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 relatório da DX, o “State of AI Impact in Engineering”, analisou organizações de engenharia em velocidade, efetividade, qualidade e impacto e encontrou um descompasso: apesar do investimento em IA ter crescido 28 vezes na maioria das empresas, métricas de velocidade (velocity) ficaram estagnadas e até caíram, especialmente em times com mais de 99 engenheiros. O deputy CTO da DX, Justin Reock, afirma que o custo subiu de forma exponencial, mas o ritmo de entrega não acompanhou.
O estudo também destaca tensões no Developer Experience Index (DXI), com manutenção de código melhorando, enquanto a “change confidence” piora — os times passam a confiar menos no que liberam em produção. Além disso, o tamanho médio das PRs (pull requests) aumentou de 42 linhas em julho de 2025 para 72 linhas um ano depois, e a entrega incremental foi o indicador que mais sofreu, sugerindo impacto na qualidade e na estabilidade das mudanças.
Embora a IA já tenha melhorado a produtividade de times de engenharia, um debate em torno do “gap” mostra que o ganho não é tão uniforme quanto prometem. A análise aponta que, para desenvolvedores sêniores, grande parte do tempo não está apenas em escrever código, mas em entender requisitos, decidir o que implementar e revisar/organizar trabalho — áreas em que a IA ainda ajuda pouco. O texto também sugere que, em algumas tarefas não relacionadas ao coding, como leitura de documentos de requisitos ou tickets gerados por IA, o processo pode até ficar mais lento.
Mesmo assumindo que a IA acelere o desenvolvimento em até 3x, o impacto diário para sêniores seria relativamente limitado (algo como cerca de 15%), enquanto para juniores o ganho tende a ser maior (por volta de 25%). A mensagem para líderes e times é clara: não dá para esperar saltos dramáticos de produtividade só “colocando IA para codar”; o maior desafio continua sendo transformar requisitos e decisões técnicas em entregas de produção com qualidade.
