Pesquisadores de segurança alertam que conteúdo sexual explícito gerado por IA sem consentimento segue se espalhando sem controle, com compartilhamento em mensagens diretas e armazenamento em nuvens privadas, o que dificulta detecção e denúncia. Um estudo coautorado pela Google com usuários da internet nos Estados Unidos, Austrália e Reino Unido, publicado em julho, aponta que o ponto de intervenção mais crítico está na origem das ferramentas usadas para criar as imagens falsas.
Em testes recentes, pesquisadores do White Circle afirmam que guardrails de geradores de imagens de texto de Google e OpenAI podem estar falhando à medida que os modelos ficam mais capazes. Um preprint divulgado no mês passado descreve vulnerabilidades em DALL·E 3, Nano Banana 2 e GPT-Image-2, com a equipe dizendo que, usando ferramentas disponíveis publicamente e chamadas via API, conseguiu gerar conteúdo explícito cerca de 13% das vezes.
O Wellhub revelou o Panorama do Bem-Estar Corporativo 2027 e indica que a adoção de inteligência artificial pode aumentar a carga de trabalho para quem já domina a tecnologia. No Brasil, 37% dos trabalhadores “avançados em IA” relatam que o uso da ferramenta elevou o volume de tarefas, ante 13% entre quem está nos primeiros estágios de adoção. O levantamento também mostra que, no recorte brasileiro, oito em cada dez usuários avançados orientam outras pessoas sobre as ferramentas.
Os dados ainda apontam diferenças nos relatos de esgotamento: 23% dos profissionais mais avançados dizem ter sintomas de burnout diariamente, contra 11% dos iniciantes. A pesquisa destaca que políticas claras e bem comunicadas sobre IA se associam a maior resiliência, e que 75% dos usuários avançados citam recursos de bem-estar como apoio para se adaptar ao ambiente impulsionado pela tecnologia. O estudo foi conduzido entre 12 e 19 de junho de 2026 com mais de 5 mil profissionais em dez países.
O pendant Friend 2, chatbot em formato de pingente sempre “listening”, chegou em julho custando US$ 249 e usa os “latest language models” da OpenAI. O dispositivo responde a comandos e também pode falar sem ser provocado, com um recurso de “silenciar” que exige toques no aparelho.
A Avi Schiffmann, criadora do Friend, afirmou que a próxima atualização vai tornar os chatbots mais “agentically” e mudar a personalização: em vez de personalidades únicas por usuário, todos conversariam com a mesma entidade, compartilhando contexto entre usuários. A proposta aponta para um “hivemind” do Friend, com mudanças que devem afetar como o sistema se comporta e como a privacidade é tratada.
A Spotify Ads apresentou no QCon AI uma plataforma multiagente que automatiza a criação de anúncios a partir de instruções do anunciante, reduzindo tarefas como copywriting e geração de conteúdo musical. O sistema roda em produção no Spotify Ads Manager e, desde o lançamento do ano passado, mais de 70% dos anúncios passaram a usar ferramentas de IA, com cerca de 20.000 criativos gerados para mais de 7.000 anunciantes.
A arquitetura inclui um gateway de LLM via Vertex AI e um orquestrador de agentes com agentes paralelos, como um para geração de scripts e outro para aplicar guardrails de políticas. A solução também extrai intenções do texto natural para definir segmentação e usa camadas de moderação e padronização do ambiente, com controle de dependências e monitoramento integrado para rodar a IA com baixa latência e segurança.
A DoorDash criou a equipe “GenAI Platform” para viabilizar projetos com inteligência artificial generativa e compartilhou, em uma apresentação, como estruturou a plataforma desde 2023. O time relata que começou após o “momento ChatGPT” (nov/22), decidiu usar OpenAI e focou em princípios como ser “customer obsessed”, priorizar APIs/SDKs e construir fluxos ponta a ponta, e não apenas notebooks ou acesso a GPUs.
A estratégia também evitou apostar em chatbots e direcionou o trabalho para impacto no negócio, com casos ligados a automação, recomendações e personalização. A plataforma já tem mais de 5.000 usuários internos e registra 45 novos cadastros por dia, com cerca de 40% do público formado por não engenheiros usando APIs, o que levou o time a reforçar governança e accountability na adoção.
