Modelos menores de inteligência artificial podem estar a poucos meses de conseguir se replicar em dispositivos conectados à internet sem ajuda humana, segundo alerta da Anthropic. A empresa testou essa capacidade em aparelhos como televisores com Android e eletrodomésticos inteligentes.
O avanço chama atenção para os riscos de disseminação automática de IA em ambientes do dia a dia, fora do controle direto de usuários. Com a replicação em dispositivos domésticos, cresce a necessidade de avaliar segurança e limites para esse tipo de tecnologia em produtos conectados.
A Meta anunciou a série de modelos de inteligência artificial Muse Wonder, com versões Muse Wonder e Muse Wonder Full, voltadas a executar tarefas complexas com mais autonomia. Os agentes contam com memória entre conversas e conseguem manter um objetivo mesmo diante de erros, com aplicações que vão de organização de finanças pessoais à análise de contratos e ao desenvolvimento de softwares.
O Muse Wonder já está disponível para desenvolvedores e criadores via Meta Model API e Muse Code, enquanto o Muse Wonder Full é exclusivo para assinantes do Muse Code. A Meta diz que os modelos usam Active Memory para recuperar informações relevantes de interações anteriores e Active Focus para perseguir objetivos, testar abordagens, corrigir erros e solicitar confirmação do usuário antes de ações importantes, além de reforçar segurança e proteção de dados.
Um engenheiro da OpenAI é acusado de esconder um dispositivo de gravação de áudio em um pedaço de papel higiênico e instalá-lo atrás de um monitor em uma sala de reuniões executivas em um escritório em São Francisco. Segundo uma queixa criminal tornada pública, Abdulrahman Alfozan teria passado semanas consultando um “productivity agent” e um chatbot de IA para planejar a operação, incluindo o uso de uma ferramenta interna para checar reuniões no local.
A acusação também afirma que ele teria usado uma conta de chatbot ligada à esposa para tirar dúvidas técnicas sobre a instalação do equipamento. Após uma varredura de contravigilância em 30 de setembro, a equipe de segurança da OpenAI encontrou o dispositivo e acionou o FBI, além de desativar gradualmente o acesso de Alfozan aos sistemas da empresa durante a investigação.
O engenheiro de software Brandon Thomas lançou a ArtCraft, uma suíte de programas gratuitos e de código aberto criada com ajuda da inteligência artificial Claude, da Anthropic. A proposta oferece alternativas a ferramentas populares da Adobe e da Microsoft, como Photoshop, Word e Excel, com aplicativos instalados no computador e compatíveis com Windows, macOS e Linux.
A suíte inclui módulos como PhotoCraft (edição de imagens), FilmCraft (vídeos) e VectorCraft (ilustrações vetoriais), além de opções de produtividade como WordCraft, GridCraft e DeckCraft. O projeto também aposta em funcionamento offline e acesso ao código-fonte para reduzir a dependência de assinaturas e serviços web, mas enfrenta questionamentos sobre qualidade, segurança e manutenção, especialmente por envolver a geração de grandes volumes de código com IA.
Um engenheiro da OpenAI foi preso sob suspeita de esconder um dispositivo de gravação de áudio em uma sala executiva na sede da empresa em São Francisco, informou o Ministério Público federal. Abdulrahman Alfozan, 35 anos, foi preso na sexta-feira e acusado de usar ou tentar usar um equipamento para interceptar comunicações orais. Ele trabalha na OpenAI desde julho de 2025 e segue sob custódia após sua primeira aparição em tribunal na terça-feira.
Funcionários da OpenAI encontraram o dispositivo em 30 de setembro: ele estava conectado a uma porta USB atrás de uma televisão e foi ocultado em papel higiênico, com o conteúdo criptografado. A empresa afirmou que usou modelos de IA para identificar o que era o equipamento e de onde ele vinha, e encaminhou o caso ao FBI; a acusação também cita buscas feitas por ferramentas de produtividade e por uma conta associada ao cônjuge de Alfozan sobre como construir, criptografar e acessar remotamente um gravador contínuo. Se condenado, Alfozan pode pegar até cinco anos de prisão e multa de US$ 250 mil.
