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.
Falhas de agentes de IA em produção têm menos a ver com raciocínio e mais com a incapacidade de gerenciar o que entra no contexto: histórico de conversas, prompts grandes, definições extensas de ferramentas e saídas que crescem a cada interação. Com o acúmulo, o agente “afoga” em sua própria memória e paga um custo de tokens que aumenta a cada turno, levando a esquecimentos dentro e entre conversas.
A pesquisa defende que o problema não deve ser tratado apenas como armazenamento e busca, mas como uma questão de ciclo de vida e arquitetura do contexto. O trabalho propõe a disciplina Agentic Context Management (ACM), com cinco primitivas (arquitetar, ingerir, delimitar, antecipar e compactar/consolidar), além de uma implementação de referência chamada Maximem Synap, que reporta 92% no LongMemEval e 93,2% no LoCoMo.
A Okta afirma que listas de ferramentas do Model Context Protocol (MCP) com escopo por identidade podem reduzir os custos de tokens de agentes de IA. A empresa diz que, em cada chamada de modelo, o agente recebe no prompt a representação de todas as ferramentas expostas pelo servidor MCP — incluindo schema, nome, descrição e parâmetros — o que gera o chamado “tool tax”, tokens consumidos mesmo quando o agente não chega a usar a ferramenta.
A proposta da Okta filtra as ferramentas antes de o prompt ser montado, usando permissões atribuídas à identidade do agente e ao usuário associado. Em modelagens internas, alguns cenários reduziram em mais de 90% o número de ferramentas visíveis e, na mesma proporção, os custos de tokens dos schemas, sem apresentar valores absolutos; a empresa também relaciona o mecanismo a menor exposição a ataques ao limitar ações possíveis para identidades não autorizadas.