Projetos complexos costumam envolver dezenas de variáveis, e qualquer mudança fora do planejado pode afetar cronograma e orçamento. A inteligência artificial pode ser usada para analisar informações, identificar padrões e sinalizar riscos antes que virem problemas maiores, apoiando decisões com mais dados.
Uma das aplicações é cruzar grandes volumes de dados sobre tarefas, recursos, custos e histórico para apontar sequências atrasadas e tarefas com maior potencial de impactar outras etapas. Modelos de IA também ajudam a prever riscos ao reconhecer sinais associados a atrasos, aumento de custos e falhas na distribuição de recursos, enquanto o Project Management Institute (PMI) relata uso de GenAI em planejamento, gerenciamento de riscos, cronogramas e custos.
A adoção de IA nas empresas avançou mais rápido do que a governança, criando um problema de segurança: organizações não conseguem proteger o que não conseguem ver. Sem visibilidade, fica mais difícil monitorar movimentação de dados, aplicar políticas e entender quais ferramentas ou agentes de IA estão operando no ambiente.
O Cisco 2025 Cybersecurity Readiness Index aponta que 60% das organizações não sabem quais solicitações os funcionários fazem a ferramentas de GenAI. O texto destaca que monitoramentos tradicionais não foram feitos para rastrear como a IA se move na rede, incluindo casos de “Shadow AI” e uso de agentes com acesso não monitorado, e defende auditoria contínua, inventário vivo e detecção comportamental com plataformas como a Darktrace.
O M&T Bank implantou copilotos de IA para mais de 15.000 funcionários, usando a tecnologia em rotinas internas, atendimento ao cliente, desenvolvimento de software e gestão de riscos. A instituição analisa conversas do call center com IA, redige relatórios, gera código e identifica necessidades de clientes, além de sinalizar riscos de portfólio.
Antes do rollout mais amplo, o banco restringiu o acesso a modelos públicos por receio de inserção de informações sensíveis em serviços abertos. Depois, avaliou fornecedores corporativos e escolheu o Microsoft Copilot, começando com um piloto de cerca de 800 funcionários; a empresa também exige revisão humana e orienta o uso apenas de ferramentas aprovadas, com proibição de dados confidenciais e regulados em sistemas não autorizados.
O Pentágono lançou versões do ChatGPT da OpenAI e do Grok da xAI para o portal seguro GenAI.mil, ampliando o acesso a ferramentas de IA generativa para 3 milhões de militares e civis do Departamento de Defesa. As versões “ChatGPT Mil” e “Grok for Government” foram adaptadas para atender às necessidades de “warfighter needs”, com foco em uso em tarefas rotineiras e trabalho não classificado.
O GenAI.mil, que já havia começado a oferecer o Google Gemini, foi criado para permitir acesso a modelos comerciais de IA de fronteira sem enviar dados governamentais sensíveis pelos canais comuns de consumo. Segundo o Departamento de Defesa, o portal já reuniu mais de 1,7 milhão de usuários únicos, e as novas adições fazem parte do esforço para acelerar o trabalho mantendo a segurança.
Na RSA Conference, um painel sobre segurança de código com GenAI destacou que o “security debt” acumulado pode estar chegando ao limite ao mesmo tempo em que a geração de código por IA acelera o desenvolvimento. Dave Aitel, da OpenAI, afirmou que a indústria está diante de um “vulnpocalypse”, com décadas de dívida técnica em segurança se acumulando e “vindo à tona” de uma vez.
O debate também apontou que o ritmo do chamado “vibe coding” — em que equipes escrevem prompts e aceitam o que a IA gera — comprime descobertas de falhas que antes levariam anos. Pesquisas citadas no painel indicam que 82% das organizações carregam security debt em 2026, e as equipes que lidam melhor com o problema investem antes, embutindo testes e feedback rápido no fluxo de desenvolvimento para corrigir vulnerabilidades em minutos.
