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.
Agentes de inteligência artificial estão sendo integrados a mensagens como iMessage, SMS e apps como WhatsApp e Telegram, permitindo que usuários peçam tarefas diretamente pelo texto. Em vez de baixar um aplicativo separado, esses agentes podem lembrar contexto, conectar-se a serviços já usados e executar ações como agendar compromissos, organizar calendários, pesquisar viagens, enviar e-mails, fazer reservas e até compras online.
Entre as opções citadas estão Caddy, em beta público desde abril de 2026, e Comma, que gerencia tarefas e mantém contexto entre dispositivos, além de Fambot, voltado para rotinas familiares com resumos diários enviados à noite. A lista também inclui Instinct, com ações por texto ou voz e integração com e-mail e calendário, além de Iris (com Hermes Agent) e Martin, que oferece assistente geral com acesso por SMS, WhatsApp, Slack e e-mail.
Uma nova leva de agentes de IA permite que tarefas sejam feitas diretamente por mensagens, sem a necessidade de baixar um aplicativo. Usuários enviam comandos por iMessage, SMS ou apps como WhatsApp e Telegram, e os agentes conseguem manter contexto, conectar-se a serviços já usados e executar atividades como agendar compromissos, organizar calendários, pesquisar viagens, enviar e-mails, fazer reservas e até fazer compras online.
Entre as opções citadas estão o Caddy (em beta público desde abril de 2026), que funciona no iMessage e no RCS e adiciona eventos e lembretes ao calendário; o Fambot, voltado para famílias e com resumo diário enviado à noite; e o Instinct, que após rodadas que o levaram a US$ 10 bilhões de valuation passou a oferecer endereços de e-mail dedicados para que o agente gerencie contas e trate solicitações sem lotar a caixa de entrada do usuário.
Pesquisadores e críticos vêm questionando a ideia de que modelos de linguagem em formato de chat sejam, por si, “inteligentes”. O texto afirma que LLMs não têm mecanismos comparáveis aos de cérebros e raciocínio humano, funcionando como modelos matemáticos de tokens: recebem um texto e geram uma resposta plausível. A crítica também diz que muitos usos atuais parecem se apoiar em efeitos de validação genéricos, que passam a sensação de respostas altamente específicas.
O argumento compara a dinâmica a golpes de “leitura fria” usados por videntes, em que frases com alta probabilidade para certos perfis criam validação subjetiva. Nesse modelo, o chatbot e o “psíquico” reforçam a impressão de entendimento profundo por meio de enunciados estatisticamente comuns, levando o usuário a interpretar como evidência de inteligência. O texto conclui que a “inteligência” percebida pode estar mais na interpretação do usuário do que no modelo.
A Meta anunciou um servidor MCP (Model Context Protocol) para permitir que agentes de codificação como Claude e Codex configurem o WhatsApp Business. Com a integração, o desenvolvedor conecta o agente, faz login na conta da Meta e escolhe quais empresas ele pode acessar, limitando o escopo do acesso.
O agente pode lidar com etapas como adicionar número e nome de exibição, receber o código único de verificação por SMS ou voz e registrar a conta para envio de mensagens. Depois do onboarding, ele também pode criar e gerenciar templates, testar envios, sugerir templates quando a janela de 24 horas expira e configurar webhooks para eventos e mensagens recebidas, com ações registradas e mudanças exigindo autenticação humana.
Golpistas criaram um site e um aplicativo falsos em nome do Mercado Livre Coleta para tentar invadir celulares e coletar dados pessoais. A fraude foi identificada pela empresa de segurança digital ESET, que teve acesso aos links usados no golpe e confirmou a prática.
O Mercado Livre Coleta é um serviço de logística para vendedores, mas a empresa não oferece um aplicativo exclusivo para esse serviço. No golpe, o site direciona para o download de um APK malicioso, que pode pedir permissões como acesso a VPN externa, gravação de tela, captura do que é digitado e acesso à câmera, permitindo controle remoto e tentativa de roubo de senhas e códigos recebidos por SMS.
O acrônimo AI;DR (AI; Didn’t Read) ganhou força como uma “política” para lidar com o aumento de textos gerados por IA sem edição. A proposta é que, se o conteúdo não foi revisado e ajustado o suficiente antes de ser compartilhado, a pessoa não se dispõe a lê-lo, mesmo quando a mensagem vem de alguém respeitado.
O texto cita exemplos como paredes de saída de ferramentas como Claude em discussões no Slack e publicações em newsletters e redes sociais com “AI-isms” visíveis. A ideia é preservar o espaço para usos em que 100% de cópia gerada por IA faz sentido, como suporte ao cliente, mas exigir um toque humano quando o conteúdo leva o nome de quem publica.
Uma pesquisa apresenta um framework formal para operadores de atenção em Large Language Models usando Persistent State Machines (PSMs), com provas matemáticas para limites de erro de quantização e uma construção discreta do Softmax sob hipótese de logits limitados. A proposta também é validada com implementação em FPGA: um array de 1024 células em Zynq-7000 (xc7z020) e uma integração em SoC com PCIe no UltraScale+ (xcvu9p), incluindo interconexões AMBA AXI4 e ponte PCIe Gen3 via XDMA. Nos testes, a lógica fechou timing a 62,5 MHz (WNS +1,854 ns) e a simulação com mais de mil vetores aleatórios bateu bit a bit com uma referência em software fix-point.
O que muda na prática é a tentativa de tornar a atenção mais “hardware-friendly”, usando transições locais determinísticas em células estacionárias e gating para reduzir comutação ativa. Para devs/tech, isso sinaliza caminhos para acelerar e baratear inferência de LLM em dispositivos programáveis, com foco em eficiência energética e escalabilidade — embora os números de energia sejam estimativas de ferramenta, não medições em placa.