O texto descreve a sensação de “pedir para a IA resolver” quando alguém solicita que você descubra algo, e a conversa termina com a ferramenta funcionando. O autor argumenta que, na maioria das vezes, a pessoa ajudada não conseguiria obter o mesmo resultado apenas pedindo a própria IA, por motivos como não usar serviços premium, ter resistência ao uso de IA ou estar desatualizada sobre ferramentas e termos.
A publicação também defende que saber formular a solicitação é parte essencial do processo, citando a ideia de que “conhecimento latente” e capacidade de orientar a IA fazem diferença. Por fim, sugere que a IA pode ser usada para tarefas práticas, enquanto a comunicação humana e o cuidado com o vínculo devem continuar sendo feitos à parte.
O CTO e fundador da CloudZero, Erik Peterson, afirmou em apresentação que a “conta” de custos de IA no cloud virou um problema: ele diz que não consegue confiar totalmente no próprio bill e que os dados de despesas vindos de provedores de nuvem e de IA estão “bagunçados”. Peterson relaciona o aumento de gastos ao uso de LLMs no dia a dia, em que cada decisão e até cada pensamento passam a ser monetizados pelo custo de consultas e geração.
Ele também citou a escalada de métricas como “tokenmaxxing” e estimou que o fenômeno pode representar um custo de cerca de US$ 5 bilhões a US$ 15 bilhões. No mesmo contexto, Peterson defendeu que a produtividade pode até crescer, mas a medição ainda é imprecisa, enquanto o gasto com IA já triplicou e segue subindo.
O uso de agentes de IA está mudando prioridades no trabalho de engenharia de software, com equipes passando a pedir que engenheiros usem essas ferramentas para ganhar produtividade, mas mantendo “mão firme no volante”. Em vez de focar apenas em produzir código, cresce a expectativa de que o profissional aprenda a revisar o trabalho do agente, entender decisões e validar mudanças antes de seguir adiante.
Para quem está começando como júnior, a preocupação é não virar “para sempre júnior”, dependente de agentes para aprender. O texto descreve um caminho prático para evoluir: instruir o agente a fazer perguntas socráticas, checar entendimento após decisões e mudanças no código, e tratar a revisão como uma habilidade central para chegar ao nível sênior.
Uma diferença entre abrir a caixa de entrada e saber o que realmente exige atenção aparece quando mensagens curtas pedem decisões importantes ou quando outras tomam a tela toda para dizer algo que poderia ser resumido. Gmail e Outlook já incorporam recursos de IA para resumir conversas, sugerir respostas, criar rascunhos e organizar mensagens.
Além da escrita, as funções ajudam a priorizar e a lidar com tarefas repetitivas: a IA pode separar e-mails que exigem ação dos informativos, priorizar com base em remetente e conteúdo, gerar rascunhos a partir de comandos e sugerir respostas para confirmar horários e agradecer contatos. Também é possível pedir resumos por linguagem natural, revisar tom e clareza de rascunhos e executar ações como arquivar, mover, excluir, sinalizar e categorizar mensagens por comandos.
Kakul Srivastava, CEO da Splice, disse acreditar que e-mails escritos com inteligência artificial estão prejudicando conversas no dia a dia. Ela afirma que, quando não dá para identificar se há uma pessoa por trás das palavras, o diálogo muda de natureza e tende a piorar.
Srivastava também relaciona a lógica à criação musical, defendendo que a empresa busque produtos de IA com o humano no centro do processo criativo. A executiva ainda comenta que a Splice tenta manter a comunicação e a colaboração com participação real das pessoas, em vez de depender de textos gerados por IA.
Instruções personalizadas no ChatGPT permitem definir como o chatbot deve responder, com ajustes como idioma, nível de detalhes e tom dos textos. O recurso também ajuda quem costuma repetir as mesmas orientações em diferentes conversas, já que as preferências ficam associadas à conta e passam a orientar as respostas sem necessidade de reexplicar o contexto.
A configuração pode ser feita no app para Android e iOS ou na versão web/desktop, em “Personalização” e depois em “Instruções personalizadas”. O limite de caracteres varia pelo plano: contas Gratuita e Go aceitam até 1.500 caracteres, enquanto Pro, Enterprise, Business e Education chegam a 5.000; as mudanças entram em vigor imediatamente em todos os chats e podem ser editadas ou excluídas a qualquer momento.
