Notícias

O que importa em inteligência artificial, curado para você.

OpenAI quer consertar a internet usando IA (e provoca Anthropic)

OpenAI anunciou o 'Patch the Planet', uma iniciativa em parceria com a Trail of Bits para ajudar a comunidade de código aberto a identificar e corrigir vulnerabilidades de segurança. Engenheiros de segurança trabalharão diretamente com mantenedores de projetos open source, usando ferramentas de IA como o Codex Security para revisar problemas antes que cheguem aos desenvolvedores. O movimento é inteligente por várias razões. Primeiro, reconhece um problema real: a maioria dos softwares comerciais depende de código aberto mal monitorado e frequentemente inseguro. Segundo, inverte a narrativa: enquanto a Anthropic promove ferramentas de IA para encontrar vulnerabilidades (criando exploits), a OpenAI oferece uma solução defensiva. Terceiro, reduz o peso sobre mantenedores que já estão sobrecarregados. Mas há nuances importantes. Não está claro como o programa vai escalar, quanto tempo vai demorar e qual será o modelo de longo prazo. Além disso, existe uma tensão subjacente: a mesma IA que identifica bugs automaticamente poderia ser usada para explorá-los. A iniciativa é genuinamente necessária para o ecossistema open source, mas também funciona como uma jogada competitiva clara contra Anthropic. No fim, é um raro caso onde interesse corporativo e bem público se alinham (ao menos por enquanto).

· 25 de jun.

Notícia

A moda das demissões: quando AI vira desculpa

2026 virou o ano das demissões em massa na tech. Oracle cortou 21 mil funcionários (13% da força de trabalho) em 12 meses, citando explicitamente a adoção de tecnologias de IA. Mas a história se repete em gigantes como Meta (8 mil demissões), Intuit (3 mil), Cisco (4 mil) e Cloudflare (1.100 pessoas). O padrão é sempre o mesmo: receitas recordes, lucros em alta, e ainda assim cortes justificados por "preparar a empresa para IA". Maio foi o pior mês em anos para demissões no setor, com IA sendo o motivo mais citado pelas empresas. O cinismo dessa narrativa é transparente quando você olha os números. Google cresceu receita de Cloud 63% para mais de 20 bilhões de dólares e ainda assim cortou entre 1.500 e 3 mil engenheiros silenciosamente. Cloudflare bateu recorde de receita trimestral (639,8 milhões) e mesmo assim demitiu 20% do time. Meta deslocou 7 mil funcionários para "papéis focados em IA" que os próprios colaboradores odeiam. A verdade incômoda: muitas dessas empresas contrataram demais durante a pandemia, e agora usam IA como justificativa corporativa bonita para fazer ajuste de pessoal. O pior é que empresas como GitLab estão inventando problemas que não existem. Cortou 350 pessoas (14% do staff) para "reconstruir infraestrutura para workloads de agentes". Seu CEO fala de requisitos de crescimento de "100x", citando competidores sendo "empurrados ao limite". Tudo muito dramático. Enquanto isso, a empresa segue crescendo 23% ano a ano. A pergunta que ninguém quer fazer em voz alta: se a IA realmente vai automatizar tudo, por que essas empresas ainda precisam de qualquer funcionário?

· 25 de jun.

Pesquisa

LifeSciBench: o benchmark que IA precisava para ciências da vida

LifeSciBench é um novo benchmark desenvolvido para avaliar modelos de linguagem em tarefas específicas das ciências da vida, desde biologia molecular até descoberta de fármacos. O dataset inclui problemas reais que pesquisadores enfrentam no dia a dia, não aquelas questões genéricas de múltipla escolha que não medem nada. Por que importa? Porque os modelos de IA atuais são treinados em dados gerais da internet. Quando colocados para resolver problemas biológicos complexos, eles patinam. LifeSciBench fornece métricas honestas sobre o que esses modelos realmente conseguem fazer (ou não) em um dos campos mais sensíveis: onde a IA pode acelerar descobertas científicas ou simplesmente alucinar respostas perigosas. O benchmark cobre desde predição de estrutura de proteínas até interpretação de ensaios clínicos. Isso oferece aos pesquisadores uma forma padronizada de comparar qual modelo funciona melhor para cada tarefa específica, eliminando aquele costume irritante de cada equipe usar sua própria métrica inventada na hora.

· 25 de jun.♥ 1

Notícia

Samsung libera ChatGPT e Codex para 100 mil funcionários

Samsung Electronics acaba de abrir acesso a ChatGPT e Codex (modelo de geração de código da OpenAI) para aproximadamente 100 mil de seus funcionários. A decisão marca um ponto de inflexão na adoção corporativa de IA generativa por uma das maiores fabricantes de eletrônicos do mundo, sinalizando que gigantes da tech estão deixando de ser espectadores para agir. A empresa coreana vê clara oportunidade de ganho de produtividade em desenvolvimento de software e operações de back-office. Codex é particularmente relevante para funções técnicas, enquanto ChatGPT promete acelerar tudo, da geração de documentação até análise de dados. É um movimento pragmático: em vez de desenvolver soluções internas (caras e demoradas), reutiliza ferramentas já consolidadas. Mas aqui vem o detalhe importante. Samsung não está apenas entregando acesso livre a seus 100 mil: está estabelecendo diretrizes internas, limitações e controles. Dados sensíveis não podem ser alimentados nos modelos. É a realidade corporativa batendo no entusiasmo da IA generativa. Segurança, propriedade intelectual e conformidade regulatória não permitem brincadeiras.

· 25 de jun.

