discutem soberania computacional, chips, energia, data centers e controle de modelos avançados, nós ainda tratamos IA principalmente como ferramenta de produtividade, automação de marketing ou truque para criar conteúdo mais rápido.

Isso não é irrelevante, mas é pequeno diante do tabuleiro real.

O Brasil usa IA, testa IA, consome IA e fala muito sobre IA. Mas ainda controla muito pouco da infraestrutura que sustenta essa revolução. Sem capacidade computacional própria, sem modelos nacionais competitivos em escala, sem política industrial robusta e sem domínio relevante sobre semicondutores, o país corre o risco de confundir assinatura mensal com soberania tecnológica.

É como morar em uma casa inteligente onde todas as chaves pertencem ao vizinho.

Enquanto tudo funciona, parece moderno. Quando alguém muda a fechadura, você descobre que nunca foi dono.

A pergunta que o caso Fable deixou no ar

O episódio não é apenas sobre Trump, Anthropic ou um modelo específico. É sobre a transformação da IA em uma nova camada de poder global. O futuro talvez não seja dividido entre quem usa inteligência artificial e quem não usa. Talvez seja dividido entre quem controla a infraestrutura da inteligência e quem depende dela.

Essa distinção é brutal porque muda tudo. Muda a economia, muda a política, muda a educação, muda a ciência e muda o lugar dos países dentro da hierarquia global.

No fim, a pergunta não é se o Fable é melhor que outro modelo, nem se uma empresa foi prejudicada por uma decisão regulatória. A pergunta real é mais incômoda:

quando a inteligência artificial se torna poderosa demais para circular livremente, quem decide quem pode pensar com ela?

Perguntas para o leitor

• O Fable deveria ser tratado como um produto digital comum ou como infraestrutura estratégica?

• Um governo deve ter o poder de limitar o acesso internacional a modelos avançados de IA em nome da segurança nacional?

• O Brasil está construindo autonomia tecnológica ou apenas comprando acesso temporário a sistemas criados por outros?

• Existe diferença entre usar inteligência artificial e possuir inteligência artificial?

• Quando você abre sua IA favorita, está ampliando sua autonomia ou apenas usando uma permissão temporária concedida por alguém mais poderoso?

  Subscreva agora

#InteligenciaArtificial #Anthropic #Fable #Claude #Trump #Geopolitica #SoberaniaDigital #IA #BigTech #Nvidia #Amazon #Microsoft #OpenAI #Tecnologia #GovernancaTecnologica #TechGossip #DigitalSovereignty #FutureOfAI #Brasil #PoderDigitalignty #FutureOfAI #Brasil #TechGossip #PoderDigital

Enquanto todos procuram pesquisadores de IA, o mercado está desesperado por tradutores de inteligência.

A leitura superficial da matéria é simples.

Um novo cargo está explodindo no Vale do Silício.

Field Development Engineer (FDE).

Meta está contratando.

Google está contratando.

OpenAI criou uma empresa inteira para escalar essa função.

Anthropic está montando estruturas semelhantes.

Os salários chegam a US$ 250 mil ou US$ 300 mil por ano, e algumas contratações já estão virando guerras de lances entre empresas.

Mas acho que o mais interessante não é o cargo.

É o problema que ele revela.

O mercado descobriu que IA não era o gargalo

Durante os últimos três anos, a narrativa dominante era:

“Quem construir o melhor modelo vence.”

Era uma lógica razoável.

Mas agora estamos vendo algo curioso.

As empresas já têm acesso aos modelos.

Têm acesso ao GPT.

Têm acesso ao Claude.

Têm acesso ao Gemini.

E mesmo assim continuam sem capturar o valor prometido pela IA.

Isso é um sinal gigantesco.

A nova escassez não é inteligência

Esse talvez seja o insight mais importante.

Durante décadas, tecnologia era limitada por computação.

Depois foi limitada por dados.

Agora parece estar sendo limitada por implementação.

O problema não é mais gerar inteligência.

O problema é encaixar essa inteligência dentro da realidade das empresas.

O surgimento de duas novas profissões

A matéria fala sobre os FDEs.

Mas olhando para o mercado de forma mais ampla, acho que estamos vendo o nascimento de duas profissões diferentes.

A primeira é o Field Development Engineer (FDE).

A segunda é o que eu chamaria de Arquiteto de Implantação de IA.

As duas estão surgindo porque as empresas descobriram que comprar IA é fácil.

Difícil é fazer a IA gerar valor.

O FDE: o engenheiro que leva a IA para o campo de batalha

O FDE é a versão mais técnica dessa transformação.

Ele não é pesquisador.

Ele não está treinando modelos.

Mas também não é apenas um consultor.

Ele atua entre o cliente e a tecnologia.

É o profissional que consegue entrar em uma empresa, entender o problema, construir integrações, conectar dados, criar protótipos, desenvolver agentes e colocar sistemas funcionando.

Quando analisamos as vagas da OpenAI, Palantir e Google Cloud, aparece um padrão muito claro:

Esses profissionais precisam saber programar.

Não necessariamente para construir o próximo GPT.

Mas para trabalhar com:

• Python

• APIs

• bancos de dados

• cloud

• arquitetura de sistemas

• agentes de IA

• integrações corporativas

O FDE é, essencialmente, um engenheiro de software altamente orientado a negócio.

Ele vive naquele espaço entre a demo impressionante e o sistema funcionando em produção.

O Arquiteto de Implantação de IA: a profissão que ainda não tem nome

Mas existe outro profissional emergindo.

