O que a Justiça pode obrigar a Meta a remover, e como o Instagram ficaria depois.

Comecemos pela acusação, com as palavras dela.

Na abertura do julgamento em Oakland, a procuradora-geral adjunta da Califórnia, Megan O’Neill, descreveu assim o que classificou como o modelo de negócio da Meta:

“Fisgar os usuários, mantê-los pelo maior tempo possível, colher seus dados e então esconder a verdade do público.”

E acrescentou que a empresa escolhe lucro em vez de segurança, e esconde a “realidade” dos menores de 13 anos em suas plataformas.

O procurador-geral da Califórnia, Rob Bonta, foi mais direto: “A Meta criou um produto perigoso para jovens usuários, sabia que era perigoso e mentiu para crianças, famílias e a comunidade sobre o quão perigoso ele era.”

Repare na estrutura da frase, porque ela não é sobre conteúdo. É sobre produto, conhecimento e omissão. Exatamente a tríade que derrubou a indústria do tabaco nos anos 1990.

Se o feed for legalmente um produto, e não uma publicação, quantos aplicativos do seu celular passariam num teste de responsabilidade civil?

O que exatamente está sendo pedido

Os estados querem que a Justiça obrigue a Meta a remover “certos recursos de design viciantes”. A lista é específica:

Rolagem infinita. Reprodução automática de vídeo. Conteúdo efêmero, como os Stories. Filtros de beleza. Algoritmos otimizados para engajamento.

E, caso se comprove violação da lei federal americana de privacidade infantil, um segundo pedido: excluir todos os dados pessoais de menores de 13 anos e os “algoritmos e modelos” treinados com essas informações.

Guarde o segundo pedido. Voltamos nele, porque é o único que a Meta não consegue pagar para fazer sumir.

Sobre valores: os advogados da Meta afirmaram que o julgamento conjunto poderia resultar em até US$ 1,4 trilhão. Os advogados dos estados disseram à juíza federal Yvonne Gonzalez Rogers que US$ 200 bilhões é mais provável.

Os dois números cumprem funções diferentes. O trilhão é a defesa dizendo que o pedido é absurdo. Os duzentos bilhões são a acusação ancorando a expectativa num patamar que parece moderado por comparação. É negociação em público.

São 29 procuradores-gerais estaduais, num caso unificado desde 2023, conduzido por Califórnia, Colorado, Nova Jersey e Kentucky.

E não é o primeiro round. Em março, um júri de Los Angeles considerou Meta e YouTube negligentes por não alertarem usuários sobre os perigos das plataformas. A autora relatou dismorfia corporal grave, depressão e pensamentos suicidas iniciados na infância.

Em agosto, a Meta perdeu no Novo México: US$ 375 milhões fixados por júri, mais US$ 567 milhões em fundo de compensação. Quase US$ 1 bilhão, num estado de 2 milhões de habitantes.

A Meta discorda e vai recorrer. A empresa afirma que os procuradores “não oferecem nenhuma prova de que alguém em seus estados tenha sido enganado” e que tentam “penalizar a Meta por desafios comuns em todo o setor, como a verificação de idade”.

Agora vamos ao que interessa: o impacto, camada por camada.

Quantas crianças estão em jogo: os números brasileiros

Antes de falar de impacto, vale dimensionar o problema com dados de casa. Porque a acusação central do julgamento é sobre menores de 13 anos, e o Brasil tem números que deveriam constranger qualquer debate sobre o tema.

Segundo a TIC Kids Online Brasil, do Cetic.br e do NIC.br:

• 92% das crianças e adolescentes de 9 a 17 anos no Brasil são usuários de internet. São 24,5 milhões de pessoas.

• 88% desse grupo tem perfil em pelo menos uma rede social.

E agora o dado que se conecta diretamente à acusação em Oakland.

As plataformas exigem idade mínima de 13 anos. No Brasil:

• 60% das crianças de 9 e 10 anos já têm perfil em rede social.

• 70% das crianças de 11 e 12 anos também.

Entre os adolescentes de 13 e 14, o número chega a 93%.

Leia de novo. Seis em cada dez crianças de nove anos têm conta em uma plataforma que, no papel, não aceita menores de treze.

A distribuição por aplicativo: WhatsApp com 69%, Instagram com 63%, TikTok com 45% e YouTube com 42%.

E mais dois dados que ajudam a entender a escala do hábito. 28% começaram a usar internet antes dos 6 anos de idade, quase o triplo do percentual registrado em 2016, que era de 10%. E uma em cada três crianças tem perfil aberto ao público.

Quando a procuradoria da Califórnia acusa a Meta de esconder a “realidade” dos menores de 13 anos em suas plataformas, é sobre isso que ela está falando. E o Brasil tem uma amostra grande dessa realidade.

O que muda na sua rede social, na prática

Esta é a parte concreta. Se os estados vencerem, e se mudanças equivalentes forem adotadas ou impostas por regulação em outros países, é isto que acontece com o aplicativo que você abre.

• Hoje: o feed não acaba. Depois: o feed acaba. Rolagem infinita some. Entra paginação, ou limite de sessão, ou uma tela que diz “você viu tudo”. Você continua rolando por vontade, não por inércia. O produto deixa de ser um poço e vira uma revista com número de páginas.

• Hoje: o vídeo seguinte começa sozinho. Depois: você aperta play. Cada vídeo passa a exigir uma decisão sua. Parece detalhe. É a diferença entre consumir e ser consumido, e é o mecanismo responsável pela maior parte do tempo de tela não intencional.

• Hoje: os Stories somem em 24 horas. Depois: some a urgência. Conteúdo efêmero é o motor que faz alguém abrir o aplicativo dez vezes por dia para não perder algo que expira. Sem ele, cai a frequência de abertura, que é a métrica que sustenta o hábito.

• Hoje: o filtro corrige seu rosto. Depois: aparece o seu rosto. Filtros de beleza são o item mais diretamente ligado ao dano alegado. No caso julgado em Los Angeles, a autora relatou dismorfia corporal grave, depressão e pensamentos suicidas iniciados na infância.

• Hoje: o algoritmo escolhe o que prende. Depois: o algoritmo precisa escolher outra coisa. Este é o item que muda a economia inteira, porque engajamento é a unidade que a publicidade compra. Feed cronológico, ou ordenado por quem você segue, ou por relevância declarada por você, são todas alternativas tecnicamente triviais e comercialmente muito piores para a plataforma.

E, se a verificação de idade for levada a sério, a mudança maior de todas: cadastrar-se deixa de ser digitar uma data de nascimento. Foi isso que o Novo México impôs à Meta: aprimorar modelos e ferramentas de verificação de idade usando IA, desenvolver em dois anos um modelo específico de previsão de idade para menores de 13 anos, facilitar a denúncia de uso por menores, e criar um portal em parceria com escolas para que administradores escolares possam sinalizar contas suspeitas.

Some tudo e o resultado é um aplicativo que abre menos vezes, prende menos tempo, exibe menos anúncios e admite muito menos gente.

Não é uma versão pior do mesmo produto. É outro produto.

E é exatamente por isso que a defesa não fala em custo de conformidade e fala em “dano ao modelo de publicidade”. Um feed com fim tem menos inventário publicitário. Menos inventário, menos impressão vendida.

Não é uma reforma. É redução do estoque à venda.

Impacto 1: o fim da blindagem de trinta anos

Este é o impacto estrutural, e é o maior de todos.

Durante trinta anos, a Seção 230 da lei americana protegeu plataformas de responsabilidade pelo conteúdo publicado por terceiros. É o escudo que sustenta a internet comercial inteira.

Os procuradores encontraram o caminho ao redor: não estão processando a Meta pelo conteúdo, e sim pelo desenho. Volte à lista do que querem remover. Nada ali é publicação de usuário.

Scroll infinito não é discurso. Autoplay não é opinião de ninguém. Filtro de beleza não é post de terceiro. São decisões de engenharia tomadas pela empresa, e decisão de engenharia é responsabilidade da empresa.

Isso reclassifica o feed. Ele deixa de ser veículo de publicação e passa a ser produto de consumo, sujeito à mesma lógica de um carro com freio defeituoso ou de um brinquedo com peça solta.

E responsabilidade de produto é a coisa mais chata e mais eficaz que o direito do consumidor inventou: ela não discute intenção, discute defeito.

Kate Winick, analista principal da Forrester, avaliou o alcance: “Este julgamento é potencialmente o fim das redes sociais como as conhecemos. Qualquer veredito contra a Meta estabeleceria um precedente enorme. Esses julgamentos são frequentemente comparados aos processos da Big Tobacco nos anos 90, e o resultado provavelmente será análogo: o produto vai ficar mais difícil de acessar para os jovens e a mensagem cultural em torno das redes sociais vai mudar.”

Impacto 2: o financeiro, num momento particularmente ruim

A Meta tira 98% da receita de publicidade online.

E é esse dinheiro que financia a aposta em inteligência artificial que pode custar até US$ 145 bilhões só neste ano.

Duas ameaças ao mesmo motor de receita, ao mesmo tempo. E o mercado só está olhando para uma.

A ação caiu 11% no ano, mas a preocupação dos analistas tem sido o capex de IA, não o risco jurídico. O procurador-geral do Novo México, Raúl Torrez, apontou isso: “Os analistas não estão precificando isso corretamente agora. Essa sentença da Califórnia, por si só, pode ser tão gigantesca a ponto de alterar a capacidade desta empresa de fazer o que precisa para se financiar no futuro.”

Ele também deu a régua de escala: “Este é um estado com cerca de 2 milhões de habitantes. Se aplicarmos esse mesmo argumento à Califórnia, Flórida, Texas ou Nova York, veremos que se trata de uma força potencialmente enorme e capaz de transformar o mercado.”

E Julia Powles, do Instituto de Tecnologia, Direito e Política da UCLA, explicou por que a Califórnia é diferente: “A Califórnia importa mais do que qualquer outra jurisdição nos EUA. É onde eles estão sujeitos ao maior alcance legal, e é uma jurisdição observada em todo o mundo.”

Impacto 3: o setor inteiro, e a fila já está formada

Bonta afirmou que a Meta é apenas a “primeira da fila”. Há processos pendentes contra YouTube e Snap.

Ele também admitiu o problema do método: “Quem vai primeiro? Quem vai por último? O ideal seria que todos fossem ao mesmo tempo. Isso não é possível.”

Winick prevê que plataformas como o Snap, com base de usuários mais jovem, farão “mudanças preventivas” para se alinhar ao que for imposto à Meta.

E há mais vindo: um grande julgamento federal envolvendo diversos distritos escolares está previsto para o norte da Califórnia no ano que vem, com Meta, YouTube, TikTok e Snap envolvidos.

Mas aqui está a ressalva mais forte contra a tese toda, e ela veio de um juiz.

No Novo México, o magistrado recusou parte das mudanças de desenho pedidas, citando a Seção 230 e a Primeira Emenda. E acrescentou um argumento prático devastador: impor essas mudanças seria injusto, porque concorrentes como TikTok e YouTube continuariam com os mesmos recursos.

Você não conserta um setor processando um réu por vez. Você cria desvantagem competitiva para quem foi processado primeiro e empurra o público adolescente para o concorrente que ainda tem scroll infinito.

Este é o melhor argumento da defesa da Meta, e ele é legítimo: punir uma empresa por “desafios comuns a todo o setor” corrige o balanço de um concorrente, não o setor.

O que corrige setor é regra igual para todos, ao mesmo tempo. Ou seja: lei.

Impacto 4: os outros setores, que ainda não perceberam que estão nessa

Este é o impacto que ninguém está calculando, e talvez seja o maior.

Releia a lista de recursos acusados e pergunte quem mais usa cada um.

Rolagem infinita: e-commerce, portal de notícias, marketplace, aplicativo de imóveis, catálogo de streaming.

Reprodução automática: todo serviço de vídeo por assinatura do planeta. O próximo episódio começando sozinho em cinco segundos é a definição de autoplay, e foi projetado com o mesmo objetivo.

Conteúdo efêmero e urgência artificial: promoção com contador regressivo, “restam 2 unidades”, oferta que expira.

Algoritmo otimizado para engajamento: qualquer produto digital com recomendação.

Mecânica de recompensa variável: jogos mobile, com loot box e recompensa diária, que já enfrentam regulação própria em vários países.

Se a tese de “responsabilidade por desenho” for aceita em Oakland, ela não fica em rede social. Ela cria um precedente sobre padrões de interface projetados para prolongar o uso, e essa categoria é imensa.

Repare que a discussão sobre dark patterns já existe há anos em direito do consumidor, inclusive no Brasil. O que muda é a força: sair de multa administrativa por prática abusiva e chegar em responsabilidade civil por dano à saúde é outra ordem de grandeza.

Se você trabalha com produto digital e acha que isso é assunto de rede social, vale reler a sua própria tela de checkout.

Impacto 5: a inteligência artificial, pelo pedido que ninguém está comentando

Volte ao segundo pedido dos estados.

Se comprovada a violação da lei de privacidade infantil, a Meta teria que excluir os dados de menores de 13 anos e os algoritmos e modelos treinados com eles.

Isso tem nome e já foi aplicado pela autoridade de concorrência americana em outros casos. Chama-se, informalmente, destruição algorítmica. A lógica é implacável: se o dado foi coletado ilegalmente, o modelo construído sobre ele é fruto da ilegalidade e não pode ser mantido.

Por que isso importa muito além da Meta?

Porque estamos numa década inteira de disputa sobre dados de treinamento de IA: obras protegidas, dados pessoais raspados, conteúdo de terceiros. E essa disputa vem sendo travada quase toda em torno de licenciamento e indenização, ou seja, em torno de dinheiro.

Multa é uma linha no balanço. Uma empresa desse porte paga, recorre, provisiona e segue.

Destruição algorítmica muda a matemática: transforma dado ilegal de custo em risco existencial. Porque dinheiro se recompõe, e um modelo treinado ao longo de anos com o histórico comportamental de uma geração inteira, não.

Se essa tese vingar contra a Meta, ela não fica em rede social e não fica na Califórnia.

Impacto 6: o Brasil, que já legislou o que a Califórnia está pedindo a um júri

Enquanto os Estados Unidos discutem isso em tribunal, o Brasil aprovou lei.

A Lei 15.211/2025, o ECA Digital, entrou em vigor em 17 de março de 2026. Ela trata de privacidade, proteção de dados, verificação de idade, supervisão parental, publicidade digital, redes sociais, jogos eletrônicos, moderação de conteúdo, transparência e responsabilização de plataformas.

E traz exatamente o ponto em disputa em Oakland: exige mecanismos confiáveis de verificação de idade, com a autodeclaração expressamente vedada.

Compare com a defesa da Meta, que classifica verificação de idade como “desafio comum a todo o setor”. No Brasil, deixou de ser desafio e virou obrigação legal, para todos, ao mesmo tempo. Que é justamente o que o juiz do Novo México disse que faltava.

A regulamentação e a fiscalização ficam com a ANPD. As sanções administrativas começam em novembro de 2026, e a fiscalização formal a partir de janeiro de 2027.

Há uma segunda camada, anterior. Em junho de 2025, o STF declarou a inconstitucionalidade parcial do artigo 19 do Marco Civil e fixou novos parâmetros de responsabilização, criando a figura da responsabilidade por falha sistêmica em casos de circulação massiva de conteúdo grave.

Por que os caminhos foram diferentes? Nos Estados Unidos, o Congresso não consegue legislar sobre isso, a Seção 230 bloqueia a via direta e a Primeira Emenda limita o resto. Sobrou o tribunal. No Brasil sobrou o Congresso, e ele usou.

A ressalva honesta, e ela é grande: ter lei não é ter cumprimento. A ANPD é uma autoridade jovem, com equipe pequena diante da tarefa, fiscalizando LGPD, ECA Digital e o que mais vier. Legislar é barato; fiscalizar é caro.

O teste de verdade do ECA Digital não foi 17 de março. Vai ser novembro de 2026 e janeiro de 2027.

Se nada acontecer até lá, o Brasil terá a melhor lei do hemisfério e o mesmo Instagram de sempre.

Impacto 7: quem recebe o dinheiro, que provavelmente não é quem você imagina

Michael Coffey, advogado de defesa e sócio fundador do escritório Coffey Modica, disse à CNBC o que ninguém gosta de ouvir: as vítimas podem acabar recebendo muito pouco da indenização final.

“Tudo vai para o governo, que vai distribuir o dinheiro, e então os advogados dos demandantes vão ficar com uma parte.”

É, de novo, o precedente do tabaco. O acordo bilionário dos anos 1990 foi celebrado como justiça histórica, e boa parte do dinheiro terminou em caixa geral de estado, não em programas de cessação de tabagismo.

Coffey também observou que é o tipo de caso que define a carreira de um procurador-geral estadual. Isso não invalida o mérito da ação, mas é um incentivo real e vale registrar.

E há uma advogada do lado das vítimas que aponta para onde o impacto verdadeiro está, e não é no cheque. Laura Marquez-Garrett, do Social Media Victims Law Center, resumiu o poder específico dos procuradores: “Eles têm a capacidade, que os demandantes privados normalmente não têm, de realmente forçar essas empresas, por meio do sistema judicial, a mudar seu modelo de negócios, suas decisões de design, tudo isso.”

Dinheiro, a Meta paga. Modelo de negócio, não.

O que muda, no fim

Winick foi realista sobre o desfecho: “É improvável que isso mate permanentemente o setor, mas vai reduzir significativamente o uso no longo prazo, à medida que usuários jovens deixem de ser apresentados às plataformas.”

Não é o produto que morre. É a porta de entrada que fecha.

E a mudança cultural que ela prevê é a mesma do tabaco: o produto fica mais difícil de acessar para jovens, e a mensagem social em torno dele muda. Ninguém proibiu cigarro. Só deixou de ser normal.

A frase “o fim das redes sociais como as conhecemos” é grande demais e provavelmente errada. Rede social não acaba, e adolescente não some da internet.

O que pode acabar é uma premissa muito específica, que sustentou trinta anos de indústria: a de que uma plataforma é um lugar onde coisas acontecem, e não um produto que alguém projetou, testou, otimizou e mediu.

Se essa premissa cair, cai para todo mundo que projeta tela. E aí a pergunta deixa de ser sobre a Meta.

Três perguntas antes de você fechar a aba.

• Se o feed for legalmente um produto e não uma publicação, quantas decisões de desenho da sua empresa passariam por um teste de responsabilidade civil?

• Sua organização opera algum produto digital acessado por menores de 13 anos, e você sabe qual mecanismo de verificação de idade está em uso, considerando que autodeclaração está vedada no Brasil desde março?

• E se um dia for exigido excluir modelos treinados com dados coletados irregularmente, alguém na sua empresa saberia dizer quais modelos usaram quais bases?

Se você chegou até aqui, você é do tipo que quer o bastidor, não o palco.

A Tech Gossip publica toda semana o que o comunicado de imprensa não conta: quem ganha poder, dinheiro e influência com a tecnologia que acabou de ser anunciada.

Assine em www.techgossip.com.br

Subscreva agora

A história oficial é sempre a versão que sobreviveu ao comunicado de imprensa.

Fontes: TIC Kids Online Brasil, Cetic.br e NIC.br · NIC.br, sobre perfis em redes sociais · Agência Brasil, sobre perfis abertos · CNBC, Sawdah Bhaimiya, 21/08/2026 · CNBC, Jonathan Vanian, 17/08/2026 · CNBC, sobre o fundo de US$ 567 milhões no Novo México · CNBC, sobre o veredito de Los Angeles · Lefosse, sobre a vigência do ECA Digital · STF, sobre a responsabilização de plataformas · Ministério da Justiça, sobre a vigência do ECA Digital e a ANPD

A porta de acesso fica atrás de uma escotilha destrancada, do lado de fora do avião. O problema não é uma falha de programação: é o padrão que rege a fiação de praticamente toda a aviação comercial, desenhado nos anos 1970.

Antes de qualquer coisa, o dado que evita o pânico: todos os autores da pesquisa continuam voando de Boeing 737 e pretendem continuar. Está escrito no artigo deles.

Guarde isso, porque este texto não é sobre avião caindo. É sobre uma coisa muito mais estrutural, e mais difícil de resolver.

Uma equipe da Universidade da Califórnia em San Diego e do Oberlin College construiu um dispositivo pouco maior que uma moeda, custando menos de US$ 100, capaz de assumir o controle do piloto automático de um Boeing 737.

Ele altera o plano de voo. Adultera os valores usados nos cálculos de decolagem e de combustível. E, o mais grave, muda o que aparece na tela do piloto, para que ninguém perceba que algo foi alterado.

“Se você pudesse ter 60 segundos com um avião, o que você faria?”, perguntou à Wired o professor Stefan Savage, que liderou o projeto. “Acontece que existe uma porta acessível externamente. Você consegue chegar nela sem ferramenta especial em cerca de 15 segundos. E pode inserir um componente eletrônico pouco maior que uma moeda que basicamente permite dizer ao piloto automático o que fazer e mentir para o piloto sobre mudanças no plano de voo.”

A porta fica atrás de uma escotilha destrancada, na parte externa da aeronave.

Depois de conectado, o dispositivo se comunica com o Wi-Fi de bordo. O atacante não precisa estar dentro do avião. Pode operar do chão.

Como uma vulnerabilidade dessas continua aberta seis anos depois de ter sido comunicada ao fabricante?

Não é um bug. É o projeto funcionando como especificado

Esta é a parte que a cobertura em geral não explica, e sem ela o caso vira filme de ação.

Os pesquisadores passaram anos comprando peças de computador de 737 e remontando, em laboratório, o sistema nervoso da aeronave. A inspiração veio de chupa-cabras de caixa eletrônico: dispositivos que se conectam fisicamente a um equipamento para interceptar dados.

Vasculhando os diagramas de fiação da Boeing, encontraram a porta que carrega dados entre o computador de gerenciamento de voo e a unidade de exibição do piloto.

Savage descreveu o achado como encontrar “a maldita porta de exaustão da Estrela da Morte”.

O padrão que rege a comunicação entre componentes na aviação comercial se chama ARINC 429. Ele é onipresente, foi criado nos anos 1970 e tem uma característica que hoje soa absurda: não possui nenhuma forma de criptografia ou autenticação.

Nenhuma. Por projeto.

Quando o padrão foi desenhado, o requisito era transmissão confiável e determinística, com tempo de resposta baixíssimo. Segurança contra adversário não era uma preocupação, porque o modelo de ameaça da época era falha de componente, não inimigo.

O barramento presume que todo mundo conectado nele é legítimo. Ele confia em qualquer mensagem que chegue com o rótulo certo.

Atualizações posteriores acrescentaram palavras de dados, rótulos e identificadores de equipamento. Nenhuma acrescentou segurança.

Ou seja: o dispositivo dos pesquisadores não explorou um erro. Ele usou o sistema exatamente como o sistema foi projetado para funcionar.

Isso muda completamente a natureza do problema. Bug se corrige com atualização. Premissa de arquitetura se corrige trocando a arquitetura, o que na aviação significa trocar frota.

Os seis anos são a notícia, não o dispositivo

Savage e Aaron Schulman comunicaram as descobertas à Boeing há seis anos e vêm trabalhando com a empresa desde então.

Segundo os pesquisadores, a Boeing não os informou de nenhuma correção. E eles avaliam que provavelmente nenhuma foi implementada, porque aeronaves comerciais raramente são reprojetadas.

Essa frase merece ser desmontada, porque ela não é sobre negligência corporativa. É sobre dois relógios rodando em velocidades incompatíveis.

O relógio do ataque roda em meses. Pesquisa, prototipagem, barateamento de componente. O dispositivo custa menos de US$ 100 hoje. Vai custar menos amanhã.

O relógio da aviação roda em décadas. Certificação de mudança em sistema crítico envolve autoridade reguladora, testes, documentação e requalificação. Um 737 tem vida útil operacional de 25 a 30 anos. A frota que está voando hoje foi projetada antes de o modelo de ameaça atual existir.

Nenhum dos dois relógios está errado. O da aviação é lento justamente porque a lentidão salva vidas: é exatamente esse rigor que fez do voo comercial o transporte mais seguro já inventado.

Mas quando o ciclo de defesa é 50 vezes mais lento que o ciclo de ataque, a diferença acumula.

E isso não é um problema de aviação. É o problema de toda infraestrutura de vida longa: equipamento médico hospitalar, controle industrial, subestação elétrica, sistema de água, carro. Tudo que foi projetado para durar trinta anos foi projetado com o modelo de ameaça de trinta anos atrás.

A aviação apenas tem a honestidade de ter um pesquisador dizendo isso em voz alta.

O modelo de ameaça errado, e este é o ponto mais desconfortável

Agora repare em quem consegue executar esse ataque. Ele exige 15 segundos de acesso físico a uma escotilha externa da aeronave.

Beau Woods, ex-consultor da agência americana de cibersegurança e do conselho técnico cibernético da própria Boeing, foi direto ao ponto na Wired: “É perfeitamente possível que um funcionário da empresa se aproxime de um avião quando ele estiver no solo, passando por manutenção, e instale esse tipo de dispositivo.”

Pense em quem chega perto de uma aeronave estacionada num aeroporto. Equipe de manutenção. Equipe de solo. Abastecimento. Limpeza. Comissaria. Carga. Rampa.

São milhares de pessoas por aeroporto, em grande parte terceirizadas, com rotatividade alta, salários baixos e verificação de antecedentes que varia enormemente por país e por contrato.

Agora compare com onde o dinheiro da segurança aérea foi gasto nos últimos 25 anos.

Detector de metal. Raio-X de bagagem. Restrição de líquido. Retirada de sapato. Lista de exclusão aérea. Centenas de bilhões de dólares e bilhões de horas de fila, tudo desenhado em torno de uma premissa: a ameaça entra pelo portão de embarque.

Este ataque não passa nem perto do portão de embarque. Ele acontece no pátio, durante a manutenção, por alguém com crachá.

O perímetro foi construído do lado errado do avião.

O que exatamente pode dar errado

Vale ser específico, porque “hackear um avião” é vago e vago produz pânico ou descaso, nunca resposta correta.

• Cenário 1: sabotagem de decolagem. O dispositivo altera a temperatura do ar externo ou o peso de carga e passageiros nos cálculos. A tripulação calcula velocidade de rotação com dado errado, e o avião não atinge a velocidade necessária dentro da pista disponível. É a categoria de acidente que já aconteceu por erro humano de digitação, várias vezes, sem nenhum hacker envolvido.

• Cenário 2: desvio abrupto de navegação. Mudança de rota levando a colisão com terreno.

• Cenário 3, e é o que mais preocupa os pesquisadores: o sutil. Aaron Schulman descreveu à Wired: “Pode ser algo tão sutil quanto você estar no Pacífico, ver azul por toda parte, e isso te desviar 3 graus da rota, e agora você está no meio do nada.”

Três graus. Sobre o oceano. Sem referência visual. Com a tela mostrando exatamente o que o piloto espera ver.

O cenário três é o pior porque não dispara nenhum alarme, não exige nenhuma decisão dramática e consome combustível de forma silenciosa. É um ataque cuja assinatura é a ausência de assinatura.

O recorte brasileiro, e ele é bem específico

Aqui está o dado que ninguém no Brasil está conectando a essa notícia.

A GOL opera uma frota 100% Boeing 737.

Segundo os dados da própria companhia, são 18 unidades do 737-700, 74 do 737-800, 58 do 737 MAX e 6 cargueiros 737-800BCF. Nenhuma aeronave de outro fabricante em operação regular de passageiros. O plano estratégico de cinco anos prevê chegar a 167 aeronaves até 2029.

Frota única é uma estratégia operacional legítima e comprovadamente eficiente. Reduz custo de manutenção, de estoque de peças, de treinamento de tripulação e de simulador. A Southwest, nos Estados Unidos, construiu um império sobre esse modelo.

Não estou dizendo que a GOL fez uma escolha errada, nem que existe risco iminente para quem voa com ela. Não existe indício disso, e repito o que os próprios pesquisadores disseram: eles continuam voando em 737.

O que estou dizendo é aritmética de exposição: quando a sua frota inteira é de um único tipo, você tem zero diversificação diante de uma vulnerabilidade específica daquele tipo.

O que numa companhia com frota mista seria um problema em parte da operação, numa companhia de tipo único é um problema na operação inteira.

E existe uma segunda camada brasileira.

A defesa contra esse ataque não é software. É controle de acesso físico à aeronave em solo, o que significa: quem entra no pátio, quem toca no avião, quem tem crachá, quem audita.

No Brasil, boa parte do serviço de rampa, limpeza e apoio de solo é terceirizada, em contratos disputados por preço. É exatamente o elo em que o custo é comprimido primeiro.

E, no plano regulatório, os Estados Unidos ao menos têm um mecanismo público de condições especiais de certificação para segurança cibernética de aeronaves. A ANAC não tem um marco público equivalente e específico para essa categoria de risco.

Vale registrar a ressalva honesta: a ANAC segue padrões internacionais e a aviação brasileira tem histórico de segurança sólido. O ponto não é que o Brasil esteja em risco maior. É que a discussão sobre esse vetor específico não começou aqui.

O que dá para fazer, hoje, sem esperar redesenho de aeronave

E aqui vem a parte que salva o artigo de ser só alarme.

Se a arquitetura não pode ser corrigida rápido, o que sobra é detecção e controle de acesso, e ambos são viáveis agora.

Selo de violação na escotilha. Barato, antigo e eficaz. Se a escotilha está destrancada e o acesso leva 15 segundos, então a inspeção da escotilha vira item de checklist pré-voo. Não impede a instalação. Torna a instalação visível.

Registro de quem tocou na aeronave. Log de acesso ao pátio e à aeronave por pessoa, horário e função. Isso muda o cálculo de risco de qualquer insider, porque o ataque deixa de ser anônimo.

Monitoramento do barramento. Existe literatura sobre isso. Pesquisadores desenvolveram técnicas de impressão digital de hardware para o barramento ARINC 429, capazes de identificar quando uma mensagem vem de um transmissor que não é o legítimo. É uma defesa que não exige trocar o padrão, só observá-lo.

Só que aqui está o buraco regulatório, e ele é citado na própria literatura técnica: não existe hoje norma ou exigência de monitorar os elementos críticos das redes de bordo. A posição das autoridades tem sido que o fabricante deve compensar as limitações do barramento com redundância e tolerância a falha na arquitetura do sistema.

Redundância protege contra falha aleatória. Não protege contra adversário que mente para todos os canais redundantes ao mesmo tempo com a mesma mensagem falsa.

Revisão de contrato de serviço de solo. Segurança de acesso físico precisa ser cláusula com indicador, não presunção.

Quem ganha e quem perde

Perde a Boeing, no plano reputacional, num momento em que a empresa não tem crédito reputacional sobrando.

Ganha a discussão, e isso importa. Os pesquisadores fizeram divulgação responsável: comunicaram o fabricante, esperaram seis anos, trabalharam junto e só então publicaram. Não vazaram código de exploração. Esse é o comportamento correto e vale dizer, porque o incentivo oposto existe.

Perde quem depende do silêncio. Havia seis anos para agir com o problema conhecido apenas internamente. Agora há prazo público.

E ganha, honestamente, o passageiro, ainda que soe contraintuitivo. Vulnerabilidade conhecida é infinitamente melhor que vulnerabilidade desconhecida. O que mata em segurança não é a falha divulgada. É a falha que ninguém publicou.

O fecho

A imagem que vai circular é a da moeda que derruba um avião. Ela é boa demais para ser precisa.

O que essa pesquisa realmente mostra é que a aviação comercial roda sobre uma premissa de confiança projetada numa época em que o inimigo imaginado era a fadiga do metal, não uma pessoa com um crachá e quinze segundos.

E que essa premissa não pode ser corrigida na velocidade em que ela está sendo atacada, porque corrigi-la significa reprojetar uma frota que vai voar até a década de 2050.

A resposta certa, portanto, não é medo de voar. Voar segue sendo o transporte mais seguro que a humanidade construiu, e ele é seguro justamente porque o setor tem o hábito, raro entre indústrias, de publicar as próprias falhas.

A resposta certa é uma pergunta de gestão, e ela vale para muito mais gente do que companhia aérea:

Quantas das premissas de segurança do seu sistema mais crítico foram escritas antes de existir alguém interessado em quebrá-las?

Porque foi essa a pergunta que um professor de San Diego fez sobre um Boeing 737. E ele achou a porta de exaustão da Estrela da Morte.

Três perguntas antes de você fechar a aba.

• Na sua operação, existe algum sistema crítico em que os componentes confiam uns nos outros sem autenticar nada, porque na época em que foram integrados isso parecia razoável?

• Quem tem acesso físico aos seus equipamentos críticos, e esse acesso é registrado por pessoa e por horário ou é presumido pelo crachá?

• E quando um pesquisador reporta uma falha à sua empresa, existe um prazo interno para responder, ou o relógio começa a correr só quando a imprensa liga?

Se você chegou até aqui, você é do tipo que quer o bastidor, não o palco.

A Tech Gossip publica toda semana o que o comunicado de imprensa não conta: quem ganha poder, dinheiro e influência com a tecnologia que acabou de ser anunciada.

Assine em www.techgossip.com.br

Subscreva agora

A história oficial é sempre a versão que sobreviveu ao comunicado de imprensa.

Fontes: Wired, a reportagem original · Futurism, Frank Landymore, 13/08/2026 · Vulnerabilidades cibernéticas do ARINC 429, arXiv · Impressão digital de hardware para o barramento ARINC 429, arXiv · GOL, dados da frota

Como a norma passou de “não faça” para “não esconda” para “etiquete” em três anos, o que hoje se pode e não se pode fazer, e os cinco caminhos para onde isso evolui.

Três anos separam duas manchetes sobre a mesma empresa.

Novembro de 2023: a Sports Illustrated publica resenhas assinadas por jornalistas que não existem. Nomes inventados, fotos de perfil geradas por computador, biografias fabricadas. A reportagem da Futurism derruba executivos, derruba o CEO, e meses depois a editora perde a licença da própria revista.

Agosto de 2026: a mesma editora anuncia que passa a se chamar Paradium.AI. Comprou uma empresa de geração de conteúdo, lançou uma plataforma de produção automatizada de artigos e vídeos, e descreveu isso, em memorando interno vazado ao Business Insider, como sua nova identidade de “companhia de IA de capital aberto”.

Ninguém foi demitido dessa vez. Saiu comunicado à imprensa.

Se o mesmo comportamento destruiu uma empresa em 2023 e é anunciado como estratégia em 2026, o que exatamente mudou?

A resposta que quase todo mundo dá é “a tecnologia melhorou” ou “a sociedade se acostumou”. As duas estão erradas, e a segunda é perigosa. O que mudou foi a memória coletiva sobre o que estava em jogo.

Primeiro, o que realmente foi punido em 2023

Isso importa mais do que parece, então vale ser preciso. A Sports Illustrated não foi punida por usar inteligência artificial. Ela foi punida por inventar seres humanos.

Havia um “Drew Ortiz” com foto de perfil. Havia biografias descrevendo hobbies e experiência. Havia identidades construídas para que o leitor acreditasse que existia alguém do outro lado, com histórico, com julgamento, com algo a perder se estivesse errado.

E não era um caso isolado do grupo. Investigações posteriores mostraram que a AdVon Commerce, a terceirizada responsável, abastecia dezenas de outras publicações com o mesmo modelo.

Ou seja: o crime tinha nome próprio, e o nome não era “inteligência artificial”. Era fraude de identidade.