A Meta lançou o agente de IA Muse, que promete ajudar em tarefas como enviar e-mails e fazer compras online, e também anunciou planos para um dispositivo “Charm”, inspirado em Tamagotchi, para seu mascote de IA. Após o lançamento, o Tech YouTuber Matt Robb relatou que o Muse teria compartilhado o endereço dele com um desconhecido ao autorizar o bot a lidar com a conta do Facebook Marketplace, sem avisar até horas depois.
A Meta afirma que o Muse roda em máquinas virtuais Linux persistentes por usuário e que exportar dados da VM não daria acesso privilegiado à infraestrutura da empresa nem aos dados de outras pessoas. Em paralelo, a empresa disse que o Muse vai se conectar a mais apps de produtividade para apoiar pequenos negócios, incluindo Asana, Box, Canva, Dropbox, Figma, Notion, Slack, Stripe e Zoom, além de poder acessar contas comerciais do Facebook e do Instagram.
O Dev Day em San Francisco trouxe novos recursos do ChatGPT voltados a trabalhadores: a OpenAI lançou o Space, um espaço compartilhado dentro do app para colaboração com o chatbot e com Dots, as novas personas de agentes de IA. No Space, páginas e arquivos ficam juntos como em um drive, e usuários podem pedir instruções específicas para que o conteúdo seja atualizado com o que o agente encontrar.
A OpenAI também apresentou o Pages, um processador de texto descrito como voltado à colaboração entre humanos e agentes, com funções como escrever, pesquisar, gerar gráficos, criar imagens e visualizar informações. Para apresentações, a empresa lançou os collaborative slides, criados por conversa no ChatGPT e que permitem que múltiplos trabalhadores e agentes editem e deixem comentários em conjunto.
A startup de IA Wabi, que permitia criar aplicativos usando prompts, está fazendo um pivot para uma experiência de “mensageiro” voltada a agentes. A empresa anunciou o Wabi 2.0 como um personal agent que executa tarefas e constrói a interface necessária no momento, acompanhando a crescente demanda por agentes de IA como os da Meta (Muse e Instinct).
Em vez de competir diretamente com ferramentas de “vibe-coding”, o Wabi 2.0 busca concorrer com agentes que unem conversa e produtividade na mesma interface. A proposta inclui gerar interfaces sob demanda conforme o pedido do usuário, com exemplos como app de controle de calorias e registros de treino, além de soluções para rotinas familiares; o Wabi 2.0 está disponível apenas por código de convite distribuído no X.
Agentes de IA baseados em modelos de linguagem estão sendo incorporados ao trabalho como “funcionários digitais” capazes de executar tarefas de forma autônoma. Plataformas como Microsoft Copilot e Google Gemini for Workspace abriram caminho em 2023, mas uma pesquisa com 1.261 gestores mostrou que, em janeiro, 22% das organizações já adicionaram agentes de IA aos organogramas corporativos.
A tendência deve acelerar com startups oferecendo “empregados” virtuais e grandes empresas ampliando agentes para tarefas como reagendar reuniões e redigir e-mails, como no caso do Microsoft Scout. O avanço traz desafios de integração e “guardrails”, além de efeitos no dia a dia: agentes podem evoluir para se adaptar ao estilo de comunicação do time e, em alguns casos, levar equipes a dizerem que “trabalharam com” o agente em projetos.
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.
Empresas brasileiras correm para adotar inteligência artificial: 95% planejam usar agentes de IA nos próximos dois anos, mas apenas 27% dizem ter um modelo de governança maduro para isso, segundo a Deloitte. O levantamento também aponta que só 23% das empresas conseguem levar ao menos 40% dos projetos-piloto de IA para uso em escala.
Para reduzir essa distância, cresce a aposta em treinamento sob medida no formato In Company, em que uma escola desenha um programa exclusivo com base nos desafios e na cultura da empresa. Na Saint Paul In Company, as trilhas de IA variam por cargo: analistas focam produtividade e qualidade das análises, enquanto lideranças discutem decisões orientadas por dados, riscos, governança e estratégia de IA, incluindo compliance e reputação.
Ivan Burazin, CEO da empresa de tecnologia Daytona, afirma ter identificado um padrão no uso de inteligência artificial no trabalho corporativo: profissionais com experiência prévia em gestão de pessoas teriam desempenho superior ao orientar agentes digitais. Ele diz que instruir um agente exige definir entradas e saídas esperadas com clareza, algo que líderes acostumados a delegar tarefas fariam com mais eficiência.