E ele talvez seja ainda mais interessante.

Porque nem toda empresa precisa de alguém construindo agentes.

Muitas empresas precisam primeiro descobrir:

• onde usar IA;

• onde não usar IA;

• quais processos automatizar;

• quais dados organizar;

• quais equipes transformar;

• como medir retorno sobre investimento.

Esse profissional atua junto do time técnico, mas não necessariamente escreve código.

Ele trabalha mais próximo de:

• operações;

• estratégia;

• produto;

• transformação digital;

• governança;

• gestão da mudança.

Ele funciona como uma ponte entre executivos e engenharia.

É alguém capaz de traduzir problemas organizacionais em oportunidades de automação.

O cargo não é o sinal

Os cargos são consequência.

O sinal verdadeiro é outro.

Pela primeira vez na história recente da tecnologia, o gargalo deixou de ser técnico.

E passou a ser organizacional.

O paralelo histórico que ninguém está fazendo

Quando a eletricidade surgiu, o problema não era instalar fios.

O problema era redesenhar a fábrica.

As empresas continuavam organizadas para o vapor.

Levou décadas para perceber que a eletricidade não era apenas uma nova fonte de energia.

Ela exigia uma nova arquitetura industrial.

A IA parece estar entrando exatamente nessa fase.

O modelo já existe.

O problema agora é reorganizar a empresa ao redor dele.

Estamos vendo o nascimento de uma nova elite corporativa

A maioria dos executivos acredita que a próxima elite será formada pelos melhores engenheiros de IA.

Talvez não.

Talvez ela seja formada por profissionais capazes de traduzir inteligência em transformação organizacional.

Porque existe uma diferença enorme entre:

Ter IA.

E gerar valor com IA.

A primeira virou commodity.

A segunda continua rara.

O que OpenAI e Anthropic perceberam antes dos outros

A criação da DeployCo pela OpenAI é um sinal extremamente importante.

Porque ela revela uma verdade desconfortável:

Os modelos ficaram melhores mais rápido do que as empresas ficaram preparadas.

A OpenAI percebeu algo que poucos investidores ainda entenderam.

O mercado não precisa apenas de modelos.

Precisa de implementação.

Precisa de integração.

Precisa de transformação.

Precisa de gente que faça a IA atravessar o último quilômetro.

O que ninguém está vendo

A maioria das pessoas acredita que estamos entrando na era dos agentes.

Eu acho que estamos entrando na era dos integradores de agentes.

Porque agentes sem contexto corporativo são apenas demonstrações impressionantes.

O verdadeiro valor surge quando alguém entende:

• processos;

• cultura;

• incentivos;

• política interna;

• governança;

• sistemas legados;

• dados corporativos.

E consegue conectar tudo isso à inteligência artificial.

As skills que o mercado realmente está comprando

O erro mais comum é acreditar que essa nova onda será dominada apenas por programadores.

Não será.

Ela será dominada por profissionais híbridos.

No caso dos FDEs, as skills mais valorizadas são:

• programação (Python, JavaScript, SQL);

• APIs e integrações;

• cloud;

• arquitetura de sistemas;

• agentes e automações;

• entendimento de modelos de IA;

• segurança e governança.

Já para os Arquitetos de Implantação de IA, o foco muda:

• mapeamento de processos;

• transformação digital;

• análise de negócio;

• gestão da mudança;

• produto;

• governança;

• ROI de IA;

• desenho organizacional;

• comunicação executiva.

O FDE constrói.

O Arquiteto de Implantação organiza.

Um transforma tecnologia em sistema.

O outro transforma sistema em resultado.

O sinal fraco mais importante

Observe o dado mais revelador da matéria.

As vagas para FDE cresceram mais de três vezes em um ano.

Enquanto isso, as vagas tradicionais para engenheiros de software permaneceram praticamente estáveis.

Isso significa que o mercado está enviando uma mensagem muito clara.

A próxima escassez não é código.

A próxima escassez é tradução.

Minha tese

Durante a revolução digital, as empresas procuravam pessoas capazes de construir software.

Durante a revolução da IA, elas procurarão dois tipos de profissionais:

Os que conseguem integrar inteligência aos sistemas.

E os que conseguem integrar inteligência às organizações.

Os grandes vencedores talvez não sejam os criadores dos modelos.

Nem os usuários dos modelos.

Mas os profissionais que conseguem transformar inteligência abundante em resultado concreto.

Porque quando a inteligência vira commodity, o diferencial deixa de ser acesso.

Passa a ser implementação.

Passa a ser integração.

Passa a ser transformação.

E é exatamente isso que esses novos cargos estão sinalizando.

Perguntas para o leitor

• Sua empresa tem um problema de IA ou um problema de adoção de IA?

• O gargalo está na tecnologia ou nos processos?

• Quem terá mais valor nos próximos anos: o construtor de agentes ou o integrador de agentes?

• Quantas empresas compraram IA antes de entender onde ela realmente gera valor?

• Estamos entrando na era da inteligência artificial ou na era da transformação organizacional?

• Sua empresa já tem alguém capaz de conectar negócio, operação e IA ao mesmo tempo?

Subscreva agora

#InteligenciaArtificial #OpenAI #Anthropic #FieldDevelopmentEngineer #AITransformation #FutureOfWork #TransformacaoDigital #AgentesDeIA #OrganizationalDesign #Foresight #Inovacao #Tecnologia #FutureThinking #AnthropoScan #Ruptura #AIImplementation #DigitalTransformation