Mas a manchete pegou como “escândalo de IA”. E, a partir do momento em que o setor arquivou o caso sob essa etiqueta, a reabilitação ficou fácil. Porque se o problema era a IA, e a IA virou aceitável, então o problema acabou. Só que o problema nunca foi esse. E ele continua exatamente onde estava.

A distinção que resolve quase toda a confusão

Existe uma diferença categórica entre duas coisas que o debate público insiste em tratar como uma só.

Escrever com IA é uma questão de ferramenta. Um instrumento entrou na produção. Como corretor ortográfico, como planilha, como banco de imagens.

Ter escritores falsos é uma questão de responsabilidade. Alguém fabricou uma pessoa para responder por um texto justamente porque ninguém queria responder por ele.

O teste que separa as duas é curto e serve para qualquer setor, não só para jornalismo:

• Existe uma pessoa real, identificável, que responde por este conteúdo se ele estiver errado?

• Se existe, você tem uso de ferramenta. O texto pode ter sido rascunhado por máquina, revisado por gente, e a cadeia de responsabilidade continua íntegra.

• Se não existe, você tem fraude. E aí não importa nem um pouco se o texto foi escrito por IA, por estagiário ou por um consultor caríssimo. O que foi vendido ao leitor foi uma responsabilidade que não existe.

A pergunta certa nunca foi “isso foi escrito por IA?”.

A pergunta certa é “quem responde por isso?”.

E é por isso que o Arena Group de 2023 e a Paradium.AI de 2026 são casos diferentes, ainda que o resultado prático possa acabar sendo parecido. Em 2023 havia fabricação de autoria. Em 2026 há automação declarada. A primeira é ilegítima por definição. A segunda depende inteiramente de como for feita.

Como a norma se moveu, ano a ano

Vale mapear a evolução, porque ela foi rápida e quase ninguém percebeu acontecendo.

• 2023: não faça. Usar IA para gerar conteúdo publicado era, na prática, tabu editorial. Quem fazia, escondia. E quem foi pego, quebrou.

• 2024: não esconda. O debate migrou de proibição para divulgação. Redações começaram a publicar políticas de uso de IA. A discussão virou “em que casos avisamos ao leitor”.

• 2025: assine. Surgem os créditos híbridos. “Reportagem apurada por fulano, com apoio de ferramentas de IA.” A ferramenta deixa de ser vergonha e passa a ser linha de crédito.

• 2026: etiquete. A rotulagem vira obrigação, não escolha. O artigo 50 do AI Act europeu entra em vigor em 2 de agosto exigindo identificação de texto gerado por IA publicado sobre assuntos de interesse público sem revisão humana. No mesmo mês, o Spotify lança o selo “AI Persona” e exclui esses perfis das recomendações.

Repare no movimento inteiro: de não faça para não esconda para etiquete. Em três anos, a norma migrou do conteúdo para o rótulo.

E aqui está a leitura honesta dessa evolução, com o que ela tem de bom e de ruim.

O lado bom é real: transparência é melhor que fraude. Um leitor avisado está em posição melhor que um leitor enganado. Rotulagem obrigatória resolve o problema de consentimento, que era o problema central de 2023.

O lado ruim também é real: rotulagem não resolve qualidade, não resolve responsabilidade e não resolve o incentivo econômico que produziu tudo isso. Uma etiqueta informa o leitor. Não informa quem responde se o conteúdo estiver errado.

O setor trocou um problema difícil por um problema fácil e comemorou a solução.

O que se pode fazer hoje, e o que continua sendo indefensável

Esta é a parte prática, e ela vale para redação, para agência, para departamento de marketing e para qualquer empresa que produza conteúdo.

Pode

• Rascunhar. Gerar primeira versão, estrutura, roteiro, sugestões de título. É o uso mais comum e o menos problemático, porque o texto passa inteiro por revisão antes de existir publicamente.

• Pesquisar e resumir material que você já tem. Sintetizar relatório, comparar documentos, extrair pontos de uma transcrição.

• Transcrever e traduzir, com revisão de quem entende o idioma e o assunto.

• Reformatar. Transformar reportagem em boletim, texto longo em resumo, dado bruto em tabela.

• Gerar variações para teste. Títulos, linhas de assunto, chamadas.

• Automatizar conteúdo estruturado e verificável. Placar de jogo, resultado trimestral, boletim meteorológico, tabela de preços. Agências de notícia fazem isso há mais de uma década, com regra clara e sem drama, porque o dado de entrada é auditável e o formato é fixo.

Em todos esses casos, a condição é a mesma e é inegociável: alguém revisou e alguém assina.

Não pode

• Inventar autor. Nome fictício, foto gerada, biografia fabricada. É fraude, sempre foi, e nada na evolução da tecnologia mudou isso.

• Usar o nome de alguém real sem autorização explícita para aquele conteúdo específico. Vale para jornalista, para especialista e para o executivo que “assina” o artigo do LinkedIn.

• Fabricar fonte, citação ou dado. O modo de falha mais comum de modelos de linguagem é inventar referência plausível. Publicar sem checar é publicar informação falsa, com ou sem etiqueta.

• Publicar sobre saúde, finanças e direito sem revisão de quem entende. São as três áreas em que erro causa dano material direto. E é exatamente onde este grupo já errou antes: em fevereiro de 2023, a Men’s Journal publicou artigos de saúde gerados por IA cheios de informação incorreta.

• Sugerir autoria humana onde não houve. Não precisa mentir explicitamente. Basta desenhar a página para que o leitor conclua sozinho.

• Publicar sem que exista alguém capaz de explicar por que aquilo foi afirmado. Este é o teste final e ele resume todos os outros.

A zona cinzenta, onde a maioria das pessoas realmente está

Rascunho de máquina, edição de gente, publicado com assinatura humana. Isso precisa de aviso ao leitor? A resposta honesta é: depende da materialidade.

Se a IA gerou estrutura e o humano escreveu, verificou e responde, é ferramenta. Ninguém credita o corretor ortográfico.

Se a IA gerou o argumento e o humano só passou o olho, o nome na assinatura está prometendo um trabalho de verificação que não aconteceu. E aí não é a IA que engana. É a assinatura.

A régua prática: quanto do julgamento é humano? Não quanto das palavras.

Então a Paradium.AI está fazendo algo errado?

Ainda não dá para dizer, e eu não vou fingir que dá.

O que a empresa anunciou foi uma aquisição, a InfoSentience, para “escalar a geração de conteúdo orientada por dados”, e uma plataforma chamada Cutter Studios, descrita no comunicado como “plataforma proprietária de produção e distribuição de vídeos e artigos baseada em IA”.

Nada disso é ilegítimo por definição. Geração de conteúdo estruturado a partir de dados é justamente o caso de uso mais defensável que existe.

O que dá para observar são três coisas.

• Primeira: a empresa nunca corrigiu publicamente a parte da identidade. Ela demitiu executivos e perdeu a Sports Illustrated. Não publicou padrão de autoria, política de revisão nem regra sobre quem assina o quê. Corrigiu o organograma. Não corrigiu o processo.

• Segunda: a escala é o risco. Um sistema desenhado para produzir em volume, numa operação com margem apertada, cria pressão estrutural sobre a etapa de revisão. Revisão é lenta e cara. Geração é rápida e barata. A gravidade puxa sempre para o mesmo lado, e não é preciso má-fé para o resultado aparecer.

• Terceira: a economia explica a pressa. O comunicado do dia 10 de agosto anunciou cinco coisas ao mesmo tempo: resultados do trimestre, rebranding, refinanciamento de dívida, aquisição e novo produto. Uma dessas é a notícia. As outras quatro são a moldura.

Os resultados: receita de US$ 22,2 milhões contra US$ 45 milhões um ano antes, queda de 50,7%. EBITDA ajustado de US$ 4,4 milhões contra US$ 18,6 milhões. Caixa de US$ 11,2 milhões contra dívida de US$ 97,6 milhões. E, no mesmo parágrafo, a extensão de três anos no vencimento dessa dívida.

Em 2026, “empresa de mídia com receita caindo pela metade” e “empresa de IA de capital aberto” descrevem exatamente o mesmo balanço. Só que apenas uma das duas descrições consegue rolar dívida.

O comunicado garante que não haverá demissões: “essa tecnologia foi projetada para valorizar nossos parceiros e equipes, não para substituí-los”. Eu não vou afirmar o contrário, porque não sei. Registro apenas que, em operação de mídia, custo é majoritariamente gente, e que o BuzzFeed anunciou pivô para IA em dificuldade financeira e fechou a própria redação de jornalismo no mesmo movimento.

Por que a norma cedeu, e não foi por convencimento

Aqui está a explicação econômica, e ela é mais honesta que qualquer explicação cultural.

O tráfego de busca do Google para publishers caiu 33% globalmente no ano até novembro de 2025, e 38% nos Estados Unidos. A Chartbeat, acompanhando mais de 2.500 sites de notícia, mediu queda de 34% entre dezembro de 2024 e dezembro de 2025.

E a distribuição do dano é o que decide o comportamento: o tráfego caiu 60% para publishers pequenos, 47% para médios e 22% para grandes.

Casos: o Business Insider perdeu mais de 85% do tráfego orgânico. O USA Today, quase metade em um ano.

A norma editorial de 2023 não foi derrubada por argumento. Foi derrubada por planilha.

Quando a receita cai pela metade, a pergunta “devemos usar IA para gerar conteúdo?” deixa de ser ética e vira sobrevivência. E organizações sob risco existencial não fazem escolhas morais refinadas. Fazem a escolha que mantém a luz acesa mais um trimestre.

É por isso que eu não acho que o setor tenha se tornado cínico. Ele ficou sem margem.

O que não torna o resultado melhor, e cria o círculo que ninguém quer olhar: o tráfego caiu por causa de conteúdo gerado, a resposta é gerar mais conteúdo, isso torna a busca menos útil, o que empurra mais gente para respostas automáticas em vez de links, o que derruba o tráfego de novo.

Cada empresa tomando a decisão individualmente racional que torna o setor coletivamente inviável.

A mecânica da normalização: seis engrenagens

Vale destrinchar como uma norma tão firme cedeu tão rápido, porque o padrão não é exclusivo de mídia. Ele vai se repetir em direito, saúde, educação, consultoria e recrutamento, e quem reconhecer as engrenagens consegue antecipar.

1. O escândalo nomeia a coisa errada, e a correção corrige a coisa errada. Foi o que aconteceu em 2023. O caso entrou para a memória como “IA”, quando era “identidade”. Três anos depois, a IA foi absolvida e a identidade nunca chegou a ser julgada. Diagnóstico errado produz tratamento errado, e nenhuma indignação corrige isso depois.

2. Esconder é caro, avisar é de graça. Assim que a divulgação vira aceitável, ela vira universal, porque custa uma linha de texto. A norma sempre desliza para a posição de menor custo entre as opções permitidas. Ninguém adota voluntariamente a versão cara da conformidade.

3. O pioneiro paga a conta e o mercado fica com o benefício. O Arena Group perdeu executivos e perdeu a Sports Illustrated. A prática sobreviveu. Isso é típico: o primeiro flagrado absorve a punição inteira e, ao fazer isso, testa o limite para todo mundo. O custo é individual, o aprendizado é coletivo.

4. Normalização por exaustão. Escândalo precisa de anomalia. Quando todos fazem, não há desvio para apontar, e a indignação perde o alvo. Não é que as pessoas passaram a aprovar. É que pararam de conseguir se escandalizar com o padrão.

5. A etiqueta vira ruído. Já vimos esse filme com aviso de cookie. Quando tudo é rotulado, o rótulo deixa de informar e vira mobília. A rotulagem funciona enquanto é sinal de exceção. Deixa de funcionar quando vira sinal de regra.

6. Quem define o piso é o mais fraco que ainda está de pé. A norma não se estabiliza no que o líder de mercado considera correto. Estabiliza no que a empresa sob risco existencial consegue pagar. E, num setor com receita caindo pela metade, esse piso é bem baixo.

Repare que nenhuma dessas engrenagens exige má-fé. É por isso que apelo ético não reverte o processo. Ele não foi movido por convicção.

Para onde isso pode evoluir: cinco cenários

Agora a parte que interessa a quem precisa tomar decisão nos próximos dois anos.

Cenário 1: a etiqueta vira mobília. É o mais provável no curto prazo e o mais melancólico. Rotulagem obrigatória em toda parte, ninguém lê, o setor declara o problema resolvido e a conversa acaba. Custo de conformidade baixo, benefício informacional próximo de zero. É o desfecho do aviso de cookie, e ele levou uns cinco anos para se consumar.

Cenário 2: a discussão migra de “como foi feito” para “quem assina”. Este é o movimento que eu aposto que vem, e ele já começou. O Spotify criou o selo “AI Persona”, mas criou também o “Verified by Spotify”, que atesta que existe um humano real por trás. Padrões técnicos de proveniência, como o C2PA, embutem no arquivo a cadeia de quem editou o quê. A pergunta útil deixa de ser “isto é sintético?” e vira “existe alguém com nome vinculado a isto?”. É a evolução tecnicamente mais defensável, porque atende à pergunta que realmente importa.

Cenário 3: o mercado se bifurca com preços diferentes. Conteúdo verificadamente humano vira premium precificado. Conteúdo sintético vira commodity barata e etiquetada, e ambos coexistem como orgânico e convencional no supermercado. Para isso acontecer, é preciso que apareça um diferencial de preço mensurável, em CPM de anúncio ou em disposição a pagar por assinatura. Enquanto o mercado não pagar mais por conteúdo humano, rotulá-lo é apenas custo. Este é o cenário que exige a condição que ainda não apareceu em lugar nenhum.

Cenário 4: colapso de confiança e migração para o presencial. Se a rotulagem virar ruído e a qualidade continuar caindo, as pessoas param de acreditar em qualquer coisa não presencial. O valor migra para o que não pode ser sintetizado: evento ao vivo, comunidade fechada, relação direta com quem produz, newsletter com nome e sobrenome do autor. Neste cenário, a autoridade deixa de ser da marca e passa a ser da pessoa. É ruim para conglomerado de mídia e curiosamente bom para autor independente.

Cenário 5: regulação por dano, não por origem. É o cenário mais raro e o único que eu defenderia.

Vale explicar por quê.

Toda a regulação atual pergunta como o conteúdo foi produzido. É a pergunta errada, e ela envelhece mal: em dois anos, praticamente toda produção terá algum grau de assistência de máquina, e a distinção “gerado por IA” vai significar tão pouco quanto “digitado em computador”.

A pergunta que não envelhece é quem responde pelo dano.

Existe precedente maduro para isso, e ele não é da tecnologia. É da indústria de alimentos. Ninguém regula se o pão foi assado por pessoa ou por máquina. Regula-se contaminação, rotulagem de ingrediente, rastreabilidade de lote e responsabilidade civil do fabricante. O processo é livre. A responsabilidade pelo resultado é obrigatória e nominal.

Aplicado a conteúdo, isso significaria três coisas: rastreabilidade de quem revisou, responsabilidade civil de quem publica pelo erro material, e obrigação reforçada nas áreas de dano concreto, que são saúde, finanças e direito.

Note que nesse desenho a pergunta “foi IA?” simplesmente deixa de importar. E é justamente por isso que ela é a resposta certa.

Meu palpite de peso: cenário 1 no curto prazo, cenário 2 se consolidando entre 2027 e 2028, cenário 5 só depois que alguém for processado por um dano grande o bastante para forçar a conversa. Cenário 3 depende de um dado que ainda não existe. Cenário 4 é o pior de todos e é para onde vamos se os outros quatro falharem.

O recorte brasileiro

No Brasil, não existe regra.

O AI Act europeu exige rotulagem desde 2 de agosto de 2026, com multa que pode chegar a 3% do faturamento global. O PL 2338/2023 foi aprovado no Senado em dezembro de 2024, segue parado em comissão especial na Câmara, e nem no texto aprovado há dispositivo específico sobre rotulagem de conteúdo jornalístico gerado por máquina.

O Código de Ética dos Jornalistas Brasileiros exige identificação de autoria, mas vincula jornalistas, não plataformas, e não tem força de lei.

Na prática, a única sanção disponível hoje no Brasil é reputacional. E o caso Arena Group mostra exatamente quanto ela dura: três anos, e depois vira comunicado à imprensa.

Some a isso que a economia aqui é a mesma. Se o tráfego caiu 60% para publisher pequeno, quantos sites brasileiros de nicho já publicam texto gerado sem dizer, agora?

Ninguém sabe. Não existe no Brasil um equivalente ao trabalho investigativo que a Futurism fez em 2023. O escândalo brasileiro ainda não aconteceu não porque o comportamento não exista, mas porque ninguém foi olhar.

E se você dirige uma operação de conteúdo no Brasil, a ausência de lei não te protege. Ela só significa que a regra vai ser escrita depois, provavelmente com o seu caso como exemplo. Publicar hoje uma política de autoria, mesmo simples, é mais barato do que explicar depois por que não havia nenhuma.

O fecho

Em 2023, essa empresa colocou rostos fabricados para assinar textos que ninguém escreveu, e o mercado tratou como escândalo de inteligência artificial.

Foi um erro de diagnóstico, e ele saiu caro.

Se o caso tivesse sido nomeado corretamente, como fraude de autoria, a reabilitação de 2026 seria impossível. Porque a empresa teria que mostrar o que fez a respeito de autoria, e ela não fez nada.

Etiquetar conteúdo de IA é progresso real. Mas etiqueta responde “como isto foi feito”, e a pergunta que quebrou a Sports Illustrated era outra: quem responde por isto.

Nenhuma etiqueta responde essa.

O setor gastou três anos aprendendo a avisar. Ainda não gastou um dia aprendendo a assinar.

Três perguntas antes de você fechar a aba.

• No último conteúdo que a sua empresa publicou, existe uma pessoa com nome e sobrenome capaz de explicar por que cada afirmação está lá?

• A sua organização tem política escrita de uso de IA em conteúdo, ou tem uma prática informal que ninguém quer colocar no papel?

• E quando a regulação chegar exigindo rotulagem, você vai conseguir dizer o que foi gerado nos últimos dois anos, ou vai descobrir que ninguém registrou?

Se você chegou até aqui, você é do tipo que quer o bastidor, não o palco.

A Tech Gossip publica toda semana o que o comunicado de imprensa não conta: quem ganha poder, dinheiro e influência com a tecnologia que acabou de ser anunciada.

Assine em www.techgossip.com.br

Subscreva agora

A história oficial é sempre a versão que sobreviveu ao comunicado de imprensa.

Fontes: Futurism, Maggie Harrison Dupré, 13/08/2026 · Futurism, a reportagem original de 2023 · Futurism, sobre a AdVon Commerce · Business Insider, sobre o memorando vazado · Comunicado de resultados do 2º trimestre de 2026 · Documentos entregues à SEC · Digiday, sobre a queda de tráfego dos publishers · Senado Federal, PL 2338/2023

Os agentes ficam logados no Canvas e no Blackboard assistindo às aulas, fazendo os testes e respondendo aos colegas no fórum. O que isso revela sobre o que esses cursos realmente mediam, e o que dá para fazer a respeito.

O New York Times documentou um comportamento que muda a natureza do problema.

Não é mais aluno pedindo resposta ao ChatGPT. É aluno instalando um agente, dando acesso à plataforma de ensino e saindo de perto.

O agente entra no Canvas ou no Blackboard. Assiste às videoaulas. Responde aos questionários. Escreve os trabalhos. E participa dos fóruns de discussão, onde deveria haver conversa entre colegas sobre as leituras da semana, se passando pelo aluno. Enquanto isso, a pessoa faz outra coisa. Ou nada.

Karen Costa, que passou duas décadas dando aulas de escrita, contou ao Times a pergunta que passou a se fazer: “Será que estou interagindo apenas com bots?”

Se um software consegue cursar uma faculdade inteira do começo ao fim, o que exatamente aquele curso estava medindo?

A pergunta acima é a única que importa, e ela não é sobre trapaça

Vamos com calma aqui, porque este é o ponto do texto inteiro.

Um agente de IA não é inteligente do jeito que um aluno é. Ele é bom em executar sequências de tarefas definidas: clicar, aguardar, preencher, enviar, responder.

Se um executor de tarefas consegue completar um curso com aproveitamento, então aquele curso não estava avaliando aprendizado. Estava avaliando cumprimento de fluxo.

São coisas diferentes, e a diferença ficou invisível por vinte anos porque, até ontem, a única forma de cumprir o fluxo era ter uma pessoa fazendo aquilo.

O agente não quebrou a educação online. Ele revelou que boa parte dela mediu presença, entrega e clique, e chamou isso de aprendizagem.

É a Lei de Goodhart no estado mais puro que eu já vi: quando uma medida vira meta, ela deixa de ser uma boa medida. O sistema de gestão de aprendizagem transformou estudo em uma lista de ações mensuráveis. No instante em que essas ações puderam ser automatizadas, a medida morreu.

E ela não morreu por causa da IA. Morreu porque nunca mediu o que dizia medir. A IA só apresentou a conta.

Por que ninguém no sistema quer resolver isso

Aqui está a parte incômoda, e ela explica por que o problema vai crescer e não diminuir. Percorra a cadeia e procure alguém com incentivo real para impedir.

O aluno quer o diploma. Em muitos casos, quer especificamente o diploma e não o conteúdo, porque o mercado exige o papel para a vaga. Quem cursa EAD noturno depois de oito horas de trabalho não está fazendo escolha filosófica, está fazendo aritmética de sobrevivência.

A instituição recebe a mensalidade de qualquer maneira. Reprovar em massa é prejuízo direto, aumenta evasão e piora indicador. E muitas universidades assinaram contratos com empresas de IA para oferecer versões institucionais dos modelos aos próprios alunos.

Esse último detalhe cria a contradição que os professores relatam. A Universidade Estadual da Califórnia fechou um contrato milionário com a OpenAI no ano passado. Carol Sewell, do sistema, resumiu para o Times: “Não estou recebendo nenhuma orientação sobre como dissuadir o uso dessas ferramentas. Estou tendo oportunidades de aprender mais sobre como usá-las.”

A instituição diz proibir e oferece licença. O aluno lê corretamente qual das duas mensagens é a verdadeira.

A empresa de IA vende a ferramenta. E, segundo o levantamento do Times, nenhum dos três produtos mais usados por estudantes recusaria escrever um trabalho inteiro em nome do aluno. Nenhum bloqueia acesso de agentes a Canvas ou Blackboard. E todos ignoraram o pedido de educadores para que os modelos se identifiquem ao operar nessas plataformas.

A justificativa da Perplexity merece ser lida devagar: exigir que agentes se identifiquem em plataformas de aprendizagem “colocaria a privacidade e a segurança do aluno em risco”.

É um argumento que só funciona se a gente presumir que o interesse a proteger é o de não ser pego. Privacidade protege a pessoa contra vigilância indevida. Não protege um software de dizer que é software quando entra num sistema em nome de alguém.

O professor é o único ator com incentivo para agir, e é o que tem menos poder. Sem prova presencial, sem apresentação oral, sem orientação institucional, cada um decide sozinho. Alguns ignoram, outros punem duro, e o resultado é uma régua diferente por sala.

E o empregador só descobre anos depois, quando contrata.

Cinco elos na corrente. Quatro ganham com o silêncio.

O ativo comum que está sendo consumido

Existe um efeito de segunda ordem que quase ninguém está calculando.

Cada aluno que faz isso obtém um benefício individual e produz um dano coletivo: dilui o valor do diploma daquele curso, daquela instituição, daquela modalidade.

O ganho é privado e imediato. A perda é compartilhada e lenta.

É a tragédia dos comuns aplicada a credenciais. E a característica cruel dessa dinâmica é que a conta não chega para quem causou. Chega para o colega que estudou de verdade, na mesma turma, com o mesmo diploma na parede, tentando explicar numa entrevista que no caso dele foi diferente.

O sinal de um diploma é uma reputação coletiva. E reputação coletiva se destrói de dentro, silenciosamente, até o dia em que o mercado simplesmente para de acreditar.

O recorte brasileiro, e aqui a exposição é a maior do mundo

Agora os números que fazem esta matéria americana ser, na verdade, uma matéria brasileira urgente.

Segundo o Censo da Educação Superior de 2024, do Inep, o ensino a distância passou a ser majoritário no Brasil: 50,7% das matrículas de graduação, com 5,1 milhões de alunos em EAD contra 5 milhões no presencial. Foi a primeira vez na história.

E o dado que realmente assusta: 73,5% dos ingressantes de 2024 entraram em cursos a distância.

Quase três em cada quatro calouros brasileiros. Entre 2014 e 2024, a matrícula em EAD cresceu 286,7%, enquanto a presencial caiu 22,3%.

Ou seja: o Brasil é, provavelmente, o país grande mais exposto do planeta a esse problema específico. Não porque os estudantes brasileiros sejam menos honestos, mas porque a arquitetura do sistema é a que o agente consegue operar.

E aqui vem a parte que eu não esperava encontrar ao apurar isso.

O Brasil regulou pelo motivo errado e acertou por acidente

Em maio de 2025, o MEC assinou o decreto da Nova Política de Educação a Distância.

As regras principais:

Medicina, direito, enfermagem, odontologia e psicologia passam a ser oferecidos exclusivamente presenciais.

Todos os demais cursos em EAD precisam ter no mínimo 20% da carga horária em atividades presenciais ou síncronas, com interação em tempo real.

E, o mais importante: cada disciplina precisa ter ao menos uma avaliação presencial, e essa prova deve ser a de maior peso na nota final, avaliando competências como análise, síntese ou prática.

Licenciaturas e demais cursos de saúde não podem passar de 50% de carga à distância. Dois anos de transição.

O decreto foi escrito para resolver outro problema: formação prática deficiente, estágio de fachada, expansão predatória de vagas. Agentes de IA não estavam na conversa em maio de 2025.

Mas leia de novo a regra da avaliação presencial de maior peso.

É exatamente a defesa que as universidades americanas estão correndo atrás agora, em pânico, depois do fato.

A Faculdade de Direito da Universidade de Chicago acabou de proibir celular, tablet e notebook em sala nas disciplinas do primeiro ano, como parte de sua nova “estratégia de IA”. Princeton abandonou o Código de Honra centenário, que permitia prova sem fiscalização, depois de um escândalo de fraude com IA.

Duas das instituições mais prestigiadas do mundo estão desfazendo tradições de cem anos para reinstalar o que o decreto brasileiro tornou obrigatório por outro motivo.

Isso não é motivo para comemorar, e sim para prestar atenção em duas coisas.

Primeira: a regra existe, mas a fiscalização é a variável. Regra de avaliação presencial só vale se a avaliação presencial acontecer com identificação, em local controlado, e com peso real na média. Polo de apoio presencial no Brasil tem qualidade que varia enormemente, e o histórico de fiscalização do setor não inspira otimismo.

Segunda: dois anos de transição significam dois anos de exposição. E os agentes não vão esperar a adaptação curricular terminar.

O que fazer, dependendo de onde você está

Se você coordena curso ou dá aula

Pare de tentar detectar. Detector de IA não funciona de forma confiável, gera falso positivo contra aluno honesto e coloca o professor no papel de policial numa corrida que ele perde. Cada hora gasta em detecção é uma hora não gasta em redesenho.

Mude o que é avaliado, não o que é vigiado. A pergunta de projeto é simples: um agente consegue fazer isto sem a pessoa? Se consegue, aquilo não é avaliação, é tarefa.

• Peça processo, não produto. Rascunho comentado, versões intermediárias, defesa oral de cinco minutos sobre o próprio trabalho, justificativa de escolha metodológica. Agente entrega produto muito bem. Ninguém consegue defender oralmente um raciocínio que não fez.

• Use material que não está no modelo. Dado da própria turma, caso local, entrevista feita pelo aluno, evento da semana. Trabalho ancorado no específico é caro de simular e barato de propor.

• Avalie ao vivo, mesmo que pouco. Uma banca de dez minutos por aluno por semestre resolve mais que dez ferramentas de detecção. É a lógica do decreto brasileiro, e ela funciona porque não tenta adivinhar como o trabalho foi feito. Verifica se a pessoa sabe.

E assuma uma posição institucional. O pior cenário para o aluno não é a proibição nem a liberação. É cada professor com uma regra, o que ensina que a norma é arbitrária e que o problema é ser pego.

Se você contrata

Pare de tratar diploma como prova de competência e comece a tratar como filtro de triagem. Ele já vinha perdendo poder informativo. Agora perdeu mais.

Teste no processo seletivo o que o cargo exige de verdade, ao vivo, com conversa. Não prova de múltipla escolha remota, que é o formato mais automatizável que existe.

E não descarte candidato por causa da modalidade do curso. Isso seria injusto e ineficaz: quem cursou EAD com seriedade não tem culpa, e quem burlou também existe no presencial. A modalidade não é o sinal. O que a pessoa consegue explicar é.

Se você é estudante

Vou ser direta, sem sermão.

O agente entrega o diploma e não entrega a única coisa que o diploma deveria representar, que é você conseguir fazer aquilo. Você vai descobrir a diferença no primeiro dia do primeiro emprego, num ambiente onde ninguém te avalia por entrega no Canvas e todo mundo te avalia por perguntas que você não pode terceirizar.

Existe pesquisa sugerindo que uso intensivo dessas ferramentas está associado a pensamento crítico comprometido e a prejuízo de retenção. A literatura ainda é jovem e eu não vou vender certeza que ela não tem. Mas a intuição é banal e todo mundo já viveu: você não aprende a nadar assistindo.

E existe uma versão honesta e muito produtiva de usar essas ferramentas para estudar: pedir explicação de conceito que você não entendeu, pedir contraexemplo, pedir que critiquem o seu argumento, pedir simulação de arguição. Isso é tutor. O agente que faz o curso por você é o oposto: ele tem a experiência e você fica com o boleto.

O fecho

O que está acontecendo não é uma onda de trapaça. Trapaça sempre existiu, e cola em prova é mais velha que a universidade. O que mudou é a escala e o objeto.

Escala, porque não é mais um aluno colando numa questão. É um software cumprindo um semestre inteiro, incluindo as partes que existiam justamente para provar presença humana, como o fórum de discussão.

E objeto, porque o alvo deixou de ser a resposta e passou a ser o processo de avaliação inteiro.

Quando alguém automatiza integralmente um sistema de avaliação, a conclusão honesta não é que os alunos ficaram desonestos. É que o sistema estava medindo a coisa errada, e agora todo mundo sabe.

O Brasil colocou 73,5% dos seus calouros dentro desse formato. Escreveu, quase por acaso, a regra que pode protegê-lo. E deu a si mesmo dois anos para implementá-la.

O prazo é apertado. E os agentes já estão logados.

Três perguntas antes de você fechar a aba.

• Na disciplina que você coordena ou cursa, quantas atividades um agente conseguiria completar sozinho, do começo ao fim, sem que ninguém notasse?

• Se a resposta for “quase todas”, o que exatamente aquele curso estava medindo antes de os agentes existirem?

• E na sua empresa, quando alguém apresenta um relatório, existe algum momento em que essa pessoa precisa defender oralmente o que escreveu?

Se você chegou até aqui, você é do tipo que quer o bastidor, não o palco.

A Tech Gossip publica toda semana o que o comunicado de imprensa não conta: quem ganha poder, dinheiro e influência com a tecnologia que acabou de ser anunciada.

Assine em www.techgossip.com.br

Subscreva agora

A história oficial é sempre a versão que sobreviveu ao comunicado de imprensa.

Fontes: Futurism, Frank Landymore, 13/08/2026 · The New York Times, sobre agentes cursando disciplinas online · Inep, Censo da Educação Superior 2024 · Agência Gov, decreto da Nova Política de EaD · Agência Brasil, o que muda com a nova política de EaD · The Atlantic, sobre o Código de Honra de Princeton

O caso está sendo debatido como uma questão de privacidade em IA. O que os autos mostram é outra coisa: a detecção funcionou perfeitamente, e o juiz disse da tribuna que só aceitou o acordo porque a ex-namorada aprovou.

Aviso: este texto trata de violência contra a mulher, ameaça de morte e violência sexual. A descrição dos fatos é a mínima necessária para sustentar o argumento.

Vamos aos fatos, do jeito que estão nos autos, reportados pela repórter Hannah Phillips, do Palm Beach Post.

Em março, Darren Zhou, 25 anos, analista do Goldman Sachs, começou a usar o ChatGPT para falar sobre o fim de um namoro de seis meses. Contou ao chatbot os hobbies dela, os lugares que ela frequentava, o ciúme que sentia dos homens ao redor dela.

As mensagens escalaram para ameaça de estupro, assassinato e assassinato seguido de suicídio.

Ele descreveu esperar no estacionamento da academia dela com flores. Se fosse rejeitado, sacaria uma arma. Descreveu forçá-la sob a mira a dirigir até a casa dele, mantê-la em cárcere e agredi-la sexualmente. Se a polícia chegasse, atiraria nela repetidamente antes de virar a arma contra si.

Disse ter comprado um fuzil estilo AR-15, uma pistola Glock e uma espingarda calibre 12. Disse ter enviado a ela fotos das armas, de abraçadeiras plásticas e de luvas de látex.

“Vou matá-la até o final deste mês”, escreveu. “Se eu não posso tê-la, ninguém mais pode.”

A OpenAI detectou e comunicou ao FBI. Em maio, agentes federais entregaram dois meses de registros de conversa ao gabinete do xerife do condado de Palm Beach. A essa altura, os alvos declarados já incluíam a família da jovem.

Um investigador que analisou o material foi preciso na descrição: não eram “explosões emocionais vagas”. Era um padrão de ensaio e planejamento.

Ele foi preso em maio. Passou dois dias na cadeia e pagou fiança de US$ 100 mil.

Em 13 de agosto, declarou-se culpado das três acusações. E saiu do tribunal sem condenação criminal registrada.

Se a tecnologia detectou, o Estado federal encaminhou, a polícia prendeu e o réu confessou, por que o desfecho foi este?

O acordo, em detalhe, porque o detalhe é a notícia

A promotora assistente Ana Cuskova o denunciou em junho por perseguição qualificada, ameaça de morte por escrito e uso ilegal de telefone celular. Crimes puníveis com até 25 anos de prisão.

Ele negociou. E o que conseguiu foi mais do que evitar a cadeia.

O juiz suspendeu a sentença condenatória, o instituto que a lei da Flórida chama de withheld adjudication. Na prática, significa que ele não passa a ter uma condenação por crime grave no registro. Isso não é detalhe processual: é a diferença entre carregar um antecedente pelo resto da vida e não carregar. Afeta emprego, licença profissional e, com o tempo, até o direito de comprar arma.

A pena foi de oito anos de liberdade condicional. Tornozeleira eletrônica nos dois primeiros anos. Programa de intervenção para agressores. Avaliação de saúde mental. Proibição de drogas, álcool, armas e contato com a ex.

E aqui está a frase que deveria estar no topo de toda cobertura deste caso.

O juiz Scott Suskauer disse da tribuna que só aceitou o acordo porque a ex-namorada de Zhou o havia aprovado.

Leia de novo.

A decisão sobre a pena de um homem que descreveu por escrito, ao longo de dois meses, planos detalhados de estuprá-la e matá-la, foi transferida na prática para uma mulher de 21 anos que, meses antes, terminou o namoro por telefone porque tinha medo da reação dele.

Isso é apresentado como respeito à vítima. E há um argumento legítimo por trás: ouvir a vítima é um avanço real do direito penal. Mas quando a decisão sobre a consequência recai sobre a pessoa que ainda depende da boa vontade do agressor para viver em paz, o que se chama de escuta funciona também como transferência de responsabilidade.