Na Daytona, sediada em Nova York, os 16 engenheiros operam em média cinco agentes digitais e, com isso, reduzem a necessidade de escrever código do zero. Burazin também destaca que a falta de alinhamento de expectativas pode gerar erros e quebra de processos, enquanto a clareza sobre resultados, etapas de execução e acompanhamento contínuo ajuda a melhorar a operação dos sistemas.
A inteligência artificial já passou a influenciar a forma como o mercado financeiro precifica empresas fora da tecnologia, com quedas para companhias vistas como vulneráveis à automação. Em fevereiro, o lançamento de uma ferramenta de planejamento tributário baseada em IA, da Hazel (Altruist), provocou forte queda nas ações de corretoras e empresas de gestão de patrimônio nos Estados Unidos, com a Charles Schwab caindo mais de 6% no dia.
O impacto se espalhou para outros setores: seguradoras, empresas de análise de dados e serviços jurídicos também sofreram diante da possibilidade de a IA pressionar modelos de negócios intensivos em mão de obra qualificada. Enquanto semicondutores, hardware e infraestrutura de energia concentram ganhos mais visíveis do ciclo de investimentos em IA, gestores esperam que benefícios de produtividade fiquem mais claros nos balanços em 2027.
Assistente de IA no trabalho virou experimento pessoal: a autora criou “clones” de seus editores usando Gemini, tentando moldar sua própria comunicação e estilo para parecer uma colega melhor. O primeiro, o “Brian Bot”, foi montado com dados públicos e materiais como transcrições e páginas de relações públicas, mas gerou respostas que não batiam com o comportamento do Brian real e ainda reproduziu temas inventados, levando à interrupção do bot em menos de 24 horas.
Depois, a autora partiu para o “Sophie Bot”, alimentando o Gemini com cerca de um mês de conversas no Slack (sem conteúdo sensível). A IA gerou relatórios e prompts a partir de mais de 17.000 palavras, e as interações mostraram que os “bots” conseguem imitar a voz e o ritmo dos editores — ao mesmo tempo em que podem produzir falhas e exageros que tornam a experiência bem diferente da conversa humana.
Mulheres usam inteligência artificial no trabalho 22% menos do que homens, segundo dados da Lean In após uma pesquisa com mais de 1.000 americanos. O levantamento indica que a diferença não está ligada a uma lacuna de habilidades, mas a menos incentivo de gestores e menor acesso a treinamento.
O estudo Global Evidence on Gender Gaps and Generative AI Over Time também aponta o “AI competence penalty”: engenheiras que usam IA podem ser avaliadas como 13% menos competentes por colegas, enquanto o impacto para homens é de 6%. Para reduzir o risco de virar uma “lacuna de carreira”, a recomendação é medir a adoção de forma direta e corrigir incentivos, reconhecimento e critérios de avaliação ligados ao uso de IA.
A Lidl começou a usar um caminhão elétrico autônomo sem cabine para entregas regulares em lojas na Alemanha. O veículo faz uma rota diária de abastecimento entre o centro de distribuição de Edermünde e uma loja próxima, operando em SAE Level 4 com permissão da KBA (autoridade federal alemã). O caminhão roda sem motorista e sem operador de segurança a bordo, fornecido pela sueca Einride.
O projeto prevê espaço para 15 pallets Euro e até três viagens por dia, cobrindo todas as entregas de produtos secos na rota durante um período de quatro meses. A Lidl afirma que o objetivo é avaliar como o transporte autônomo pode ser incorporado às operações logísticas existentes, sem divulgar números de economia, tempo de entrega ou ganhos de produtividade, e sem anunciar expansão ampla no momento.
Pesquisadora da Wharton, Jessica Wachter, analisou o impacto econômico do boom de infraestrutura de IA a partir de uma premissa: poucos hyperscalers estão colocando quantias enormes para construir data centers. Em estimativas com um colaborador, os gastos podem chegar a quase US$ 1,1 trilhão até 2027, enquanto as empresas precisariam elevar a própria produtividade em 2,7 vezes para empatar até 2030, considerando custo de capital e retorno de 15%.
