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.
Um leitor escreveu a Mark Seemann uma carta com perguntas sobre como aprender programação na era dos LLMs, e ele respondeu publicamente com trechos extensos do texto. Seemann relata que, há cerca de um ano, começou a construir um sistema grande com TypeScript/JavaScript usando LLMs, envolvendo APIs, PostgreSQL, pipelines com modelos e fluxos multi-modelo. No início, a experiência pareceu “mágica”, mas ao tentar levar o sistema a um produto de verdade, ele diz que passou a corrigir erros e, em seguida, surgirem novos problemas em partes que não compreendia totalmente.
A dificuldade, segundo ele, é que o sistema pode ficar “acima do nível de entendimento” de quem o criou: quando tudo funciona, a lacuna quase não aparece, mas quando falha, ela se torna evidente. Seemann afirma que, em alguns momentos, não sabe o que fazer sem pedir ajuda a outro modelo, e levanta a questão sobre qual deve ser a relação correta entre profissionais e LLMs para manter domínio real do que está sendo construído.
Agentes de IA podem virar um novo vetor de “database sprawl”: em vez de um único banco, empresas passam a ter centenas ou até milhares de instâncias para atender cada agente. A YugabyteDB propõe o YugabyteDB AMP (Agentic Multitenant Postgres), um tier serverless de PostgreSQL com multitenancy, que isola o banco de cada agente e escala para zero quando não há uso.
A plataforma vem com quatro agentes embutidos: Architect (criação e provisionamento), Voyager (migração e modernização), Perf Advisor (monitoramento e análise de performance/causas) e Nexus (integrações com data streams, warehouses e sistemas externos). O ponto-chave para devs é ganhar provisionamento e otimização assistidos por IA com controle por ambiente (ex.: modo “dry run” e permissões), além de suportar experimentos baratos e, quando necessário, evolução para camadas distribuídas sem reescrita do app.