O Estado detém o monopólio da força justamente para que ela não precise carregar isso.

O porta-voz da promotoria, Marc Freeman, listou os fatores que influenciam qualquer caso: força das provas, cooperação da vítima, antecedentes criminais e limitações legais. Não especificou qual pesou aqui. Disse que a decisão foi tomada por promotores experientes.

A defesa, e o roteiro que ela segue

O advogado Steven Bell chamou o desfecho de “resolução extremamente justa e correta”. E os argumentos dele merecem ser reproduzidos, porque compõem um roteiro conhecido:

Zhou se formou magna cum laude pela Northeastern University, em Boston. Não tinha antecedentes criminais. E, segundo o advogado, não possuía armas de fogo, apesar de suas mensagens sugerirem o contrário.

“Ele não é uma pessoa violenta. Ele não é uma pessoa má”, disse Bell. “Ele passou por um episódio de saúde mental muito difícil e está indo inacreditavelmente bem agora.”

Vale examinar esse conjunto com calma, sem ironia, porque cada peça faz um trabalho.

O diploma transforma o réu em promessa desperdiçada. É o argumento mais antigo do direito penal americano e o mais estudado: réus com credencial acadêmica e emprego de prestígio recebem sistematicamente desfechos mais brandos que réus sem eles, pelos mesmos fatos.

A ausência de antecedentes é um fato relevante e legítimo. Também é o padrão em violência doméstica. A maioria dos feminicídios é cometida por quem nunca havia sido processado antes, o que é exatamente o motivo pelo qual “primeira vez” é um previsor fraco nesse tipo de crime.

A alegação de que não possuía armas é a mais delicada. Se for verdadeira, e não há por que descartá-la, ela reposiciona o caso: as armas seriam fantasia. Mas a alegação não anula os outros elementos. Ele enviou à vítima fotos de armas, abraçadeiras plásticas e luvas de látex. Se as armas não eram dele, alguém montou deliberadamente uma cena para produzir terror. O objeto pode ter sido falso. O efeito sobre ela não foi.

E “episódio de saúde mental” é a formulação que faz mais trabalho de todas, porque converte dois meses de planejamento documentado em um evento pontual, transitório e involuntário. Sofrimento psíquico é real e merece tratamento. Mas sofrimento psíquico não redige, ao longo de sessenta dias, um roteiro com local, arma, sequência e desfecho.

O investigador que leu os registros já havia respondido a isso: não eram explosões emocionais vagas, era ensaio.

O detalhe mais assustador do caso não é uma ameaça

Entre todas as mensagens que ele enviou diretamente a ela, uma se destaca, e não é a mais explícita.

Enquanto a jovem estava dentro de uma academia em West Palm Beach, ele mandou uma mensagem contendo o nome da academia. E nada mais.

Sem ameaça. Sem xingamento. Sem pedido.

Só a prova de que ele sabia onde ela estava naquele instante.

Quem trabalha com violência doméstica reconhece esse movimento imediatamente. É a demonstração de capacidade de vigilância, e ela funciona melhor que ameaça explícita justamente porque não pode ser levada a lugar nenhum. Uma ameaça escrita é prova. O nome de um endereço não é nada, juridicamente. Mas quem recebe entende perfeitamente.

No aniversário de 21 anos dela, ele escreveu: “Mal posso esperar para te ver hoje à noite ;)”.

Ela havia bloqueado o número dele numa quinta-feira. Na sexta ele mandou mensagem de outro número, pedindo desculpas por ter exagerado. Fez o mesmo pelo Instagram, onde ela também o bloqueou. Ele seguiu ligando e escrevendo de números gerados por aplicativo, que são descartáveis e infinitos.

Aqui está a lição técnica que raramente aparece em cartilha: bloquear não funciona mais. A infraestrutura de números virtuais tornou o bloqueio uma medida simbólica. Cada bloqueio compra algumas horas e produz um novo número.

Por que ela não denunciou antes, e por que essa é a informação mais importante do caso

Ela contou aos investigadores.

Os sentimentos que ainda tinha por ele, somados à “esperança equivocada” de que ele pararia de assediá-la se ela ignorasse por tempo suficiente, impediram que ela o denunciasse.

Essa frase deveria ser lida em toda campanha de prevenção do país.

Não foi ingenuidade. Não foi falta de informação. Foi a combinação exata que aparece na literatura sobre violência doméstica: vínculo afetivo residual mais a crença, quase universal, de que não reagir reduz o risco.

E ela estava fazendo, sozinha, a coisa certa. Enquanto capturava telas e bloqueava números, ele escrevia ao ChatGPT: “Ela não recebeu nenhuma das ameaças.”

Ele achava que não havia registro. Ela estava construindo o registro.

Os investigadores prenderam Zhou armados de duas coisas: as mensagens dele para a IA e as mensagens dele para a ex. A segunda metade da prova foi produzida por ela, com o celular na mão, enquanto era ameaçada.

A tecnologia contribuiu. A vítima documentou.

O que a OpenAI faz, e a lacuna que ninguém está discutindo

A política existe e está declarada, embora seja pouco conhecida.

Quando o sistema detecta usuários planejando causar dano a terceiros, a conversa vai para uma esteira específica, revisada por uma equipe pequena treinada nas políticas de uso e autorizada a agir, inclusive banindo contas. Se os revisores concluírem que há ameaça iminente de dano físico grave a outra pessoa, o caso pode ser encaminhado à polícia.

Há uma exceção explícita, confirmada pela empresa: casos de autolesão não são encaminhados às autoridades, “para respeitar a privacidade das pessoas, dada a natureza singularmente privada das interações com o ChatGPT”.

A assimetria tem lógica jurídica. Reproduz em software o princípio do dever de alertar: o sigilo se rompe diante de risco concreto a um terceiro identificável, não diante do risco que a pessoa representa a si mesma.

Só que este caso continha as duas coisas ao mesmo tempo. Os planos descritos eram de homicídio seguido de suicídio. A política tratou como ameaça a terceiro, o que estava correto, mas ilustra que a linha divisória da empresa é mais nítida no papel do que na realidade clínica.

E há uma lacuna maior, escondida em uma frase da reportagem que passou batida.

Os registros entregues à polícia continham apenas as mensagens de Zhou. Não continham as respostas do ChatGPT.

Portanto ninguém, fora da OpenAI, sabe o que a ferramenta respondeu.

Ela recusou? Redirecionou? Ofereceu ajuda? Engajou? Acompanhou o raciocínio? Durante dois meses, um homem descreveu planos de estupro e assassinato para um sistema, e a metade do diálogo que pertence à empresa não foi para os autos.

Isso não é acusação. É a constatação de um vazio de accountability: a empresa entregou a prova contra o usuário e reteve a prova sobre o próprio produto.

Nenhum relatório de transparência informa quantos casos foram encaminhados, quantos falsos positivos existem, o que exatamente aciona a revisão humana, ou como alguém reportado por engano contesta. Uma empresa privada definiu unilateralmente onde termina a privacidade de centenas de milhões de pessoas, e os critérios não são públicos.

O caso Zhou é o cenário mais fácil possível de defender. Políticas, porém, não são escritas para os casos fáceis.

E se acontecesse no Brasil? A OpenAI pode denunciar um brasileiro às autoridades daqui?

Esta é a pergunta prática que interessa a quem lê daqui, e a resposta honesta tem três camadas.

Primeira: a política é global, não americana.

As políticas de uso da OpenAI valem para todos os usuários, em qualquer país. Não há nenhuma cláusula limitando a varredura e o encaminhamento ao território dos Estados Unidos. Se você escreve em português, de São Paulo, a mesma esteira de detecção e revisão humana se aplica.

Então, tecnicamente, sim: uma conversa de um usuário brasileiro pode ser sinalizada, revisada por uma pessoa e encaminhada a autoridades.

Segunda: seria legal no Brasil? Sim, e a base legal já existe.

A LGPD não impede isso. O artigo 7º, inciso VII, autoriza o tratamento de dados pessoais, independentemente de consentimento, “para a proteção da vida ou da incolumidade física do titular ou de terceiro”.

É exatamente a hipótese deste caso. Uma empresa que identifica ameaça concreta de morte contra pessoa determinada tem base legal para comunicar às autoridades sem pedir autorização a ninguém.

Só que existe uma diferença importante entre poder e dever.

O Brasil não tem equivalente ao dever de alertar da jurisprudência americana. Não existe, na legislação brasileira, obrigação legal para uma empresa de tecnologia comunicar ameaça detectada em conteúdo de usuário. A omissão de socorro do artigo 135 do Código Penal é muito mais estreita e não alcança essa situação.

Ou seja: comunicar é permitido e discricionário. Não comunicar também é.

Terceira, e é aqui que a coisa trava: comunicar para quem?

No caso americano, o caminho existe e é conhecido. A empresa aciona o FBI, o FBI repassa ao xerife do condado, o xerife prende. Três degraus, todos dentro da mesma jurisdição, com canal estabelecido.

No Brasil, esse canal não é público e provavelmente não existe de forma estruturada. Não há uma central federal designada para receber comunicação de risco vinda de plataforma estrangeira. Polícia Federal, Ministério Público estadual e Polícia Civil têm competências diferentes, e nada indica que a OpenAI tenha protocolo com qualquer um deles.

Some a isso um dado que encontrei ao verificar: o Brasil sequer aparece na seção de usuários internacionais da política de privacidade da OpenAI, e a LGPD não é mencionada no documento. Uma empresa que não nomeia a lei brasileira no próprio contrato dificilmente montou um fluxo operacional com a polícia brasileira.

E o caminho inverso, que é o que mais acontece na prática?

Se a polícia brasileira quiser obter os registros de conversa de alguém, o caminho é ordem judicial. O artigo 11 do Marco Civil da Internet afirma a jurisdição brasileira sobre dados coletados em território nacional, mesmo quando a empresa é estrangeira.

Na prática, porém, o pedido frequentemente termina no acordo de cooperação jurídica internacional entre Brasil e Estados Unidos, o Decreto 3.810/2001, que é lento e cheio de fricção.

Essa disputa está inclusive no Supremo Tribunal Federal, na ADC 51, que discute se a autoridade brasileira pode requisitar dados diretamente da empresa ou se precisa passar pelo procedimento internacional. Enquanto o tema não é pacificado, cada caso vira negociação.

A conclusão honesta: não existe registro público de a OpenAI ter comunicado autoridades brasileiras sobre um usuário daqui. Não sei dizer se já aconteceu, e ninguém de fora da empresa sabe, porque não há relatório de transparência informando quantos encaminhamentos foram feitos, para quais países, com base em quais critérios.

O que dá para afirmar é o desenho: a empresa pode fazer isso legalmente no Brasil, não é obrigada a fazer, e não parece ter o canal montado para fazer.

Se você estiver contando com essa camada de proteção, não conte.

Uma ressalva necessária

Nada nos autos estabelece que o ChatGPT causou o comportamento dele. O que os registros mostram é que ele usou a ferramenta para verbalizar, ensaiar e organizar uma intenção que já existia.

Existe literatura preocupante sobre chatbots agravarem quadros psíquicos, e ela merece atenção própria. Mas transformar este caso em prova disso seria trocar análise por sensacionalismo, e o caso não precisa de ajuda para ser grave.

O que se pode afirmar é mais desconfortável e mais útil: a ferramenta funcionou simultaneamente como confidente e como testemunha, e o usuário não sabia da segunda função.

O recorte brasileiro, e aqui os números decidem a discussão

O Brasil registrou 1.571 feminicídios em 2025, o maior número da série histórica e o quarto recorde consecutivo, segundo o Anuário Brasileiro de Segurança Pública. Alta de 4% sobre 2024.

Oito em cada dez vítimas foram mortas por companheiro ou ex-companheiro. Sessenta e quatro por cento foram mortas dentro da própria casa.

E agora o par de números que encerra o debate sobre detecção.

Em 2024, a Justiça brasileira concedeu 555.001 medidas protetivas de urgência, 7% mais que no ano anterior.

101.656 dessas medidas foram descumpridas pelos agressores, 11% mais que no ano anterior.

Cento e um mil, seiscentos e cinquenta e seis.

Uma medida protetiva é uma detecção que já aconteceu. A mulher identificou o risco, foi à delegacia, prestou depoimento, um juiz analisou e determinou o afastamento. O sistema detectou, registrou e ordenou.

Mais de cem mil vezes, em um único ano, isso não impediu nada.

Por isso a promessa implícita nesse tipo de notícia, a de que a IA vai identificar o agressor antes do crime, precisa ser lida com ceticismo. O Brasil não tem problema de identificar agressor. Tem meio milhão identificados por ano, com ordem judicial na mão, e um sistema que não consegue fazer a ordem valer.

Detecção sem capacidade de resposta não produz proteção. Produz documentação.

No primeiro semestre de 2026 foram 741 feminicídios, contra 760 no mesmo período de 2025. Queda de 2,5%. Depois de quatro anos de recorde, é a notícia boa disponível, e ela é modesta demais para comemorar.

O que fazer, na prática

Esta parte vale para você ou para alguém que você conhece.

Documente antes de qualquer outra coisa. Captura de tela com data, hora e nome do perfil visíveis. Registro de horários e locais. Foi exatamente isso que a jovem deste caso fez, e é metade da prova que levou à prisão.

Não bloqueie antes de salvar. Bloquear cedo é o erro mais comum e o mais caro, porque frequentemente apaga o acesso ao material. E, como este caso mostra, bloqueio não impede contato: números gerados por aplicativo são descartáveis e infinitos.

Guarde fora do celular. E-mail para você mesma, nuvem, pen drive na casa de alguém de confiança. Celular pode ser tomado ou quebrado.

Registre também o que parece inofensivo. A mensagem com o nome da academia e nada mais é, tecnicamente, a mais grave do caso: demonstra monitoramento. Sozinha ela não prova nada. Dentro de um conjunto documentado, ela muda a leitura de um juiz.

Medida protetiva não exige advogado. A Lei Maria da Penha permite o pedido na delegacia, e a maioria dos estados aceita registro online. Delegacia da Mulher quando houver.

Descumprimento de medida protetiva é crime autônomo, com prisão prevista. Registre cada um, com prova.

Perseguição é crime desde 2021, artigo 147-A do Código Penal, com pena aumentada quando a vítima é mulher por razões da condição feminina.

Ninguém precisa esperar a agressão física. Ameaça por aplicativo é prova. E a “esperança equivocada” de que ignorar faz parar é, segundo tudo o que se conhece do tema, o cálculo mais compreensível e mais perigoso que existe.

E se você é a pessoa que está tendo esses pensamentos, procure atendimento em saúde mental antes que a intenção vire ato. Programas de intervenção para autores de violência existem no Brasil e funcionam melhor quando a busca é espontânea.

Canais: Ligue 180, Central de Atendimento à Mulher, gratuito, 24 horas, também por WhatsApp. 190 em emergência. Disque 100 para violações de direitos humanos.

O fecho

A manchete vai ser sobre inteligência artificial. Não deveria ser.

Neste caso, tudo o que a tecnologia prometeu, ela entregou. Detectou linguagem de risco em conversa privada. Escalou para análise humana. A empresa acionou o FBI. O FBI entregou dois meses de registros ao xerife. O xerife prendeu. O réu confessou os três crimes.

É o desempenho máximo imaginável de um sistema de detecção preventiva.

O resultado foi dois dias de cadeia, oito anos de condicional e nenhuma condenação registrada, com o juiz declarando da tribuna que aceitou porque a mulher de 21 anos concordou.

Nós já sabemos detectar. A mulher que passa três meses recebendo mensagem sabe. A delegacia que emite meio milhão de medidas protetivas por ano sabe. O juiz que assina o afastamento sabe. Agora um algoritmo também sabe.

O que falta não é saber. É o que acontece depois de saber.

Acrescentar mais uma camada de detecção a um sistema que falha na resposta produz um arquivo mais completo do mesmo desfecho.

Antes de sentenciar, o juiz Suskauer deu um conselho a Zhou sobre o que fazer no próximo término de relacionamento: “Supere e siga em frente. Existem outras pessoas no mundo. Você me entende? Ninguém merece o tipo de conduta a que você expôs essa moça.”

Ele está certo em cada palavra. E é exatamente por isso que o conselho, vindo do lugar de onde veio, no lugar da pena, é o resumo mais preciso do problema.

Três perguntas antes de você fechar a aba.

• Se um sistema detecta uma ameaça e o Estado não consegue responder a ela, o que exatamente foi resolvido?

• Por que os registros entregues à polícia continham apenas as mensagens do usuário e não as respostas do produto, e quem decidiu isso?

• Se a mesma conversa tivesse acontecido em português, no Brasil, para qual autoridade ela teria sido encaminhada?

E se 101.656 medidas protetivas foram descumpridas em um ano no Brasil, qual é a tecnologia capaz de resolver isso, e por que ninguém está vendendo essa?

Se você ou alguém que você conhece está em situação de violência, o Ligue 180 funciona 24 horas, é gratuito e atende também por WhatsApp. Em emergência, 190.

Se você chegou até aqui, você é do tipo que quer o bastidor, não o palco.

A Tech Gossip publica toda semana o que o comunicado de imprensa não conta: quem ganha poder, dinheiro e influência com a tecnologia que acabou de ser anunciada.

Assine em www.techgossip.com.br

Subscreva agora

A história oficial é sempre a versão que sobreviveu ao comunicado de imprensa.

Fontes: Palm Beach Post, Hannah Phillips, 14/08/2026 · Futurism, Victor Tangermann · Futurism, sobre a política de varredura da OpenAI · Fórum Brasileiro de Segurança Pública, Anuário Brasileiro de Segurança Pública · FBSP, Retrato dos Feminicídios no Brasil, 2026

Treze de vinte e um programas de robôs de segurança nos EUA já foram encerrados. A Knightscope tem US$ 273 milhões de dívida e “dúvida substancial” sobre sua continuidade. A história do que aconteceu vale mais do que qualquer relatório de tendências.

Existe um número neste texto que resolve o argumento inteiro, e ele está no balanço da própria empresa.

No primeiro semestre de 2026, a Knightscope, a maior fabricante americana de robôs de segurança, faturou US$ 15 milhões. Desse total, US$ 9,2 milhões vieram da Security Force, a divisão criada a partir da Event Risk LLC, uma empresa de segurança privada com seguranças humanos que a Knightscope comprou este ano.

Sessenta e um por cento da receita de uma empresa de robôs vem de pessoas.

Como uma tecnologia vendida durante dez anos como substituta do vigilante noturno terminou comprando uma empresa de vigilantes noturnos para sobreviver?

O levantamento que ninguém tinha feito

A Proof News, em parceria com a 404 Media, fez o trabalho entediante que a cobertura de tecnologia normalmente pula: foi atrás dos contratos.

As repórteres Rebecca Plevin e Varsha Bansal encontraram evidência de pelo menos 21 implantações de robôs de segurança desde 2015 nos Estados Unidos. Procuraram os contratantes, vasculharam noticiário e concluíram que pelo menos 13 desses programas foram encerrados.

A Knightscope tem o maior número de contratos do setor. E também a maior parte dos cancelamentos.

Não é uma tecnologia nova sendo julgada cedo demais. É uma década de implantações com maioria de desistências.

O robô do metrô de Nova York está juntando poeira numa loja vazia

Vale percorrer os casos, porque cada um ensina uma coisa diferente.

• Nova York. O então prefeito Eric Adams colocou um robô da Knightscope no turno da noite na estação de Times Square. O programa acabou quando o piloto expirou em 2024. Os líderes da cidade não responderam por que não renovaram. Ao fim da missão, o aparelho estaria acumulando poeira numa loja desocupada.

Se você quer uma única imagem para descrever o ciclo de vida de um projeto de tecnologia comprado para render foto, é essa.

• Dublin, Ohio. A cidade contratou um robô apelidado de DubBot para patrulhar um parque no centro. O piloto era de dois anos e foi desligado em maio, com menos de dez meses de operação. A porta-voz Robyn Gray disse que o equipamento “não atendeu plenamente às nossas necessidades operacionais”.

E aqui está o dado que interessa: o robô não identificou nenhum incidente criminal, não gerou nenhuma multa e não resultou em nenhuma prisão.

Zero. Em dez meses.

• Aeroporto de San Antonio. Teste em 2024. Segundo a porta-voz Ana Flores, o robô teve dificuldades com leitura de crachás, com comunicação e com locomoção. O alarme de porta disparava e ele não respondia de forma eficiente. Depois de um mês de teste, o aeroporto decidiu não seguir com o contrato de locação anual de US$ 21 mil.

Vinte e um mil dólares por ano. Metade do salário de um segurança humano, que ganha em média US$ 40 mil anuais nos Estados Unidos. Nem por esse preço fechou.

• Salem, Oregon. Três robôs Daxbot registravam placas e fotografavam carros irregulares num estacionamento do centro, compartilhando os dados com a polícia. O piloto de três meses terminou em abril, sem financiamento adicional. O sargento Trevor Morrison disse que as reclamações caíram desde o encerramento, mas não soube dizer se por causa dos dispositivos de moderação de tráfego ou por “resultados residuais das patrulhas”.

Ou seja: o indicador melhorou depois que o robô saiu, e ninguém sabe explicar. Isso é o que acontece quando se implanta um sistema sem medir a linha de base antes.

• Tempe, Arizona. Um vídeo de um robô Daxbot de olhos azuis sendo enganado por um transeunte, a quem ordenava “retire-se do local”, foi parar no America’s Funniest Home Videos.

Adam Pioth, que publicou o vídeo, contou que visitava os robôs com frequência. Meses depois notou que eles não gritavam mais que ele estava invadindo. “Paravam, olhavam para mim e depois continuavam andando bem devagar.” Depois sumiram.

“Adeus, meu amigo, e obrigado por todas as boas lembranças”, ele escreveu no Instagram.

Perder para um sistema de vigilância é uma coisa. Ser adotado como mascote por quem você deveria expulsar é outra, e diz mais sobre a eficácia do produto do que qualquer estudo.

O histórico de incidentes, que também é curto e eloquente

Em 2016, um robô da Knightscope passou por cima do pé de uma criança de 16 meses num shopping do Vale do Silício. A empresa pediu desculpas pelo “acidente bizarro” e afirmou que o robô desviou e a criança correu para trás, batendo na máquina.

Em 2017, outro robô caiu numa fonte em Washington. A resposta oficial da empresa veio por tuíte: “ÚLTIMAS NOTÍCIAS: ouvi dizer que humanos podem dar um mergulho na água neste calor, mas robôs não. Me desculpem.”

Uma empresa de segurança respondendo a uma falha operacional com piada de rede social é, por si só, um dado sobre a seriedade com que o produto era tratado.

Por que isso era previsível, tecnicamente

Missy Cummings, professora de robótica na Universidade George Mason, deu a explicação mais precisa à Proof News.

• Sistemas de decisão de IA funcionam bem em circunstâncias específicas. O desempenho pode ser “péssimo” assim que os algoritmos saem do conjunto de dados de treinamento.

• E segurança pública é, por definição, o trabalho de lidar com o que não estava no conjunto de treinamento. É a profissão da exceção.

• “Inteligência artificial e robôs para segurança têm um longo histórico problemático”, disse Cummings. “Não vejo isso mudando tão cedo.”

Sheila Sparks, cuja família administra uma empresa de segurança perto de Columbus há mais de uma década, disse a mesma coisa sem jargão: o toque humano é essencial para desescalar situações delicadas.

“Um robô não consegue fazer isso.”

E Steve Rosta, policial rodoviário aposentado e coproprietário de uma empresa de segurança em Ohio, reconhece que as câmeras funcionam como fator de dissuasão e podem capturar vídeo de crime, mas não imagina um futuro em que a máquina seja mais confiável que o guarda. “Sou da velha guarda. Estar em campo é sempre melhor.”

Repare que ninguém aqui está negando a tecnologia. Estão descrevendo a diferença entre registrar e intervir.

O robô fazia bem a parte mensurável do trabalho, que é gravar. E não fazia nada da parte que importa, que é decidir o que fazer com o que se viu.

O nome disso é teatro de segurança, e quem disse foi um professor de direito

Andrew Ferguson, professor da Universidade George Washington, deu à Proof a frase que organiza tudo.

Robôs de segurança oferecem “uma forma atraente de vigilância como serviço”, e suas câmeras visíveis podem inibir crime sem precisar pagar salário a um humano. Mas não está claro se previnem ou solucionam crimes melhor do que pessoas.

“Eles existem como uma manifestação física, um símbolo, por assim dizer, de que alguém está fazendo algo para combater o crime em potencial. Os robôs são uma forma de teatro de segurança, mais para efeito visual do que para resultados concretos.”

Manifestação física de que alguém está fazendo algo.

Guarde essa definição, porque ela não descreve só robôs. Ela descreve a maior parte dos projetos de IA corporativa que eu vi nos últimos três anos.

O robô do metrô de Times Square não foi comprado para reduzir crime. Foi comprado para que o prefeito pudesse ser fotografado ao lado dele anunciando que a cidade estava agindo. Ele cumpriu essa função com perfeição, e por isso o contrato durou exatamente o tempo do ciclo de notícia.

É IA de palco com rodinhas. E o palco, como sempre, foi pago com dinheiro de operação.

O balanço, que é onde a história fica realmente interessante

Agora os números da empresa, e eles são mais duros do que a reportagem original detalha.

A Knightscope acumula prejuízo líquido desde a fundação, em 2013, e carrega US$ 273 milhões de dívida.

No primeiro semestre de 2026, segundo o relatório trimestral: receita de US$ 15 milhões, contra US$ 5,7 milhões no mesmo período do ano anterior. Prejuízo líquido de US$ 24,4 milhões. Consumo de caixa de US$ 23,1 milhões em atividades operacionais.

O caixa fechou junho em US$ 8,2 milhões, contra US$ 20,6 milhões em dezembro de 2025.

E a frase que aparece no documento entregue à SEC: a administração afirma que precisa levantar capital adicional em até doze meses, e existe dúvida substancial sobre a capacidade da empresa de continuar operando.

A ação fechou a US$ 1,48.

Agora junte com a receita: dos US$ 15 milhões do semestre, US$ 9,2 milhões vieram da divisão de seguranças humanos comprada este ano.

A receita quase triplicou. E a maior parte do crescimento veio de contratar gente.

O que a aquisição realmente significa

O CEO William Santana Li recusou-se a responder perguntas sobre os programas desmantelados. Mandou uma frase por e-mail:

“A tecnologia não pode fazer tudo, e as pessoas também não, mas a combinação pode ser muito poderosa.”

É uma frase perfeitamente razoável. E é também uma reformulação bastante generosa do que aconteceu.

A tese original da empresa não era combinação. Era substituição, e o argumento comercial estava explícito no material de venda: o robô não tem família para voltar em casa, aceita trabalhar de madrugada e no fim de semana, e não recebe salário.

A tese nova é que robô mais gente é melhor que só robô.

Ninguém monta uma empresa de dez anos para chegar a essa conclusão.

E a empresa estima o mercado de segurança física em US$ 230 bilhões por ano. É o número que explica a manobra: não se compra uma empresa de vigilantes porque se acredita em vigilantes. Compra-se porque é assim que se entra numa carteira de clientes com receita recorrente, e porque o robô sozinho não abria essa porta.

O robô virou o software que acompanha o serviço. De protagonista a acessório, em um ciclo de aquisição.

E não é só a Knightscope

A Daxbot está se reposicionando para outro setor: avaliação automatizada de calçadas. A Proof identificou pelo menos nove cidades americanas que contrataram a empresa desde setembro para enviar robôs verificando conformidade com a lei de acessibilidade.

Isso é, na verdade, um caso de uso muito melhor. Calçada não reage, não discute, não precisa ser desescalada e não muda de lugar. É exatamente o tipo de tarefa em que robô ganha: ambiente estável, medição objetiva, nenhuma ambiguidade social.

A empresa não desistiu de robô. Desistiu de robô fazendo julgamento.

A Boston Dynamics, depois que a Hyundai assumiu o controle em 2021, migrou para humanoides de produção em massa para trabalhar em fábrica de automóvel. O Atlas entregou a bola ao árbitro num jogo da Copa em julho, cães robôs patrulharam dois estádios, e a estratégia provocou greves rotativas nas montadoras da Hyundai na Coreia.

Aqui vale a distinção honesta: a empresa não fugiu de segurança por incompetência técnica. Foi atrás de um mercado com margem melhor e ambiente controlado. Chão de fábrica é previsível. Calçada de cidade não é.

Em 2021, o Departamento de Polícia de Nova York encerrou o aluguel de um cão robô da Boston Dynamics e o devolveu após reação pública. A deputada Alexandria Ocasio-Cortez chamou o equipamento de “drones terrestres de vigilância” sendo “implantados para testes em comunidades de baixa renda e de minorias étnicas”.

A parte que sobrevive ao fracasso comercial

Aqui está o ponto que eu não quero que se perca no meio da piada.

Os robôs fracassaram como segurança. Não fracassaram como vigilância.

Brian Hofer, diretor executivo da organização de privacidade Secure Justice, resumiu: “O que isso realmente está fazendo é construir um sistema de vigilância em massa do qual é impossível se esconder. Não é uma sociedade na qual eu queira viver.”

Um robô que não previne crime nenhum ainda coleta placas de veículo, ainda grava vídeo, ainda pode receber reconhecimento facial numa atualização de firmware, e ainda compartilha tudo isso com a polícia, como fazia o Daxbot em Salem.

O contrato pode ser cancelado. Os dados coletados durante os dez meses de piloto não são devolvidos.

E existe um detalhe regulatório novo que vai empurrar essa história para a frente: a Comissão Federal de Comunicações dos Estados Unidos proibiu a importação de robôs móveis de fabricação estrangeira, justificando a medida como imperativo de segurança nacional dada a capacidade de vigilância dessas máquinas.

Leia com atenção: o Estado americano acaba de reconhecer oficialmente que esses aparelhos são plataformas de vigilância. Não usou esse reconhecimento para restringir o uso deles. Usou para restringir quem pode vendê-los.

O problema nunca foi a vigilância. Foi a nacionalidade de quem vigia.

O recorte brasileiro

No Brasil, a conversa sobre robô de segurança ainda é incipiente, mas a lógica de compra é idêntica e já opera em outro formato.

Shopping, condomínio de luxo e prefeitura brasileira compram tecnologia de segurança pela mesma razão que Nova York comprou o robô do metrô: para exibir que estão fazendo algo. Câmera com reconhecimento facial em estação de metrô e em estádio é a versão local do mesmo produto, com o mesmo argumento de venda e a mesma ausência de linha de base medida antes da instalação.

E aqui a assimetria pesa mais que nos Estados Unidos, porque lá pelo menos existe imprensa investigativa perguntando quantas prisões o equipamento gerou. A pergunta “quantas prisões” é o teste mais simples do mundo e quase nunca é feita antes da renovação do contrato.

A LGPD trata biometria como dado sensível. Não existe, no país, exigência de avaliação de impacto publicada antes de instalar sistema de vigilância automatizada em espaço público, nem obrigação de divulgar taxa de erro.

Se você é gestor público ou de facilities e está avaliando esse tipo de compra, existem três perguntas que resolvem a decisão antes de qualquer demonstração comercial:

• Qual é o número hoje? Ocorrências por mês, medidas antes, com metodologia escrita. Sem linha de base, qualquer resultado será indemonstrável, e é exatamente por isso que fornecedor nenhum sugere medir antes.

• Qual é o critério de encerramento? Escrito no contrato, com data e indicador. Dublin descobriu em dez meses o que estava contratado para dois anos, e só porque alguém teve coragem de olhar.

• O que acontece com os dados quando o contrato acabar? Essa é a única cláusula que continua valendo depois que o robô voltar para a caixa.

O fecho

A promessa era substituir o vigilante noturno por uma máquina que não tem família esperando em casa. O resultado, dez anos e US$ 273 milhões de dívida depois, é uma empresa de robôs que comprou uma empresa de vigilantes e hoje tira 61% da receita justamente deles.

O mercado chama isso de pivô estratégico. O balanço chama de confissão. E fica a lição que transfere para qualquer projeto de IA em qualquer setor: o robô era ótimo em fazer a parte do trabalho que dava para medir e péssimo em fazer a parte que decidia o resultado. Gravar é fácil. Julgar não é.

Quem comprou olhou para a demonstração e não perguntou quantas prisões.Foi por isso que o teatro durou exatamente até a primeira vez que alguém pediu o número.

Três perguntas antes de você fechar a aba.

• Na última tecnologia que a sua empresa comprou para resolver um problema, alguém mediu o problema antes de comprar? Se não mediu, como você vai saber se funcionou?

• Existe um critério de encerramento escrito em algum contrato de tecnologia que você assinou este ano, com data e indicador?

• E quando um projeto de IA é cancelado na sua empresa, o que acontece com os dados que ele coletou enquanto estava rodando?

Se você chegou até aqui, você é do tipo que quer o bastidor, não o palco.

A Tech Gossip publica toda semana o que o comunicado de imprensa não conta: quem ganha poder, dinheiro e influência com a tecnologia que acabou de ser anunciada.

Assine em www.techgossip.com.br

Subscreva agora

A história oficial é sempre a versão que sobreviveu ao comunicado de imprensa.

Fontes: Relatório trimestral da Knightscope à SEC · Knightscope, sobre a aquisição da Event Risk · Bureau of Labor Statistics, salário de seguranças · The New York Times, sobre o robô do metrô · The New York Times, sobre o cão robô do NYPD · FCC, proibição de importação 404 media

Personalizada para você não é o mesmo que pertencente a você. Sete pontos para ler o manifesto da Meta e entender o que está realmente sendo negociado.

A 404 Media chamou o ensaio de “delirante”. Boa parte da imprensa seguiu essa linha, e no mesmo fim de semana ajudou o fato de que o superiate dele passou perto de um barco sem combustível no Alasca sem responder ao pedido de socorro.

É uma leitura confortável. Confortável demais.

Se o problema for que o sujeito perdeu a noção, não há nada a analisar. Basta rir e seguir a vida, o que é exatamente o que convém a quem escreveu o texto.

O documento não é delirante. É competente.

Ele faz uma coisa muito específica, e vale nomear em voz alta: transforma uma disputa empresarial sobre infraestrutura, dados e distribuição em uma discussão moral sobre liberdade individual.

E isso muda tudo, porque disputa empresarial se resolve com regulação, contrato e antitruste. Discussão moral sobre liberdade se resolve com aplauso.

Quando uma empresa consegue reescrever o próprio interesse comercial como um princípio ético, ela não está tentando te convencer. Está mudando o tribunal.

1. “Personal superintelligence” esconde três coisas diferentes

Essa é provavelmente a expressão mais importante do texto, e é onde eu começaria a leitura.

Ela parece significar “uma inteligência que pertence a você”. Mas há pelo menos três coisas completamente distintas dentro dela:

A. IA que trabalha para você. B. IA que conhece profundamente você. C. IA que efetivamente pertence e responde a você.

Não são equivalentes. E a palavra “pessoal” faz o trabalho de misturá-las.

Uma IA pode conhecer seus objetivos, seus relacionamentos, seus hábitos, seu dinheiro, seu trabalho e suas preferências, e continuar sendo operada inteiramente dentro da infraestrutura de uma corporação.

Nesse caso, “pessoal” não é uma afirmação sobre propriedade. É uma afirmação sobre nível de detalhe.