Notícia

IA em loops: quando agentes trabalham sozinhos

A IA está entrando em uma nova fase, e Boris Cherny, criador do Claude Code, não tem dúvidas: os loops (agentes que rodam continuamente, ajustando seu próprio trabalho) são tão importantes quanto a transição anterior de código manual para agentes. A ideia é simples mas potente: em vez de dar uma tarefa e esperar o resultado, você libera múltiplos agentes para trabalhar em segundo plano indefinidamente, melhorando código, unificando abstrações e nunca parando. Não é tecnicamente novo. Loops recursivos são conceitos básicos de programação há décadas. Mas quando aplicados a IA agentica (onde um modelo decide quando parar em vez de uma condição pré-definida), o potencial muda drasticamente. Desde o simples Ralph Loop até arquiteturas mais sofisticadas, a lógica é a mesma: deixar o modelo trabalhar iterativamente até resolver o problema. É parte de uma tendência maior de investir em "test-time compute", ou seja, gastar mais poder computacional durante a execução para obter melhores resultados. O problema? Isso queima tokens como ninguém. Agentes rodando indefinidamente não têm teto de custo. Para Anthropic, que vive de vender tokens, é ótimo negócio. Para o resto, pode ser caro demais. Mas se o setup certo permitir controlar gastos e drift, os benefícios podem ser suficientes para justificar. A questão real não é se loops são hype, mas quanto você está disposto a pagar para deixar a IA trabalhar sozinha.

· 24 de jun.♥ 1

Lançamento

Claude Tag: seu colega IA que não sai do Slack

A Anthropic lançou Claude Tag, um assistente de IA persistente que vive no Slack e funciona como um membro permanente da equipe. Diferente das integrações anteriores que respondiam sob demanda, Claude Tag aprende continuamente sobre o trabalho do seu canal, acumula contexto ao longo do tempo e pode até acessar informações de outros canais da organização se autorizado. O recurso está em beta para clientes do Claude Enterprise e Claude Team. O que distingue Claude Tag é a combinação de dois modos de operação. No modo reativo, ele responde quando marcado e quebra tarefas em etapas usando as ferramentas disponíveis. No modo ambient, ele proativamente participa das conversas, sinaliza informações relevantes de outras áreas da organização e retoma tarefas esquecidas. Todos no canal veem a mesma identidade Claude, então qualquer um pode continuar de onde outro parou, criando uma continuidade de conhecimento que era praticamente impossível antes. Isso faz parte de uma tendência maior no mercado de enterprise AI: empresas como Microsoft (Graph), Snowflake, Databricks e Glean estão investindo pesadamente em camadas que entendem o contexto organizacional. A diferenciação não é mais apenas a capacidade do modelo de responder bem isoladamente, mas de compreender o ecossistema inteiro de dados, processos e histórico da empresa. Para times que usam Slack intensivamente, Claude Tag tenta ser o elo que conecta IA a todo esse conhecimento tácito.

· 23 de jun.♥ 2

Pesquisa

Teste de respiro detecta pneumonia em minutos

Pesquisadores do MIT desenvolvem PlasmoSniff, um sensor portátil capaz de diagnosticar pneumonia e outras infecções pulmonares simplesmente analisando o ar exalado. O sistema funciona assim: o paciente inala nanopartículas especialmente projetadas que se ligam a biomarcadores presentes apenas em infecções. Quando há doença, enzimas do corpo liberam esses biomarcadores, que são então exalados e detectados pelo sensor. O trabalho começou em 2020 quando o lab da professora Sangeeta Bhatia demonstrou que nanopartículas conseguiam detectar pneumonia em camundongos. O desafio estava na medição: precisava de equipamentos de laboratório caros e sofisticados. Agora, Loza Tadesse e sua equipe usam uma versão melhorada de espectroscopia Raman (uma técnica que analisa moléculas com luz) para detectar esses biomarcadores em concentrações extremamente baixas. O resultado promete ser revolucionário em simplicidade. Um paciente inala as nanopartículas e, em cerca de 10 minutos, o teste mede os biomarcadores exalados. O próximo passo é empacotar essa tecnologia em um instrumento portátil para consultórios ou uso domiciliar. Além de pneumonia, o sistema também consegue detectar poluentes industriais e químicos no ar, abrindo aplicações muito além do diagnóstico médico.

· 23 de jun.

Notícia

GPT-5 resolveu o que imunologista não conseguiu em 3 anos

A imunologista Derya Unutmaz usou o GPT-5 para desvendar um mistério científico que a intrigava há três anos. O caso ilustra como modelos de linguagem avançados estão começando a ser ferramentas legítimas para pesquisa, não apenas para hype. Unutmaz trabalha no estudo de respostas imunológicas, um campo onde conectar padrões complexos em literatura espalhada é exatamente o que IA generativa faz bem. O que torna isso relevante não é o "AI resolveu tudo" que você vê em manchete de startup. É o fato de que um pesquisador experiente, com décadas de expertise, considerou a IA uma ferramenta digna de tentar quando os métodos tradicionais emperraram. Isso marca uma mudança real: menos "IA vai substituir cientistas" e mais "IA como co-pesquisadora que ajuda a sintetizar o insintetizável". Para quem trabalha em pesquisa ou desenvolvimento científico, a lição é clara: existem tarefas específicas onde LLMs já agregam valor tangível. Mas ainda depende de quem está usando. A expertise de Unutmaz foi essencial para formular a pergunta certa, interpretar a resposta e validar o resultado. A máquina não fez milagre; acelerou o processo onde humano e modelo se complementam.

· 23 de jun.