Compreensão humana é tratada como uma característica arquitetural que precisa ser mantida ativamente: ela “decaí” silenciosamente com o tempo, e um sistema que não é entendido não evolui com segurança. Em sistemas complexos, incidentes em produção costumam revelar que grande parte do esforço vai para descobrir como as partes se conectam e o que o sistema realmente faz, em vez de localizar o bug.
O texto afirma que a IA generativa reduziu o esforço de implementação que antes ajudava a construir o modelo mental do sistema, fazendo a “dívida de compreensão” aparecer mesmo quando o código passa por gates de qualidade. Para lidar com isso, equipes devem manter um modelo compartilhado do núcleo complexo e de suas “costuras”, usando revisões humanas como ponto de checagem antes e depois da geração, além de monitorar sinais do desgaste da compreensão.
A Mitigant, empresa de segurança em nuvem, apresentou uma abordagem para “GenAI red teaming” baseada em emulação de adversários, com foco em testar aplicações de inteligência artificial como um atacante testaria. O fundador Kennedy Torkura destacou a necessidade de ir além da confiança em controles existentes e encontrar “blind spots” por meio de ataques seguros.
No evento, ele citou o MITRE ATLAS como referência para mapear técnicas e impactos de ataques, incluindo variações voltadas a sistemas de IA, como “AI attack staging”. A proposta é ajudar equipes de segurança e operações (como SOC, detecção e red/purple team) a estruturarem testes e alinharem os resultados ao que é esperado em cenários reais de ameaça.
A Zoho Corporation, avaliada em US$ 12,5 bilhões, decidiu fincar presença no Brasil em fevereiro de 2020 e busca ampliar sua atuação em um mercado que o executivo descreve como mais complexo por causa das regras locais e da disputa entre concorrentes. Rodrigo Vaca, country manager no país, afirma que a receita anual global da empresa chega a US$ 1 bilhão e detalha como a companhia montou uma estratégia de entrada voltada a PMEs e, depois, a grandes corporações.
No contexto de inteligência artificial e mudanças no cenário geopolítico, Vaca diz que as decisões de CIOs passaram a incluir preocupações com segurança e “diplomacia dos dados”. Ele também afirma que a Zoho trabalha com uma filosofia all-in-one no modelo SaaS, e que a Gen AI entra como parte da evolução do produto: a empresa usa SLMs próprios para ganhar eficiência, velocidade e reduzir custos.
Empresas estão adotando a arquitetura Retrieval-Augmented Generation (RAG) para melhorar chatbots que antes respondiam com base apenas no conhecimento do modelo. A ideia é reduzir o risco de respostas imprecisas ou “alucinações” ao fazer o sistema buscar documentos autorizados pela empresa — como políticas, contratos, manuais e artigos — antes de gerar a resposta. Na prática, o chatbot consulta uma “base interna” e só então formula o texto usando esse material como referência.
Isso importa porque, em áreas onde precisão pesa mais que criatividade, o RAG aumenta a aderência às informações mais recentes e às regras do negócio. Para times de atendimento, jurídico e RH, a mudança significa responder dúvidas com fundamento em documentos corporativos, em vez de depender exclusivamente do que o modelo aprendeu no treinamento.
Pela terceira vez seguida, a OWASP colocou a prompt injection no topo do ranking “OWASP GenAI / LLM Top Ten” de 2026, destacando-a como a prática mais explorada. A lista foi reforçada com dados: a organização afirma ter uma base com cerca de 10 mil incidentes reais de segurança em IA, usada para confrontar percepções de especialistas. Segundo Steve Wilson (OWASP GenAI Security Project), o medo do setor nem sempre coincide com o que os registros mostram.
O relatório também mantém a divulgação de informações sensíveis entre os principais riscos e aponta a “excessive agency” (agentes com permissões demais) subindo para o 3º lugar. Para times dev/tech, a mensagem é clara: sistemas com LLMs precisam ser desenhados assumindo que entradas podem confundir o modelo (data vs. instrução) e que permissões devem ser limitadas e monitoradas continuamente, já que não existe “fix definitivo” como em falhas clássicas.