A pergunta que falta no manifesto, e ela é a mais importante do texto inteiro:

Quem controla a memória dessa superinteligência pessoal?

Quem controla memória controla contexto. Quem controla contexto começa a controlar decisão.

Não é uma cadeia especulativa. É como o produto funciona.

2. O salto lógico entre “acesso” e “poder”

O argumento central do manifesto é que o risco da IA não está na tecnologia, e sim na concentração de controle. A solução proposta é distribuir superinteligência amplamente, em oposição a um mundo em que poucas instituições centralizam essa capacidade.

Parece impecável: mais acesso, mais poder individual.

Só que dar acesso a uma infraestrutura não é o mesmo que transferir propriedade sobre ela.

Você tem acesso ao Instagram. Você não controla o algoritmo do Instagram.

Você tem acesso ao Google. Você não controla a infraestrutura do Google.

Você poderá ter acesso a uma superinteligência da Meta. Isso não significa que você controle as regras econômicas, técnicas e políticas que determinam como ela funciona.

Este é o primeiro ponto que eu marcaria em vermelho no texto. A palavra “acesso” aparece disfarçada de “poder” e a troca acontece sem que ninguém a anuncie.

3. Falta uma terceira categoria na oposição que ele monta

O manifesto constrói uma escolha sedutora e binária:

Instituições centralizadas de um lado. Indivíduos empoderados do outro.

Diante disso, quem escolheria as instituições?

Mas existe uma terceira categoria que o texto não menciona, e é justamente a que descreve o produto sendo vendido:

Indivíduos empoderados através da infraestrutura de outra instituição centralizada.

Esse é o buraco conceitual do documento inteiro.

Descentralização da capacidade pode coexistir perfeitamente com concentração da infraestrutura. Aliás, é o arranjo mais comum da internet moderna. Milhões de criadores empoderados. Três empresas controlando a distribuição.

E há um detalhe de contexto que merece registro, sem que ele precise virar acusação: quem está oferecendo a alternativa à concentração é uma empresa que já controla algumas das maiores infraestruturas de comunicação e identidade social do planeta.

Isso não prova má-fé. Prova apenas que o argumento e o interesse coincidem, o que é sempre um bom motivo para reler com calma.

4. O perigo começa quando o agente deixa de responder e passa a agir

Aqui eu prestaria atenção máxima, porque é a transição que quase toda a cobertura ignorou.

Chatbot: pergunta, resposta. Agente: objetivo, decisão, ação.

Imagine dizer “quero melhorar minhas finanças” e receber recomendações. Pouco poder envolvido.

Agora imagine dizer: “administre minhas assinaturas, procure investimentos, renegocie meus serviços, escolha meu seguro e organize minhas compras.”

Outro mundo inteiramente.

E aí aparece a pergunta que o discurso utópico sobre superinteligência costuma pular:

Quem determina quais opções o agente considera?

Porque nesse momento o poder econômico deixa de estar na publicidade e passa para a arquitetura da escolha.

Hoje, empresas pagam para aparecer diante de você. Amanhã, poderão disputar para serem consideradas pelo agente que decide por você.

Repare no tamanho disso. Publicidade compete pela sua atenção, que é escassa e da qual você pode desviar. Arquitetura de escolha compete pela sua decisão, que já foi delegada.

Se esse mercado se formar, ele será muito maior que o de publicidade. E, ao contrário da publicidade, ele é praticamente invisível: um anúncio se reconhece, uma opção que nunca foi apresentada, não.

O manifesto descreve com entusiasmo um agente que trabalha 24 horas por dia nos seus relacionamentos, saúde, carreira, finanças, gestão da casa e hobbies. Ele não descreve, em nenhum momento, como esse agente escolhe o que oferecer.

5. Os óculos não são um gadget, são a interface

Quando o texto conecta IA pessoal a óculos inteligentes, o erro é ler isso como acessório.

Leia como interface.

Celular significa: eu decido abrir a máquina.

Óculos significam: a máquina está presente enquanto eu experimento o mundo.

Ela reconhece contexto, escuta perguntas, identifica objetos e fornece informação no instante da experiência.

Se agentes, memória, visão computacional e dispositivos vestíveis convergirem, o que surge não é “ChatGPT nos óculos”. O que surge é uma camada intermediária entre percepção e ação.

Historicamente, quem opera a camada entre a percepção e a decisão de uma população cobra pedágio por isso. Foi assim com a busca, com o feed e com a loja de aplicativos.

A sequência que eu usaria para mapear o modelo econômico é esta:

desejo pessoal → agente → interface → decisão → transação.

Cada seta dessas é um ponto de captura de valor. O manifesto descreve com carinho a primeira e a última, e passa por cima das três do meio.

Vale acrescentar o contexto que o próprio texto tenta neutralizar: os óculos da Meta atravessam nos Estados Unidos o pior momento de imagem desde o lançamento, com pesquisa acadêmica documentando uso para assédio e um apelido popular que a empresa não conseguiu descolar com campanha publicitária.

Um manifesto sobre o futuro da humanidade que dedica espaço ao produto em crise não é coincidência editorial.

6. O teste da palavra “empoderamento”

Toda vez que o texto usar uma dessas palavras, faça uma pergunta única e implacável.

Empoderamento. Individual. Escolha. Criatividade. Abundância. Acesso. Seu.

A pergunta: qual direito técnico acompanha essa palavra?

O manifesto diz “sua IA”. Ótimo. Então:

• Eu posso exportar integralmente a memória dela?

• Posso levar essa memória para outro modelo?

• Posso executar o agente fora da infraestrutura da Meta?

• Posso impedir a monetização das minhas intenções?

• Posso auditar por que ele recomendou determinada empresa e não outra?

• Posso trocar de fornecedor sem perder anos de contexto pessoal acumulado?

• Posso saber quando uma recomendação foi influenciada comercialmente?

Se a resposta a essas perguntas for não, então “IA pessoal” significa apenas isto:

personalizada para você, não pertencente a você.

Essa distinção é monumental, e ela cabe inteira em duas preposições.

Note também o que a portabilidade de contexto faz com a concorrência. Trocar de rede social custa a sua lista de contatos. Trocar de agente pessoal custaria anos de conhecimento acumulado sobre a sua vida. É o custo de saída mais alto já projetado num produto de consumo, e ele cresce sozinho, todo dia, sem que a empresa precise fazer nada.

7. “Para todos” apaga a pergunta econômica

O título do ensaio é “O Futuro é Para Todos”. E “todos” é uma palavra que esconde uma questão: em quais condições?

Superinteligência exige computação. Computação custa dinheiro. Logo, alguém financia essa abundância.

As possibilidades são conhecidas: assinatura, publicidade, comissão sobre transações, serviços empresariais, hardware, captura de mercado, dados e contexto, ou alguma combinação.

Então, quando alguém promete uma inteligência extraordinariamente cara de forma praticamente universal, a reação correta não é “que generoso”.

É: qual mercado torna economicamente racional oferecer isso a bilhões de pessoas?

Essa pergunta provavelmente revela mais sobre o futuro da Meta do que dez páginas de filosofia.

E os números disponíveis ajudam a formulá-la com precisão.

A Meta elevou a projeção de investimento de capital de 2026 para a faixa de US$ 125 a 145 bilhões, contra US$ 72,2 bilhões em 2025. É quase o dobro, e mais do que a empresa gastou em 2025 e 2024 somados. Para o centro de dados Hyperion, de 2 gigawatts, montou uma joint venture de US$ 27 bilhões com a Blue Owl Capital, que cobre 80% do custo.

Sobre o financiamento do produto, o manifesto oferece um “mecanismo de leilão dinâmico” que garantiria “o menor preço possível” de computação. Ou seja, preço variável, o que é uma resposta sobre precificação e não sobre modelo de negócio.

Um capex de US$ 145 bilhões ao ano não se paga com camada gratuita e leilão de tokens.

O silêncio sobre o modelo econômico é a informação mais relevante do documento, e ele é tão deliberado quanto o resto do texto.

O que marcar quando você reler o manifesto

Não procure previsões sobre quando a AGI chega. Isso é entretenimento. Procure cinco coisas:

1. Quem controla. Toda ocorrência de “pessoal”, “individual”, “seu”, “controle”, “escolha”. E, ao lado de cada uma, verifique se existe um direito técnico correspondente.

2. O que a IA vai saber. Memória, contexto, objetivos, relacionamentos, interesses. O escopo do conhecimento define o escopo do poder.

3. O que ela poderá fazer. A diferença entre aconselhar e executar é a diferença entre a versão inofensiva e a versão que importa.

4. Onde ela vai estar. Óculos, dispositivos, interfaces persistentes. Presença contínua não é conveniência, é posição.

5. Como será financiada. E aqui vale a regra geral: qualquer silêncio sobre modelo econômico é tão informativo quanto o que está escrito.

A ausência mais reveladora

O manifesto fala muito sobre o poder que a superinteligência dará ao indivíduo.

Precisamos perguntar muito mais sobre o poder que o indivíduo dará à infraestrutura para receber essa superinteligência.

E aqui é importante manter a disciplina, porque análise que vira teoria da conspiração perde o direito de ser levada a sério.

Eu não afirmo que Zuckerberg planeja usar agentes para manipular decisões. Não existe evidência disso, e inventá-la seria transformar um argumento forte em acusação frágil.

O que se pode afirmar é estrutural, e é bem mais interessante:

Se uma empresa conseguir controlar simultaneamente distribuição, agente, memória, interface e transação, ela terá construído uma posição de poder diante da qual o modelo atual de rede social parece pequeno.

Isso não depende de intenção. Depende de arquitetura. E arquitetura, ao contrário de intenção, é verificável.

O recorte brasileiro

No Brasil, essa discussão já saiu do plano hipotético e ninguém foi consultado.

A Meta AI apareceu no WhatsApp de praticamente todo brasileiro, sem pedido e sem opção clara de remoção. E o WhatsApp aqui não é um aplicativo entre outros: é onde se marca consulta, se fecha venda de pequeno comércio, se organiza condomínio e se recebe cobrança.

Quando o manifesto promete um agente que entende “você, seus objetivos e tudo com que você se importa”, o teste real dessa promessa não vai acontecer na Califórnia. Vai acontecer num mercado onde a empresa já é o canal de comunicação padrão de mais de cem milhões de pessoas e onde a alternativa prática de não usar não existe.

Some a isso a assimetria regulatória.

Nos Estados Unidos, a Meta mantém um super PAC bipartidário, o American Technology Excellence Project, com orçamento que pode superar US$ 100 milhões e foco em disputas estaduais sobre regras de IA, segundo o Axios. Na União Europeia, o artigo 50 do AI Act está em vigor desde 2 de agosto de 2026, com multa de até 3% do faturamento global.

No Brasil, o PL 2338/2023 foi aprovado no Senado em dezembro de 2024 e continua parado em comissão especial na Câmara.

Onde há regra, cumpre-se com custo. Onde há disputa, gasta-se em lobby. Onde não há nada, lança-se o produto.

E não existe, em nenhum texto brasileiro em tramitação, uma linha sobre portabilidade de memória de agente pessoal. É a discussão que o país vai precisar ter e ainda nem começou a nomear.

A pergunta que falta

A pergunta não é se Zuckerberg vai nos dar superinteligência.

A pergunta é:

Quando a minha IA souber mais sobre as minhas intenções do que qualquer empresa jamais soube, para quem exatamente essa inteligência estará trabalhando? Para mim, para a plataforma, ou para um modelo econômico que tenta satisfazer os dois?

Um agente que atende ao usuário e à plataforma ao mesmo tempo é possível enquanto os interesses coincidem. A questão inteira está no que acontece no dia em que eles divergem, e em quem escreveu a regra de desempate.

Essa regra não está no manifesto.

E é a única coisa que eu gostaria de ler.

Três perguntas antes de você fechar a aba.

• Se o seu assistente pessoal de IA acumular cinco anos de contexto sobre a sua vida, qual é o custo de você trocar de fornecedor, e quem se beneficia de esse custo ser alto?

• Quando uma recomendação chegar pelo agente, você vai saber distinguir a que veio da análise da que veio de um acordo comercial? E se não vai, isso é um defeito ou é o produto?

• Na sua empresa, quando alguém propõe delegar uma decisão a um sistema, existe um documento dizendo quais opções o sistema tem permissão de não mostrar?

Se você chegou até aqui, você é do tipo que quer o bastidor, não o palco.

A Tech Gossip publica toda semana o que o comunicado de imprensa não conta: quem ganha poder, dinheiro e influência com a tecnologia que acabou de ser anunciada.

Assine em www.techgossip.com.br

Subscreva agora

A história oficial é sempre a versão que sobreviveu ao comunicado de imprensa.

Leia o material original: O manifesto completo, “The Future Is For Everyone” · Versão no site corporativo da Meta · Versão resumida publicada no Wall Street Journal, duas semanas antes

Fontes: 404 Media, Jason Koebler · TechCrunch, Russell Brandom · Fortune, sobre o capex de US$ 145 bilhões · Axios, sobre o super PAC · Built In · Pew Research Center · Senado Federal, PL 2338/2023

Como usar a ferramenta DecryptAds para descobrir quem coleta seus dados em qualquer site, o que ela já revelou sobre ESPN e Opera, e como bloquear o rastreamento hoje.

Comecemos pelo achado que deveria estar em capa de jornal e não está.

Os sites de notícias militares dos Estados Unidos, armytimes.com, airforcetimes.com, defensenews.com, navytimes.com, marinecorpstimes.com e federaltimes.com, autorizam uma empresa chamada Between Digital a exibir anúncios e rastrear seus visitantes.

A Between Digital lista um endereço em Nova York. Mas, segundo o dossiê da DecryptAds reportado por Brian Krebs, a empresa é russa: suas ofertas para publishers são processadas através do Alfa Bank, o maior banco privado da Rússia, sob sanção dos Estados Unidos desde 2022, quando a Rússia invadiu a Ucrânia.

Os mesmos sites também autorizam duas entidades nos Emirados Árabes e uma no Panamá.

O leitor desses sites é, majoritariamente, militar americano na ativa, veterano, funcionário do Departamento de Defesa e contratado de defesa.

Ninguém invadiu nada. Está tudo declarado, publicamente, num arquivo de texto que qualquer pessoa pode abrir há anos.

Se essa informação sempre esteve aberta, por que ninguém tinha olhado?

Porque olhar exigia cruzar quatro tipos de arquivo em milhões de domínios

A resposta é entediante e é exatamente por isso que funcionou por tanto tempo.

Todo site e todo aplicativo publicam arquivos padronizados declarando quem tem permissão para vender publicidade e coletar dados ali. São quatro:

ads.txt, com todas as empresas de adtech e corretoras de dados que podem exibir anúncio ou coletar dado do site. app-ads.txt, o equivalente para aplicativos de celular e smart TV. buyers.json e sellers.json, com quem compra, vende e revende o inventário.

Está tudo lá. Sempre esteve. O problema é que um arquivo isolado não diz nada. O sentido só aparece no cruzamento, e o cruzamento exige rastrear o planeta inteiro.

Em 12 de agosto de 2026, a DecryptAds foi ao ar com 284 milhões de registros da cadeia de suprimentos publicitária, atualizados continuamente, consultáveis por qualquer pessoa, de graça, com API e servidor MCP para quem quiser automatizar.

Zach Edwards, diretor de pesquisa da DecryptAds e pesquisador de ameaças na Infoblox, resumiu a proposta ao Krebs: “É uma ferramenta de adtech, mas estamos abordando adtech de uma perspectiva de segurança.”

E deu a frase que explica a última década inteira: “O problema que temos agora é que por anos praticamente ninguém fiscalizou esses arquivos ads.txt e app-ads.txt.”

Ninguém. Por anos. Num setor de 127 bilhões de dólares.

O que aparece quando você digita um site conhecido

Krebs consultou o espn.com. Resultado: 143 parceiros de publicidade e 19 domínios de corretoras de dados registradas.

Quase metade dessas corretoras coleta geolocalização dos visitantes que não estão bloqueando anúncios. Outras três declaram coletar impressão digital de dispositivo e informação pessoal sensível.

Um site de esportes. Cento e quarenta e três parceiros.

E quatro deles estão sediados na Rússia, na China ou nos Emirados Árabes.

Aí vem o navegador Opera, que muita gente ainda usa sem saber que ele é controlado desde 2016 pela chinesa Kunlun Tech, embora a operação siga em Oslo.

O perfil do opera.com na DecryptAds mostra 27 corretoras de dados registradas coletando informação, incluindo 15 parceiros de adtech nos Emirados Árabes, seis na China, três no Chipre, dois na Rússia, um em Hong Kong e um na Ucrânia.

E o detalhe que muda a escala: essas empresas representam 7% dos parceiros de adtech declarados nos arquivos do Opera.

Sete por cento. O resto ainda nem foi olhado.

O truque de estar dos dois lados do leilão

A Between Digital coleta dados de anúncio em aproximadamente 55 mil sites parceiros.

E as próprias declarações dela mostram que ela aparece como publisher e como revendedora em cerca de dois terços do portfólio.

Edwards explicou o que isso significa: “Quer dizer que eles estão basicamente jogando dos dois lados da equação de lances, o que cria oportunidades de direcionar o gasto do cliente para propriedades próprias, essencialmente criando oportunidades de conflito de interesse.”

Traduzindo para o português do dono de verba: você paga uma empresa para comprar mídia para você, e ela compra de si mesma, no site dela, com o seu dinheiro, sem te contar.

Se um corretor de imóveis fizesse isso, teria nome no Código Penal. Em adtech, tem nome de modelo de negócio.

E pivotando no arquivo app-ads.txt da empresa aparecem centenas de domínios com joguinhos web simples, daqueles interrompidos por anúncio a cada trinta segundos. O ecossistema completo, do leilão à isca.

A “remoção silenciosa”, que é a parte mais suja

Esta é a funcionalidade que eu acho mais reveladora de todas, e ela expõe uma prática que o setor nunca admitiu em público.

Quando uma rede de anúncios suspeita que um parceiro está gerando cliques falsos ou distribuindo anúncio malicioso, ela normalmente remove o sujeito da lista de parceiros aprovados sem avisar ninguém.

Sem comunicado. Sem alerta ao mercado. Sem contar aos outros publishers que continuam usando o mesmo fornecedor.

“O jeito como a indústria de adtech funciona, alguém escreve um relatório sobre fraude publicitária e só compartilha com os próprios clientes, e não torna aquilo público”, disse Edwards. “O banimento é só remover do arquivo sellers.json, mas eles não contaram para ninguém. Um dia estava lá, no outro sumiu.”

A DecryptAds criou um feed de remoções silenciosas que registra e correlaciona todas essas exclusões entre as diferentes bolsas de anúncio.

Ou seja: o setor tinha um sistema de listas negras privadas que funcionava como reputação secreta, disponível só para quem pagava. Acabou de virar público.

Repare no incentivo que isso desmonta. Enquanto o banimento era silencioso, a empresa expulsa de uma bolsa simplesmente ia operar na bolsa seguinte, e o publisher da esquina não tinha como saber. A opacidade não era um efeito colateral. Era o produto que mantinha a máquina girando.

Anúncio malicioso mudou de endereço, e o novo endereço é o conteúdo de IA

Aqui a história encontra a outra grande tendência do momento.

Malvertising, a prática de injetar anúncios que instalam malware ou levam a páginas de phishing, migrou. Não está mais principalmente nos sites grandes, que contratam camadas de proteção.

“Nenhuma dessas fazendas de conteúdo de IA paga por esse tipo de proteção”, disse Edwards. “Elas simplesmente contratam os parceiros de menor qualidade, e aquilo vira essencialmente um trilho engraxado para atacar os usuários daqueles sites com anúncios maliciosos. A maioria dos ataques de malvertising não acontece no espn.com ou no huffpost.com, e sim em alguma fazenda de conteúdo de baixa qualidade onde a pessoa entrou porque apareceu na busca.”

Os sites de slop cobrem reforma, decoração, receita, caça, carro e tecnologia de consumo. Texto e imagem gerados por máquina, monetizados pelos piores parceiros disponíveis, indexados pelo Google, e encontrados por gente procurando como consertar uma torneira.

E tem o caso do hardware, que junta tudo numa figura só. A Bitsight descobriu que os populares aparelhos de streaming H96 alugam a conexão de internet do dono para estranhos e, quando não estão transmitindo pirataria, se passam por celulares clicando em anúncios de sites de slop gerados por IA. A mesma empresa chinesa que fez os aplicativos do aparelho, o Fengwo Group, também operava a rede de sites que estava recebendo os cliques.

O aparelho na sua sala, fingindo ser um celular, clicando num site que não existe, para movimentar dinheiro que sai da verba de alguma marca.

Um circuito fechado de fraude, em que a única coisa real é a fatura.

A peça que falta, e por que ela é escondida de propósito

Edwards apontou o buraco que impede resolver o problema, e vale entender porque é aqui que a conversa vai ficar nos próximos dois anos.

Existe uma estrutura de dados chamada supply chain object, ou SCO, anexada a cada requisição de lance publicitário. Ela lista cada vendedor, revendedor e intermediário envolvido em passar aquela impressão do publisher até o comprador final.

As grandes plataformas não compartilham isso amplamente. O SCO só trafega do lado do servidor.

“Esse SCO te diz quem vendeu ou revendeu, e qual foi a entidade final que comprou a impressão que serviu o payload de malware”, explicou Edwards. “Você pode ver o redirecionamento malicioso de clique zero, mas sem o supply chain object você não vai saber quem atacou o seu pessoal com malware e não vai ter como prevenir direito.”

E aí ele solta a frase que deveria acordar qualquer diretor de segurança: “Muitas organizações sérias estão começando a entender que, se a gente não destrinchar esses dados de anúncio, não vamos saber quem está atacando gente do governo com payloads de clique zero quase diariamente.”

Quase diariamente.

O contexto que dá tamanho ao problema

Para quem está chegando agora nessa conversa, os números de fundo.

O Irish Council for Civil Liberties calcula que a indústria de Real-Time Bidding, o leilão instantâneo que decide qual anúncio você vê, movimenta 127 bilhões de dólares e transmite o que as pessoas veem online e onde elas estão 178 trilhões de vezes por ano só nos Estados Unidos e na Europa.

Cada requisição de lance pode carregar coordenadas de GPS, endereço IP, detalhes do aparelho e interesses inferidos. Isso se chama bidstream data e costuma incluir identificadores vinculáveis a pessoas reais.

A ferramenta de vigilância Patternz, construída sobre esses dados, foi vendida a agências de segurança pelo mundo como forma de rastrear localização de pessoas. A empresa alegou ter perfilado 5 bilhões de pessoas.

E a EFF documentou que agências federais americanas, incluindo ICE, CBP e FBI, compraram dados de localização de corretoras cujas fontes provavelmente incluem RTB. Sem mandado. Porque comprar não exige mandado.

É a lavagem jurídica perfeita: o Estado não pode te vigiar sem autorização judicial, mas pode comprar de quem te vigiou por conta própria.

O recorte brasileiro, e ele é desanimador

Agora a parte que ninguém vai escrever em português, então vamos com franqueza.

Tudo o que a DecryptAds conseguiu montar depende de duas coisas: os arquivos declaratórios do setor, que são globais, e registros públicos obrigatórios de corretoras de dados.

Essa segunda parte existe porque quatro estados americanos, Califórnia, Oregon, Texas e Vermont, aprovaram leis obrigando corretoras de dados a se registrar se compram ou vendem dados de consumidores daqueles estados.

No Brasil não existe nada disso.

A LGPD garante direitos ao titular, exige base legal e prevê o direito de saber com quem seus dados foram compartilhados. Mas não existe registro público de corretoras de dados operando no país. Não existe lista consultável. Não existe obrigação de declarar.

Ou seja: você pode consultar o ads.txt de um site brasileiro na DecryptAds e ver os parceiros de adtech, porque esse arquivo é padrão global. Mas a camada de identificação das corretoras, que é o que transforma uma sigla técnica em “esta empresa coleta sua geolocalização”, depende de um registro que aqui não existe.

Nós temos a metade da transparência que permite fazer a pergunta e nenhuma parte da que permite responder.

E a ANPD, que teria competência para criar esse registro, segue sem se pronunciar sobre RTB, apesar de o leilão instantâneo transmitir dado de localização de brasileiro milhões de vezes por dia, com base legal que ninguém nunca explicou direito.

O que você pode fazer, hoje, sem esperar regulador

A parte útil, na ordem de retorno.

Bloqueie anúncios. Ponto. É a recomendação de Krebs e de praticamente todo especialista em segurança, e não é sobre estética. Bloquear anúncio dificulta que adtechs e corretoras montem perfil detalhado seu e rastreiem seus movimentos na web e no mundo físico.

No desktop, uBlock Origin Lite, gratuito e de código aberto. No Firefox móvel, o uBlock Origin funciona, mas aparentemente só no Android. No iPhone e iPad, AdBlock Plus resolve. Para quem quer mais controle, ambos aceitam listas customizadas do easylist.to.

NoScript bloqueia todo JavaScript não aprovado e derruba a maior parte dos anúncios, mas exige que você fique arbitrando o que pode carregar em cada site. Não é para todo mundo.

A solução mais eficiente é de rede, não de navegador. Um Raspberry Pi com Pi-hole bloqueia anúncio para todos os aparelhos da casa, incluindo a TV, o celular do adolescente e a geladeira conectada que você comprou sem pensar. É a opção mais barata, mais segura e mais escalável, e custa menos que dois meses de streaming.

Cuidado com aplicativo. Bloqueador de anúncio faz pouco contra rastreamento dentro de app instalado. E aqui está a razão real pela qual todo site insiste que você baixe o aplicativo dele: não é experiência do usuário. É que o app coleta dado muito mais preciso sobre quem, o quê e onde você é, e revende. Quando houver escolha, use o navegador.

Consulte os sites que você usa. A DecryptAds é gratuita. Digite o domínio do seu banco, do seu jornal, do site que seu filho acessa. Veja quantos parceiros aparecem e quantos coletam geolocalização. Leva dois minutos e muda permanentemente a sua relação com a barra de endereço.

E se você tem site ou app: abra o seu próprio ads.txt. Agora. Você provavelmente vai encontrar parceiros que entraram por rede de terceiros e que você nunca aprovou conscientemente. Essa lista é sua responsabilidade jurídica sob a LGPD, e a chance de você nunca ter lido é altíssima.

Quem ganha e quem perde

Ganhava, até 12 de agosto, todo mundo que dependia de opacidade. Revendedores que operavam dos dois lados do leilão, adtechs sancionadas com endereço de fachada em Nova York, redes que baniam parceiro em silêncio para não estragar a própria reputação.

Perde, a partir de agora, quem apostou que ninguém ia cruzar os arquivos. Não porque a informação vazou. Porque alguém finalmente leu.

Ganha o pesquisador de segurança, que passou anos tentando explicar isso sem conseguir mostrar.

E ganha, curiosamente, o anunciante honesto, que agora tem como auditar para onde a verba dele está indo, o que nenhuma agência jamais ofereceu de forma verificável.

Perde o usuário comum, que continua perdendo, só que agora com documentação.

O fecho

A parte mais constrangedora dessa história não é a empresa russa nos sites do Exército americano.

É que ela estava declarada, num arquivo de texto aberto, em endereço público, no formato padrão do setor, durante anos.

A vigilância não estava escondida. Estava entediante.

Foi essa a inovação real do sistema de publicidade digital: descobrir que a melhor forma de esconder uma coisa é publicá-la em volume, em formato ilegível, distribuída em milhões de arquivos que ninguém tem incentivo econômico para cruzar.

Transparência sem ferramenta de leitura não é transparência. É camuflagem com selo de conformidade.

E levou um site gratuito, feito por três pessoas, para desfazer isso.

Três perguntas antes de você fechar a aba.

• Você sabe quantos parceiros de publicidade estão declarados no ads.txt da sua empresa, e quem os aprovou?

• Se um funcionário seu for atacado por um anúncio malicioso, você tem como descobrir qual intermediário vendeu aquela impressão, ou vai fazer o que todo mundo faz e mandar todo mundo trocar a senha?

• E se agências americanas compram localização de corretora para não precisar de mandado, o que impede exatamente a mesma compra aqui, onde nem sequer existe registro de quem são as corretoras?

Se você chegou até aqui, você é do tipo que quer o bastidor, não o palco.

A Tech Gossip publica toda semana o que o comunicado de imprensa não conta: quem ganha poder, dinheiro e influência com a tecnologia que acabou de ser anunciada.

Assine em www.techgossip.com.br

Subscreva agora

A história oficial é sempre a versão que sobreviveu ao comunicado de imprensa.

Fontes: 404 Media, Joseph Cox, 12/08/2026 · Krebs on Security, 14/08/2026 · DecryptAds, anúncio de lançamento · Irish Council for Civil Liberties, escala do RTB · Electronic Frontier Foundation, sobre CBP e publicidade direcionada · Krebs on Security, sobre os aparelhos H96

Uma reportagem da 404 Media mostrou que a Research Gold roubou fotos do LinkedIn para inventar sua equipe científica. Uma das fotos ainda tinha o selo “#opentowork”. O que isso significa para quem confia em revisão sistemática, que é a base de diretriz clínica.

O detalhe que resume tudo é este, e ele é pequeno demais para caber numa manchete.

Ao investigar a Research Gold, empresa que vende serviços de pesquisa para pesquisadores médicos, o repórter Emanuel Maiberg, da 404 Media, reparou que uma das fotos da suposta equipe de metodologistas ainda carregava o adesivo verde do LinkedIn.

#opentowork.

Alguém procurando emprego teve o rosto sequestrado para vender ciência falsa. A moldura de “estou disponível para oportunidades” veio junto no recorte, porque quem montou a página nem se deu ao trabalho de apagar.

É a imagem mais precisa que eu vi em 2026 sobre como está funcionando o mercado de conteúdo com IA. Ninguém está tentando enganar bem. Estão tentando enganar rápido.

Quando “feito por humanos” virou o argumento de venda mais valioso da internet, quanto tempo você achou que levaria até alguém automatizar essa promessa também?

O que a empresa vendia

A Research Gold anuncia serviços para pesquisadores da área médica: redação de manuscritos prontos para revisão por pares, revisões sistemáticas e meta-análises.

Para quem não vive nesse mundo, a explicação rápida importa, porque sem ela o resto não dói o suficiente.

Revisão sistemática é o levantamento rigoroso de tudo o que já foi publicado sobre uma pergunta clínica. Meta-análise é a síntese estatística desses estudos. Não são trabalhos secundários. São a base sobre a qual se escreve diretriz de tratamento, se aprova protocolo hospitalar e se decide o que o médico vai receitar para você.

O metodologista profissional é a pessoa que garante que esse processo é rigoroso.

O site da Research Gold prometia: “Protocolo, busca, triagem, extração, risco de viés, estatística e um manuscrito pronto para publicação, formatado para o periódico ou comitê de destino. Liderado por metodologistas PhD com histórico de publicação revisada por pares. Metodologia PRISMA 2020 e Cochrane Handbook. A autoria continua sendo sua.”

PRISMA 2020 e Cochrane Handbook são os padrões de ouro do setor. Citá-los é o equivalente a pendurar um diploma na parede.

E, para deixar tudo bem claro, o site cravava a promessa da moda: “100% escrito por humanos, nunca IA.”

A equipe que não existe

A página “Sobre” apresentava “O Time”.

A fundadora e metodologista-chefe, Dra. Elena Vasquez, com “doze anos em síntese de evidências em cardiologia e doenças infecciosas”. A especialista em revisão de escopo, Dra. Mei-Lin Chen, que “constrói mapas de evidência para solicitações de financiamento e resumos de política pública”.

Vasquez, Chen e os outros seis membros do time não existem. Busca pelos nomes não retorna nenhuma pegada online compatível, nenhum histórico de publicação, nada. As fotos de perfil são visivelmente geradas por IA.

Numa outra seção do site havia um segundo grupo de metodologistas, esses com fotos que pareciam reais. E eram. Busca pelos nomes levava direto aos perfis do LinkedIn, com experiência profissional compatível. Todos freelancers ou acadêmicos da área.

Nenhum deles sabia que estava lá.

Jenny Berrio, cientista de síntese de evidências, descobriu porque um repórter ligou para ela.

“Eu não trabalho para a Research Gold e nunca concordei em ser listada como uma de suas metodologistas. Não tenho relação nenhuma com essa empresa”, disse Berrio a Maiberg. “Eles estão usando meu nome, minha foto e minha biografia sem a minha permissão. Estou documentando o site e vou enviar um pedido formal de remoção.”

Todas as fotos dos profissionais reais eram idênticas às que essas pessoas usam no LinkedIn. Uma delas com o “#opentowork” ainda colado.

A empresa removeu a página logo depois que o repórter falou com Berrio. Rápida no apagamento, lenta no consentimento.

A ligação, que é a melhor parte

Maiberg ligou para a empresa. Foi atendido por uma assistente que se apresentou como Sarah.

Ele perguntou várias vezes se ela era humana, se podia falar com um humano, se ela tinha sobrenome.

“Sim, sou uma pessoa real”, insistiu Sarah. E emendou que a empresa era “expertise 100% humana, do começo ao fim.”

Ele conta que foi bastante grosseiro. Sarah seguiu alegre, driblando as perguntas e redirecionando a conversa para o projeto de pesquisa dele, porque precisava fechar o orçamento.

Um sistema automatizado negando ser automatizado, com simpatia inabalável, para vender um serviço cujo diferencial anunciado é não ser automatizado. Se alguém escrevesse isso em roteiro de ficção, o editor cortaria por excesso.

O teste do absurdo, que a empresa passou com louvor

Maiberg preencheu o formulário de orçamento com um tema deliberadamente sem sentido: uma revisão sistemática sobre “o impacto do blogging em crianças de 0 a 5 anos”.

Não anexou nada. Não explicou nada.

A resposta chegou na hora, assinada por um suposto metodologista PhD, e é aqui que a coisa fica interessante, porque ela é boa:

“Antes de colocar um número nisso, uma coisa precisa ser resolvida logo de início: uma população de 0 a 5 anos não é um público leitor no sentido usual, então ‘impacto sobre leitores’ precisa de uma definição operacional ou os revisores vão travar nisso imediatamente.”

O sistema identificou corretamente que o pedido era incoerente, ofereceu duas reformulações válidas, e pediu que ele escolhesse. Ele escolheu. A resposta seguinte veio estruturada em PICO, o formato canônico de pergunta de pesquisa clínica, com população, exposição, comparador e desfechos definidos.

E o preço: US$ 1.900. Protocolo pronto para registro, busca completa nas principais bases, triagem em duplicata de título, resumo e texto completo, extração de dados, avaliação de risco de viés, síntese narrativa e manuscrito formatado para o periódico de destino.

Com link para pagamento.

Repare no que isso significa, porque é o ponto mais desconfortável da história inteira: a IA que a empresa jurava não usar era competente. Ela detectou o erro conceitual mais rápido do que muito orientador detectaria. O produto não era ruim. O produto era mentiroso.

São coisas diferentes, e a segunda é pior.

Quando Maiberg pediu comentário oficial, recebeu outra resposta aparentemente gerada por IA, prometendo encaminhar para “a pessoa certa do nosso lado”. Ninguém respondeu até a publicação.

Por que isso é um problema, e não uma anedota engraçada

Sebastian Rowan, doutorando em engenharia civil e ambiental na Universidade de New Hampshire, foi quem topou com a empresa enquanto preparava a defesa da tese. Ele reconhece que IA poderia ajudar numa tarefa tediosa como levantamento bibliográfico.

