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.
O Google prepara para 1º de outubro o lançamento do satélite experimental MVP, parte do Project Suncatcher, para processar consultas simples do Gemini em órbita. A iniciativa busca testar a viabilidade de data centers formados por frotas de satélites alimentados por energia solar, conectados para dividir cargas de processamento de IA.
O MVP levará quatro TPUs, com capacidade equivalente à de um servidor convencional, e painéis solares de cerca de 1 kW para executar consultas curtas e avaliar o comportamento do hardware no ambiente espacial. O projeto também enfrenta desafios como resfriamento no vácuo e efeitos da radiação, além de custos e dificuldades de manutenção e comunicação entre satélites.
Muita gente monta sistemas RAG de forma “over-engineered”, indo direto para embeddings, bases vetoriais e pipelines de reranking, mas o texto defende que o ponto de partida pode ser mais direto. A recomendação é escolher a abordagem conforme necessidades como atualização dos dados, características do corpus, padrões de consulta, escala de uso e capacidade do time.
O guia sugere começar pelo “MVP” com busca full-text usando BM25 (como Elasticsearch ou Postgres full-text search) quando as consultas são mais baseadas em palavras-chave e a prioridade é evitar complexidade de ML. Para consultas conversacionais ou com vocabulário desalinhado, a proposta é usar um LLM para reescrever a pergunta em uma busca keyword, e, quando fizer sentido, evoluir para busca híbrida combinando BM25 para candidatos e embeddings para reranking.
Um artigo no Hacker News usa a metáfora de “greenhouse” (estufa) e “lens” (lente) para explicar dois modos de trabalho com IA agentica. Na estufa, a IA gera muitas possibilidades sem um plano rígido, como quando Claude Code produziu dezenas de ferramentas para um plotter AxiDraw e um app macOS/SwiftUI que converte Markdown em documentos Word — depois, o autor avalia e seleciona o que presta. Já no modo lente, o objetivo é bem definido: a IA propõe alternativas, mas o foco é concentrar esforços no caminho até “done”, descartando o resto.
A diferença prática é que a frustração comum surge quando a pessoa usa o modo errado: explorar demais quando deveria entregar, ou tentar finalizar cedo demais quando ainda não há alvo claro. O texto defende que a habilidade mais avançada é reconhecer em que “modo” você está e ajustar o rumo, apoiando-se em expertise do domínio para evitar saídas plausíveis, porém erradas, e para detectar “drift” do objetivo.
:quality(85)/f2d2b728-0881-4d85-8561-8a2f43401b00.png)
