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.
Ferramentas de coding com inteligência artificial já viraram parte do dia a dia de desenvolvedores: uma pesquisa informal com 103 pessoas aponta que 87% usam ou planejam adotar assistentes de IA para programar. Apesar da adoção alta, a confiança no código gerado segue baixa, com apenas 31% dizendo confiar na precisão do que a IA produz.
O levantamento também indica que 56% relatam ganhos de produtividade com ferramentas ou agentes de IA, citando geração mais rápida de código, menos tempo com documentação e apoio no debugging. No ranking de preferências, o Claude Code aparece como o mais citado (41%), seguido por Cursor (21%) e GitHub Copilot (10%), enquanto a principal barreira apontada é a falta de confiança, que mantém a revisão humana como etapa indispensável antes de qualquer código chegar à produção.
Assistentes de codificação com IA deixaram de ser novidade e viraram infraestrutura: em 2026, a maioria das equipes de engenharia usa essas ferramentas semanalmente e uma parcela crescente do código de produção é gerada por IA. Com isso, o desafio mudou de escrever código para verificar se ele está correto, seguro e alinhado ao que foi realmente pretendido.
Um estudo apresentado na GAISS 2026 avaliou a prática de revisar a especificação como “baseline” de governança. Os resultados indicam que a especificação não tornou revisores melhores para achar bugs, mas transformou a revisão em uma atividade ancorada em contrato, com rastreabilidade e maior confiança — ainda com impacto mensurável em tempo e custo, especialmente em tarefas com múltiplas restrições feitas por modelos capazes, porém imperfeitos.
Um “gap” entre o que empresas gastam com inteligência artificial e o valor duradouro que conseguem capturar está no centro do debate do setor. Apesar da adoção entusiasmada de assistentes de código e chatbots por funcionários, os ganhos ainda não se traduzem em transformação no nível organizacional.
Emily Xue, Head de Enterprise AI na Scale AI, participa de um episódio do Software Engineering Daily para explicar por que a IA pode estar “travando” em empresas e quais fatores separam as poucas organizações que obtêm resultados das que não conseguem. Ela aborda camadas em que a adoção falha, limitações de benchmarks de modelos de fronteira e o problema da base de dados, além de como empresas combinam expertise interna com especialistas externos.