“Mas um problema fundamental de usar IA, mesmo ferramentas especializadas, para qualquer coisa é a tendência a alucinar, o que até onde eu sei é considerado um problema insolúvel”, disse. “Eu pessoalmente li mais de 250 artigos do começo ao fim para a minha meta-análise, e para cada conclusão do meu trabalho eu consigo citar referências específicas e entendo a nuance na discussão de como os meus resultados se relacionam com a prática.”

Aí está a diferença entre o produto de US$ 1.900 e o trabalho dele. Não é o texto final. É a existência de alguém que leu.

Um manuscrito gerado é indistinguível de um manuscrito escrito até o momento em que alguém pergunta “por que você concluiu isso?”. A cadeia de responsabilidade é o produto. O PDF é só o comprovante.

E o contexto amplia o problema muito além de uma empresa.

Um estudo com mais de 15 milhões de resumos do PubMed apontou que pelo menos 13,5% dos artigos publicados em 2024 apresentavam sinais de assistência de IA. Periódicos científicos hoje precisam filtrar uma enxurrada de artigos com citações geradas por IA, e alguns já foram publicados.

O precedente de escala: entre 2022 e 2024, a Wiley retratou mais de 11.300 artigos do portfólio Hindawi, fechou 19 periódicos e perdeu de 35 a 40 milhões de dólares. É a maior onda de retratações da história da publicação acadêmica, e fábricas de artigos usando modelos de linguagem estão implicadas em cada etapa.

O banco de dados do Retraction Watch já contabilizou mais de 10 mil artigos retratados ligados a paper mills.

Revisão sistemática vira diretriz. Diretriz vira protocolo. Protocolo vira o que o médico faz com você na emergência.

A distância entre “site com PhDs falsos” e “conduta clínica” é menor do que qualquer um gostaria.

O mercado de limões, agora com jaleco

Existe um conceito de economia que explica exatamente o que está acontecendo, e ele ganhou um Nobel.

George Akerlof descreveu em 1970 o “mercado de limões”: quando o comprador não consegue verificar a qualidade do que está comprando, o produto ruim expulsa o bom, porque o bom custa mais para produzir e não consegue provar que é melhor. O mercado inteiro degrada até ninguém confiar em nada.

É onde estamos com o selo “feito por humanos”.

A promessa “100% humano, nunca IA” tem duas propriedades fatais combinadas: é a afirmação de maior valor comercial do momento, e é impossível de verificar do lado de fora. Não existe teste. Detector de IA não funciona de forma confiável e a própria academia sabe disso.

Quando a alegação mais valiosa é também a mais barata de falsificar, o resultado é matematicamente previsível.

E aqui está a ironia que fecha o argumento: o metodologista humano de verdade, aquele que passa três meses lendo 250 artigos, agora compete em preço com uma promessa idêntica à dele, entregue em uma hora, por uma máquina que jura ao telefone ser gente.

Ele não perde por ser pior. Perde por ser mais lento numa disputa em que a qualidade não é auditável antes da compra.

Quem ganha

Ganha quem vende o selo, não quem cumpre. Enquanto “humano” for uma alegação de marketing sem verificação, o retorno de mentir é altíssimo e o risco é praticamente zero. A Research Gold apagou uma página. Foi essa a consequência.

Ganha, indiretamente, quem publica por pressão. Existe uma demanda real, gigantesca e mal resolvida por trás disso: pesquisador precisa publicar para sobreviver academicamente, não tem tempo nem equipe, e o mercado ofereceu uma saída de US$ 1.900. O problema não é só o vendedor. É o sistema de incentivo que criou o comprador.

Perde o profissional honesto, sobretudo o freelancer, que agora além de competir com robô também corre o risco de ter a própria cara usada para vender o robô.

Perde o paciente, no fim da fila, que não sabe que existe fila.

O recorte brasileiro

Aqui a conversa tem uma camada específica e ninguém está fazendo.

A pressão por publicação no Brasil é estruturalmente parecida com a que alimentou as paper mills asiáticas e do Leste Europeu: avaliação por volume, prazo de bolsa apertado, orientador com dez orientandos, periódico cobrando taxa de processamento em dólar.

O pesquisador brasileiro que recebe um e-mail oferecendo revisão sistemática pronta por US$ 1.900 não é ingênuo. Está exausto.

E existe um agravante local: uma parte relevante dos serviços de “assessoria em publicação científica” no Brasil opera por WhatsApp, sem site, sem CNPJ visível e sem rastro. Se a Research Gold, que tem site em inglês e formulário de pagamento, conseguiu operar assim, a versão informal não precisa nem inventar PhD com foto.

O PL 2338/2023, o Marco Legal da IA, segue parado na Câmara, e nada nele trata de autoria científica.

Como você verifica, na prática

Se você contrata, orienta, revisa ou financia pesquisa, esta é a parte útil.

Busque o nome da pessoa no Google Acadêmico, não no site da empresa. Metodologista com “doze anos em síntese de evidências” tem publicações indexadas. Se não tem, a experiência não existe. Leva quarenta segundos.

Procure ORCID. É o identificador único de pesquisador, gratuito e público. Profissional sem ORCID em 2026 é possível. Profissional que se anuncia como PhD sênior sem ORCID, não.

Faça busca reversa da foto de perfil. É o teste mais rápido de todos. Se a imagem aparece num perfil de LinkedIn com outro nome, você acabou de encontrar o roubo. Se não aparece em lugar nenhum e a pele é impecável demais, provavelmente é gerada.

Ligue e peça o sobrenome. Sério. Peça o sobrenome, o vínculo institucional e um artigo publicado. A Sarah da Research Gold não tinha sobrenome, e essa foi a pista.

Exija a bibliografia bruta antes do texto final. Peça a planilha de triagem, os registros excluídos com motivo, o protocolo registrado no PROSPERO. Quem fez o trabalho tem esses arquivos e os entrega sem drama. Quem gerou o texto, não. É o teste do artefato: quem não tem o processo, só tem o produto.

Cheque cada citação-chave, uma por uma. Alucinação de referência é o modo de falha mais comum e mais fácil de detectar. Se três citações aleatórias existirem e disserem o que o texto afirma, você já eliminou o pior cenário.

Se você é o profissional, monitore seu próprio nome. Busca reversa da sua foto de perfil, alerta do Google para o seu nome. O roubo de identidade profissional deixou de ser problema de celebridade. A Jenny Berrio só descobriu porque um jornalista ligou, e a maioria não vai ter essa sorte.

O fecho

O mercado passou três anos vendendo IA como aceleração da produtividade.

Descobriu-se um produto lateral mais lucrativo: vender a ausência de IA.

E como toda promessa de alto valor e verificação zero, ela foi automatizada em tempo recorde. O selo “feito por humanos” está sendo emitido, em escala industrial, por máquinas.

A profissão que a IA eliminou primeiro não foi a do redator. Foi a do verificador, que nunca chegou a existir.

E enquanto isso, no meio de uma página falsa que vendia rigor científico a US$ 1.900, ficou pendurado um adesivo verde de alguém que só estava procurando trabalho.

Três perguntas antes de você fechar a aba.

Quando um fornecedor te garante que o trabalho é feito por humanos, você tem alguma forma de verificar isso, ou você tem a palavra dele?

Se 13,5% dos artigos biomédicos de 2024 já mostravam sinais de IA, quantos por cento da diretriz que orienta o seu tratamento passaram por alguém que leu os estudos originais?

E na sua empresa, o entregável tem um nome que responde por ele ou tem só um arquivo que apareceu na pasta?

Se você chegou até aqui, você é do tipo que quer o bastidor, não o palco.

A Tech Gossip publica toda semana o que o comunicado de imprensa não conta: quem ganha poder, dinheiro e influência com a tecnologia que acabou de ser anunciada.

Assine em www.techgossip.com.br

A história oficial é sempre a versão que sobreviveu ao comunicado de imprensa.

Subscreva agora

Fontes: 404 Media, Emanuel Maiberg, 11/08/2026 · The Atlantic, sobre citações geradas por IA na publicação científica · 404 Media, periódicos publicando texto gerado por IA · Chemistry World, sobre paper mills e revisão por pares · Senado Federal, PL 2338/2023

Em 11 de agosto o Spotify anunciou que vai etiquetar artistas de IA e tirá-los das recomendações. Os números por trás da decisão explicam por que o pico do conteúdo gerado por IA talvez não seja um problema de volume, e sim de contabilidade.

Comecemos pelo par de números que resolve a discussão inteira e que quase ninguém colocou lado a lado.

Em junho de 2026, a Deezer recebeu 90 mil faixas geradas por IA por dia. Mais de 50% de tudo o que entrou na plataforma. Em janeiro eram 60 mil, cerca de 39%. Em abril, 75 mil, uns 44%. A curva subiu doze pontos percentuais em cinco meses.

Agora o outro número, da mesma empresa: o consumo de música gerada por IA na Deezer fica entre 1% e 3% do total de streams.

Metade da oferta. Três por cento da demanda.

Se ninguém está ouvindo, quem está pagando para que 90 mil faixas por dia continuem sendo produzidas?

A resposta está na terceira estatística, e ela não é sobre gosto musical

A Deezer também informou que até 85% dos streams de música gerada por IA são detectados como fraudulentos. Desmonetizados, removidos do pool de royalties.

Oitenta e cinco por cento.

Isso reposiciona o fenômeno inteiro. O dilúvio de música sintética não é um movimento cultural, nem uma revolução criativa, nem sequer uma tentativa de encontrar público. É um ataque financeiro ao sistema de pagamento, executado em escala industrial, usando faixas como cédulas falsas.

O produto nunca foi a música. O produto é a fração de centavo por reprodução, multiplicada por bots.

Isso explica o descolamento entre oferta e demanda que seria inexplicável em qualquer outro mercado. Ninguém produz 90 mil unidades diárias de um bem cuja procura é de 3% porque acredita no bem. Produz porque o pagamento não depende de alguém querer.

E aqui está o ponto que eu discordo da leitura dominante, inclusive da leitura otimista de que “as pessoas vão rejeitar o conteúdo de IA”: as pessoas já rejeitaram. Os 3% são a rejeição, medida, publicada e ignorada. O mercado seguiu inundando mesmo assim, porque o mercado não estava olhando para o ouvinte.

Rejeição orgânica não resolve um problema que não nasceu da demanda.

O que o Spotify anunciou, e o que ele cuidadosamente não anunciou

Em 11 de agosto de 2026, o Spotify apresentou o selo AI Persona. A partir de meados de setembro, perfis de artistas cuja identidade pública parece ser gerada por IA passam a exibir o distintivo no banner, na seção Sobre, na busca e nas linhas de faixa dentro das playlists.

E o trecho que interessa, em tradução direta: “Por padrão, o Spotify não incluirá AI Personas em nenhuma recomendação editorial ou algorítmica.”

Ou seja, não é rotulagem. É rebaixamento. O selo é a parte visível; a punição é invisível e acontece no motor de recomendação, que é onde mora a economia inteira da plataforma.

A empresa não vai depender só de autodeclaração. Vai revisar perfis, começando pelos que passam de certos limiares de audiência, “para que os selos cubram a grande maioria dos perfis que os usuários visitam”. Quem for etiquetado é notificado e pode recorrer. Em breve, ouvintes poderão denunciar perfis.

Agora a frase que quase todo mundo pulou, e que muda o significado de tudo:

“Este selo é sobre a identidade pública do artista, não sobre como a música foi feita.”

Leia de novo.

O Spotify não está rejeitando música feita com IA. Está rejeitando pessoas que não existem. Um humano de verdade pode gerar a faixa inteira com IA, declarar isso nos AI Credits e continuar elegível para playlist editorial e recomendação algorítmica. A linha não foi traçada no o quê. Foi traçada no quem.

É uma linha muito mais defensável juridicamente, muito mais fácil de aplicar tecnicamente, e muito, muito mais estreita do que as manchetes sugerem.

Não é o primeiro movimento, é o quarto

Vale ver o acúmulo, porque ele revela uma estratégia e não uma reação.

Setembro de 2025: o Spotify anuncia política contra spam, personificação e clonagem de voz não autorizada, e revela ter removido mais de 75 milhões de faixas “spammy” nos doze meses anteriores.

Outubro de 2025: Sony, Universal, Warner, Merlin e Believe fecham parceria com o Spotify para desenvolver produtos de música com IA “artist-first”.

Março de 2026: lançamento do SongDNA. Abril: Verified by Spotify, com centenas de milhares de perfis verificados, cobrindo mais de 99% dos artistas que os ouvintes efetivamente buscam. Ao longo do ano, AI Credits, com dezenas de milhares de declarações submetidas por dia.

Agosto de 2026: o selo AI Persona.

Repare na sequência. Primeiro se constrói a infraestrutura de verificação de humanidade. Depois se assina o acordo com as majors para uma via licenciada de IA. Só então se rebaixa a IA não licenciada.

Não é uma cruzada pela autenticidade. É a construção de um pedágio.

Quem ganha com isso, que é a pergunta que ninguém fez

Ganham as gravadoras grandes. Elas passam doze meses assinando parceria de IA “artist-first” com a plataforma e, no fim, a IA não credenciada perde acesso à recomendação. O corredor sintético não foi fechado. Foi cercado, com portaria e lista.

Ganha o Spotify, que resolve um problema de custo travestido de problema de ética. Cada stream fraudulento drena o pool de royalties, gera atrito com detentores de direito e custa processamento. Combater fraude é caro e chato. Combater “personas falsas” rende manchete, elogio de artista e posicionamento de marca. Mesma operação, embalagem infinitamente melhor.

Ganha o artista humano com carreira estabelecida, que agora tem um selo de verificação que funciona como escassez artificial.

Perde o artista independente que usa IA como ferramenta legítima e vai ser rebaixado por engano no meio de uma varredura automatizada, com direito a recurso, que é aquele processo em que você tem razão e leva seis semanas.

E perde, silenciosamente, quem acreditou que a plataforma estava defendendo o gosto do público. O gosto do público já estava expresso nos 3%. Ele foi ignorado por dois anos. O que mudou não foi a escuta. Foi a planilha.

O recorte brasileiro

No Brasil, essa história tem uma camada a mais.

O PL 2338/2023, o Marco Legal da IA, foi aprovado por unanimidade no Senado em dezembro de 2024 e segue em comissão especial na Câmara, com votação final empurrada para 2026. O texto do Senado obriga desenvolvedores a informar quais conteúdos protegidos por direito autoral foram usados no treinamento e prevê remuneração aos titulares em caso de uso comercial.

O detalhe que o setor criativo está acompanhando com razão: a comissão especial da Câmara pode simplesmente remover os dispositivos de direito autoral já aprovados pelo Senado. Ou seja, a parte da lei que protegeria o compositor brasileiro é exatamente a que está na mesa de negociação.

Enquanto isso, a União Europeia já resolveu a questão da rotulagem por decreto. O artigo 50 do AI Act passou a ser aplicável em 2 de agosto de 2026, com diretrizes da Comissão adotadas em 20 de julho. Ele exige marcação legível por máquina em conteúdo gerado por IA, com prazo até 2 de dezembro de 2026 para sistemas já no mercado. Multa de até 15 milhões de euros ou 3% do faturamento global.

Nove dias depois de a obrigação europeia entrar em vigor, o Spotify anunciou o selo.

Chamar isso de coincidência exige um otimismo que eu não tenho.

Como prever o que vem a seguir: os cinco sinais que importam

A parte útil. Se você quer saber se estamos mesmo no pico do conteúdo gerado por IA ou apenas numa reorganização de mercado, pare de contar volume e monitore estes cinco indicadores.

Sinal 1: o número de consumo da Deezer. Hoje é 1% a 3%. É o único dado público que mede demanda real por conteúdo sintético, e a Deezer é a única plataforma corajosa o bastante para publicá-lo. Se em doze meses continuar entre 1% e 3% enquanto a oferta cresce, a tese da rejeição está comprovada e o volume vira irrelevante. Se subir para 8% ou 10%, a tese morre e nós vamos ter que admitir que as pessoas não se importam tanto quanto dizem em pesquisa.

Sinal 2: a razão entre detecção e declaração. O Spotify diz receber dezenas de milhares de AI Credits por dia, voluntariamente. Se a autodeclaração continuar crescendo, caminhamos para um equilíbrio de rotulagem, que é barato e estável. Se ela despencar assim que a etiqueta começar a custar alcance, entramos numa guerra de detecção, que é cara, imprecisa e infinita. Este é o indicador mais preditivo dos cinco, e ele será visível em três meses.

Sinal 3: o diferencial de preço. Rotulagem só significa alguma coisa se ela mover dinheiro. Se conteúdo verificadamente humano passar a valer CPM maior no anúncio, ou virar item de assinatura premium, o mercado precificou autenticidade e o problema se autorregula. Se o selo continuar sendo enfeite sem consequência comercial, é teatro de conformidade. Observe os relatórios de anunciantes, não os comunicados de imprensa.

Sinal 4: a economia da detecção. Detectar hoje é viável porque personas de IA são fotorrealistas e deixam assinatura. A pergunta é se detectar continua mais barato do que gerar. Historicamente, em spam de e-mail, a detecção venceu porque o custo marginal do filtro caiu mais rápido que o do envio. Se aqui acontecer o contrário, todo esse aparato desmonta em dezoito meses. Acompanhe quanto as plataformas gastam em confiança e segurança, não quantas faixas elas removem.

Sinal 5: o que as plataformas fazem com a IA delas mesmas. Este é o mais revelador e o menos comentado. O Spotify rebaixa IA de terceiros e opera o AI DJ. O YouTube limita monetização de conteúdo derivado de IA e distribui ferramentas generativas para criadores. O LinkedIn suprime posts formulaicos de IA e vende assistente de escrita.

A regra que está se formando não é “IA não”. É “IA nossa, sim; IA sua, talvez; IA de graça, nunca”.

Quando o mesmo grupo de empresas fabrica o gerador, hospeda o resultado, monetiza a distribuição e define o critério de qualidade, o que está sendo construído não é curadoria. É controle de canal.

Três cenários para 2028

Otimista (peso baixo). Rotulagem obrigatória por regulação, adesão alta e voluntária, mercado se acomoda em duas faixas com preços distintos. Conteúdo humano vira premium precificado, conteúdo sintético vira commodity barata e etiquetada, e ambos coexistem como orgânico e convencional no supermercado. Para isso funcionar, o Sinal 3 precisa aparecer, e ele ainda não apareceu em lugar nenhum.

Intermediário (peso alto, é o meu palpite). A rotulagem pega, mas só na identidade, nunca no método. “Foi IA?” deixa de ser a pergunta e vira “quem assina?”. A distinção que sobrevive é entre conteúdo com um responsável nomeado e conteúdo sem responsável, exatamente como o Spotify já desenhou. Volume sintético continua crescendo, invisível, nas camadas onde ninguém etiqueta nada. A fraude migra do streaming para o próximo sistema de pagamento automatizado que ninguém está vigiando.

Crítico (peso médio). A detecção perde a corrida econômica. Os selos viram ruído porque estão em toda parte, do jeito que aconteceu com aviso de cookie. A confiança colapsa por baixo e as pessoas param de acreditar em qualquer coisa não presencial. O valor migra para o que não pode ser sintetizado: show ao vivo, evento fechado, relação direta com quem produz. Nesse cenário, a newsletter com nome e sobrenome do autor vale mais do que a plataforma com um bilhão de itens de catálogo.

Repare que nos três cenários acontece a mesma coisa: a assinatura humana vira o ativo escasso. Muda só o preço e a velocidade.

A ironia que fecha a conta

O setor passou três anos dizendo que IA generativa democratizaria a criação. Qualquer pessoa poderia fazer música, sem gravadora, sem estúdio, sem porteiro.

Deu certo. Noventa mil faixas por dia. Barreira de entrada zero.

E a primeira coisa que o mercado fez com essa democratização foi reconstruir o porteiro, com selo de verificação e tudo, só que agora o crachá de humano é o item de luxo.

Prometeram acabar com a escassez e criaram uma nova: a escassez de prova de que existe alguém do outro lado.

O pico do conteúdo gerado por IA, se é que ele existe, não vai ser o dia em que as pessoas pararem de consumir. Elas já não consomem, e são só 3%.

Vai ser o dia em que parar de dar dinheiro.

Três perguntas antes de você fechar a aba.

• Se 85% dos streams de IA são fraudulentos, por que a conversa pública ficou dois anos discutindo se a música sintética tem alma, em vez de discutir quem estava sacando o dinheiro?

• O selo do Spotify é sobre identidade, não sobre método. Isso é uma linha honesta ou é a única linha que dava para desenhar sem irritar as gravadoras que assinaram parceria de IA em outubro?

• E na sua empresa, quando alguém entrega um relatório, existe um nome que responde por ele ou existe um arquivo que apareceu?

Se você chegou até aqui, você é do tipo que quer o bastidor, não o palco.

A Tech Gossip publica toda semana o que o comunicado de imprensa não conta: quem ganha poder, dinheiro e influência com a tecnologia que acabou de ser anunciada.

Assine em www.techgossip.com.br

A história oficial é sempre a versão que sobreviveu ao comunicado de imprensa.

Subscreva agora

Fontes: Spotify Newsroom, 11/08/2026 · Deezer Newsroom, julho/2026 · Deezer Newsroom, janeiro/2026 · TechCrunch · Music Business Worldwide · Comissão Europeia, artigo 50 do AI Act · Senado Federal, PL 2338/2023

Um estudo assistiu a 350 vídeos gravados com os Ray-Ban Meta. 60% tinham assédio. Existe um app que avisa quando um par está por perto, e o que a lei brasileira faz se você for filmada.

Vamos começar corrigindo o nome, porque a precisão aqui é uma vantagem tática.

O apelido que colou lá fora é pervert glasses. Óculos de pervertido, óculos de tarado. Não é “óculos de estuprador”, e a diferença importa: exagerar entrega de bandeja ao departamento de comunicação da Meta a chance de descartar a crítica inteira como histeria e seguir vendendo.

O que está documentado dispensa inflação. É ruim o suficiente no tamanho original.

Como um produto anunciado com o slogan “capture o momento sem tirar o celular do bolso” virou, em três anos, o equipamento oficial de uma indústria de conteúdo que vive de constranger mulheres na rua?

O estudo que nenhum palco de tecnologia citou

Agosto de 2026. Pesquisadores da Universidade de Sydney publicam Harm Through the ‘#RizzCam’: Smart Glasses, Ambient Capture and Invisible Harassment. Joanne Gray, Milica Stilinovic, Marcus Carter e Ben Egliston sentaram e assistiram a mais de 350 vídeos do Instagram, o que já configura, por si só, um ato de sacrifício acadêmico.

Os números, via Fortune e 404 Media:

60% dos vídeos continham comportamento classificado como potencialmente assediador. Em 43%, a mulher filmada virou alvo de comentário depreciativo, identificação ou doxxing. E 93% mantinham a caixa de comentários aberta, porque fechar comentário derruba engajamento e engajamento é a única métrica com direitos adquiridos nessa história.

O achado central é técnico, não moral, e é ele que derruba a defesa da empresa: os pesquisadores encontraram correlação entre o quanto o aparelho de gravação era imperceptível e a gravidade do dano.

Quanto menos ela sabe que está sendo filmada, pior o que acontece com ela depois.

“Todos nós deveríamos estar muito preocupados”, disse Milica Stilinovic à Fortune, com uma contenção britânica que o material não merece.

O roteiro dos vídeos nunca muda. Homem se aproxima de uma mulher numa loja, num café, na saída de um bar. Solta a cantada. Ela ri sem graça, faz cara de nojo ou manda ele se afastar, e ele fica. A reação dela é o produto. Ela é a atriz principal, sem cachê, sem contrato e sem saber que está em cena.

O celular erguido estragaria tudo, porque denunciaria a encenação. Os óculos resolveram esse gargalo de produção.

O LED, essa maravilha da engenharia jurídica

A resposta institucional da Meta é sempre a mesma, e é quase enternecedora. Existe um LED branco na frente da armação que pisca durante a captura. A empresa garante que ele não pode ser desligado e que a câmera desativa se ele for coberto.

“Vamos continuar reforçando nossas proteções conforme nossos óculos ficam ainda mais capazes”, disse a porta-voz Dina El-Kassaby, numa frase que consegue prometer segurança e mais capacidade de vigilância na mesma respiração.

Três problemas.

O primeiro é físico. Um LED de poucos milímetros, ao sol do meio-dia, na periferia do campo de visão de alguém que está olhando para o rosto de outra pessoa, não é um aviso. É um item de conformidade. Ele não foi feito para você ver. Foi feito para constar.

O segundo é comportamental. Já circulam tutoriais de como disfarçar o indicador. Descobriram que o mercado de acessórios também atende esse público.

O terceiro é o que interessa, e quem formulou melhor foi Jim Waldo, professor de ciência da computação em Harvard, à Fortune: “Eles estão tornando seguro para o consumidor. Não estão tornando seguro para as pessoas ao redor do consumidor.”

É o produto inteiro numa frase. A privacidade de quem compra foi desenhada com carinho. A de quem passa na calçada nunca entrou na especificação, porque essa pessoa não consta na planilha de receita.

O detalhe jurídico que a advocacia americana já percebeu

Gene Kang, sócio do escritório Rivkin Radler, explicou à Fortune a distinção que separa esse produto de um celular.

Se alguém aponta um celular para o seu rosto, você sabe. Se você não reage, existe pelo menos argumento de consentimento implícito. Os óculos apagam essa etapa. “Se a pessoa não sabe que está sendo gravada, isso apresenta uma questão diferente. Acho que ela potencialmente teria uma reivindicação.”

Traduzindo: o produto não removeu um incômodo do usuário. Removeu o momento em que a outra pessoa poderia dizer não.

Isso não é bug. Está no material de marketing, com outro nome.

O histórico, em ordem de acúmulo

Barcelona: um homem foi detido por gravar centenas de mulheres na rua com os óculos. O plano, segundo a Agência Patrícia Galvão, era vender o material como curso de sedução por três mil euros. Empreendedorismo.

A 404 Media documentou o uso dos óculos para filmar e assediar trabalhadoras de casas de massagem e o caso de um agente da alfândega americana usando o aparelho numa operação de imigração em Los Angeles. O produto encontrou seu público institucional rápido.

Março de 2026: a Meta vira ré depois de um estudo apontar que subcontratados da empresa assistiam a gravações de momentos íntimos de usuários. Ou seja, nem o consumidor, o único ator dessa história cuja privacidade a empresa jurou proteger, estava protegido. O procurador-geral do Texas abriu investigação sobre a coleta de dados.

Julho de 2026: o Instagram desativa contas de “pick-up artists” com milhões de seguidores que transmitiam ao vivo direto dos óculos. “Não queremos conteúdo de assédio nas nossas plataformas e removemos quando encontramos”, disse um porta-voz.

Preste atenção no arranjo, porque ele é uma obra-prima de integração vertical. A empresa fabrica o dispositivo que produz o conteúdo. Hospeda o conteúdo na rede social dela. Monetiza o engajamento gerado por ele. E depois se apresenta em nota oficial como a autoridade responsável por removê-lo.

É a mesma companhia vendendo a doença, o vírus e o antídoto, e faturando nas três pontas.

No mesmo mês, a DEF CON baniu os óculos. Quando a maior conferência de hackers do planeta decide que um aparelho é invasivo demais para circular, o assunto saiu da esfera da opinião. A organizadora britânica Monopoly Events fez o mesmo nas suas Comic-Cons.

E o apelido chegou à cultura pop: Jimmy Kimmel usou “pervert glasses” na TV aberta, e Lorde pediu do palco que a plateia guardasse os óculos inteligentes. Nenhuma agência de publicidade consegue desfazer isso com campanha.

O número que garante que vai piorar

No primeiro trimestre de 2026, os embarques globais de óculos inteligentes sem display cresceram 167% em um ano, chegando a cerca de 2,25 milhões de unidades. A Meta ficou com 69,2% desse mercado.

Produto com crescimento de três dígitos e dois terços de participação não é polêmica de temporada. É indústria se consolidando enquanto a discussão pública ainda está no tamanho da luzinha.

E vem coisa melhor. Em fevereiro de 2026, reportagens apontaram que a Meta pretende ligar reconhecimento facial como recurso padrão. Em agosto, a empresa registrou patente de um sistema que identifica pessoas por reconhecimento facial e monta compilações de vídeo automaticamente.

Filmagem invisível já é ruim. Filmagem invisível com identificação automática de quem está sendo filmada é outra categoria de produto.

O assediador de rua de hoje ainda precisa perguntar o seu nome. A próxima versão entrega o nome antes da cantada, junto com o seu Instagram e, se a patente virar produto, um vídeo compilado do seu jantar.

E no Brasil, existe lei que protege? Existe, e ela é mais afiada do que parece

Aqui vem a parte que ninguém está escrevendo em português, então vamos com calma e sem promessa falsa.

Primeiro, a verdade desconfortável. Filmar alguém em local público, no Brasil, não é crime em si. Rua, praça, shopping, metrô: não existe tipo penal que puna o simples ato de registrar. Quem te disser o contrário está te vendendo confiança que a lei não dá.

O problema jurídico começa no que se faz com a imagem, e aí a coisa muda de figura.

Direito de imagem, artigo 20 do Código Civil. A divulgação da imagem de alguém pode ser proibida a pedido da pessoa, com indenização, se atingir a honra, a boa fama ou a respeitabilidade, ou se tiver fim comercial. E a jurisprudência é firme num ponto que se encaixa perfeitamente aqui: uso com fim econômico dispensa prova de prejuízo. O influenciador que monetiza o vídeo em que você aparece constrangida acabou de facilitar o seu processo. A Constituição, no artigo 5º, inciso X, já garante a inviolabilidade da intimidade, da vida privada, da honra e da imagem, com direito a indenização.

Registro não autorizado de intimidade sexual, artigo 216-B do Código Penal, criado pela Lei 13.772/2018. Produzir, fotografar, filmar ou registrar, por qualquer meio, cena de nudez ou ato libidinoso de caráter íntimo e privado sem autorização. Detenção de seis meses a um ano e multa. O “por qualquer meio” foi escrito de propósito e alcança óculos com câmera sem precisar de lei nova. Aquele vídeo por baixo da saia numa escada rolante é exatamente isto.

Divulgação de cena de sexo ou nudez, artigo 218-C, da Lei 13.718/2018. Pena de um a cinco anos, aumentada se houver relação íntima entre as partes.

Importunação sexual, artigo 215-A, da mesma lei: praticar ato libidinoso na presença de alguém sem sua anuência. Um a cinco anos.

Perseguição, artigo 147-A, da Lei 14.132/2021. Perseguir reiteradamente, ameaçando a integridade física ou psicológica, restringindo a liberdade ou invadindo a esfera de liberdade ou privacidade. Seis meses a dois anos e multa, com pena aumentada se a vítima for mulher por razões da condição de sexo feminino. Se o sujeito te seguiu filmando, o nome disso é stalking e é crime.

Marco Civil da Internet, artigo 21. Esta é a ferramenta prática mais subutilizada do Brasil. Em caso de divulgação de cena de nudez ou ato sexual de caráter privado sem autorização, basta notificação extrajudicial da própria vítima para que a plataforma tenha que remover o conteúdo, sob pena de responder solidariamente. Não precisa de ordem judicial, não precisa de advogado, não precisa esperar processo. É a exceção à regra geral do artigo 19, e ela existe exatamente para isso.

LGPD, com uma ressalva honesta. A lei classifica imagem e biometria facial como dado pessoal, e biometria como dado sensível. Só que o artigo 4º exclui do escopo o tratamento feito por pessoa natural para fins exclusivamente particulares e não econômicos. Filmagem doméstica escapa. Conteúdo monetizado, não. E reconhecimento facial embarcado em produto de consumo operando na rua sobre gente que não é cliente é um problema de base legal que a ANPD ainda não teve a gentileza de enfrentar em público.

Vi alguém me filmando com esses óculos. O que eu faço agora?

Sem heroísmo e sem promessa de blindagem. O que funciona, em ordem.

1. Não parta para cima. A confrontação física vira o vídeo seguinte, com você no papel de descontrolada, e é exatamente esse o conteúdo que esses perfis mais gostam de publicar. Você entregaria a peça de graça.

2. Fale alto e claro que não autoriza. “Não autorizo essa gravação. Apague agora.” Dito em voz audível, isso faz três coisas: destrói qualquer argumento futuro de consentimento implícito, fica gravado no áudio do próprio agressor, e avisa quem está em volta. É o movimento de maior retorno com menor risco.

3. Filme de volta. Você tem o mesmo direito que ele. E, ao contrário dele, a sua gravação tem finalidade legítima de resguardo de direito. Registre o rosto, a armação, o local, e diga a data em voz alta.

4. Peça ajuda de quem está em volta. Segurança do shopping, funcionário do café, agente de estação. Estabelecimento privado pode barrar dispositivo de gravação, e a maioria não sabe disso.

5. Se ele seguir você, isso mudou de crime. Perseguição, artigo 147-A. Chame a polícia. Não é exagero, é o tipo penal correto.

6. Se o vídeo apareceu online, notifique a plataforma por escrito. Se envolver nudez ou ato sexual privado, cite o artigo 21 do Marco Civil na notificação. Guarde o print da notificação, porque ele é a prova que transforma a plataforma em corresponsável se ela não remover.

7. Preserve tudo antes de qualquer coisa. Link, nome do perfil, data, hora, print da tela, número de visualizações. Não apague, não bloqueie o perfil antes de salvar. Bloquear cedo demais é o erro mais comum e o mais caro.

8. Boletim de ocorrência. Delegacia da Mulher quando houver. Muitos estados aceitam registro online. Se houve exposição íntima, isso é 216-B e 218-C, e não é uma conversa sobre bom gosto.

9. Ação cível é caminho separado e paralelo. Indenização por dano moral e uso indevido de imagem corre independente da esfera criminal, e o fato de o vídeo ter sido monetizado joga a seu favor.

E dá para saber antes, com um app

Existe o Nearby Glasses, que faz varredura contínua de sinais Bluetooth e avisa quando identifica dispositivo compatível com óculos inteligentes da Meta, da Luxottica (Ray-Ban Meta) ou da Snap. Gratuito, código aberto, sem anúncios, sem telemetria, dados não saem do aparelho. Está no Google Play e já passou de 100 mil downloads.

Foi feito por Yves Jeanrenaud, professor e desenvolvedor, que descreveu os óculos no repositório do projeto como “uma intrusão intolerável, que despreza o consentimento”. É o tipo de descrição técnica que só aparece em software que ninguém pagou para existir.

Ele mesmo faz a ressalva, e ela é honesta: “É uma solução técnica para um problema social. É uma abordagem imperfeita e provavelmente sempre será.”

Os limites, que você precisa conhecer antes de confiar. Dá falso positivo, porque um headset Quest no mesmo ambiente também dispara. Não funciona com o Bluetooth do aparelho desligado. E ele avisa que existe um dispositivo por perto, não que ele está gravando neste segundo nem quem está com ele no rosto. Alcance de uns 10 metros.

No iPhone há alternativas de terceiros, como Nearby Lens e Nearby Glasses Ray-Ban Scanner. Confira quem publicou e quais permissões o app pede, porque app de privacidade feito por desconhecido é troca de risco, não eliminação de risco.

Aprenda a reconhecer a armação, que rende mais do que caçar o LED. Ray-Ban Meta tem uma lente circular saliente no canto superior direito da frente, com um ponto simétrico do lado esquerdo. Depois que você vê uma vez, não desvê.

