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 DoorDash, aplicativo de delivery, processou 970 milhões de pedidos no 2º trimestre e gerou US$ 4,5 bilhões em receita, enquanto uma startup de pré-seed chamada Bites ganhou atenção do setor. Em agosto, restaurantes na Baía de São Francisco receberam um e-mail do DoorDash avisando que poderiam estar listados na plataforma da Bites sem consentimento, com alertas sobre termos, preços e padrões de serviço, além de possível falta de controle sobre menu e horários.
A Bites se apresenta como “AI native” e permite que clientes façam pedidos de restaurantes diretamente no ChatGPT, com entrega indo ao restaurante em vez de passar por uma plataforma de terceiros como a do DoorDash. A disputa também aparece no modelo de taxas: o DoorDash cobra comissões de 15% a 30% por pedido, enquanto a Bites divulga taxas simplificadas e uma sobretaxa fixa de US$ 1 por pedido, com impacto direto em preços e margens para restaurantes.
A DoorDash criou a equipe “GenAI Platform” para viabilizar projetos com inteligência artificial generativa e compartilhou, em uma apresentação, como estruturou a plataforma desde 2023. O time relata que começou após o “momento ChatGPT” (nov/22), decidiu usar OpenAI e focou em princípios como ser “customer obsessed”, priorizar APIs/SDKs e construir fluxos ponta a ponta, e não apenas notebooks ou acesso a GPUs.
A estratégia também evitou apostar em chatbots e direcionou o trabalho para impacto no negócio, com casos ligados a automação, recomendações e personalização. A plataforma já tem mais de 5.000 usuários internos e registra 45 novos cadastros por dia, com cerca de 40% do público formado por não engenheiros usando APIs, o que levou o time a reforçar governança e accountability na adoção.
O DoorDash anunciou o lançamento de um agente de IA que permite fazer pedidos de comida via Apple Messages. Com a ferramenta, o usuário envia comandos como “order my usual” e o agente entende que se trata do pedido de sexta à noite, por exemplo.
A plataforma também permite pedir um prato específico e solicitar recomendações locais, com sugestões de carrinho a partir do prompt e envio de textos com fotos do que foi recomendado. Para pedidos em grupo, o DoorDash afirma que o agente consegue lidar com preferências alimentares diferentes e quantidades variadas em um único pedido, além de abrir uma lista de espera nos EUA para testar o recurso.
Empresas estão reformulando entrevistas para lidar com ferramentas de IA que escrevem códigos, analisam informações e geram respostas em segundos. Com isso, uma prova técnica feita em casa passou a dizer menos sobre o que o candidato realmente sabe, levando companhias a aumentar etapas ao vivo ou a permitir o uso de IA durante a avaliação.
A Anthropic revisou seus testes técnicos: desde 2024, mais de mil candidatos fizeram uma prova para vagas de engenharia de performance, mas versões do Claude passaram a resolver o desafio com facilidade, então a empresa criou novas versões para diferenciar melhor os perfis. A DoorDash, por sua vez, trocou parte das entrevistas tradicionais por uma sessão de 60 minutos em que os candidatos podem usar IA e explicar o raciocínio enquanto avaliadores observam decisões e correções; fora da tecnologia, consultorias e empresas também passaram a incluir exercícios com uso de IA para analisar informações e melhorar respostas.
A DoorDash desenvolveu o SafeChat para lidar com abusos verbais no chat do marketplace, onde consumidores, entregadores (Dashers) e comerciantes se comunicam durante pedidos. A empresa afirma que precisa agir com baixa latência: são mais de 4 milhões de mensagens por dia e existe apenas uma fração de segundo para decidir se cada mensagem é segura, sem prejudicar a experiência.
O sistema combina uma etapa inicial com um classificador de ML treinado com dados internos, capaz de responder em menos de 100 ms em 90% dos casos e com custo apenas de infraestrutura. Para o pequeno volume de mensagens que não passam nessa triagem (menos de 10%), o SafeChat chama um LLM para pontuar e classificar eixos como nível de ameaça, grau de palavrões e conteúdo sexual, usando perguntas mais difíceis apenas quando necessário.
A DoorDash está avançando de previsões pontuais para uma plataforma de recomendações mais “agentic”, com foco em contexto do consumidor em escala. Em apresentação no QCon AI, Sudeep Das, Head de Machine Learning & AI para New Business Verticals, descreveu o uso de uma memória nativa de linguagem para reter preferências e informações relevantes do usuário.
A empresa também citou o uso de RQ-VAE semantic IDs para representar o catálogo e uma busca “grounded” para melhorar a aderência das recomendações. O objetivo é elevar métricas de relevância e conversão, apoiando sistemas de personalização e busca em áreas como grocery, conveniência, álcool e varejo.
