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 discussão sobre o Lean, um provador de teoremas usado na formalização de provas matemáticas, destaca como sistemas desse tipo verificam resultados no nível das regras lógicas e das bases da matemática. O texto lembra que o mathlib, biblioteca do ecossistema Lean, reúne quase 300 mil teoremas, mais de 100 mil definições e cerca de 2,5 milhões de linhas de código, com participação de mais de 700 colaboradores.
O avanço mais recente apontado é a autoformalização: a ideia de que sistemas de IA podem ler textos matemáticos e produzir provas formais no Lean (ou em outros assistentes). Em 2025 e 2026, projetos citados vão de uma quasi-autoformalização do teorema dos números primos até a autoformalização de grandes partes de livros, incluindo o Teorema de Fermat anunciado pela Anthropic em 4 de setembro e a formalização do problema de blowup de Navier-Stokes com forcing, associada à OpenAI em 8 de setembro.
Mulheres usam inteligência artificial no trabalho 22% menos do que homens, segundo dados da Lean In após uma pesquisa com mais de 1.000 americanos. O levantamento indica que a diferença não está ligada a uma lacuna de habilidades, mas a menos incentivo de gestores e menor acesso a treinamento.
O estudo Global Evidence on Gender Gaps and Generative AI Over Time também aponta o “AI competence penalty”: engenheiras que usam IA podem ser avaliadas como 13% menos competentes por colegas, enquanto o impacto para homens é de 6%. Para reduzir o risco de virar uma “lacuna de carreira”, a recomendação é medir a adoção de forma direta e corrigir incentivos, reconhecimento e critérios de avaliação ligados ao uso de IA.
A OpenAI afirma ter encontrado uma solução gerada por inteligência artificial para as equações de Navier-Stokes, um dos problemas mais difíceis da matemática. A empresa mobilizou mais de 1.000 agentes de IA por mais de 50 horas consecutivas, chegando a uma prova formalizada na linguagem de programação Lean.
O esforço, segundo a OpenAI, teve custo “na casa dos milhões de dólares” e foi intensificado em 28 de agosto após rumores de que a Anthropic estaria perto de apresentar uma solução. A iniciativa também gerou questionamentos sobre autoria e possível acesso a informações de pesquisadores, enquanto a confirmação matemática independente deve ser decisiva para validar a prova.
A OpenAI afirmou que um sistema de IA da empresa resolveu um problema matemático em aberto há cerca de 90 anos. A questão envolve as equações de Navier–Stokes, usadas para descrever o movimento de líquidos e gases, com aplicações em áreas como previsão do tempo, desenvolvimento de aviões e estudos de fluxo de sangue.
Segundo a OpenAI, cerca de 10 mil agentes de inteligência artificial trabalharam simultaneamente e chegaram ao resultado em aproximadamente 88 horas. A empresa divulgou uma demonstração matemática e uma versão escrita em Lean, além de dizer que não pretende reivindicar o prêmio associado ao desafio dos “Problemas do Milênio”.
A OpenAI revelou que produziu soluções para 10 problemas matemáticos de longa data, em um anúncio feito dias antes de a reportagem conversar com o matemático James Maynard, professor da Universidade de Oxford e vencedor da Fields Medal. Os resultados foram apresentados como feitos por um modelo avançado não revelado chamado Astra, com foco em áreas que vão da matemática mais abstrata a questões com implicações práticas.
Entre os exemplos citados estão avanços sobre empacotamento de esferas em mais de três dimensões, limites de códigos de correção de erros e questões sobre redes conectadas antes do surgimento de padrões estruturais. A iniciativa também gerou debates sobre atribuição de crédito e levou a OpenAI a atualizar a linguagem do post para refletir melhor trabalhos anteriores, além de incluir a certificação das provas com Lean.
Nova Orleans (EUA) está testando um sistema de IA para triagem de chamadas de emergência do 911, em vez de atender apenas com despachantes humanos. O Orleans Parish Communication District (OPCD) afirma que a ferramenta, da Carbyne, foi criada para reduzir o volume de ligações que chegam diariamente — mais de mil chamadas de emergência por dia.
Na prática, a IA faz perguntas para entender o tipo de ocorrência e encaminha o contato: se for sobre o mesmo incidente, pode fornecer informações e atualizações; se não for, a ligação é transferida para um atendente humano. A cidade já havia implementado IA em abril para chamadas 311 (não emergenciais), e agora avalia o uso no 911 com foco em direcionar e organizar a demanda, mantendo supervisão humana.
A iniciativa importa porque pode melhorar a eficiência e o tempo de resposta durante picos de chamadas, mas também levanta riscos como vieses nos dados, falhas de reconhecimento de fala (por sotaques, dialetos e variações de voz) e necessidade de monitoramento, cibersegurança e regras claras. Para o setor tech, o caso reforça a tendência de agentes de IA entrando na linha de frente de serviços críticos, exigindo validação contínua e governança.
:quality(85)/6de05839-f89f-4e11-9241-bf65e6e6c8d6.jpg)
/https://s04.video.glbimg.com/x720/992055.jpg)