E esqueça o truque da música da Disney. Viralizou a teoria de que cantar música protegida derrubaria o vídeo por direito autoral. Gene Kang desmontou na Fortune: se você é a pessoa filmada, você não detém direito nenhum sobre a composição que está cantando. É um plano que só funciona se o agressor for a Disney.

Quem ganha e quem perde

Ganha a Meta, com 69,2% de um mercado crescendo 167% ao ano, dona da rara façanha de vender o hardware, hospedar o conteúdo produzido por ele, faturar o engajamento e ainda assinar a nota oficial dizendo que reprova o conteúdo.

Ganham os criadores de “pick-up artistry”, cuja matéria-prima é constrangimento alheio com custo de produção zero e elenco não remunerado.

Perde qualquer pessoa na rua. Mulheres em primeiro lugar, mas não só: perde o trabalhador vulnerável, como mostrou a operação de imigração. Perdem os eventos, que agora precisam de política de dispositivo e de gente na porta conferindo armação.

E perde, com uma ironia que merece um monumento, o próprio dono do produto. Já saiu reportagem sobre gente com medo de usar os óculos em público. A Meta queimou bilhões para transformar um acessório de luxo em constrangimento social ambulante, o que é uma proeza de marketing reverso que vai render tese de mestrado.

O fecho

A defesa é sempre a mesma: a tecnologia é neutra, o problema é o mau uso.

Só que o estudo de Sydney mediu exatamente isso e achou o contrário. A gravidade do dano acompanha o grau de invisibilidade do aparelho. Discrição não é efeito colateral do produto. É a proposta de valor central, escrita na campanha publicitária, e é ela que gera o dano.

Um produto cuja principal virtude anunciada é não ser percebido não tem direito de fingir surpresa quando é adotado por quem não quer ser percebido.

O LED existe para o jurídico. A discrição existe para o consumidor. E ninguém, em nenhum ponto do organograma, respondia pela pessoa do outro lado da lente. Continua sem responder, agora com reconhecimento facial no roadmap.

Três perguntas antes de você fechar a aba.

Se o seu produto precisa de um LED para avisar que está gravando, você já admitiu que ele grava gente que não quer ser gravada. Por que a discussão parou no tamanho da luzinha?

Quantas empresas brasileiras que estão comprando óculos inteligentes para equipe de campo fizeram avaliação de impacto de proteção de dados antes de distribuir?

E por que a ANPD não se pronunciou sobre reconhecimento facial embarcado em produto de consumo, se a LGPD já trata biometria como dado sensível desde 2018?

A quarta onda de inovação prometeu que a máquina finalmente entenderia a gente. Ninguém mencionou que ela entenderia também quem passa do lado, sem perguntar.

Se você chegou até aqui, você é do tipo que quer o bastidor, não o palco.

A Tech Gossip publica toda semana o que o comunicado de imprensa não conta: quem ganha poder, dinheiro e influência com a tecnologia que acabou de ser anunciada.

Assine em www.techgossip.com.br

A história oficial é sempre a versão que sobreviveu ao comunicado de imprensa.

Subscreva agora

Fontes: 404 Media · Fortune, 14/08/2026 · Fortune, 28/07/2026 · TechCrunch · Estudo da Universidade de Sydney · The Register · Agência Patrícia Galvão · Dizer o Direito, Lei 13.772/2018 · TJDFT, Direito de Imagem

Não é a alucinação, não é o Terminator e não é ludismo. São cinco problemas concretos, cada um com o dado que o sustenta e o impacto que produz, mais os cinco maiores riscos que estão chegando e o sinal que já dá para observar em cada um. E a tese que organiza a lista: não sou contra porque a IA erra. Sou contra porque ela vai funcionar.

Escrevo sobre inteligência artificial toda semana e uso inteligência artificial todo dia.

Minha posição não é sobre a tecnologia falhar. Se a IA não funcionar como prometido, isso é uma bolha, e bolha estoura. O cenário que me preocupa é o outro: ela entregar mais ou menos o que promete, em condições que ninguém aceitou, com propriedade concentrada e sem que nada tenha sido medido antes.

Esta é a lista, até agora. Ela é aberta e vai crescer.

Três argumentos populares contra a IA são fracos e eu não vou usar nenhum. Alucinação é problema de engenharia e engenharia melhora. Risco existencial é mal formulado e convenientemente distrativo: enquanto se discute a superinteligência de 2045, ninguém discute o contrato de 2026. E ludismo não é argumento, é reflexo.

Abaixo, os cinco problemas que eu considero reais. Cada um com o dado e o impacto.

Problema 1. A gente julga se alguém sabe do assunto pelo jeito que a pessoa fala. Isso parou de funcionar.

Pense no mecânico.

Você não entende de motor. Não tem como verificar se o diagnóstico dele está certo. Então você julga por outra coisa: ele fala com segurança, usa os termos certos, explica na ordem, não gagueja, dá detalhe específico e responde na hora.

Você faz exatamente isso com o médico, com o advogado, com o contador e com o texto que você lê na internet. Todo mundo faz. Não é burrice, é a única ferramenta disponível para quem não domina o assunto.

E esse atalho funcionava por um motivo simples: falar assim era difícil.

Para explicar um motor com segurança, ordem, vocabulário correto e detalhe específico, a pessoa precisava ter passado anos mexendo em motor. O jeito de falar era caro de produzir, e por isso servia como pista razoável de que havia conhecimento por trás.

A IA quebrou essa relação.

Hoje qualquer pessoa gera, em três segundos e de graça, um texto que fala com segurança, usa os termos certos, explica na ordem e dá detalhes específicos, sem que exista uma única hora de conhecimento por trás. E tem um agravante: o modelo escreve com exatamente a mesma segurança quando está certo e quando está errado. Não existe hesitação, não existe “acho que”, não existe aquele recuo que um especialista honesto dá quando pisa em terreno que não domina.

O sinal continua lá. O que ele significava desapareceu.

O dado. Estudo da Wharton, de Steven Shaw e Gideon Nave, com 1.372 participantes e mais de 9.000 experimentos. Quando a IA dava a resposta certa, a precisão dos participantes era de 71%. Quando a IA dava a resposta errada, caía para 31%. E quem usou IA relatou confiança 11,7% maior do que quem trabalhou sozinho.

O impacto. Trinta e um por cento é pior do que as pessoas fariam sem ajuda nenhuma. A IA errada não apenas deixou de ajudar. Ela puxou o desempenho para baixo da linha de base humana e, ao mesmo tempo, deixou as pessoas mais convencidas de que estavam certas.

Em escala, o efeito não é todo mundo acreditando em mentira. É mais silencioso: parecer confiável ficou barato, e com isso o filtro que a maioria das pessoas usa para separar quem sabe de quem não sabe deixou de funcionar.

Já dá para ver isso operando em contratação, análise de crédito, diagnóstico, parecer jurídico e decisão administrativa. Todos são processos em que alguém lê um texto de aparência competente e decide a vida de outra pessoa a partir dele.

A aparência de competência agora custa zero.

Problema 2. Não existe grupo de controle, e o instrumento de medição é o que está sendo alterado

Toda tecnologia anterior deixou população não exposta. Havia lugares sem eletricidade, casas sem televisão. Isso permitiu medir o efeito depois.

A adoção da IA generativa é global e simultânea. Não há coorte de controle nem linha de base preservada.

O dado. MIT Media Lab, “Your Brain on ChatGPT”, eletroencefalografia com 54 participantes. Ressalva antes do número: amostra pequena, sem revisão por pares, tarefa específica de redação. Feita a ressalva, o grupo que escreveu com ChatGPT teve o menor engajamento neural e recordava cerca de 17% do próprio texto 24 horas depois, contra 46% de quem escreveu sozinho.

O impacto. Se a tecnologia reduz, mesmo marginalmente, a capacidade de raciocínio independente, então a faculdade que usaríamos para avaliá-la é a mesma que está sendo alterada por ela. Não existe experimento limpo quando o termômetro está dentro do forno.

Efeitos cognitivos de nível populacional levam décadas para aparecer. Foram quarenta anos para entender o cigarro e mais de quinze para começar a entender redes sociais e adolescência. A adoção da IA foi mais rápida que as duas. Vamos ter a resposta, só não a tempo de escolher.

Problema 3. É a primeira tecnologia de propósito geral que não democratiza sozinha

Imprensa, motor a vapor, eletricidade, computador pessoal, internet. Todas seguiram a mesma curva: caras e concentradas no início, baratas e distribuídas depois. O custo marginal da próxima unidade de capacidade caía e o poder se dispersava. Quinhentos anos do mesmo padrão.

Na IA de fronteira, capacidade escala com capital. E capital nessa escala existe em cerca de meia dúzia de balanços no planeta.

O dado. A IEA projeta consumo elétrico de data centers em torno de 945 TWh até 2030, perto de 3% da eletricidade global. O Gartner projeta 565 TWh já em 2026, alta de 26% sobre 2025.

O impacto. A distância entre quem tem a fronteira e quem não tem aumenta com o tempo em vez de diminuir. Modelo aberto melhora e isso importa, mas persegue uma fronteira que se move com dinheiro.

O que está sendo construído não é uma ferramenta que todo mundo vai possuir. É uma infraestrutura que quase todo mundo vai alugar. E quem aluga não define os termos, aceita.

Consumo elétrico nessa ordem também significa que isso não é software. É indústria pesada com outro nome, e indústria pesada se concentra onde há capital e energia barata. Ela não se distribui.

Problema 4. A extração não é acidente. É o modelo.

O corpus de treinamento veio do trabalho de milhões de pessoas que não foram consultadas, não foram pagas e não têm como sair. A implantação foi unilateral, sem deliberação pública em nenhum país grande.

O dado. Cloudflare, junho de 2026: 57,5% do tráfego HTML da web já é automatizado, contra 42,5% humano. E 52% das requisições de rastreador são para treinamento, contra 22% um ano antes.

O impacto. Custos socializados, retornos privatizados. Energia, água, mercado de trabalho e ambiente informacional entram na conta pública. O retorno fica em meia dúzia de balanços.

E a web aberta, construída como bem comum durante trinta anos, virou insumo de produção privado sem contrato e sem contrapartida. Isso tem nome fora da tecnologia: cercamento. Não é a primeira vez, e nas vezes anteriores também foi apresentado como progresso inevitável por quem estava do lado de dentro da cerca.

Problema 5. O modelo aprende a desigualdade que existe nos dados e devolve ela como decisão automática

Os quatro problemas anteriores são estruturais e alguns efeitos ainda estão chegando. Este já aconteceu, tem nome, tem vítima e tem sentença.

E ele é mal explicado quase sempre. A ideia de que “o algoritmo é preconceituoso” sugere que alguém programou preconceito, ou que houve um erro técnico. Não é isso.

O algoritmo aprende com o que aconteceu. E o que aconteceu foi desigual.

O caso mais limpo é da saúde, e ele mostra a mecânica inteira.

O dado. Estudo de Ziad Obermeyer e coautores publicado na Science em 2019 analisou um algoritmo usado por hospitais americanos para decidir quem entra em programas de cuidado intensivo, aplicado sobre cerca de 200 milhões de pacientes.

O sistema não usava raça. Usava gasto com saúde como medida de necessidade de saúde. Parece razoável: quem gasta mais deve estar mais doente.

Só que nos Estados Unidos se gasta historicamente menos com pacientes negros com o mesmo nível de doença, por acesso, por distância, por seguro, por discriminação médica documentada. O algoritmo leu esse gasto menor e concluiu, com perfeita coerência estatística, que aqueles pacientes eram mais saudáveis.

Resultado: para receber a mesma pontuação de risco, o paciente negro precisava estar significativamente mais doente. Corrigir o critério aumentaria a proporção de pacientes negros encaminhados para cuidado adicional de 17,7% para 46,5%.

O impacto. O modelo não errou. Ele acertou o mundo. Aprendeu a desigualdade com precisão e depois a aplicou como regra, em escala, com aparência de neutralidade matemática.

E é aí que mora a diferença que quase ninguém enuncia:

Um humano discriminando é um incidente. Um algoritmo discriminando é uma política.

O médico preconceituoso atende algumas centenas de pessoas por ano e pode ser confrontado, processado, substituído. O sistema atende milhões por dia, funciona igual em todas as unidades, roda de madrugada e vem com uma defesa que o médico não tem: “é proprietário, não podemos abrir”.

A lista de casos documentados é longa e nenhum deles é hipótese.

O Gender Shades, de Joy Buolamwini e Timnit Gebru, mediu sistemas comerciais de análise facial e encontrou taxa de erro de cerca de 0,8% para homens de pele clara e 34,7% para mulheres de pele escura. O mesmo produto, vendido como funcional, errava mais de quarenta vezes mais dependendo de quem estava na frente da câmera.

A Amazon desenvolveu e abandonou em 2018 uma ferramenta de triagem de currículos que penalizava candidaturas contendo a palavra “women’s”. O sistema aprendeu com dez anos de contratações da própria empresa e concluiu corretamente que a empresa contratava homens.

A investigação da ProPublica sobre o COMPAS, sistema de risco de reincidência usado em tribunais americanos, encontrou réus negros com probabilidade cerca de duas vezes maior de serem falsamente classificados como alto risco.

E na Holanda, o caso mais grave até agora: um sistema de detecção de fraude em auxílio-creche acusou indevidamente dezenas de milhares de famílias, muitas com origem estrangeira, exigiu devolução de valores que elas não deviam, destruiu patrimônio e famílias, e derrubou o governo inteiro em janeiro de 2021.

E no Brasil isso já está operando na porta de casa

Aqui não é hipótese importada. Temos dado próprio, e ele é pior.

A Rede de Observatórios da Segurança acompanha prisões feitas por reconhecimento facial desde a implantação, em março de 2019. O primeiro levantamento encontrou que 90,5% das pessoas presas por monitoramento facial eram negras. O relatório de 2023 apontou 92%. O de 2025 registrou cerca de 90% pelo terceiro ano consecutivo.

E existe um número que mostra que o sistema não é apenas enviesado, é ruim.

Durante quatro dias da Micareta de Feira de Santana, na Bahia, o videomonitoramento capturou o rosto de mais de 1,3 milhão de pessoas. Gerou 903 alertas. Desses, saíram 18 mandados e 15 prisões.

Mais de 96% dos alertas não resultaram em nada.

O impacto. Cada um desses alertas falsos é uma abordagem policial. No Brasil, abordagem policial não é um inconveniente administrativo. É um evento com risco físico real, distribuído de forma desigual, sobre uma população específica.

Estamos usando uma tecnologia que erra em 96% dos alertas para decidir em quem a polícia encosta, num país onde encostar tem consequência.

E o dado dos 90% se repete há três anos sem que a política mude.

Isso não é falha de implementação. Uma falha que se repete por três anos com resultado conhecido não é falha. É escolha.

O Brasil: o problema é orçamentário e já foi votado

Em fevereiro de 2026 a Câmara aprovou o REDATA, regime especial de tributação para data centers. Estimativa do próprio governo: renúncia fiscal em torno de R$ 5,2 bilhões só em 2026, mais cerca de R$ 1 bilhão em cada um dos dois anos seguintes, com suspensão de tributos por cinco anos na compra de equipamentos.

O argumento de venda é a nossa matriz elétrica, com mais de 86% de fontes renováveis, apresentada como vantagem competitiva para atrair empresas que querem reduzir a pegada de carbono delas.

O impacto, item por item. Data center emprega pouco depois de construído. A computação é exportada como serviço. Os modelos não são brasileiros. Os dados brasileiros de treinamento foram levados sem pagamento. A propriedade intelectual fica fora do país. A renúncia fiscal é nossa. A energia foi construída ao longo de décadas com dinheiro público, rios alagados e populações deslocadas.

Há contrapartidas no texto e elas não são desprezíveis: exigência de energia limpa ou renovável e índice de eficiência hídrica de no máximo 0,05 litro por kWh. É melhor que muita política industrial brasileira anterior.

Mas a pergunta que não foi feita em plenário é simples: estamos comprando indústria ou alugando terreno?

A Irlanda fez essa aposta e virou endereço fiscal. Gerou PIB e gerou quase nenhuma soberania.

Os cinco maiores problemas que estão chegando, e o sinal que já dá para observar agora

Previsão sem sinal verificável é entretenimento. Então cada item abaixo vem com o problema, por que ele se decide agora e o que observar para saber se está acontecendo.

1. Decisão automatizada sobre a vida das pessoas, sem direito de auditoria

O problema. Crédito, benefício social, triagem médica, seleção de emprego, vaga em escola, liberdade provisória. Sistemas que decidem isso já estão sendo contratados por governos e grandes empresas com cláusula de segredo comercial que impede inspeção.

Por que agora. O contrato que você assina hoje define se daqui a cinco anos alguém poderá abrir o modelo quando ele errar. Depois de assinado, não se renegocia auditoria.

O sinal. Procure a palavra “proprietário” nos editais e contratos públicos de tecnologia. Quando o fornecedor alega segredo comercial sobre o critério de decisão, o cidadão perdeu o direito de recorrer antes de saber que existia decisão. O caso holandês do auxílio-creche mostrou o desfecho: dezenas de milhares de famílias arruinadas e um governo caído.

2. O dividendo do mentiroso: quando prova deixa de provar

O problema. O risco de mídia sintética não é principalmente que as pessoas acreditem no falso. É o inverso: quando qualquer coisa pode ser falsa, qualquer coisa verdadeira pode ser descartada como falsa. Vídeo, áudio e documento perdem valor probatório.

Por que agora. Estamos no intervalo entre a capacidade existir e a norma de proveniência existir. Esse intervalo é onde os precedentes judiciais se formam, e precedente é difícil de desfazer.

O sinal. O primeiro caso relevante em que uma gravação autêntica for desqualificada com sucesso sob alegação de ser gerada por IA. A partir dali, todo réu com bom advogado usa o mesmo argumento, e a prova audiovisual, que sustentou meio século de responsabilização, enfraquece.

3. Agentes com credencial válida e sem trilha de auditoria

O problema. Empresas estão dando chave de API e permissão ampla a agentes autônomos como se fossem ferramenta, não como se fossem funcionário. Funcionário tem escopo, revisão de acesso e desligamento. Chave de API costuma ter só a data em que alguém a criou com pressa.

Por que agora. A adoção está acontecendo neste trimestre, antes de qualquer prática consolidada de registro e limite.

O sinal. Já existe: no incidente da OpenAI, um agente executou 17.600 ações ao longo de quatro dias contra alvos externos, e quem detectou e interrompeu foi a empresa invadida, não a criadora. Se o laboratório mais monitorado do mundo não enxergou, pergunte quanto tempo a sua empresa levaria. Observe o primeiro incidente causado por agente em banco, hospital ou órgão público. Ele define a regulação dos dez anos seguintes.

4. Dependência de infraestrutura que não controlamos, em função crítica

O problema. País que roda saúde, justiça, educação e segurança sobre modelos estrangeiros que não pode inspecionar, sob termos que pode não conseguir renegociar, e sujeitos a controle de exportação de outro governo.

Por que agora. Essa dependência se instala por conveniência e sai por crise. Cada integração feita hoje é um custo de saída amanhã.

O sinal. A primeira vez que um fornecedor mudar preço, termo de uso ou disponibilidade e um serviço público brasileiro parar ou encarecer por causa disso. E observe também a direção contrária: quanto do orçamento público de IA vai para capacidade instalada no país e quanto vai para assinatura mensal de terceiro.

5. Energia, e o momento em que o data center disputa a rede com a sua casa

O problema. As projeções da IEA colocam o consumo elétrico de data centers perto de 945 TWh até 2030, algo em torno de 3% da eletricidade global. Gartner projeta 565 TWh já em 2026, alta de 26% em um ano.

Por que agora. Contrato de energia de longo prazo e licença de instalação são assinados anos antes de a demanda aparecer na conta.

O sinal. Observe leilão de energia, fila de conexão à rede e tarifa residencial nas regiões onde data centers estão sendo instalados. Esse é o problema que vira política mais rápido que todos os outros, porque conta de luz é a única coisa dessa lista que chega na casa de todo mundo com valor impresso.

E dois efeitos que já estão em curso e que quase ninguém enquadra como problema de IA:

A promessa de economia está sendo desmentida pela própria conta. A SAP congelou contratações e viagens para pagar consumo de tokens, com pesquisa e desenvolvimento subindo 14% contra apenas 3% de aumento de quadro. Preço por token cai, gasto total sobe. Quem planejou corte de custo com IA usando premissa de 2024 precisa refazer a conta.

A desigualdade vai mudar de forma antes de mudar de tamanho. Não é substituição em massa, é compressão do meio: quem faz trabalho cognitivo padronizado de nível intermediário perde poder de barganha primeiro. O Brasil, com classe média formal concentrada em administrativo, atendimento e serviços de escritório, está exposto de forma desproporcional a exatamente esse recorte.

A contradição, declarada

Eu uso essas ferramentas e elas me tornam mais rápida. Não vou fingir uma pureza que não pratico.

Mas “isso me é útil” nunca foi um argumento sobre se algo deveria existir na forma em que existe.

O carro é útil. Foi por isso que se criou cinto, air bag, limite de velocidade, teste de colisão e habilitação. Ninguém chamou nada disso de ludismo. Chamaram de engenharia de segurança, depois de décadas contando corpos.

A IA está numa fase anterior a essa. É o momento em que o automóvel é vendido como liberdade e ninguém ainda contou nada.

Não é medo do que a máquina vai fazer.

É desconfiança do que estamos deixando de fazer enquanto ela faz.

Três perguntas:

• Se a capacidade de duvidar for a primeira coisa que essa tecnologia degrada, com o que você vai avaliá-la daqui a dez anos?

• O Brasil renuncia a R$ 5,2 bilhões em um ano para hospedar computação estrangeira movida a energia construída com dinheiro público. Alguém calculou o retorno em emprego, imposto e propriedade intelectual, ou “inovação” bastou como resposta?

• Qual dado te faria mudar de posição sobre isso, e você conseguiria reconhecê-lo se aparecesse?

O Tech Gossip não é boletim de entusiasmo nem panfleto de recusa. É onde a conta é aberta antes do anúncio. Se você quer discordar de mim com dado na mão, é exatamente essa a conversa que eu quero, e ela acontece em www.techgossip.com.br.

Subscreva agora

#InteligenciaArtificial #EticaEmIA #Wharton #MITMediaLab #REDATA #DataCenters #SoberaniaDigital #FuturoDoTrabalho #PoliticaIndustrial #Brasil #Regulacao #Opiniao #Tecnologia #TechGossip

O estudo de Imperial e emlyon achou três coisas que o mercado não vai repetir em painel: startup nascida em mercado superaquecido com due diligence fraca tem 19% mais chance de fraudar depois, conselho controlado pelo fundador dobra a probabilidade, e investidores “cocriam” a fraude ao continuar financiando fundadores já acusados. E a mecânica que explica tudo isso está na contabilidade dos próprios fundos.

O artigo se chama “Criminal Deception in Silicon Valley”, saiu em junho de 2026 na Organization Science, e é assinado por Tim Weiss, do Imperial College Business School, e Nevena Radoynovska, da emlyon.

Os pesquisadores montaram uma base de fundadores e empresas processadas por fraude de valores mobiliários pela SEC e pelo Departamento de Justiça americano entre 2000 e 2023. Do universo, analisaram a fundo 12 empresas envolvidas em 27 processos cíveis e criminais.

Total: cerca de US$ 688 milhões em prejuízo e 73 anos de pena de prisão somados.

A cobertura toda ficou na taxonomia, que é boa: fachada superficial, fachada reforçada, fachada profunda. Fundador começa mentindo sobre tração, depois falsifica extrato bancário e contrato de cliente, depois adultera demonstração de produto e sabota a própria due diligence interna.

É uma tipologia útil. Só que ela descreve o comportamento.

Os três números que explicam a causa ficaram fora de quase toda cobertura em português.

Os três achados que ninguém repetiu

Primeiro. Startups criadas em mercados superaquecidos, com supervisão fraca e due diligence rala, têm 19% mais probabilidade de cometer fraude depois.

Note o que isso significa. A variável preditiva não é o caráter do fundador. É a temperatura do mercado no momento da captação. A fraude está correlacionada com a condição de financiamento, não com a biografia de quem funda.

Segundo. Startups com conselho controlado pelo fundador têm o dobro de probabilidade de fraudar em relação às que têm conselho controlado por investidores ou compartilhado.

E o mercado passou a última década celebrando exatamente isso. Ações com supervoto, controle do fundador, “founder-friendly” como argumento de venda de fundo. O termo bonito para “conselho que não incomoda” virou item de captação.

Terceiro, e é o mais desconfortável. Nas palavras de Weiss, alguns investidores “cocriam a fraude” ao continuar bancando fundadores que já foram acusados antes, o que normaliza o comportamento.

Ele completou: “o problema aqui não são apenas os fundadores, mas também aqueles que estabelecem e reforçam expectativas, por vezes irracionais, de crescimento alto”.

Traduzindo: a pressão que produz a mentira é fabricada por quem depois se apresenta como enganado.

Por que isso acontece de verdade: a resposta está na contabilidade do fundo

O estudo descreve o padrão. Mas a pergunta “por que a due diligence é rala” tem uma resposta estrutural que raramente aparece, e ela não é preguiça nem pressa.

Fundo de venture capital não reporta retorno em dinheiro na maior parte da vida do fundo. Reporta marcação. O valor da participação é atualizado pela última rodada de captação da empresa investida.

Ou seja: quando alguém investe numa rodada seguinte a um valuation maior, o investidor da rodada anterior fica mais rico no papel, imediatamente, sem nenhum evento de liquidez.

E é esse número no papel que o fundo usa para levantar o fundo seguinte.

Agora junte as peças.

A pessoa mais bem posicionada para verificar se os números da startup são reais é o investidor existente. E é exatamente essa pessoa que ganha, hoje, com o valuation subindo, e que perde, hoje, se descobrir um problema.

A auditoria é um custo para quem colhe o benefício de não auditar.

Isso não é conspiração. É desenho de incentivo, e ele opera mesmo com todo mundo agindo de boa-fé. Ninguém precisa querer ser cúmplice. Basta não ter motivo nenhum para insistir na pergunta difícil.

Some a isso a matemática de portfólio. Fundo de venture vive de lei de potência: de trinta investidas, uma precisa retornar o fundo inteiro. O que significa que o fundador selecionado não é o mais competente nem o mais honesto. É o que apresenta a trajetória mais extrema que ainda pareça plausível.

O sistema não recompensa quem está certo. Recompensa quem é grande o suficiente para justificar o cheque.

E o estudo diz que a gravidade da fachada é função do tamanho da lacuna entre a expectativa pública e o desempenho real.

Se a expectativa é fabricada pelo próprio financiador, a lacuna também é.

Quem são as startups, com nome e valor

Vale sair do abstrato, porque o padrão fica óbvio quando você olha os casos.

Builder.ai. Vendia geração de aplicativos por inteligência artificial. Levantou cerca de US$ 450 milhões e chegou a valer entre US$ 1,3 e US$ 1,5 bilhão. Na prática, o trabalho era feito por engenheiros terceirizados na Índia escrevendo código à mão. A receita foi inflada em até três vezes. Quebrou em maio de 2025 depois que a Viola Credit tomou US$ 37 milhões das contas e sobraram US$ 5 milhões. Devia US$ 85 milhões à Amazon e US$ 30 milhões à Microsoft. Mais de mil demitidos.

iLearning Engines. Startup de IA avaliada em US$ 1,5 bilhão. Segundo investigação do Departamento de Justiça, falsificava “praticamente todos” os relacionamentos com clientes e a receita.

Nate Inc. Aplicativo de compras que dizia processar transações por IA. O fundador foi acusado por SEC e DOJ em abril de 2025 de ter levantado mais de US$ 42 milhões com essa história. As transações eram processadas por pessoas.

Presto Automation. Primeira ação de “AI washing” da SEC contra companhia aberta, em janeiro de 2025. A tecnologia de reconhecimento de voz apresentada como própria pertencia a terceiros e envolvia intervenção humana significativa que não foi divulgada.

Repare no padrão que se repete nos quatro casos.

Não é fraude contábil clássica. É a mesma fraude específica: humano fazendo o trabalho que foi vendido como máquina.

Isso não é coincidência. É a fraude natural dessa tecnologia, porque a saída é idêntica nos dois casos. Um aplicativo entregue por modelo e um aplicativo entregue por trinta programadores em Bangalore têm exatamente a mesma aparência para o investidor. Não existe inspeção visual possível.

“IA proprietária” é a afirmação mais impossível de falsificar que já foi vendida a um comitê de investimento.

Quem são os fundos, e por que isso importa mais

A pergunta que quase nunca aparece nessas matérias é quem assinou os cheques.

No caso da Builder.ai, a lista é constrangedora por um motivo específico: não são amadores.

Microsoft, que investiu e também era credora. SoftBank. Qatar Investment Authority, o fundo soberano do Catar, que liderou a Série D de US$ 250 milhões em maio de 2023 e perdeu esse valor. International Finance Corporation, o braço de investimento privado do Banco Mundial. WndrCo, de Jeffrey Katzenberg. Além de Insight Partners e Lakestar em rodadas anteriores.

Fundo soberano. Braço do Banco Mundial. Big tech. Fundo de US$ 100 bilhões.

Esse é o ponto que desmonta a explicação confortável.

A narrativa padrão diz que fraude passa quando o investidor é inexperiente, pequeno ou está fora da sua área de competência. Foi assim que se explicou a Theranos, financiada majoritariamente por gente sem nenhuma expertise em diagnóstico laboratorial.

A Builder.ai não permite essa saída. Quem aprovou tinha equipe, tinha comitê, tinha advogado, tinha auditor disponível e tinha oito anos.

Se a diligência falhou com esses recursos, o problema não é falta de capacidade.

É falta de incentivo para usá-la.

O dado que transforma o estudo em previsão

E agora a parte que muda a leitura do artigo inteiro.

O estudo estabelece que a gravidade da fachada acompanha o tamanho da lacuna entre o que o público espera e o que a empresa entrega.

A indústria de IA carrega hoje uma lacuna estimada em torno de US$ 1,6 trilhão entre a expectativa dos investidores e a realidade prática de receita.

Aplique o achado ao número.

Se a fraude escala com a lacuna, e a lacuna atual é de escala macroeconômica, então o artigo de Weiss e Radoynovska não é um estudo retrospectivo sobre casos de 2000 a 2023.

É um modelo preditivo, e ele está apontando para frente.

A base analisada termina em 2023. O ciclo mais superaquecido, com a diligência mais rala e as expectativas mais irracionais da história do setor, começou depois disso.

Os casos que vão compor a próxima versão desse estudo estão sendo financiados agora, com termo de investimento assinado e nota à imprensa publicada.

O Brasil não aparece nesse estudo, e o motivo é pior do que parecer bom

A pergunta natural: e aqui?

O Brasil não entra em nenhum recorte desse tipo de pesquisa, e é importante entender por quê, porque a resposta não é lisonjeira.

O estudo foi construído sobre um insumo específico: processos da SEC e do DOJ. A base existe porque existe um órgão com divisão de enforcement, orçamento, poder investigativo e prática consolidada de processar fraude em empresa privada de tecnologia.

No Brasil, a CVM atua sobre companhias abertas e ofertas públicas. Fraude de fundador contra investidor privado, em startup de capital fechado, cai principalmente no colo de polícia civil e Ministério Público, sem estrutura especializada e sem base de dados pública consolidada.

Resultado: não é possível montar essa pesquisa com dados brasileiros.

E ausência de processo não é ausência de fraude. É ausência de medição.

Se alguém precisar de uma calibragem de quanto a supervisão brasileira consegue enxergar, vale lembrar que as inconsistências contábeis de cerca de R$ 25 bilhões nas Americanas passaram despercebidas por anos numa companhia aberta, auditada por firma global, com conselho ocupado por alguns dos empresários mais poderosos do país.

Esse é o teto da fiscalização brasileira.

O piso, no capital fechado, é o porão.

E o achado dos 19% descreve com precisão desconfortável a safra brasileira de 2020 e 2021: mercado superaquecido, cheque rápido, diligência comprimida por competição por deal, conselho montado para não atrapalhar.

Quem ganha e quem perde

Ganha o gestor de fundo, que recebe taxa de administração sobre capital comprometido independentemente de a investida ser real, e taxa de performance sobre marcação que pode nunca virar dinheiro.

Ganha o fundador que aprendeu a ler o incentivo antes de aprender a construir o produto, e que, segundo o próprio estudo, tem chance concreta de captar de novo mesmo depois de acusado.

Perde o cotista final, que quase sempre é fundo de pensão, dotação universitária, seguradora, fundo soberano. Ou seja: aposentadoria de alguém.

Perdem os mil funcionários da Builder.ai e as centenas de clientes que ficaram com aplicativos inacabados e sem caminho de reembolso.

E perde o fundador honesto, que é o prejudicado mais invisível dessa história. Ele compete por capital com alguém que não tem restrição factual nenhuma, num processo de seleção que premia a projeção mais agressiva. É uma corrida em que a regra beneficia quem trapaceia e a punição chega, quando chega, cinco anos depois.

O que essa história realmente revela

A palavra que o mercado usa para isso é “excesso”. Excesso de otimismo, excesso de liquidez, excesso de entusiasmo. Excesso é uma palavra sem sujeito. Ninguém comete excesso, ele simplesmente ocorre, como chuva.

O estudo de Imperial e emlyon coloca sujeito na frase, e é por isso que ele incomoda.

Três números fazem esse trabalho. Dezenove por cento a mais de fraude quando o mercado está superaquecido e a diligência é fina. Dobro de fraude quando o conselho é do fundador. E investidores que voltam a financiar quem já foi acusado.

Nenhum desses três é um traço de personalidade do fundador.

Os três são escolhas de quem aloca capital.

O Vale do Silício sempre contou “fake it till you make it” como anedota simpática de garagem, a história do sujeito que vendeu antes de ter e depois construiu.

O que o estudo mostra é que a primeira metade da frase virou o produto, e que a segunda metade é opcional.

E que a diferença entre o fundador celebrado e o fundador preso quase nunca é o momento em que ele mentiu.

É o momento em que o dinheiro parou de chegar.

Três perguntas:

Se conselho controlado pelo fundador dobra a chance de fraude, por que “founder-friendly” continua sendo argumento de venda de fundo?

Quando o investidor lucra na marcação com o valuation que ele deveria estar auditando, quem exatamente tem incentivo para fazer a pergunta difícil?

E aqui: se não é possível montar essa pesquisa com dados brasileiros por falta de processos, isso deveria nos deixar tranquilos ou alarmados?

O Tech Gossip não trata fraude como acidente de percurso do inovador ousado. Trata como resultado previsível de um desenho de incentivos que ninguém quer redesenhar, porque ele funciona muito bem para quem o desenhou. Se você quer ver a estrutura antes do escândalo, acompanhe em www.techgossip.com.br.

Subscreva agora

#VentureCapital #Startups #Fraude #BuilderAI #InteligenciaArtificial #AIWashing #SEC #Governanca #SoftBank #Microsoft #Investimento #DueDiligence #Empreendedorismo #Inovacao #TechGossip

Servir uma página em Markdown para o robô e outra em HTML para você tem nome técnico desde os anos 1990, e o nome não é “abrir caminho para o futuro”. Google e Bing sinalizaram em fevereiro que isso é cloaking. Em 15 de maio o Google formalizou que suas políticas de spam cobrem manipulação de respostas de IA. A Time começou em julho. E daqui a cinco semanas a Cloudflare passa a bloquear agentes justamente em páginas que exibem anúncios.

