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.
A Meta apresentou o Muse, seu agente de IA para maiores de 18 anos, com a mascote Jolly em formato de boneco, que pode ser “vestida” e aparece em anúncios com apelos como metas de fitness. A empresa também planeja vender ainda este ano um dispositivo estilo Tamagotchi para o personagem do usuário. No Meta Connect, o CEO Mark Zuckerberg apareceu com a mascote usando toga e coroa de louros, reforçando o tom “fofo” do produto.
O visual, porém, gerou reação de defensores da infância e especialistas. A preocupação é que a estética de personagem infantil facilite a adesão de públicos mais jovens, apesar de a Meta afirmar que bloqueia contas de pessoas detectadas como menores de 18 e realiza checagens adicionais. A discussão inclui ainda o impacto de agentes de IA na privacidade e na confiança do usuário, enquanto a Meta prepara uma versão “confidencial” da máquina virtual que ajuda a operar o Muse para 2026.
Metas de ESG deixaram de ser acompanhadas apenas em relatórios anuais e passaram a exigir decisões operacionais baseadas em dados. Com tecnologias de IA, empresas conseguem monitorar consumo, prever demanda e otimizar processos ligados a energia, água, matérias-primas e combustível.
Na gestão de edifícios, algoritmos cruzam informações como temperatura, ocupação e consumo para ajustar automaticamente sistemas de climatização. A Microsoft informou que usou aprendizado por reforço para otimizar controles de aquecimento, ventilação e ar-condicionado em um prédio do campus de Redmond, alcançando economia superior a 30% de energia, e pesquisas no Brasil indicam adoção crescente de IA para apoiar a sustentabilidade.
A Peloton apresentou, em evento em Nova York, o Tread Flex, uma esteira dobrável mais acessível com preço de US$ 2.195 e mecanismo que permite guardar o equipamento economizando espaço. O modelo pode ser dobrado na vertical, tem rodas com trava para facilitar a movimentação e usa o passcode Tread Lock para segurança, mas a empresa confirmou que não há recursos de segurança baseados em sensores.
Além do Flex, a marca atualizou os modelos Tread Vision (US$ 3.495) e Tread Plus Vision (US$ 6.695), mantendo telas giratórias e câmeras de rastreamento para funções do Peloton IQ. As esteiras passam a oferecer ritmo personalizado após cerca de 10 treinos, com metas de pace recomendadas e ajustes ao longo do tempo, e também chegam ao ReRun, que permite importar percursos gravados no app ou em smartwatch para “reexecutar” corridas com ajustes automáticos de inclinação; nos modelos com câmera, há ainda análise de corrida com pontuação de eficiência e dicas de forma.
EUA e China começaram conversas para propor um mecanismo de notificação mútua sobre incidentes de inteligência artificial que possam ameaçar a segurança nacional. O plano, chamado US China AI Dialogue, prevê que representantes dos dois países voltem a se reunir para discutir a tecnologia e alinhar metas e ameaças comuns, segundo o secretário do Tesouro dos EUA, Scott Bessent.
Bessent disse que o diálogo retomou conversas interrompidas após a visita do presidente Donald Trump a Pequim, em maio, enquanto crescem preocupações de segurança pública. Ele citou incidentes recentes no setor, como ataques envolvendo agentes de IA que exploraram falhas de salvaguardas, e mencionou que as discussões não trataram de controles de exportação de chips avançados para a China, apesar de os EUA buscarem limitar o avanço tecnológico do país.
A OpenAI pediu a parlamentares dos EUA, nas últimas semanas, orientações claras sobre se coordenar uma desaceleração na pesquisa de IA de fronteira seria legal, segundo pessoas próximas à empresa ouvidas pela WIRED. O argumento é que uma coordenação substantiva entre laboratórios de IA para segurança pode esbarrar em leis antitruste, criando um obstáculo para envolver grandes empresas no esforço.
O tema ganhou força após o chefe de ciência da OpenAI, Jakub Pachocki, defender em blog que o caminho envolve “coordenar para desacelerar o desenvolvimento futuro”, com expectativa de “desacelerações voluntárias” até que existam metas comuns de segurança. Ao mesmo tempo, especialistas citados apontam que uma pausa coordenada pode violar o Sherman Antitrust Act dependendo dos detalhes do acordo, enquanto um projeto de lei bipartidário tenta criar uma via legal para colaboração em segurança e ameaças adversariais.
