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 Qodo levantou US$ 70 milhões na Série B e, mesmo assim, impôs limites para o consumo interno de IA: os engenheiros podem acessar até US$ 10 mil em tokens por mês. Segundo o CEO Itamar Friedman, o teto não foi criado para restringir uso, mas para dar visibilidade e eficiência, ajudando a escolher “o melhor caminho” para gastar com automação.
Enquanto isso, a empresa aponta que o custo de sua infraestrutura de IA para rodar o produto para clientes cresce cerca de 5x ao ano, impulsionado por adoção e por agentes assumindo tarefas mais longas. Para medir retorno, Friedman propõe uma equação de AI ROI baseada em benefícios divididos por custos, conectando o aumento de PRs e a redução de bugs à ideia de mais velocidade com menos incidentes.
A Cognition, startup por trás do coding assistant Devin, anunciou uma captação de US$ 2 bilhões a uma valuation de US$ 48 bilhões. A rodada foi liderada por Andreessen Horowitz, Accel, Founders Fund, General Catalyst e Avenir, apenas quatro meses depois de um aporte anterior que avaliou a empresa em US$ 26 bilhões.
A companhia informou que sua receita anualizada teria subido de US$ 492 milhões para US$ 900 milhões desde maio, enquanto o mercado acompanha o ritmo de crescimento e os custos de computação. A Cognition também treina seu próprio modelo com alternativas open source para reduzir dependência de modelos de terceiros, e tem como clientes empresas como Mercedes-Benz, NASA, Goldman Sachs e Citi.
A Meta lançou o Muse Code, um agente de IA voltado para programação e desenvolvimento de jogos, baseado no modelo Muse Spark 1.2. A empresa afirma que a ferramenta consegue lidar com tarefas longas de coding ao dividir o trabalho em múltiplos agentes, e já está em beta para testes e demonstrações. Em benchmarks internos, o desempenho aparece como intermediário, com resultados variando em relação a modelos como Claude Opus 5 e GPT-5.6.
Além da parte de programação, a Meta disponibilizou demonstrações com jogos simples criados com a IA, como Embervault e Avo Lawn. Para devs, a proposta é acelerar fluxos que envolvem muitas etapas e contexto — especialmente em projetos com lógica complexa, como jogos — ainda que a maturidade do modelo pareça não ser a mais alta frente aos líderes do mercado.
O time jurídico do GitHub contou como usou o Copilot CLI para transformar tarefas repetitivas em fluxos automatizados. Em um caso, Ngandu Kasuku criou o “terms-ai”, uma ferramenta para rascunho de contratos com base em um guia de estilo em linguagem simples e em acordos já aprovados; ele afirma ter reduzido o tempo de revisão e redação em cerca de 50%. Em outro, Jesse Geraci desenvolveu um fluxo para analisar avisos DMCA com consistência, evoluindo de instruções em linguagem natural para um app de desktop com modos de análise e integração de dados externos.
A iniciativa mostra como devs e times tech podem aplicar IA não só para “responder tarefas”, mas para construir ferramentas reutilizáveis e auditáveis, com instruções editáveis e controle humano no centro. Na prática, isso acelera entregas, melhora a padronização dos resultados e reduz retrabalho — desde que a metodologia e os critérios sejam bem definidos no próprio workflow.
Um desenvolvedor relata que continua usando assistentes de código com LLMs em projetos pessoais, mas evita deixar o modelo “roam free” e gerar recursos inteiros sem revisão. A proposta é pedir que o LLM escreva o código no chat e, em seguida, digitar manualmente cada linha no editor, fazendo ajustes, refatorações e checagens para entender APIs e algoritmos (ex.: em um projeto Django, incluindo funcionalidades como tagging). Ele afirma que esse fluxo o deixa cerca de 2x mais rápido, porém com ganho de compreensão e menos risco de aceitar código com alucinações ou decisões ruins.
A ideia importa para devs porque troca produtividade imediata por controle e entendimento do que está sendo entregue. Na prática, o time pode usar LLMs para acelerar partes “chatas”, mas mantendo revisão ativa e construindo um “mapa” mental do códigobase — reduzindo a chance de o software ficar opaco demais para manutenção futura.
A Temporal está acelerando o desenvolvimento com agentes e ferramentas de coding, como Claude Code e Cursor, aplicados tanto no dia a dia de engenharia quanto em fluxos de trabalho. A empresa relata que tarefas que antes levavam meses passaram a ser concluídas em menos de 30 dias, com receita dobrando no período. O CEO Samar Abbas diz que não consegue comprovar ligação direta entre o aumento de custos em IA e o crescimento, mas reforça a necessidade de adaptação cultural e adoção das ferramentas para manter produtividade e qualidade.