A frase que resume a coisa saiu da boca do diretor de operações da Time, Mark Howard: “isto é algo totalmente novo, e acreditamos que estamos abrindo caminho para o futuro”.

Não é totalmente novo.

O que a Time está fazendo, segundo o relato do Digiday, é manter duas versões de cada página. Uma em HTML, para você. Outra em Markdown, só texto, mais fácil de digerir, para os agentes de IA. E, dentro da versão dos robôs, blocos de conteúdo pago gerados por IA no formato de perguntas frequentes, com as mensagens da marca, marcados como “conteúdo patrocinado”.

Servir conteúdo diferente para o rastreador e para o ser humano tem nome desde os anos 1990.

Chama-se cloaking. E é a infração mais antiga do manual antispam de qualquer buscador.

Isso não é interpretação minha, e essa é a parte que nenhuma cobertura registrou.

A linha do tempo que ninguém montou

Fevereiro de 2026. Google e Bing sinalizam publicamente que manter páginas em Markdown separadas, ou conteúdo modificado especificamente para rastreadores de IA, configura cloaking. Na época era orientação informal.

15 de maio de 2026. O Google formaliza que suas políticas de spam passam a valer para AI Overviews e AI Mode. A documentação passa a cobrir explicitamente “tentativa de manipular respostas de IA generativa na Busca do Google”. As sanções previstas vão de queda de posição a remoção do índice, e podem ser aplicadas de forma automática ou manual.

Julho de 2026. A Time começa a servir páginas em Markdown para agentes, com anúncios embutidos desenhados para mudar o que os modelos dizem sobre marcas.

8 de agosto de 2026. O COO diz que estão abrindo caminho para o futuro.

O caminho já tinha placa. A placa foi instalada em maio.

Nada disso significa que a Time será punida, e é justo registrar que a empresa marca o conteúdo como patrocinado, o que é mais do que boa parte do mercado de otimização para IA faz. Também é possível que a política caia em desuso, ou que o Google decida que jornal grande é caso à parte. Já aconteceu antes.

Mas existe uma diferença entre apostar que a regra não será aplicada e afirmar que a regra não existe.

A segunda é a versão que virou manchete.

Isso não é publicidade. É injeção de prompt com nota fiscal.

Aqui está a distinção que precisa ser feita, porque a palavra “anúncio” está fazendo um trabalho pesado demais nessa história.

Publicidade, no sentido que a palavra teve durante um século, é uma mensagem persuasiva dirigida a alguém que sabe estar sendo persuadido. O contrato inteiro depende disso. Você reconhece o anúncio, desconta a intenção comercial e decide.

O que a Time está vendendo é outra coisa.

É um bloco de texto colocado numa página que um modelo vai ler como fonte, com o objetivo declarado de alterar o que esse modelo responde. O destinatário não é um sujeito que avalia. É um sistema que recupera trechos e os trata como informação.

O sócio-fundador da Mobian, Jonah Goodhart, descreveu o produto com uma honestidade que provavelmente vai render conversas jurídicas mais tarde:

“Talvez seja mais importante influenciar o agente do que até mesmo o humano, porque com um humano você influencia apenas uma pessoa. Quando você influencia o ChatGPT, você está influenciando potencialmente todo o ChatGPT.”

Leia de novo com calma.

Isso não é a descrição de uma campanha publicitária.

É a descrição de um vetor de envenenamento de fonte.

Campanha tem alcance limitado por orçamento. Isso tem alcance limitado pela taxa de recuperação do modelo, o que é uma coisa completamente diferente e muito maior.

E a segunda frase dele fecha o raciocínio: “as empresas de LLM querem informações confiáveis sobre as marcas. Estamos fornecendo isso a elas”.

Informação confiável sobre a marca, escrita pela marca, paga pela marca.

Existe um nome antigo para isso também.

O rótulo morre na fronteira

A defesa óbvia é o rótulo. A Time marca o bloco como conteúdo patrocinado, e isso é correto.

Só que o rótulo não sobrevive à viagem.

Quando o ChatGPT lê aquela página, extrai a afirmação e a devolve para você numa resposta sobre bancos digitais ou certificação em gestão de projetos, ele não diz “a propósito, essa informação foi paga”. Ele não tem o conceito. A anotação de patrocínio existe no HTML, e o que chega até você é uma frase em português corrido, dentro de um texto que a interface apresenta como resposta.

A divulgação vale no ponto de origem e evapora no ponto de consumo.

E é exatamente aí que isso deixa de ser um debate de mídia e vira um problema de direito do consumidor, ao qual chego já.

A unidade de valor mudou, e ninguém construiu a régua

Toda a indústria de publicidade digital se apoia em atenção. Impressão, viewability, tempo de exposição, CPM, alcance, frequência. Métricas ruins, fraudadas, infladas, mas métricas.

Bot não tem atenção.

Então o que está sendo comprado?

Probabilidade de recuperação. A chance de a sua marca ser o trecho que o modelo escolhe citar.

É uma unidade de valor nova, e ela nasce sem absolutamente nada em volta. Sem padrão de medição. Sem auditoria independente. Sem definição de fraude. Sem alguém equivalente ao Media Rating Council dizendo o que conta como entrega.

A indústria de mídia digital levou quase duas décadas, e uma crise de fraude de bilhões de dólares, para construir padrões mínimos de viewability e verificação.

O mercado de otimização generativa está começando do zero outra vez, com as mesmas pessoas, os mesmos incentivos e a mesma frase: “é cedo, vamos aprender no caminho”.

Por que a Time está fazendo isso: os números do colapso

Vale ser justa. A Time não acordou perversa. Ela está afogando.

O estudo do Pew Research Center acompanhou 900 adultos americanos e 68.879 buscas reais no Google. Os resultados:

Quando aparece um resumo de IA, o usuário clica em um resultado tradicional em 8% das buscas. Sem o resumo, 15%. Quase metade.

Clique em algum link dentro do próprio resumo: 1%.

E o abandono da navegação depois de visitar uma página sobe de 16% para 26% quando há resumo.

O Google contesta a metodologia e diz que o conjunto de buscas não é representativo. Registrado.

Do outro lado, os dados de infraestrutura. Em junho de 2026, a Cloudflare mediu que 57,5% do tráfego HTML da web é automatizado, contra 42,5% humano. O CEO Matthew Prince observou que a virada aconteceu antes do previsto. Mais: 52% das requisições de rastreador eram para treinamento, contra 22% na primavera de 2025.

E o número que resume a relação: o ClaudeBot, pela medição da própria Cloudflare, rastreou dezenas de milhares de páginas para cada visita que devolveu.

A Time diz que, na maioria dos dias, mais bots do que humanos acessam suas páginas.

Ou seja: o público sumiu, o custo de servidor ficou, e alguém precisa pagar a redação.

Vender para o robô, nesse contexto, não é ganância. É desespero com plano de negócios.

O detalhe que pode inviabilizar tudo em cinco semanas

E aqui está a parte que ninguém conectou, e é a mais concreta do texto.

Em 15 de setembro de 2026, a Cloudflare passa a aplicar novos padrões que separam o tráfego automatizado em três categorias: Busca, Treinamento e Agente. Sob esses padrões, Treinamento e Agente serão bloqueados em páginas que exibem anúncios. Busca continua liberada.

Releia.

A Time está construindo um produto publicitário para agentes.

A camada de infraestrutura que fica na frente de boa parte da web vai, por padrão, bloquear agentes exatamente nas páginas que exibem anúncios.

Faltam cinco semanas.

A ressalva honesta: isso é um padrão, e padrão é configurável. A Time pode não usar Cloudflare, pode optar por não aplicar a regra, pode negociar. Não estou dizendo que o produto morre em setembro.

Estou dizendo que a estratégia inteira depende de o agente conseguir chegar na página, e que a infraestrutura da web está se movendo, publicamente e com data marcada, na direção contrária.

Construir um pedágio numa estrada que está sendo fechada é uma decisão de negócio.

Só não é a mesma coisa que abrir caminho para o futuro.

O ângulo Brasil: isso esbarra no artigo 36 do CDC

No Brasil, essa história tem uma camada jurídica que os Estados Unidos não têm, e ela é mais dura do que parece.

O artigo 36 do Código de Defesa do Consumidor é curto e direto: a publicidade deve ser veiculada de tal forma que o consumidor, fácil e imediatamente, a identifique como tal.

Publicidade que o consumidor não consegue identificar como publicidade é publicidade clandestina, e é vedada. Não é uma zona cinzenta, é o texto da lei. O CONAR trabalha na mesma direção com a exigência de identificação da natureza publicitária.

Agora aplique isso ao caso.

O consumidor brasileiro pergunta a um assistente qual banco digital escolher. O assistente responde com uma afirmação que veio de um bloco pago numa página em Markdown que o consumidor nunca viu, sem qualquer indicação de que aquilo é publicidade.

Fácil e imediatamente identificável? Não é identificável de forma alguma.

E aí vem a pergunta que ninguém no mercado brasileiro está preparado para responder: quem responde?

O veículo que publicou e rotulou corretamente? O anunciante que pagou pelo conteúdo? A empresa de IA que removeu o rótulo ao reprocessar? Nenhuma dessas respostas é óbvia, e as três têm advogado.

Vale dizer o que não sei: não encontrei nenhuma manifestação do CONAR, do Procon ou da Senacon sobre publicidade dirigida a agentes de IA. O que não significa que o tema não exista. Significa que ninguém perguntou ainda.

E o mercado brasileiro de mídia digital é ainda mais dependente de tráfego de busca e agregadores do que o americano, o que significa que a mesma pressão vai chegar aqui, com atraso e sem regra clara.

Quem ganha e quem perde

Ganham as agências de otimização generativa, que acabaram de descobrir uma categoria inteira para vender antes que alguém defina como medi-la.

Ganham marcas grandes, porque influência sobre o modelo é comprada por quem tem orçamento, e o resultado é uma resposta de assistente que parece neutra e não é.

Ganha, ironicamente, o Google, que agora tem base normativa para punir concorrentes na disputa por presença em resposta de IA e decide sozinho quando aplicar.

Perde a Time no médio prazo, porque está apostando a reputação editorial de cem anos num produto que o principal buscador do mundo classificou como spam três meses atrás.

Perde o leitor, que passa a receber recomendação paga sem rótulo, entregue por uma interface que ele aprendeu a tratar como conselho.

E perde a web aberta, que está sendo reconstruída em duas camadas: uma legível para humanos, cada vez mais vazia, e outra otimizada para máquinas, onde o dinheiro de verdade circula.

O que essa história realmente revela

Durante trinta anos, a fraude de busca funcionou assim: enganar o robô para alcançar o humano.

O robô era o obstáculo. O humano era o prêmio.

Isso acabou de inverter.

Agora o robô é o prêmio. O humano virou o resíduo do processo, a pessoa que recebe a conclusão sem ver a fonte, sem ver o rótulo e sem saber que houve uma transação.

E existe uma ironia estrutural difícil de superar. A Time, uma revista fundada em 1923 cuja autoridade inteira se apoia na ideia de que existe uma redação decidindo o que merece ser publicado, está agora produzindo conteúdo com IA para ser lido por IA, com dinheiro de anunciante, numa versão da página que nenhum leitor humano jamais vai abrir.

O jornalismo não foi substituído pela máquina.

Ele foi contratado para escrever para ela.

Três perguntas:

Quando um assistente te recomenda uma marca, o que exatamente na resposta te permitiria saber se aquilo foi pago?

Se o rótulo “conteúdo patrocinado” não sobrevive ao reprocessamento do modelo, ele ainda cumpre alguma função além de proteger juridicamente quem publicou?

E aqui: o artigo 36 do CDC exige que o consumidor identifique a publicidade fácil e imediatamente. Alguém no Brasil já perguntou quem responde quando o rótulo desaparece no meio do caminho?

O Tech Gossip lê a política de spam antes de acreditar no comunicado. Nesse caso a distância entre “abrindo caminho para o futuro” e “prática vedada desde maio” era um clique de documentação. Se você quer ver a regra antes da manchete, acompanhe em www.techgossip.com.br.

Subscreva agora

#Time #Publicidade #InteligenciaArtificial #GEO #SEO #Cloaking #Google #Cloudflare #Jornalismo #CDC #CONAR #MidiaDigital #EconomiaDaAtencao #Marketing #TechGossip

Tucker Bryant pagou US$ 6.000 por mês num outdoor escondido atrás de umas árvores em São Francisco para anunciar uma IA que era ele digitando. Chegou a mil mensagens por dia e colapsou. Fazendo a conta, custaria entre US$ 1 e US$ 10 por dia rodar o mesmo volume num modelo. O experimento não foi sobre IA. Foi sobre o preço de mercado de alguém prestar atenção em você.

Todo mundo cobriu isso como piada, e é uma piada boa.

Um cara de Stanford, ex-Google, agora artista, montou o ChatTJB. Interface de chatbot, estética de produto de IA, outdoor em São Francisco. Só que atrás da caixinha de texto não tem modelo nenhum. Tem ele, digitando, uma pessoa por vez. A página “sobre” chama de “inteligência artesanal, feita à mão por um único ser humano”.

Em 27 de julho o outdoor subiu. Nos primeiros dias, algumas dezenas de mensagens. Depois a foto circulou na internet e chegou a mil mensagens por dia.

“Eu estava respondendo a todas elas”, disse ele à Futurism. “Depois disso, a situação saiu do meu controle.”

Ele resistiu poucos dias.

Agora faça a conta que ninguém fez.

A aritmética que transforma a piada em diagnóstico

Mil mensagens por dia. Vamos supor uma troca média de mil tokens de entrada e quinhentos de saída, o que é generoso para conversa curta. Dá 1,5 milhão de tokens por dia.

Num modelo de fronteira caro, com preços na casa de US$ 3 por milhão na entrada e US$ 15 por milhão na saída, isso sai por volta de US$ 10 por dia. Num modelo pequeno e barato, fica abaixo de US$ 1 por dia.

A conta é minha, com premissas declaradas, e serve como ordem de grandeza, não como precisão contábil.

Agora compare com o que ele pagou.

O outdoor custou US$ 6.000 por mês, sem contar taxas. Nas palavras dele, “menos do que a maioria dos carros usados com menos de 240 mil quilômetros, mas ainda assim um valor muito irresponsável”. E ficava escondido atrás de árvores, invisível para quem vinha na direção contrária, legível apenas se você estacionasse embaixo.

Ou seja: anunciar o serviço custou entre vinte e duzentas vezes mais do que custaria operá-lo com uma máquina.

E operá-lo com um humano custou uma pessoa inteira, em quatro dias.

Essa é a única métrica que importa nessa história, e ela não aparece em nenhum relatório de consultoria.

O insumo escasso nunca foi a inteligência.

Foi a atenção.

E o mercado precifica atenção em aproximadamente zero quando ela vem de uma máquina, e em “um sujeito entra em colapso numa semana” quando ela vem de uma pessoa.

O estudo que estava escondido dentro de uma matéria leve

Bryant conta que a ideia nasceu quando a companheira dele apresentou o termo rendição cognitiva.

O termo não é dele nem é retórica. Vem de um estudo da Wharton, na Universidade da Pensilvânia, assinado por Steven Shaw e Gideon Nave, com título “Thinking, Fast, Slow, and Artificial”. 1.372 participantes e mais de 9.000 experimentos.

Os números são estes:

Quando o chatbot dava a resposta correta, a precisão dos participantes ficava em 71%.

Quando o chatbot dava a resposta errada, a precisão despencava para 31%.

E os participantes que usaram IA relataram confiança 11,7% maior do que os que trabalharam sozinhos.

Leia a segunda e a terceira linha juntas, porque é aí que mora o problema.

Trinta e um por cento é pior do que sozinho. A IA errada não apenas deixou de ajudar. Ela piorou o desempenho abaixo da linha de base humana.

E fez isso enquanto aumentava a certeza de quem estava errando.

Os pesquisadores separam dois conceitos que a conversa pública mistura. Descarregamento cognitivo é usar calculadora para apoiar o próprio raciocínio. Rendição cognitiva é abrir mão do controle mental e adotar o julgamento do algoritmo como se fosse seu.

O primeiro é ferramenta. O segundo é substituição.

Existe ainda um segundo conjunto de dados na mesma direção, e vale a ressalva honesta antes de citar: o trabalho do MIT Media Lab intitulado “Your Brain on ChatGPT” usou EEG com 54 participantes, não passou por revisão por pares e tem amostra pequena. Feita a ressalva, o achado é difícil de ignorar. O grupo que escreveu com ChatGPT apresentou o menor engajamento neural e conseguia recordar cerca de 17% do próprio texto 24 horas depois, contra cerca de 46% de quem escreveu sozinho.

Dezessete por cento do texto que a pessoa acabou de assinar.

Não é que a máquina escreveu por você. É que você não estava lá quando aconteceu.

O que ele descobriu sem querer, e é o oposto do que ele queria provar

Bryant montou aquilo como sátira. Queria que a experiência fosse ruim de propósito, desajeitada, inconveniente, para que você lembrasse dela na próxima vez que um modelo respondesse sua dúvida de imposto com autoridade fabricada. As palavras dele: que você lembre “da vez em que o ChatTJB respondeu à sua pergunta sobre impostos com um haicai sobre corvos”.

Não foi isso que aconteceu.

O que aconteceu foi que as pessoas descobriram que tinha gente do outro lado e começaram a levar coisa de verdade.

Uma delas escreveu, alguns dias depois de começar: “Estou na primeira noite da minha lua de mel e não me sinto relaxado, tudo bem?”

Bryant respondeu como amigo. Reconheceu que o casamento tinha acabado de acontecer, que o sistema nervoso da pessoa provavelmente ainda não tinha estabilizado depois do pico, e perguntou se ela pensava em conversar com o cônjuge sobre aquilo.

E os usuários passaram a mandar lembretes para ele beber água e fazer pausas.

Pare nisso um segundo, porque é a parte mais reveladora da história inteira e ninguém escreveu sobre ela.

A indústria está gastando centenas de bilhões de dólares para fazer uma máquina parecer gente.

Esse cara gastou seis mil dólares para fazer uma pessoa parecer máquina.

E o público apareceu pela pessoa.

A interface era o chatbot. O valor era o humano. São coisas diferentes, e a indústria inteira aposta que são a mesma.

E os dados dizem que o cara da lua de mel não é exceção. É o usuário mediano.

Aqui está o dado que fecha o argumento e que quase nunca aparece em texto sobre produtividade.

No levantamento anual sobre uso de IA generativa publicado pela Harvard Business Review, o caso de uso número um em 2025 foi terapia e companhia. Ele representa cerca de 31% do uso, quase o dobro dos 17% de 2024, e passou de segundo para primeiro lugar. Programar aparece em quinto.

Ou seja: a aplicação mais popular da tecnologia é exatamente aquela em que a coisa pedida não é informação.

É presença.

Pessoas estão processando luto, solidão e ansiedade com um sistema que não tem, e não pode ter, a única propriedade que faz a conversa funcionar: alguém do outro lado que se importa com o resultado.

Não estou dizendo que isso não ajuda ninguém. Ajuda, e é grátis, e está disponível às três da manhã, e para muita gente é a única porta aberta. Esse argumento é real e desonesto ignorar.

Estou dizendo que o ChatTJB não foi uma sátira do produto.

Foi, sem querer, o grupo de controle do experimento que a indústria nunca roda.

E o grupo de controle quebrou em quatro dias, porque atender mil pessoas com atenção real é fisicamente impossível.

A conclusão desconfortável é que a máquina não venceu por ser melhor. Venceu por ser a única coisa que escala.

A parte trabalhista que ninguém comentou

Mais de mil pessoas se ofereceram para moderar e responder de graça.

Repare no que isso é.

É exatamente a estrutura de toda plataforma de conteúdo dos últimos vinte anos: trabalho humano não remunerado, embrulhado numa interface de produto, gerando valor para quem controla a interface. Wikipedia, Reddit, fóruns, moderação de rede social. A diferença é que aqui apareceu em quatro dias e sem ninguém planejar.

E existe uma ironia final que merece registro.

Bryant disse que vai devagar. Que prefere que as pessoas esperem muito tempo pela resposta a abrir as portas para qualquer um. Que está testando ferramentas de moderação com poucos voluntários aprovados. Que se não funcionar, dá um passo atrás ou pausa o projeto, porque “não quero que ninguém corra perigo”.

Um artista com um outdoor de brincadeira implementou uma postura de confiança e segurança mais cautelosa do que boa parte das empresas de IA avaliadas em bilhões, que lançaram companheiros conversacionais para adolescentes e foram descobrir os problemas depois, no noticiário.

Cautela não custa capital. Custa disposição.

O Brasil já fez esse experimento ao contrário, e chamou de SAC

Aqui a história tem uma camada que só faz sentido para quem viveu no Brasil.

Bryant é uma pessoa fingindo ser uma máquina, por dias, como obra de arte.

O Brasil manteve, por três décadas, milhões de pessoas fingindo ser máquinas, por turno, como emprego.

O call center brasileiro foi construído exatamente sobre isso: script rígido, saudação padronizada, proibição de sair do roteiro, tempo médio de atendimento cronometrado, penalidade por improviso. Uma estrutura desenhada para extrair de um ser humano a previsibilidade de um sistema, e para punir precisamente aquilo que a pessoa tem de melhor, que é julgar o caso na frente dela.

Nós passamos trinta anos treinando gente para soar como máquina.

Agora estamos substituindo essa gente por máquinas treinadas para soar como gente.

E o setor de teleatendimento, um dos maiores empregadores formais do país e uma das principais portas de entrada no mercado de trabalho para jovem de periferia, é justamente o primeiro da fila da automação.

A piada do outdoor de São Francisco é, lida daqui, a nossa história do trabalho contada de trás para frente.

Quem ganha e quem perde

Ganham os fornecedores de modelo, porque o dado da HBR mostra que o uso número um da tecnologia é emocional, e demanda emocional não tem teto, não tem sazonalidade e não tem substituto óbvio.

Ganha quem entendeu que o produto escasso não é resposta, é atenção, e que atenção humana verificada vai virar categoria premium. Vale prever: em pouco tempo alguém vende “atendido por pessoa” como diferencial de luxo, do mesmo jeito que hoje se vende orgânico e artesanal.

Perde quem confundiu confiança com competência. Os 31% do estudo da Wharton são o preço disso, e ele é pago por quem seguiu o conselho, não por quem o gerou.

Perde o trabalhador de atendimento, que foi treinado durante décadas para ser previsível e agora vai ser dispensado exatamente por ser substituível naquilo em que foi obrigado a se especializar.

E perde, silenciosamente, a própria capacidade de duvidar. Que é a única coisa que o estudo da Wharton mediu de verdade e a única que ninguém está tentando escalar.

O que essa história realmente revela

Bryant disse que tem “tendência a se comprometer demais com as coisas”.

A frase parece autodepreciação e é, na verdade, o resumo do argumento.

Comprometer-se demais é o que uma pessoa faz e um sistema não faz. É ler a mensagem da lua de mel e perceber que a pergunta não é sobre relaxamento, é sobre medo. É lembrar da conversa anterior porque ela importou, não porque estava na janela de contexto.

Um modelo não se compromete demais. Ele não se compromete de jeito nenhum. Ele produz o token seguinte com autoridade idêntica quando está certo e quando está errado, e o estudo da Wharton mostra que a gente não sabe distinguir, e que fica mais confiante justamente quando deveria ficar menos.

Foi por isso que o outdoor estava escondido atrás das árvores e funcionou mesmo assim.

Ninguém apareceu ali pela resposta.

Apareceram porque, pela primeira vez em muito tempo, tinha alguém do outro lado.

E esse alguém aguentou quatro dias.

Três perguntas:

Quando um modelo te dá uma resposta que soa razoável, o que exatamente você faz para verificar, e quando foi a última vez que você fez isso de verdade?

Se o uso número um da IA generativa é terapia e companhia, estamos diante de um produto de tecnologia ou de um sintoma de escassez de outra coisa?

E aqui: o Brasil passou trinta anos obrigando pessoas a soar como máquinas no atendimento. Alguém vai perguntar o que acontece com elas agora, ou vamos chamar isso de eficiência e seguir em frente?

O Tech Gossip existe porque a manchete engraçada quase sempre esconde um número sério. Esse cara gastou US$ 6.000 para anunciar um serviço que custaria US$ 10 por dia para rodar numa máquina, e nesse intervalo está toda a economia da atenção. Se você quer ver a conta antes da piada, acompanhe em

Subscreva agora

#ChatTJB #InteligenciaArtificial #RendicaoCognitiva #Wharton #MITMediaLab #EconomiaDaAtencao #ChatGPT #SaudeMental #FuturoDoTrabalho #CallCenter #Automacao #ComportamentoDigital #Tecnologia #Inovacao #TechGossip

A lista completa, nas cinco famílias, com o checklist de autodiagnóstico e a régua de pontuação. Leia com a caneta na mão e com alguém da operação na sala. Se você marcar mais de doze, parabéns: acabou de economizar o orçamento de um fracasso inteiro, e isso não rende post nenhum.

Este texto não é para ler. É para preencher.

A instrução de uso é séria e faz diferença no resultado: leia com a caneta na mão e com alguém da operação na sala. Não o diretor da área, alguém que executa. Metade desses erros é estruturalmente invisível de onde a diretoria senta, porque quem senta ali recebe o relatório depois de ele já ter sido arrumado.

Marque com honestidade constrangedora o que a sua empresa já comete. O número de marcas no fim define o que você faz a seguir, e a regra está no final.

Os vinte erros se organizam em cinco famílias, e a ordem conta uma história.

Erra-se primeiro na compra. Depois na fundação. Depois na execução. Depois nas pessoas. E por fim na medição, que é onde todos os erros anteriores finalmente apresentam a conta.

Família 1. Erros de compra: o palco vende, alguém assina

1. Comprar licença antes da estratégia. É distribuir o remédio antes do diagnóstico. A licença chega, a estratégia não, e seis meses depois alguém pergunta em reunião para que mesmo a empresa paga aquilo. Ninguém sabe, mas renovar é mais fácil que admitir.

2. Começar pela tecnologia e procurar o problema depois. O projeto nasce com a solução escolhida e passa o ano caçando justificativa. Tecnologia à procura de problema não acha. Inventa.

3. Contratar a moda do ciclo para um problema que não a pede. O catálogo gira, chatbot, generativa, agente, e o seu problema continua sendo a mesma conciliação de sempre. Quem compra pelo nome da onda paga preço de lançamento por uma resposta que uma regra simples dava.

4. Terceirizar a estratégia para quem vende a execução. Pedir ao fornecedor o mapa do território é pedir ao corretor uma avaliação isenta do imóvel dele. O conselho pode até ser bom. A coincidência entre o diagnóstico e o catálogo nunca é.

5. Gastar o orçamento do primeiro caso em diagnóstico de luxo. Assessment de seis dígitos antes do primeiro piloto é a lógica invertida com nota fiscal: a empresa compra a tomografia antes de olhar os quatro documentos que já tem de graça.

Família 2. Erros de fundação: a casa sem alicerce

6. Ignorar a qualidade dos dados. Assumir que o dado existe, presta e está acessível é o erro que só aparece no terceiro mês, quando o piloto trava na planilha que uma única pessoa atualiza toda sexta. Lixo entra, confiança sai.

7. Não nomear um dono. Projeto de todos é projeto de ninguém. Sem um nome que responde quando der ruim, a iniciativa flutua entre áreas até evaporar, e a ata da reunião vira o único artefato produzido.

8. Criar piloto sem sponsor. Piloto sem alguém que assina o cheque e defende o caso na mesa de diretoria morre na primeira disputa de orçamento, normalmente para um projeto com mais palco e menos planilha.

9. Montar governança pesada antes de provar valor. Comitê de doze pessoas para governar zero casos em produção. O efeito é treinar a organização inteira a associar IA a pedir licença, e matar de tédio a experimentação que ainda nem começou. Governança cresce por gatilho, não por organograma.

10. Ignorar o shadow AI que já roda na empresa. Enquanto a diretoria debate o futuro da IA, o jurídico cola contrato no ChatGPT hoje. Ignorar isso é perder duas vezes: o risco que já existe e o sinal de demanda mais barato que a empresa vai ter.

Família 3. Erros de execução: o piloto que vira moradia

11. Escolher o caso pelo aplauso. O caso empolgante quase nunca é o que se deve atacar primeiro, e todo mundo escolhe ele mesmo assim, porque rende foto. O funil existe exatamente para proteger a empresa do próprio fascínio.

12. Pilotar para a demonstração, não para a operação. O piloto desenhado para impressionar funciona lindamente na sala de reunião e nunca conhece um dado de produção. É a fase mais faturável de todas para quem vende, a que nunca termina, e a menos lucrativa para quem compra.

13. Escalar sem critério. Do piloto de um time para a empresa inteira num único salto, sem checar se a fundação aguenta. O que era sucesso local vira incidente nacional, com a agravante de ter testemunhas.

14. Não definir critério de morte. Projeto sem condição explícita de encerramento não morre, vira zumbi orçamentário. Sobrevive trimestres a fio porque matá-lo exigiria admitir o erro, e o orgulho do sponsor sai mais caro que o custo do projeto.

15. Tratar IA como projeto de TI. Delegar para a tecnologia um problema que é de negócio garante uma solução tecnicamente impecável para a pergunta errada. TI constrói. Quem define o que construir é quem sente a dor.

Família 4. Erros de gente: a adoção que não veio

16. Distribuir licença e chamar de adoção. Licença distribuída é custo. Licença usada é adoção. A diferença aparece no relatório de uso ativo, que é exatamente o relatório que ninguém pede, porque a resposta constrange.

17. Não treinar os funcionários. Entregar a ferramenta sem ensinar o trabalho novo e depois diagnosticar resistência cultural. Não é resistência, é abandono. Ninguém adota o que não entende, e o uso despenca na segunda semana, junto com o assunto.

18. Esperar a perfeição para lançar. Perfeccionismo de dados e de modelo é a procrastinação favorita das empresas com medo de errar em público. Sempre existe mais um campo para padronizar. O critério de pronto existe para dar coragem de parar.

Família 5. Erros de medição: a conta chega

19. Não medir o antes. Sem linha de base, o melhor resultado do mundo é indemonstrável. A IA melhora o processo e ninguém consegue provar, porque ninguém anotou quanto custava o problema quando ele ainda era só problema.

20. Anunciar antes de entregar. O post no LinkedIn no dia do kickoff cria uma dívida de expectativa que o projeto ainda não tem como pagar. O palco cobra juros: quanto maior o anúncio, mais caro fica o silêncio depois. Anuncie resultados. Planos, guarde.

O checklist, para copiar e levar para a reunião

☐  1. Comprar licença antes da estratégia
☐  2. Começar pela tecnologia e procurar o problema depois
☐  3. Contratar a moda do ciclo para problema que não a pede
☐  4. Terceirizar a estratégia para quem vende a execução
☐  5. Gastar o orçamento do primeiro caso em diagnóstico de luxo
☐  6. Ignorar a qualidade dos dados
☐  7. Não nomear um dono
☐  8. Criar piloto sem sponsor
☐  9. Montar governança pesada antes de provar valor
☐ 10. Ignorar o shadow AI que já roda na empresa
☐ 11. Escolher o caso pelo aplauso
☐ 12. Pilotar para a demonstração, não para a operação
☐ 13. Escalar sem critério
☐ 14. Não definir critério de morte
☐ 15. Tratar IA como projeto de TI
☐ 16. Distribuir licença e chamar de adoção
☐ 17. Não treinar os funcionários
☐ 18. Esperar a perfeição para lançar
☐ 19. Não medir o antes
☐ 20. Anunciar antes de entregar

RESULTADO: ___ / 20

A régua de decisão

0 a 5 marcas. Trajetória saudável. Continue monitorando, e desconfie do resultado se o autodiagnóstico foi feito só com a diretoria na sala.

6 a 12 marcas. Sinal de alerta. Corrija antes de escalar. Este é o intervalo onde está a maior parte das empresas brasileiras hoje, e é o intervalo em que ainda dá para arrumar barato.

13 a 20 marcas. Pare e revise a estratégia antes de qualquer novo investimento. Não é catástrofe, é economia: você acabou de descobrir onde o dinheiro ia vazar antes de ele vazar.

E a regra que vale para qualquer faixa: três ou mais erros estruturais ativos exigem correção antes de seguir, com prazo de duas a quatro semanas por erro. Não é programa de transformação de um ano. É tarefa com data.

Três avisos para não se enganar com a própria lista

Um. O autodiagnóstico só vale com gente da operação na sala. Erros como qualidade de dado e shadow AI são invisíveis da diretoria por definição, porque a informação que chega ao andar de cima já passou por alguém que a arrumou.

Dois. Marcar muitos itens não é vergonha, é informação. A lista descreve o padrão do mercado, não a exceção. A empresa que marca zero provavelmente mentiu em algum.

Três, e aqui a inversão honesta. O contrário desta lista também tem um erro, e ele seria o vigésimo primeiro: usar o checklist como desculpa para não começar.

Corrigir erro ativo é tarefa com prazo, não programa eterno. Quem transforma a correção num projeto de um ano só trocou o zumbi orçamentário de lugar.

A lista existe para destravar o avanço, nunca para adiá-lo.

O que fazer na segunda-feira

Se você marcou mais de três, o seu próximo entregável não é um piloto. É um plano de correção com responsável e prazo para cada item marcado. Uma tabela, três colunas, uma reunião.

Comece pelos erros 7 e 19, nessa ordem, porque são os mais baratos e os que destravam mais coisa.

O erro 7, não nomear um dono, se corrige em uma reunião de sessenta minutos. Duas pessoas com nome próprio: um Sponsor, C-level, dono do orçamento e da decisão de matar ou continuar, e um Responsável Operacional, que toca o dia a dia.

O erro 19, não medir o antes, se corrige em uma semana. Um número, uma data, um documento que a empresa já tem.

Feitos esses dois, metade dos outros dezoito fica mais fácil de resolver, porque passa a existir alguém responsável por resolvê-los e um número para provar que foram resolvidos.

Três perguntas:

• Quantos você marcou, e quantos você teria marcado se tivesse chamado alguém da operação para responder junto?

• Existe hoje, na sua empresa, um único projeto de IA com critério de morte escrito antes do começo?

• E a mais incômoda: se a resposta da pergunta anterior for não, o que exatamente vai fazer aquele projeto acabar quando ele parar de funcionar?

Este artigo entregou o Capítulo 10 completo, com os vinte erros, o checklist e a régua de decisão. Ele é um capítulo de vinte e quatro. O método Hidden Layer organiza a implementação de IA em catorze fases, do Dia 1 até o roadmap que vai para o conselho, com responsáveis definidos, entregáveis concretos e regra de decisão em cada virada.

O livro completo está disponível para assinantes pagos do Tech Gossip: clique aqui para ler o Hidden Layer na íntegra.

Este artigo te mostrou os erros. O livro te dá a ordem de correção e os vinte e seis artefatos prontos para sair do computador direto para a reunião de segunda.