A Santri, empresa goiana que oferece um ERP especializado para varejo de materiais de construção, inaugurará uma nova sede em Goiânia com 8,5 mil metros quadrados e investimento de R$ 50 milhões. A companhia atende cerca de 1.500 lojas em 22 estados e no Distrito Federal, com mais de 100 mil usuários conectados às suas soluções, e registra crescimento médio de cerca de 20% ao ano.
A nova etapa inclui investimentos em inteligência artificial, com o agente de IA Robson para que gestores consultem indicadores, metas e informações da operação também pelo WhatsApp, além da Santina, assistente integrada ao ERP para apoiar o uso das funcionalidades. A expectativa é dobrar o faturamento nos próximos cinco anos, com inauguração prevista para o final de setembro de 2026.
Acompanhar metas costuma exigir planilhas, relatórios e dados de diferentes fontes, mas o desafio aparece quando é preciso cruzar as informações para entender se o objetivo está no caminho certo. A inteligência artificial pode simplificar esse processo ao organizar os números e sugerir a estrutura de um dashboard de acompanhamento. Para isso, a ferramenta precisa receber os dados disponíveis, explicar quais indicadores devem ser monitorados e definir como eles devem aparecer no painel.
Com o objetivo e o período de análise bem definidos, a IA pode sugerir métricas, fórmulas, categorias e até gerar código para construir a visualização. O texto também destaca que o dashboard não precisa exibir tudo: ele pode focar em valores realizados, percentual atingido, diferença para o esperado e projeções, além de indicar quais indicadores explicam desvios; ainda assim, os cálculos devem ser conferidos antes de usar os resultados em decisões.
Um sistema com agentes de IA foi equipado com ferramentas para buscar materiais cristalinos BEOL-compativeis e propor candidatos que atendam simultaneamente a metas de condutividade térmica (kappa), constante dielétrica estática (epsilon), módulo de Young (youngs) e módulo de cisalhamento (shear).
O processo usa busca na web, um ambiente de código com Python e bibliotecas de ciência de materiais e modelos de machine learning para estimar estabilidade dinâmica, condutividade térmica por rede, constante dielétrica e o tensor de complacência. As receitas de síntese também passam por uma etapa de avaliação por especialistas, com rubricas que penalizam omissões e erros críticos, e um exemplo de proposta é reprovado quando falta especificar escolhas de processamento para formar a fase desejada.
A Microsoft informou que vai gerenciar o uso de IA no desenvolvimento com “AI token budgets” por divisão, incluindo metas internas desde julho. Em comunicado interno, o executivo Jay Parikh pediu foco em “impacto por token” e não em gastar mais, além de permitir que engenheiros acompanhem o próprio consumo, que pode variar de centenas a milhares de dólares por mês. A empresa também definiu o GPT-5.6 Sol como modelo padrão no GitHub Copilot e citou preços por milhão de tokens (US$ 5 entrada e US$ 30 saída para Sol).
Na prática, a mudança coloca custos e eficiência no centro do fluxo de coding com IA: equipes precisam escolher modelos e configurações conforme o valor do trabalho, e administradores podem apertar controles conforme os gastos. Como agentes de IA agora fazem tarefas em múltiplas etapas (ler repositórios, rodar testes e iterar), o risco de “token waste” cresce—então medir produtividade só por volume de PRs pode não refletir qualidade, segurança ou ganho real para o produto.
A Embabel, framework para construir agentes de IA em Java e Kotlin, chegou ao lançamento geral (GA) na versão 1.0. A proposta é permitir que devs definam agentes como objetos de domínio tipados (metas, ações e condições), em vez de escrever sequências manuais de prompts e chamadas a ferramentas. O framework usa um passo de planejamento inspirado em GOAP (Goal-Oriented Action Planning) para encontrar, em tempo de execução, a melhor sequência de ações até o objetivo, podendo recalcular o caminho se o contexto mudar durante a tarefa.
A Embabel funciona em cima do Spring AI, herdando suporte a provedores como OpenAI, Anthropic, Gemini, Bedrock, Mistral e DeepSeek, além de opções locais via Ollama/Docker e endpoints compatíveis com OpenAI (como o LMStudio). Na prática, isso facilita orquestrar agentes com múltiplos modelos e separar “declaração do que fazer” do “como sequenciar”, diferindo de abordagens baseadas em grafos como LangGraph. Para times que já usam Spring Boot, a versão 1.0 marca um ponto de avaliação mais concreto do framework.
