A Spotify ampliou o uso de desenvolvimento assistido por IA e mais que dobrou as mudanças mensais mescladas, de cerca de 8.100 para 17.000 ano a ano em agosto. Com o aumento do volume de alterações nos sistemas de produção, a empresa ajustou controles de qualidade e confiabilidade para lidar com a nova escala.
A companhia opera quase 3.000 serviços de produção para 777 milhões de usuários ativos mensais e relata desafios em processamento de conteúdo, automação de frota e capacidade de computação. Entre as respostas estão melhorias em monitoramento e testes, salvaguardas de rollout e capacidade de rollback, além da adoção do Honk, um agente de codificação em background que executa o Claude via Agent SDK em pods no Kubernetes.
Pesquisadores apresentaram na conferência KDD o estudo “GEO: Generative Engine Optimization”, voltado a melhorar a visibilidade de conteúdos nas respostas de mecanismos generativos. Nos testes descritos, intervenções específicas aumentaram a presença em até 40%, variando conforme o tema pesquisado.
O movimento é comparado ao SEO, mas com uma diferença: ao perguntar a uma inteligência artificial, muitas vezes o usuário recebe uma resposta pronta em vez de uma lista de opções. O texto destaca ainda como a construção de um “rastro público” — entrevistas, artigos, participações e fontes — pode influenciar o que sistemas como os buscadores associados ao ChatGPT encontram e citam, exigindo que assessorias e relações públicas considerem como esses dados são lidos e organizados.
A Starlink já permite que celulares se conectem diretamente aos satélites por meio da tecnologia Direct to Cell, sem a antena usada no serviço residencial. A proposta evoluiu de mensagens de texto para acesso a dados e chamadas via aplicativos, com operação feita em parceria com operadoras de telefonia que disponibilizam parte das frequências.
No Brasil, Vivo e Starlink participam de um ambiente experimental autorizado pela Anatel, com permissão válida até abril de 2029, mas ainda sem oferta comercial ampla. Enquanto isso, a SpaceX recebeu autorização da FCC para implantar até 15 mil satélites de nova geração, com novas frequências para ampliar cobertura e capacidade, inclusive em ambientes internos, aproximando a tecnologia de serviços móveis mais avançados.
A AWS abriu o código do Pizza Bot, uma aplicação self-hosted que permite que agentes de IA executem tarefas em segundo plano e devolvam os resultados em uma interface estilo caixa de entrada. O sistema organiza fluxos longos com threads de trabalho, suporta execução agendada ou acionada por webhook e permite delegar tarefas a workers especializados, pedindo aprovação humana quando ações forem consideradas sensíveis.
Com licença Apache 2.0, o Pizza Bot usa arquitetura cliente-servidor e mantém estado do agente, checkpoints, anexos e logs localmente em uma pasta controlada pelo usuário. O projeto foi desenhado para enviar dados apenas ao provedor de modelo configurado e para MCP servers explicitamente habilitados, com credenciais armazenadas no secret store do sistema, reduzindo a necessidade de monitoramento contínuo durante a execução.
A Amazon Web Services (AWS) lançou o Pizza Bot, um aplicativo open-source que oferece uma “caixa de entrada” no estilo de e-mail para gerenciar agentes de IA que rodam em segundo plano. A proposta é substituir a interface de chat, já que o trabalho do agente pode continuar mesmo quando o usuário sai para almoço ou dorme, com tarefas concluídas chegando como threads “não lidas” e itens que exigem decisão humana sendo destacados para ação.
O Pizza Bot inclui um painel de atividades com jobs repassados a agentes especialistas, mostrando uso de ferramentas e progresso. O projeto é independente da AWS e pode ser self-hosted, com app para macOS, Windows e Linux e clientes via navegador e terminal, além de suporte a modelos como Anthropic, Amazon Bedrock, Google Gemini, OpenAI, OpenRouter e Ollama, usando LangGraph para persistência e retomada de execuções.
Redis está usando engenharia de contexto para viabilizar aplicações com LLM em cenários com restrições reais de tempo. Em uma apresentação, Ricardo Ferreira contou como desenvolveu o Agent Memory Server (AMS), um projeto open source para criar camadas de memória de curto e longo prazo sobre Redis, com foco em permitir conversas mais naturais.
Para testar o AMS, ele criou a skill “My Jarvis” para Alexa, com respostas limitadas por um timeout fixo de 8 segundos. A arquitetura inclui uma função Lambda no backend, o SDK da Alexa e o LangChain4j (Java), que orquestra o acesso a um LLM via OpenAI, enquanto o desenvolvimento enfrenta problemas como context poisoning, distração por excesso de dados, confusão e “context rots”.