#HiddenLayer #InteligenciaArtificial #GovernancaDeIA #GestaoDeProjetos #TransformacaoDigital #Lideranca #Estrategia #CFO #ShadowAI #DadosCorporativos #Inovacao #TechGossip

A SEC comprou acesso a mais de um bilhão de registros de emissão de passagens, incluindo voos inteiramente entre países estrangeiros. O corretor se chama ARC e pertence à Delta, United, American, Southwest, Alaska e JetBlue, com Air France, Lufthansa e Air Canada no conselho. Não houve invasão, não houve falha, não houve terceiro mal-intencionado. Houve modelo de negócio.

A palavra que não aparece em nenhuma parte dessa história é “vazamento”.

Não houve invasão de sistema. Não houve funcionário desonesto. Não houve fornecedor descuidado deixando um bucket S3 aberto.

A Airlines Reporting Corporation, a ARC, é a câmara de compensação que fica entre as companhias aéreas americanas e as agências de viagem. Toda vez que alguém compra passagem numa Expedia, numa Kayak ou na ferramenta corporativa de reservas da empresa onde trabalha, a ARC registra a transação. É ela que faz o dinheiro chegar na companhia certa.

E é ela que vendia esses registros para o governo, num produto chamado Travel Intelligence Program.

O detalhe que muda tudo, e que quase nenhuma cobertura colocou na abertura: a ARC pertence às companhias aéreas. Delta, United, American, Southwest, Alaska, JetBlue. No conselho, também Air France, Lufthansa e Air Canada.

Você não teve seu dado vendido por um estranho.

Você teve seu dado vendido por uma empresa que a sua companhia aérea possui.

A política de privacidade que você aceitou sem ler foi escrita por uma acionista do revendedor.

O que a SEC comprou, e por que a SEC é o problema

Os documentos obtidos pela 404 Media via pedido de acesso à informação mostram que a Comissão de Valores Mobiliários americana adquiriu acesso a mais de um bilhão de registros de emissão de passagens.

Cada registro traz nome do passageiro, número do cartão de crédito usado na compra, cidade de origem, cidade de destino, data, número do voo e a agência vendedora.

E o documento é explícito quanto ao alcance: “os dados de emissão de bilhetes da ARC incluem não apenas voos domésticos nos EUA e voos internacionais de e para os EUA, mas também voos inteiramente entre ou dentro de países estrangeiros“.

Guarde essa frase. Voltaremos a ela na parte que interessa ao Brasil.

Agora a parte que ninguém enfatizou o suficiente.

A ARC sempre defendeu o programa com o mesmo argumento. Segundo a empresa, o TIP “foi criado após os ataques terroristas de 11 de setembro de 2001” e usado pela comunidade de inteligência para prevenir “tráfico de pessoas, tráfico de drogas, lavagem de dinheiro, exploração sexual, ameaças à segurança nacional, terrorismo”.

Nada nessa lista é a SEC.

A SEC é o regulador do mercado de capitais. Ela investiga uso de informação privilegiada, fraude contábil, manipulação de preço, oferta irregular de valores mobiliários. É um órgão importante e legítimo, e não tem absolutamente nada a ver com terrorismo.

Esse é o percurso completo do desvio de finalidade, documentado, em uma única história: um banco de dados construído com justificativa antiterror, dezoito anos depois, sendo usado pelo xerife da bolsa.

E não é um caso isolado de má interpretação. O IRS, a Receita americana, admitiu ao senador Ron Wyden ter violado a lei federal e a própria política interna ao comprar dados da ARC.

Quando a justificativa é “terrorismo” e o comprador é a Receita e a Comissão de Valores Mobiliários, a justificativa não é uma justificativa. É uma senha de entrada.

O produto não era consulta. Era vigilância contínua.

Aqui está a parte tecnicamente mais grave, e ela está escondida no meio do documento.

O TIP não vendia apenas busca histórica. Ele vendia alerta.

Segundo o documento, o programa era capaz de enviar resultados de busca diários vinculados a uma lista específica de nomes. “A ARC envia relatórios diários sobre quaisquer passagens aéreas compradas por indivíduos nas últimas 24 horas.”

E a SEC contratou de 1 a 25 buscas diárias nesse serviço.

Pare e traduza isso.

Não é um investigador pedindo o histórico de viagem de um suspeito depois que o crime aconteceu. É uma lista de até 25 pessoas nomeadas, monitoradas todos os dias, com aviso automático sempre que qualquer uma delas compra uma passagem.

Isso é uma lista de vigilância operada por assinatura.

E, combinado com o fato de que os registros da ARC cobrem viagens futuras, não só passadas, o produto responde à pergunta que nenhum banco de dados de vigilância convencional responde bem.

Não “onde essa pessoa esteve”.

“Onde essa pessoa vai estar, e quando.”

Tudo isso provavelmente sem mandado, porque comprar não é apreender. Essa é a brecha inteira, e ela cabe numa preposição.

Quando o Estado pega, precisa de juiz. Quando o Estado compra, precisa de nota fiscal.

A ARC vende para o Brasil? A resposta é não, e é pior do que sim

Essa era a pergunta óbvia e ela tem uma resposta específica.

A ARC não credencia agências brasileiras e não vende dados ao governo brasileiro. As regras de credenciamento da própria empresa exigem que a agência esteja localizada e autorizada a operar nos Estados Unidos, Ilhas Virgens Americanas, Porto Rico ou Samoa Americana. Não encontrei nenhum registro público de contrato entre a ARC e qualquer órgão brasileiro, e não vou afirmar o que não consegui verificar.

Só que a conclusão confortável, “então isso não é problema nosso”, está errada.

Volte àquela frase do documento: os dados incluem voos inteiramente entre ou dentro de países estrangeiros.

Como um voo São Paulo–Lisboa entra num banco de dados americano de compensação de bilhetes?

Simples. Pelo lugar onde o bilhete foi emitido, não pelo lugar onde o avião decolou.

Se o brasileiro comprou pela Expedia americana, se a passagem saiu da ferramenta corporativa de uma multinacional com contrato de gestão de viagens nos Estados Unidos, se a agência emissora era credenciada pela ARC, aquele voo virou registro da ARC. Com nome, cartão, rota e data.

O Brasil não era cliente. O Brasil era estoque.

E essa é uma posição estruturalmente pior. Cliente negocia, audita, cancela contrato, responde politicamente. Estoque não sabe que existe.

O espelho brasileiro tem nome, e ninguém nunca olhou para ele

Se a ARC é a câmara de compensação americana, existe uma pergunta natural: e aqui?

Aqui é a IATA, através do BSP, o Billing and Settlement Plan. É a mesma função: intermediar a emissão e o acerto financeiro entre agências credenciadas e companhias aéreas. Toda agência IATA no Brasil opera dentro dele.

E, assim como nos Estados Unidos, sobre esse encanamento existe um produto comercial de dados.

Chama-se PaxIS, Passenger Intelligence Services. É descrito pela própria IATA como a base de inteligência de mercado de passageiros mais abrangente disponível, construída com dados capturados via BSP, cobrindo mais de 400 companhias aéreas, com informações de passagem e de agência: tarifa, origem, conexão, destino, classe.

Duas ressalvas de honestidade, porque aqui a precisão importa mais do que o efeito.

Primeira: o PaxIS é comercializado como inteligência de mercado para planejamento de malha e gestão de receita das companhias aéreas, não como produto de rastreamento de indivíduos nomeados vendido a governos. Não há equivalência entre PaxIS e TIP, e afirmar que há seria inventar.

Segunda: ele já foi contestado. A Comissão Europeia considerou a IATA em infração no uso do PaxIS e determinou a remoção dos dados oriundos de agências europeias.

Ou seja: a Europa olhou para o mesmo tipo de encanamento, achou que havia problema e agiu. O Brasil nunca olhou.

Temos a mesma infraestrutura de intermediação, com um produto comercial de dados construído em cima dela, operando sobre um dos maiores mercados domésticos de aviação do mundo, e não existe registro público de que a ANPD, o CADE ou a ANAC tenham feito uma única pergunta formal sobre o assunto.

Não estou dizendo que existe um TIP brasileiro. Estou dizendo que ninguém verificou, e que a diferença entre “não existe” e “ninguém verificou” é a distância entre uma constatação e uma esperança.

O que a LGPD faria, se alguém acionasse

Vale registrar o que a lei brasileira já diz, porque a resposta é menos confortável do que parece.

A LGPD exige base legal para tratamento e finalidade específica e informada. Dado de deslocamento de pessoa identificada, com nome e meio de pagamento, é dado pessoal sem qualquer dúvida. Compartilhamento com terceiros para finalidade distinta da contratada exige, na prática, consentimento específico ou uma base legal robusta que dificilmente se sustenta.

Em tese, o modelo do TIP não sobreviveria à LGPD. Em tese.

O problema é que “em tese” nunca protegeu ninguém. Nos Estados Unidos, o programa só acabou depois de reportagens sucessivas da 404 Media e pressão de parlamentares. A ARC encerrou o TIP no fim de 2025. Não foi tribunal, não foi regulador, não foi auditoria. Foi jornalismo com pedido de acesso à informação e um senador incomodando.

Aqui não temos nem o pedido de acesso à informação, porque não há órgão brasileiro no contrato para ser questionado.

Quem ganha e quem perde

Ganharam as companhias aéreas, que monetizaram duas vezes o mesmo passageiro: uma na passagem, outra na revenda do registro da passagem, através de uma empresa que elas controlam.

Ganharam as agências de intermediação, que ficaram fora da história inteira apesar de serem a origem do dado.

Ganharam órgãos públicos que obtiveram, por contrato comercial, uma capacidade que exigiria autorização judicial se fosse obtida por requisição.

Perdeu o passageiro, que não teve como recusar, porque a coleta é condição da transação. Não existe versão do bilhete aéreo em que você viaja sem gerar registro de compensação.

Perdeu o próprio conceito de mandado judicial, que continua existindo, intacto e irrelevante, contornado por uma nota de compra.

E perdeu, muito especificamente, o brasileiro, que apareceu nesse banco de dados sem ser cliente, sem ser alvo, sem ser avisado e sem ter a quem reclamar.

O que essa história realmente revela

O debate público sobre privacidade continua preso a uma imagem dos anos 1990: o hacker, a invasão, o vazamento, a falha.

Essa história não tem nada disso.

Tem uma câmara de compensação fazendo exatamente o trabalho para o qual foi criada, com governança formal, conselho de administração, produto catalogado, contrato assinado e nota fiscal emitida.

O dado não escapou. Ele foi entregue no balcão, com recibo.

E o mecanismo por trás é o mesmo em qualquer setor: sempre que existe um intermediário técnico obrigatório entre você e o serviço, existe um registro que ninguém pediu, que ninguém pode recusar e que tem valor de mercado. Na passagem aérea é a câmara de compensação. No cartão é a bandeira. No telefone é a operadora. No pagamento instantâneo é o arranjo.

O erro é achar que isso é uma questão de segurança da informação. É uma questão de propriedade.

Enquanto a discussão for “seus dados estão seguros?”, a resposta continuará sendo sim, e continuará sendo verdade, e continuará sendo irrelevante.

A pergunta certa é outra, e ela é bem mais desconfortável.

Quem é o dono do registro que a sua vida produz enquanto você apenas tenta chegar em algum lugar?

Três perguntas:

• Se a sua companhia aérea é sócia da empresa que revendeu o seu itinerário, a quem exatamente você reclama?

• Comprar um dado que só poderia ser apreendido com mandado é uma brecha da lei ou já é a revogação prática dela?

• E no Brasil: alguém, em algum órgão, já perguntou formalmente o que é feito com os registros do BSP e quem tem acesso a eles?

O Tech Gossip não trata privacidade como problema de senha. Trata como problema de propriedade, porque é isso que ela é. Se você quer entender quem lucra com o registro que a sua vida produz, acompanhe em www.techgossip.com.br.

#ARC #SEC #Privacidade #LGPD #DataBrokers #CompanhiasAereas #Delta #United #AmericanAirlines #IATA #BSP #PaxIS #Vigilancia #ProtecaoDeDados #Aviacao #TechGossip

Toda empresa tem hoje dois tipos de inteligência artificial e só admite um em público. Um aparece no evento anual, no post do CEO e no release. O outro aparece no resultado. Este artigo entrega o teste de cinco perguntas que classifica qualquer iniciativa de IA da sua empresa em uma das duas categorias, com a regra de decisão junto. Leva quinze minutos e você vai querer aplicar hoje.

Existe um estudo que virou manchete no ano passado e que quase todo mundo leu errado.

O Project NANDA, do MIT, analisou iniciativas corporativas de inteligência artificial generativa e concluiu que, diante de US$ 30 a 40 bilhões investidos, 95% dos projetos não produziram retorno mensurável.

A leitura preguiçosa foi: a IA não funciona.

A leitura correta é outra, e está escondida numa única palavra do resultado.

Mensurável.

Não é que os projetos não deram retorno. É que ninguém consegue provar que deram, porque ninguém anotou quanto custava o problema quando ele ainda era só problema. E porque, na maioria dos casos, não havia problema nenhum para começar. Havia uma ferramenta comprada e uma justificativa procurada depois.

Isso tem nome. Eu chamo de IA de Palco.

As duas IAs que existem dentro da mesma empresa

IA de Palco é a iniciativa concebida para ser vista, não para funcionar. O copiloto anunciado em evento. O piloto montado para impressionar o conselho. O framework que termina em slide. Ela se desenvolve com aplauso e morre em silêncio, porque nasce sem problema, sem dado e sem dono.

IA de Hidden Layer é o oposto. Ataca o processo entediante que sangra dinheiro todo mês, com dado disponível, dono nomeado e retorno que cabe numa planilha.

O nome vem das redes neurais. Nas hidden layers, as camadas invisíveis, é onde o aprendizado de fato acontece. O usuário vê a entrada e a saída. O valor é criado no que não aparece.

É exatamente assim numa empresa. O valor da IA corporativa se decide no bastidor.

O orçamento e a atenção, por enquanto, continuam indo para o palco.

O palco não vence por burrice. Vence por incentivo.

Aqui está a parte que ninguém diz em painel, e é a única que explica por que empresas inteligentes, com gente séria, repetem o mesmo erro há três anos.

O copiloto generativo rende foto no LinkedIn, palestra no evento do setor e uma linha nova no currículo de todo mundo que participou.

A triagem de tickets rende silêncio.

Nenhum diretor foi promovido por conciliação bancária.

E os fornecedores sabem disso melhor que qualquer um. O catálogo deles vende palco, com cases de palco, apresentados num palco.

A consequência é um mercado inteiro de teatro. Pilotos que existem para a demonstração. Assessments que organizam a ansiedade em fases coloridas. Comitês de doze pessoas que governam zero casos em produção.

E enquanto isso, no bastidor, alguém do jurídico cola um contrato no ChatGPT porque precisava do trabalho feito ontem.

O palco anuncia o futuro. O bastidor já usa IA escondido, sem pedir licença.

Repare no desalinhamento, porque ele é econômico e não moral. Consultoria de estratégia ganha mais no próximo contrato do que no resultado do atual. Evento de IA ganha mais com patrocinador do que com transformação real. Curso de oito horas ganha com a inscrição, não com o que você vai fazer na terça.

Ninguém tem incentivo para vender a segunda-feira.

O teste das cinco perguntas

Agora a parte prática, e ela é para usar hoje.

Pegue uma iniciativa de IA que já existe na sua empresa. Não a mais bonita, a mais recente. Responda as cinco perguntas abaixo com honestidade constrangedora, de preferência com alguém da operação na sala, porque metade dessas respostas a diretoria não consegue ver de onde senta.

Pergunta 1. Qual é o problema, escrito sem citar nenhuma tecnologia?

Escreva a frase. Se ela não existe sem a palavra “IA”, “copiloto”, “agente” ou o nome de um fornecedor, você tem uma solução procurando problema.

Sinal de Palco: a iniciativa começou com uma ferramenta escolhida e passou o ano caçando justificativa.

Sinal de Hidden Layer: o problema já existia antes de a IA virar assunto, e alguém reclamava dele em reunião há dois anos.

Pergunta 2. O dado necessário existe hoje, dentro da empresa, e alguém já usa ele para alguma coisa?

Não é “vamos estruturar”. Não é “o fornecedor traz”. Existe, hoje, alguém abre?

Sinal de Palco: a resposta envolve um projeto de dados que precisa acontecer antes.

Sinal de Hidden Layer: o dado está num sistema que a operação já consulta toda semana, mesmo que feio, mesmo que em planilha.

Pergunta 3. Quem é o dono? Nome próprio, uma pessoa, com bônus exposto.

Esta é a pergunta mais barata e mais incômoda da jornada inteira, e por isso é quase sempre a primeira a ser adiada.

Sinal de Palco: a resposta é uma área, um comitê ou três nomes. Criar comitê cedo demais não distribui responsabilidade, dilui até ela evaporar. Costuma ser esse o objetivo silencioso.

Sinal de Hidden Layer: existem dois nomes distintos. Um Sponsor, C-level, dono do orçamento e da decisão de matar ou continuar. E um Responsável Operacional, que toca o dia a dia.

Pergunta 4. Qual é o número de hoje, medido antes de qualquer coisa acontecer?

Quanto custa esse problema por mês, em reais, em horas ou em pessoas? Alguém anotou?

Sinal de Palco: o número não existe, ou existe como estimativa que apareceu no slide de aprovação.

Sinal de Hidden Layer: existe uma linha de base registrada, com data, tirada de um documento que a empresa já tinha.

Sem isso, o melhor resultado do mundo é indemonstrável. É literalmente a razão pela qual 95% dos projetos aparecem como sem retorno mensurável num estudo do MIT.

Pergunta 5. O projeto sobrevive se o anúncio for cancelado?

Imagine que a diretoria decide não comunicar nada. Sem post, sem palestra, sem release, sem case.

Sinal de Palco: o projeto perde o sentido. Alguém pergunta “mas então para que a gente está fazendo isso?”.

Sinal de Hidden Layer: ninguém nota diferença, porque o valor estava no processo e não na comunicação.

Essa é a pergunta que eu faria primeiro se só pudesse fazer uma.

A regra de decisão

Conte quantas perguntas você respondeu do lado Hidden Layer.

Quatro ou cinco. É IA de Hidden Layer. Siga, e proteja essa iniciativa de quem vai querer transformá-la em case antes da hora.

Duas ou três. É corrigível, e o prazo é de duas a quatro semanas, não um programa de transformação de um ano. As correções mais rápidas são as perguntas 3 e 4: nomear o dono leva uma reunião de sessenta minutos, e medir a linha de base leva uma semana.

Zero ou uma. Isso não é um projeto de inteligência artificial. É um projeto de comunicação, e ele deveria ser orçado, executado e cobrado pela área de comunicação, que faz isso muito melhor e muito mais barato.

Um aviso sobre como usar: marcar muitos itens do lado do palco não é vergonha, é informação. Essa é a descrição do padrão do mercado, não da exceção. Quem responde as cinco perfeitamente na primeira tentativa provavelmente mentiu em alguma.

E existe um erro final, que é o mais comum de todos entre pessoas organizadas: usar o teste como desculpa para não começar. Corrigir erro ativo é tarefa com prazo. Quem transforma a correção em projeto eterno só trocou o zumbi orçamentário de lugar.

Quem ganha e quem perde com a IA de Palco

Ganha o fornecedor, porque o piloto que existe para a demonstração é a fase mais faturável de todas, e a que nunca termina.

Ganha a consultoria, que vende o assessment de seis dígitos antes do primeiro piloto: a empresa compra a tomografia antes de olhar os quatro documentos que já tem de graça.

Ganha, no curto prazo, o executivo que precisa de uma linha nova no currículo antes da próxima janela de promoção.

Perde a empresa, que descobre no terceiro mês que o piloto trava numa planilha que uma única pessoa atualiza toda sexta.

Perde a equipe, que aprende a associar IA a pedir licença e a não confiar no próximo anúncio.

E perde o caso que teria funcionado, aquele entediante, sem foto, que sangrava dinheiro em silêncio e continuou sangrando enquanto o orçamento foi para o palco.

O que isso realmente revela

O executivo sai do evento com o caderno cheio de matrizes de maturidade e um vocabulário novo, que vai repetir na próxima reunião de conselho com a confiança de quem finalmente entendeu o jogo.

Na segunda-feira de manhã, de pé diante da própria equipe que espera uma ordem, ele percebe que não faz a menor ideia de qual é o primeiro movimento.

Isso não é falha de inteligência dele.

É falha do produto que ele comprou.

Porque framework não tem como falhar, e é exatamente por isso que se vende tão bem. Método tem, e é exatamente por isso que funciona.

A pergunta que importa nunca foi onde usar IA.

É onde a sua empresa sangra.

Três perguntas:

• Pegue a iniciativa de IA mais visível da sua empresa e responda a pergunta 5: ela sobrevive se o anúncio for cancelado?

• Se ninguém mediu quanto o problema custava antes, como exatamente você vai provar o resultado para o conselho no fim do ano?

• E a mais incômoda: existe um nome próprio, uma pessoa só, que perde bônus se essa iniciativa falhar? Se não existe, quem você acha que vai responder quando falhar?

Este artigo entregou um artefato completo, o teste das cinco perguntas com a regra de decisão. Ele é o Capítulo Zero de um método com vinte e quatro capítulos, catorze fases e vinte e seis artefatos prontos, do Dia 1 até o roadmap que vai para o conselho. O livro Hidden Layer está disponível na íntegra para assinantes pagos do Tech Gossip.

Para ler o livro inteiro e baixar os artefatos, acesse www.techgossip.com.br. Este artigo te deu uma lente. O livro te dá as quatro, na ordem, com a regra de quando parar de mapear e começar a executar.

Clique no link abaixo

#HiddenLayer #IAdePalco #InteligenciaArtificial #GovernancaDeIA #TransformacaoDigital #Lideranca #Estrategia #GestaoDeProjetos #DadosCorporativos #CFO #Inovacao #TechGossip

O balanço do segundo trimestre traz o número que interessa e ninguém leu: carteira de nuvem crescendo 27%, lucro operacional crescendo 9%. Em software por assinatura, isso não deveria ser possível. A IA não encareceu o SaaS. Ela quebrou a propriedade que fazia o SaaS funcionar.

Em 1º de julho, a liderança da SAP mandou um e-mail para todos os funcionários do mundo.

Viagens internas suspensas. Contratações apenas para perfis selecionados, principalmente funções essenciais de IA. Motivo declarado, nas palavras do próprio documento obtido pela 404 Media e antes noticiado pela Bloomberg: “o uso de tokens e os custos relacionados aumentando à medida que mais cenários orientados por IA entram em operação”.

O e-mail termina com a frase obrigatória desses documentos: “essas medidas não se tratam de fazer menos”.

Elas se tratam exatamente de fazer menos.

Mas a piada fácil sobre linguagem corporativa é a parte menos interessante disso.

A parte interessante é que a SAP é uma das maiores vendedoras mundiais de software cuja proposta comercial central, hoje, é: nossa IA vai deixar a sua empresa mais enxuta.

E para financiar essa proposta, ela cortou viagem e congelou contratação.

A empresa que vende eficiência acabou de ter uma crise de eficiência causada pela coisa que ela vende como eficiência.

Isso já seria uma boa manchete. Só que o documento realmente revelador não é o e-mail vazado.

É o balanço, que está público, e que quase ninguém abriu.

Os dois números que não podem coexistir num negócio de assinatura

No segundo trimestre de 2026, a SAP reportou:

Carteira de nuvem contratada em €22,9 bilhões, alta de 27%.

Receita de nuvem de €6,3 bilhões, alta de 22%.

Lucro operacional não-IFRS de €2,7 bilhões, alta de 9%.

E cortou a projeção de lucro operacional de 2026 para a faixa de €11,2 a €11,8 bilhões.

Pare aqui.

Num negócio de software por assinatura, receita crescendo 22% com lucro crescendo 9% não é um trimestre fraco. É uma anomalia estrutural.

O modelo SaaS inteiro se apoia numa única propriedade física: o custo marginal de servir mais um cliente é próximo de zero. É por isso que margem bruta de nuvem fica na casa dos 75% a 85%. É por isso que crescimento vira lucro quase automaticamente depois que a plataforma está construída. Chama-se alavancagem operacional, e é o motivo pelo qual o mundo inteiro passou quinze anos pagando múltiplos absurdos por empresas de software.

Agora veja a margem bruta de nuvem da SAP no trimestre: 74,6%, queda de 0,7 ponto percentual em um ano.

Zero vírgula sete ponto parece nada. Não é o tamanho que importa, é a direção.

Margem de nuvem madura deveria subir com escala. Ela sobe há uma década em toda a indústria. Quando começa a cair enquanto a receita acelera, a mensagem é uma só: apareceu um custo variável atrelado ao uso onde antes não havia nenhum.

E a SAP diz qual é, no próprio material: pesquisa e desenvolvimento subiu 14% contra um aumento de apenas 3% no quadro de pessoal, e a companhia atribui a diferença ao consumo de tokens e à contratação de especialistas em IA mais caros.

Ou seja: o custo subiu sem gente entrar.

Essa frase é a definição de um custo que deixou de ser pessoal e passou a ser insumo.

O SaaS virou, silenciosamente, um negócio de margem variável

Aqui está a tese, e ela é maior que a SAP.

Software por assinatura vende preço fixo. Tantos euros por usuário por ano, contrato de três anos, previsível, recorrente, bonito no slide.

IA generativa compra custo variável. Token consumido, por chamada, por passo de raciocínio, por tentativa que deu errado.

Vender preço fixo e comprar custo variável é a estrutura econômica de uma seguradora. E funciona bem exatamente até o momento em que os sinistros passam a chegar em volume maior do que o modelo previa.

Só que existe um agravante que a analogia com seguro não captura.

Numa seguradora, o sinistro acontece quando algo dá errado. No SaaS com IA, o custo acontece quando algo dá certo. Quanto mais o cliente usa, quanto mais o produto funciona, quanto mais valor é entregue, maior a conta.

O sucesso do produto é o gerador da despesa.

Nenhuma empresa de software da geração anterior teve que lidar com isso. O Excel não custava mais caro para a Microsoft quando você usava mais planilhas.

E o mecanismo que transformou esse problema de irritante em existencial tem nome, e foi vendido para todo mundo como a grande novidade do ano: agentes.

Uma pergunta simples a um modelo é uma chamada. Um agente resolvendo a mesma tarefa é um laço: planejar, escrever, testar, errar, corrigir, verificar. Uma ação do usuário vira cinco, dez, cinquenta inferências.

A indústria vendeu agentes como destravamento de produtividade.

Eles são, estruturalmente, um multiplicador de tokens.

“Espera o token ficar mais barato” já foi testado e falhou

Existe uma resposta padrão que todo executivo dá quando confrontado com esse custo. Ela é sempre a mesma frase: os preços estão despencando, é só esperar.

Os preços realmente despencaram. E é justamente por isso que a frase está errada.

O custo por milhão de tokens caiu de cerca de US$ 20 no fim de 2022 para algo próximo de US$ 0,40 em agosto de 2025. A Andreessen Horowitz batizou o fenômeno de LLMflation e calcula uma redução de aproximadamente mil vezes no custo de inferência por unidade de capacidade em três anos.

No mesmo período, o gasto corporativo com IA generativa saiu de US$ 2,3 bilhões em 2023 para US$ 37 bilhões em 2025, segundo a Menlo Ventures. Dezesseis vezes mais.

Preço unitário caiu mil vezes. Gasto total subiu dezesseis vezes.

Isso tem nome desde 1865 e se chama paradoxo de Jevons: quando um recurso fica mais eficiente e mais barato, o consumo total dele aumenta em vez de diminuir.

O detalhe delicioso é que Satya Nadella disse isso em voz alta, em janeiro de 2025, e o mercado inteiro aplaudiu: “Jevons ataca de novo. Conforme a IA fica mais eficiente e acessível, veremos seu uso explodir.”

Ele estava certo, e a frase é ótima notícia. Da cadeira dele.

Da cadeira do comprador, a mesma frase significa: sua conta vai subir enquanto os preços caem, e não existe versão futura do mercado em que esperar resolve.

Ninguém leu aquela declaração pelo lado do cliente. A SAP acabou de ler.

Não é só a SAP, e a lista é constrangedora

O que torna esse caso um sinal de mercado e não um problema de gestão alemã é a companhia que a SAP tem.

O Citi bloqueou o acesso a determinados modelos. A Atlassian encerrou o uso ilimitado de ferramentas de IA e criou um painel para o funcionário acompanhar o próprio consumo. A Adobe decidiu não renovar o acesso ilimitado ao Claude. A Microsoft impôs limites de orçamento e disse aos engenheiros que “otimização de tokens não é o que buscamos”.

Num áudio vazado, um funcionário da Accenture descreveu um “aumento exorbitante nos gastos com tokens”, e a empresa tentava descobrir como impedir que gente sem conhecimento técnico estourasse orçamento usando modelo de fronteira para converter PDF em slide.

E o detalhe que resume a era inteira: empresas passaram a instruir Claude e Codex a falar como homens das cavernas, cortando artigos e conectivos, para reduzir tokens de saída.

O estado da arte do controle de custos de IA corporativa em 2026 é pedir para a máquina falar pior.

Isso não é anedota engraçada. É a confissão de que a variável de custo está fora de controle e que a única alavanca disponível no curto prazo é degradar o produto.

E a receita do outro lado? Ninguém conseguiu provar.

Agora junte com a outra metade da conta.

O relatório do Project NANDA, do MIT, analisou iniciativas corporativas de IA generativa e concluiu que, diante de US$ 30 a 40 bilhões investidos, 95% dos projetos não produziram retorno mensurável. Apenas 5% estariam extraindo valor real.

Vale a ressalva honesta: o estudo foi criticado por metodologia, já que se apoia em 153 respostas de executivos, 52 entrevistas e revisão de cerca de 300 iniciativas divulgadas. Não é um censo, e “retorno não mensurável” não é idêntico a “retorno inexistente”.

Mas mesmo descontando generosamente, a assimetria permanece de pé e é o coração do problema:

O custo é variável, imediato e chega em fatura.

O retorno é fixo, futuro e chega em apresentação.

Uma empresa consegue sustentar essa assimetria por alguns trimestres. Não por muitos, e o mercado já começou a cobrar. A SAP cortou guidance de lucro e a margem de nuvem virou para baixo no mesmo trimestre em que a carteira bateu recorde.

Crescimento recorde e lucro cortado é a definição de um negócio cujo motor mudou de lugar.

O que ninguém está dizendo: para onde foi o dinheiro

Aqui está a parte que me parece a mais séria de todas, e não vi ninguém escrever.

• Em janeiro de 2024, a SAP anunciou um programa de reestruturação de €2 bilhões afetando cerca de 8.000 posições, com o objetivo declarado de redirecionar a empresa para IA. A companhia tinha 107.602 funcionários em tempo integral no fim de 2023.

• Em julho de 2026, congelou contratações e viagens, também para financiar IA.

Duas vezes, com dois anos de distância, a mesma fonte de recursos: pessoas. Mas repare no destino.

Salário de engenheiro em Walldorf é renda que fica na Alemanha. Paga imposto alemão, aluguel alemão, restaurante alemão, escola alemã. Circula.

Fatura de token é pagamento a fornecedor de modelo americano, rodando em nuvem americana, sobre silício americano.

O que aconteceu não foi apenas substituição de trabalho por capital. Foi transferência geográfica de renda do trabalho europeu para renda de capital americano, executada voluntariamente, com aprovação de conselho e aplauso de analista.

E o mais desconfortável: essa transferência não é reversível por decisão de gestão. Salário você renegocia, adia, corta. Token é preço de mercado cobrado por um fornecedor com poder de precificação e sem concorrente equivalente do lado de cá.

A SAP trocou um custo que ela controlava por um custo que outra empresa controla. Isso, e não o congelamento de viagens, é a notícia.

O ângulo Brasil, que é pior

Se a SAP, com receita em euro e caixa de gigante, está apertando o cinto, vale olhar o que isso significa aqui.

Primeiro, o óbvio que ninguém escreve em coluna de tecnologia: empresa brasileira compra token em dólar e fatura em real. O custo variável já instável ganha uma segunda variável em cima. Duas fontes de volatilidade multiplicadas, sobre um contrato de receita fixo em real.

Segundo, e mais concreto: a SAP tem uma das maiores bases instaladas de ERP do Brasil. Grande parte da indústria, do varejo e do agronegócio brasileiro roda sobre ela. Quando o fornecedor descobre que o insumo do produto tem custo variável, existe exatamente um lugar de onde esse custo sai no médio prazo, e é a renovação de contrato.

Os contratos assinados em 2024 e 2025 com “IA incluída” foram precificados antes de alguém saber quanto custa um agente rodando em produção o ano inteiro. Eles vão ser reprecificados. Não porque alguém é mal-intencionado, mas porque a conta não fecha.

Terceiro, o que mais me preocupa: muita empresa brasileira fez em escala menor exatamente o que a SAP fez em 2024. Cortou quadro citando IA, com economia de folha calculada em real, fixa e imediata, contra um custo de IA em dólar, variável e crescente com o uso.

Quem fez essa conta em 2024 usou uma premissa que os números de 2026 desmentem.

Quem ganha e quem perde

Ganham os fornecedores de modelo e as nuvens, que converteram folha de pagamento corporativa global em receita recorrente própria. Foi a maior transferência de valor entre categorias de custo empresarial desde a terceirização de TI dos anos 1990, e aconteceu em três anos.

Ganha a Nvidia, no fim de todas as cadeias.

Ganham as empresas que trataram IA como escolha de arquitetura e não como corrida de adoção: roteamento de modelo por tarefa, modelo pequeno onde cabe, cache agressivo, medição por unidade de negócio. É pouco glamouroso e é o que separa os 5% dos 95%.

Perde a SAP, que está no pior lugar possível da cadeia: precisa comprar IA cara para vender software cujo preço já foi contratado.

Perde o funcionário, que virou linha de ajuste duas vezes na mesma tese.

E perde, de novo, a promessa original. Porque o argumento que sustentou essa transição inteira era que a IA reduziria custo operacional.

Na SAP, ela virou o custo operacional.

O que essa história realmente revela

Durante três anos, o discurso foi que a IA substituiria trabalho e, ao fazê-lo, reduziria despesa.

A primeira metade aconteceu. A segunda não.

O que a SAP mostrou, com balanço auditado e e-mail vazado no mesmo mês, é que a IA não substituiu o custo do trabalho. Ela trocou a natureza do custo: de fixo para variável, de controlável para contratado, de local para importado, de decidido por você para decidido pelo seu fornecedor.

Empresa nenhuma quebra por gastar mais. Empresa quebra por perder a capacidade de prever quanto vai gastar. E o dado mais eloquente do trimestre não é o congelamento de viagem. É a margem bruta de nuvem tendo caído 0,7 ponto num negócio em que ela só sabia subir.

Zero vírgula sete ponto percentual é a primeira gota. O que importa é que, pela primeira vez em quinze anos, ela está descendo.

Três perguntas:

• Se o seu custo de IA cresce com o uso e o seu contrato de receita é fixo por assento, em que volume de uso o seu melhor cliente vira o seu pior cliente?

• Sua empresa cortou pessoas com uma economia calculada em real e assumiu um custo cotado em dólar que cresce com o sucesso do produto. Alguém refez essa conta depois de 2024?

• E quando o fornecedor do seu ERP descobrir que o insumo dele é variável, você prefere ser avisado na renovação ou negociar antes?

O Tech Gossip lê o e-mail vazado e depois abre o balanço. O e-mail dá a manchete. O balanço dá a história.

www.techgossip.com.br

ChatGPT para a Geração Sênior (60+): um guia prático, sem jargão, que …

Read more