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 revisão e humanização de textos gerados com inteligência artificial ganhou nome no mercado: De-AIing. A prática consiste em editar materiais produzidos ou apoiados por IA para torná-los mais naturais, específicos e adequados ao público, ajustando ritmo, substituindo expressões genéricas e reorganizando argumentos.
O trabalho também envolve checar informações, recuperar a voz de quem assina e identificar lacunas em vez de preencher com dados inventados. Com a popularização da IA generativa, empresas, agências e profissionais passaram a buscar esse tipo de serviço para manter qualidade e consistência, enquanto detectores de IA seguem pouco confiáveis e não comprovam autoria humana.
A ideia de “empatia sintética” propõe usar inteligência artificial para redigir mensagens com sinais de cuidado, compreensão e acolhimento em comunicações internas. Pesquisas publicadas em 2026 na Computers in Human Behavior indicam que, quando a IA apenas melhora a redação, a percepção não muda muito; mas, quando gera praticamente a mensagem inteira, caem as avaliações de empatia, credibilidade e qualidade do feedback.
Outros experimentos também apontam uma “penalidade da IA”: textos associados à tecnologia tendem a ser vistos como menos confiáveis, autênticos e úteis, inclusive em e-mails profissionais. Os resultados sugerem que automatizar comunicações sensíveis — como desempenho, promoção, demissão, conflito e reconhecimento — pode criar distância que a escrita “mais polida” não compensa, e que o uso de IA como editor pode reduzir esse risco ao manter decisões humanas sobre o que dizer e por quê.
Tarefas como organizar planilhas, resumir relatórios e montar apresentações podem ser parcialmente automatizadas com inteligência artificial, desde que o profissional saiba onde a ferramenta ajuda e como conduzir o resultado. O Fórum Econômico Mundial aponta IA e big data entre as habilidades que mais devem crescer até 2030, enquanto competências como pensamento analítico e criatividade seguem valorizadas.
O ChatGPT pode apoiar a organização de informação ao identificar padrões, organizar tópicos e comparar alternativas a partir de dados e briefings. Já o Gemini é destacado por estar integrado ao ecossistema do Google Workspace, ajudando na redação de mensagens e no trabalho com documentos e planilhas, enquanto o Microsoft Copilot aparece como apoio para criação e edição no Word, Excel, PowerPoint, Outlook e Teams. Em todos os casos, o ganho depende de instruções com contexto e critérios claros, além de revisão humana para corrigir erros e decidir o que faz sentido aplicar.
ChatGPT chegou ao cotidiano de milhões e passou a dividir espaço com ferramentas de empresas como Google, Microsoft, Meta e Anthropic, mudando o tipo de cobertura exigida de quem acompanha tecnologia. Em janeiro de 2023, o Olhar Digital publicou um guia para explicar o que era o modelo de linguagem, como funcionava e quais eram suas limitações, incluindo o risco de gerar informações incorretas e conteúdo enviesado.
A cobertura do tema começou antes: em 2019, o portal já acompanhava o GPT-2 e alertava para preocupações com desinformação e usos maliciosos, e em 2020 registrou a chegada do GPT-3, com 175 bilhões de parâmetros. Depois do lançamento do ChatGPT em dezembro de 2022, a redação passou a lidar com um desafio recorrente: acompanhar mudanças rápidas, noticiar anúncios e aprofundar a apuração com testes, documentos, benchmarks e especialistas para entender o que realmente existe por trás das novidades.
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.
Uma rotina típica de escritório — com dezenas de e-mails, atas, atualização de planilhas e relatórios até o fim do expediente — pode passar por uma virada nos próximos cinco anos. Com a evolução da IA generativa e de agentes de IA, empresas já automatizam respostas padronizadas, organização da caixa de entrada, triagem de solicitações e até redação de mensagens a partir do contexto. Além disso, ferramentas de transcrição e resumo em reuniões tendem a capturar decisões, distribuir tarefas e gerar resumos poucos minutos após os encontros.
Na prática, a mudança não significa necessariamente o fim de cargos, mas a redistribuição do tempo: menos esforço em atividades operacionais e mais foco em análise, criatividade, relacionamento e decisões. Para o público tech e dev, isso reforça a demanda por integrações, automações e sistemas com bases de conhecimento que encontrem informações em linguagem natural e acelerem a produção e revisão de documentos.
A Apple passou a limitar quantas vulnerabilidades podem ficar abertas por vez no portal interno de segurança. A mudança veio após um aumento de relatórios com apoio de IA que, em muitos casos, não eram falhas reais (“AI slop”). A empresa e a Bynario, que usou o GPT-5.5 no Atlas, chegaram a concordar que uma vulnerabilidade de macOS Screen Sharing era válida — mas divergiram sobre o teto de relatórios quando a Bynario atingiu o limite.
Na prática, o cap pode obrigar pesquisadores a esperar até 30 dias para enviar novas descobertas, mesmo quando há risco real. O caso também evidencia um gargalo maior no setor: ferramentas com IA aceleram a triagem e a redação de bugs, mas podem aumentar o volume de “suspeitas” e competir pela atenção de equipes humanas, que ainda precisam validar e reproduzir as falhas.
