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 AWS lançou o aws-bench, um benchmark open-source para avaliar com que precisão agentes de IA concluem tarefas reais no AWS, como diagnosticar configurações incorretas, provisionar infraestrutura e operar ambientes de nuvem em produção. Cada cenário roda em contas AWS isoladas, com recursos definidos em stacks do AWS CDK, enquanto o agente executa a tarefa em um container com credenciais com escopo.
Os resultados são verificados por um verificador automatizado, que pode usar um “LLM judge” ou checagens programáticas contra o estado ao vivo do AWS. O projeto inclui datasets com tarefas de observabilidade, compute e dados, bancos de dados e armazenamento, além de cenários como EC2 multi-região, serverless, streaming e IoT, e foi construído sobre o Harbor para adicionar provisionamento, cenários e verificação; o lançamento não traz métricas nem baseline público, e o benchmark está no GitHub sob licença Apache-2.0.
A Cloudflare anunciou o Cloudflare Computer, um runtime open-source para IA agents que busca ir além de contêineres temporários. A proposta é oferecer um ambiente “tipo computador”, usando Cloudflare isolates para execução rápida e escalável, com arquitetura que decide quando rodar em isolate, em sandbox de contêiner ou até no navegador. A empresa afirma que o modelo atual com containers não escala bem para cenários de “centenas de milhões” e “bilhões” de agentes simultâneos.
Na prática, o Cloudflare Computer tenta reduzir custo e latência ao manter o estado do agente em isolates (com hibernação quando não está em uso) e acionar contêineres apenas quando necessário. A solução inclui um filesystem compartilhado baseado em SQLite para isolar e containers trabalharem nos mesmos arquivos, com operações “gated, audited e observed”; há backends como container projects (FUSE), isolate shells (bash) e isolate JavaScript (ECMAScript module). O projeto ainda está em preview e, segundo a Cloudflare, é voltado a experimentos e protótipos.
A Runware, empresa de infraestrutura para IA, anunciou o Sonic Inference Pod: um data center modular e transportável para rodar inferência. A proposta é permitir expansão rápida criando novos “pods” em vez de ampliar uma instalação fixa, com foco em reduzir custo e manter qualidade de inferência acima de alternativas como plataformas serverless e GPU clouds.
Segundo a empresa, os pods podem ser implantados onde houver energia e usam resfriamento em circuito fechado (sem uso de água), com montagem em dias — enquanto data centers tradicionais podem levar meses ou anos. A Runware informou que já tem 10 pods em operação nos EUA, Europa e Ásia-Pacífico, atende clientes como Higgsfield AI e Wix e afirma ter 160 sites disponíveis para suportar a capacidade.
A notícia ganha força num cenário de corrida por capacidade de IA, com grandes players construindo data centers em larga escala. Para o público dev/tech, a mudança pode acelerar entregas de inferência com mais flexibilidade de capacidade e potencialmente reduzir pressão sobre infraestrutura local (como água e custos de utilidades), influenciando como modelos passam a ser servidos em produção.
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.
