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.
Al Gore afirmou em entrevista ao TechCrunch que a emissão de data centers de IA não é o principal motivo para preocupação pública, apesar das manifestações contra seus impactos ambientais. Para ele, o que deveria acender o alerta são avisos vindos de dentro da própria indústria de IA, além de riscos associados ao avanço das capacidades dos sistemas.
Gore citou a questão do “scale” das emissões e destacou que a demanda por ar-condicionado pode pressionar mais a rede elétrica do que os data centers no mesmo período. Ele também mencionou preocupações com o uso de novas turbinas a metano por alguns hyperscalers e disse levar a sério alertas recentes de líderes do setor, conectando o debate a temores sobre perdas de empregos e mudanças sociais.
O Brasil encerrou o primeiro semestre de 2026 com 706 megawatts (MW) de capacidade instalada em data centers, volume que supera em mais de seis vezes o registrado em 2012. Até o fim do ano, mais 134 MW devem entrar em operação, após 106 MW entregues nos primeiros seis meses, colocando 2026 como um ano recorde para o setor, segundo levantamento da JLL.
A expansão acompanha a demanda por processamento e armazenamento ligada ao avanço da inteligência artificial, com hyperscalers elevando a contratação de espaço de cerca de 230 MW (2021) para 780 MW no primeiro semestre de 2026. O investimento previsto para as entregas de 2026 é estimado em aproximadamente US$ 8 bilhões, e o governo federal sancionou o Redata para incentivar investimentos e exigir contrapartidas em pesquisa, desenvolvimento e oferta de capacidade no país.
Pesquisadora da Wharton, Jessica Wachter, analisou o impacto econômico do boom de infraestrutura de IA a partir de uma premissa: poucos hyperscalers estão colocando quantias enormes para construir data centers. Em estimativas com um colaborador, os gastos podem chegar a quase US$ 1,1 trilhão até 2027, enquanto as empresas precisariam elevar a própria produtividade em 2,7 vezes para empatar até 2030, considerando custo de capital e retorno de 15%.
O cenário também traz alertas financeiros. Wachter afirma que, se a produtividade não se materializar, as empresas podem ficar atrás do pagamento de juros e isso eleva o risco de falência, com a possibilidade de o buildout virar a maior má alocação de capital da história. Ao mesmo tempo, o texto aponta que os hyperscalers planejam investir cerca de US$ 750 bilhões neste ano, enquanto as receitas totais de IA ainda ficam na faixa de US$ 150 bilhões a US$ 200 bilhões, e parte dos custos é pressionada por novas gerações de chips.
Mohamed El-Erian afirmou que o mercado de capitais americano tem financiado a inteligência artificial em escala crescente, e que esse entusiasmo já aparece na ponta longa da curva de juros dos Estados Unidos. Em conversa no Macro Day do BTG Pactual, ele disse que a demanda por captação no mercado de dívida pelas grandes empresas de tecnologia saltou, com o volume de capital despejado na área quadruplicando em 12 meses.
El-Erian relacionou a pressão sobre os juros à disputa entre hyperscalers, já que “o vencedor leva tudo” e todas as empresas captam ao mesmo tempo. Ele citou estimativas de gastos de capital das big techs entre US$ 800 bilhões e US$ 900 bilhões em 2026, enquanto compradores tradicionais de títulos americanos recuam, elevando o preço do crédito e exigindo juros maiores, com efeitos mais concentrados nos prazos longos.
A Nvidia passou a sustentar sua vantagem na IA para além das GPUs, com a expansão do foco em como os sistemas ao redor do processador conseguem operar com eficiência em data centers de grande escala. Após a concorrência de chips próprios de hyperscalers e a desaceleração recente das ações, a empresa reforçou um novo argumento: à medida que a computação de IA chega ao patamar de gigawatts, a orquestração do ambiente de execução fica mais complexa.
A companhia está lançando a arquitetura Vera Rubin, que combina a GPU Rubin com outras unidades, incluindo a Vera CPU, um acelerador de inferência Groq 3 LPX e racks para armazenamento e redes. A Vera CPU tem como foco coordenar o fluxo de dados para a GPU, e a Nvidia cita melhorias de até 3x nas operações, além de permitir extrair mais desempenho do flash sem gargalos; a disputa, segundo o texto, migra para a eficiência do sistema completo, não apenas para a GPU.
O debate sobre o custo da infraestrutura de IA ganhou um novo teste com dados de Amazon, Alphabet e Microsoft, focados nos gastos de capex dos grandes provedores de nuvem. A análise aponta que o crescimento da demanda por IA está acelerando, que a lucratividade dos hyperscalers tende a escalar com o tamanho do negócio e que a eficiência do capex vem melhorando.
A discussão surge em meio a críticas financeiras de que AWS, Google Cloud e Azure estariam gastando demais em computação para IA, sem conseguir aproveitar toda a capacidade. Com os números reunidos, o argumento de “capex queimando recursos” perde força e sugere que a estratégia de investimento pode estar gerando retorno conforme a escala aumenta.
