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.
Agentes de IA para codificação conseguem gerar mais código e mais atividades em repositórios, mas o ganho não se converte em mais software entregue. Uma pesquisa com práticas reais de centenas de empresas aponta que o uso desses agentes eleva em média as linhas de código geradas em 30%, os commits em 20% e os pull requests em 23%. Ao mesmo tempo, a revisão humana continua sendo um gargalo importante no fluxo de produção.
O estudo indica que o processo de code review fica mais longo, com pull requests mais propensos a exigir revisões e com mais comentários dos revisores. Mesmo com a maior produção de código, a taxa de resolução de Issues e Epics — recursos acompanhados por ferramentas como Jira — não muda de forma estatisticamente relevante após a adoção de ferramentas de IA. A análise foi feita com dados agregados de Jellyfish, cobrindo 300 milhões de eventos de trabalho e informações de mais de 700 mil colaboradores em mais de 700 empresas, de 2021 até março de 2026.
A Leapwork lançou o Leapwork Play, uma plataforma de validação contínua “AI-native” voltada para construir, executar e gerenciar suítes de testes em Playwright em escala. A empresa destaca que a popularidade do Playwright cresceu junto com o uso de código gerado por IA, mas que isso elevou o volume de testes e tornou mais difícil provar a origem de cada caso e gerenciar milhares deles entre várias equipes.
O Leapwork Play conecta o Play a fontes onde o conhecimento do produto já vive, como Jira, repositórios Git e documentação, para gerar testes Playwright baseados nesse contexto. A ferramenta também permite registrar uma jornada do usuário no navegador e transformar isso em um teste mantido, com saída em código Playwright padrão para rodar no Play, em pipelines de CI ou via servidor MCP de assistentes de código com IA.
Agentes estão sendo posicionados como a nova “developer platform” ao combinar contexto do sistema com comandos de desenvolvedores e acionar modelos e ferramentas. No KubeCon & CloudNativeCon Europe, Whitney Lee e Viktor Farcic defenderam o uso de semantic search com dados de Git, Slack e Jira, além de guardrails para bloquear ou liberar ações que exigem aprovação.
A apresentação também destacou observabilidade no nível do agente com logs, métricas e traces para entender comportamento, custos e caminhos de execução. Com OpenTelemetry e spans para chamadas de modelo, contagem de tokens e invocações de ferramentas, as equipes conseguem rastrear requisições do usuário até as ações tomadas e usar os traces como base de avaliação e auditoria.
A CodeRabbit anunciou a camada de controle “Agentic Change Management”, voltada a ajudar times de engenharia a entender, governar e entregar software criado por desenvolvedores humanos e por agentes. A empresa afirma que sistemas de issue tracking como Jira, GitHub Issues e Linear foram desenhados para um cenário em que era mais fácil alinhar capacidade, organizar backlog e definir requisitos antes de começar a codar.
Com a produção de código cada vez mais contínua por plataformas e agentes, a companhia diz que o pull request virou o último “chokepoint” auditável do SDLC. A proposta inclui validar mudanças com contexto do repositório, padrões da organização e pré-checagens antes do merge, além de loops automatizados de correção e reavaliação para que revisões humanas foquem em intenção, arquitetura, comportamento e riscos.
Um levantamento da CloudHQ (Workplace Email Statistics 2025) aponta que o profissional médio recebe mais de 120 e-mails por dia. Para reduzir a “carga de atenção” do inbox, o método inbox zero — popularizado por Merlin Mann em 2006 — ganhou camadas em 2026 com automações de IA: filtros que desviam ruído e apps que classificam urgência, resumem conversas e ajudam a montar rascunhos de resposta. A matéria também lista regras práticas para Gmail e Outlook, com categorias como newsletters, alertas automáticos (Jira/Slack/GitHub), comprovantes e cold emails.
Na prática, a mudança para devs e tech é transformar o e-mail em um fluxo mais gerenciável: menos mensagens exigindo decisão imediata e mais triagem antes do “momento de resposta”. Com prompts de classificação e extração de tarefas (checklist, datas e nomes), fica mais fácil priorizar o que realmente precisa de ação humana e processar a caixa em blocos, sem ficar refém de notificações.
