Pesquisadores de segurança alertam que conteúdo sexual explícito gerado por IA sem consentimento segue se espalhando sem controle, com compartilhamento em mensagens diretas e armazenamento em nuvens privadas, o que dificulta detecção e denúncia. Um estudo coautorado pela Google com usuários da internet nos Estados Unidos, Austrália e Reino Unido, publicado em julho, aponta que o ponto de intervenção mais crítico está na origem das ferramentas usadas para criar as imagens falsas.
Em testes recentes, pesquisadores do White Circle afirmam que guardrails de geradores de imagens de texto de Google e OpenAI podem estar falhando à medida que os modelos ficam mais capazes. Um preprint divulgado no mês passado descreve vulnerabilidades em DALL·E 3, Nano Banana 2 e GPT-Image-2, com a equipe dizendo que, usando ferramentas disponíveis publicamente e chamadas via API, conseguiu gerar conteúdo explícito cerca de 13% das vezes.
O Wellhub revelou o Panorama do Bem-Estar Corporativo 2027 e indica que a adoção de inteligência artificial pode aumentar a carga de trabalho para quem já domina a tecnologia. No Brasil, 37% dos trabalhadores “avançados em IA” relatam que o uso da ferramenta elevou o volume de tarefas, ante 13% entre quem está nos primeiros estágios de adoção. O levantamento também mostra que, no recorte brasileiro, oito em cada dez usuários avançados orientam outras pessoas sobre as ferramentas.
Os dados ainda apontam diferenças nos relatos de esgotamento: 23% dos profissionais mais avançados dizem ter sintomas de burnout diariamente, contra 11% dos iniciantes. A pesquisa destaca que políticas claras e bem comunicadas sobre IA se associam a maior resiliência, e que 75% dos usuários avançados citam recursos de bem-estar como apoio para se adaptar ao ambiente impulsionado pela tecnologia. O estudo foi conduzido entre 12 e 19 de junho de 2026 com mais de 5 mil profissionais em dez países.
O pendant Friend 2, chatbot em formato de pingente sempre “listening”, chegou em julho custando US$ 249 e usa os “latest language models” da OpenAI. O dispositivo responde a comandos e também pode falar sem ser provocado, com um recurso de “silenciar” que exige toques no aparelho.
A Avi Schiffmann, criadora do Friend, afirmou que a próxima atualização vai tornar os chatbots mais “agentically” e mudar a personalização: em vez de personalidades únicas por usuário, todos conversariam com a mesma entidade, compartilhando contexto entre usuários. A proposta aponta para um “hivemind” do Friend, com mudanças que devem afetar como o sistema se comporta e como a privacidade é tratada.
O Pulse Local é um aplicativo completo de budgeting que inclui um chat para responder perguntas usando os próprios dados do usuário. Em vez de enviar o extrato para um modelo hospedado, o app mantém o “ledger” no disco e envia apenas a pergunta junto com as linhas que respondem a ela para um modelo que fica localmente, sem endpoint de envio.
O sistema usa modelos distribuídos como arquivos ao lado do ledger e promete privacidade ao não depender de um serviço de IA online. O app também permite revisar detalhes de gastos, comparar meses e ajustar categorias, além de oferecer recursos como planos, regras, splits, cash flow e forecast; a versão beta é para Mac com Apple Silicon, com preço de US$ 29/ano para o Sync Pass no recurso de sincronização bancária.
A Microsoft informou que vai gerenciar o uso de IA no desenvolvimento com “AI token budgets” por divisão, incluindo metas internas desde julho. Em comunicado interno, o executivo Jay Parikh pediu foco em “impacto por token” e não em gastar mais, além de permitir que engenheiros acompanhem o próprio consumo, que pode variar de centenas a milhares de dólares por mês. A empresa também definiu o GPT-5.6 Sol como modelo padrão no GitHub Copilot e citou preços por milhão de tokens (US$ 5 entrada e US$ 30 saída para Sol).
Na prática, a mudança coloca custos e eficiência no centro do fluxo de coding com IA: equipes precisam escolher modelos e configurações conforme o valor do trabalho, e administradores podem apertar controles conforme os gastos. Como agentes de IA agora fazem tarefas em múltiplas etapas (ler repositórios, rodar testes e iterar), o risco de “token waste” cresce—então medir produtividade só por volume de PRs pode não refletir qualidade, segurança ou ganho real para o produto.