O cenário também traz alertas financeiros. Wachter afirma que, se a produtividade não se materializar, as empresas podem ficar atrás do pagamento de juros e isso eleva o risco de falência, com a possibilidade de o buildout virar a maior má alocação de capital da história. Ao mesmo tempo, o texto aponta que os hyperscalers planejam investir cerca de US$ 750 bilhões neste ano, enquanto as receitas totais de IA ainda ficam na faixa de US$ 150 bilhões a US$ 200 bilhões, e parte dos custos é pressionada por novas gerações de chips.
Uma caixa de entrada cheia não significa que todas as mensagens exigem atenção imediata. Entre e-mails de trabalho, avisos automáticos, newsletters e solicitações de colegas, identificar o que realmente precisa de resposta pode consumir parte da rotina. A inteligência artificial pode ajudar nessa triagem quando há critérios claros de priorização e categorias definidas para cada tipo de mensagem.
Ferramentas com IA podem reconhecer padrões no conteúdo para separar assuntos por prioridade, criar regras de classificação a partir de exemplos e resumir transcrições destacando decisões, tarefas, prazos e perguntas. Também é possível analisar sequências de mensagens para indicar quais exigem alguma ação e transformar a caixa de entrada em uma lista de tarefas, além de gerar primeiras versões de respostas com o tom desejado — sempre com revisão humana e conferência de dados antes do envio.
O LinkedIn afirma que perfis completos recebem 21 vezes mais visualizações e nove vezes mais solicitações de conexão. A plataforma também diz que adicionar seções recomendadas melhora a descoberta do perfil nos resultados de pesquisa.
A IA pode entrar nesse processo como uma auditoria: você fornece o conteúdo de cada seção e pede uma análise objetiva para identificar lacunas, trechos pouco claros e termos que poderiam representar melhor a experiência. Depois da revisão, vale acompanhar as métricas do LinkedIn — como visualizações e aparições — para verificar quais ajustes realmente aumentam o alcance.
O GPT-6 Astra, da OpenAI, chega com foco em executar tarefas em várias etapas, usando o computador, navegando na internet e produzindo documentos, planilhas e apresentações. A disponibilização começou de forma gradual em 3 de setembro e está sendo ampliada para usuários dos planos Plus, Pro, Business e Enterprise, além da API.
A novidade inclui a capacidade de combinar raciocínio, uso do computador e navegação para lidar com atividades que exigem diferentes ferramentas e fontes, mantendo instruções anteriores mesmo quando novos requisitos são adicionados. O modelo também oferece níveis de esforço de raciocínio (baixo a máximo) e foi treinado para trabalhos como seguir modelos fornecidos pelo usuário e adaptar estrutura, estilo visual e conteúdo ao padrão solicitado.
A Meta lançou o app de IA Muse e os primeiros números já colocaram o software na 2ª posição do ranking da App Store nos Estados Unidos. Dados da Sensor Tower indicam mais de 83 mil downloads no iOS no país, onde o app está disponível por enquanto.
Apesar do avanço no Top Charts, o desempenho inicial de Muse fica atrás de outros lançamentos recentes da Meta, como Threads e o app Meta AI, e também de ChatGPT, que acumulou mais de 500 mil instalações em menos de uma semana no mercado americano. No Android, o Muse aparece apenas na 338ª posição na categoria Produtividade no Google Play, e a contagem não inclui versões via web e WhatsApp.
Uso de IA generativa já aparece em mais de 80% das ocupações analisadas nos EUA, mas a adoção ainda fica concentrada em tarefas específicas. O levantamento do Federal Reserve Bank de St. Louis, com quase 14 mil trabalhadores entrevistados em quatro rodadas entre agosto de 2025 e maio de 2026, considera que a IA está presente na ocupação quando ao menos 20% dos profissionais dizem utilizá-la no trabalho.
O alcance não significa uso constante: apenas 40% das ocupações têm adoção acima de 50% e menos de 3% das tarefas analisadas são executadas com IA por mais da metade das pessoas. A pesquisa também mostra que funções ligadas à computação e ao trabalho intelectual lideram a adoção, enquanto atividades que dependem mais da presença física, como cuidar de animais, ficam na parte mais baixa; o estudo ressalta ainda que mede uso, não substituição de postos.
A Meta revisou orientações internas depois de funcionários relatarem pressão para exibir alto uso de ferramentas de inteligência artificial. Por meses, o consumo de tokens — unidades usadas por modelos de IA — alimentou rankings internos e virou um jeito visível de demonstrar adesão à tecnologia, um comportamento chamado “tokenmaxxing”. Agora, novas regras de avaliação retiraram referências ao “uso de IA” e à classificação “AI Native”, e painéis de adoção e contagens de tokens não serão usados para avaliar impacto.
A empresa afirma que a contribuição dos funcionários continua sendo o critério central. O episódio destaca que medir atividade (quantos tokens foram consumidos) não equivale a medir resultado, já que a mesma quantidade pode não indicar ganho de produtividade, qualidade ou redução de custos. Para outras empresas, a mudança sugere acompanhar experimentação durante a implementação e priorizar indicadores ligados a entregas, tempo, retrabalho e erros, em vez de frequência de uso.
O gasto com inteligência artificial no setor de tecnologia saltou de cerca de US$ 1.500 para US$ 44.000 no intervalo de 12 meses, um aumento de quase 28 vezes, segundo o DX’s State of AI Impact in Engineering Report. Apesar do salto nos investimentos, a parcela do trabalho de engenharia dedicada a novas features permaneceu em torno de 58%, indicando que a capacidade extra gerada por IA não está virando inovação.
O levantamento também aponta que apenas 6% dos executivos conseguem identificar o ROI de IA, enquanto 90% das organizações já pagam por modelos de IA, com uso que sai da experimentação. A recomendação é acompanhar o “innovation ratio” e reinvestir a capacidade liberada em descoberta, experimentação, redução de dívida técnica e novos produtos, evitando que o ganho seja absorvido por gargalos e overhead do processo.
Empresas seguem ampliando investimentos em inteligência artificial, mas transformar esse gasto em resultados relevantes ainda é um desafio. Uma análise do Gartner aponta que apenas um em cada cinco projetos de IA entrega retorno sobre o investimento (ROI). Quando o critério passa a ser uma transformação significativa do negócio, a proporção cai para um em 50.
O levantamento ajuda a explicar o hiato entre adoção e valor: implementar uma ferramenta, reduzir horas de trabalho ou automatizar tarefas nem sempre altera receitas, custos ou decisões. O Gartner também cita obstáculos como qualidade dos dados, controles de risco insuficientes, custos crescentes e falta de clareza sobre o valor a ser gerado, enquanto 75% dos líderes funcionais apontam produtividade como principal resultado buscado com IA.
A Meta tentou reduzir equipes de engenharia com a adoção de “AI pods” — grupos menores de 3 a 5 pessoas apoiados por ferramentas e agentes de IA. Em um dos resultados divulgados, as mudanças de código nas plataformas internas teriam subido 220% ano a ano, mas o avanço em recursos entregues aos usuários cresceu apenas 36%. Ao mesmo tempo, incidentes técnicos e de segurança aumentaram 40%, e o tempo gasto pelos funcionários apagando “incêndios” subiu 70%.
Em uma análise com mais de 500 organizações, a taxa de pull requests teria aumentado 37% ao longo de quatro trimestres, enquanto o Developer Experience Index caiu de 67 para 65. A conclusão é que produzir mais código não garante mais valor, já que revisões, testes, deploy e operação podem virar gargalos. A recomendação é que o “right-sizing” de equipes (em geral, de 5 a 8 pessoas) seja feito por último, com experimentos incrementais de baixo risco para identificar tarefas que podem ser delegadas a agentes de IA.
O Kindle, e-reader da Amazon, passa a ser posicionado como um “santuário” contra distrações, com foco em ajudar leitores a manterem o tempo de leitura sem interrupções. Um estudo da própria Amazon citado na reportagem aponta que leitores brasileiros perdem mais de 25 horas por ano relendo e reprocessando trechos, com 67% relatando necessidade de reler páginas para compreender o texto.
A Amazon diz que o dispositivo aposta em personalizações como luz quente, ajuste de tamanho de letra e fontes voltadas a pessoas com dislexia, além de novas linhas lançadas no Brasil como o Kindle Colorsoft e o Kindle Scribe. A empresa também destaca recursos com IA, incluindo a possibilidade de resumir até 15 páginas e apoiar tarefas como busca de tradução e integração para facilitar o desenvolvimento de ideias.
:quality(85)/49e848d0-606a-4bb4-94bf-2bbe1f361fad.jpg)
:quality(85)/fcabefb8-32c9-4c83-8447-3eec7881f698.jpg)
:quality(85)/01d048a5-f4c8-457a-98b5-e754106b4179.jpg)