A Apple anunciou o HomeView, uma tela inteligente de 7 polegadas que reúne entretenimento, videochamadas e controle da casa inteligente. O dispositivo estreia uma nova versão da Siri com inteligência artificial e respostas personalizadas para os moradores.
O HomeView custa US$ 299 nos EUA (cerca de R$ 1.490) e chega às vendas em 13 de novembro em mercados como Estados Unidos, Canadá, Reino Unido, Austrália, Índia e Nova Zelândia, sem previsão para o Brasil no lançamento inicial. A interface ajusta brilho e informações conforme a iluminação e a distância do usuário, identifica até seis pessoas por reconhecimento facial e integra funções como chamadas FaceTime, comandos de voz e monitoramento de até nove câmeras.
A Apple anunciou a nova geração da Apple TV 4K com inteligência artificial integrada à Siri, chip A19 e suporte a som surround com quatro alto-falantes. A assistente fica mais “conversacional”, ajudando a encontrar filmes e séries por interface em tela cheia, com cartazes e recomendações ligadas ao que o usuário pede.
A Apple TV 4K também traz três microfones de longo alcance para controlar a reprodução e buscar conteúdos sem segurar o controle remoto, além de descrições de vídeos e resumos de notificações gerados por IA com processamento local via HomeKit Secure Video. No mesmo evento, o HomePod mini 2 ganhou melhorias de áudio, novas cores e suporte futuro à Siri com IA, com reconhecimento de até seis vozes e integração com Mensagens, lembretes e temporizadores.
A Apple apresentou o novo Apple TV 4K, o primeiro modelo em quatro anos, com disponibilidade a partir de sexta-feira, 13 de novembro. O aparelho traz o chip A19 e promete conectividade sem fio melhor do que a geração anterior, além de microfones integrados.
A Siri com recursos de IA será parte do lançamento, mas deve funcionar em beta nos Apple TV 4K de segunda geração e nos modelos mais novos. O novo Find My de rastreamento funciona com o controle Siri de segunda geração e mais recentes, enquanto o preço do lançamento é de US$ 299.
A Microsoft lançou o Microsoft-Decision-1 no Foundry, três dias depois de a OpenAI abrir sua Decisions API para beta público. O modelo foi “post-trained” com base no Alibaba Qwen3.5-9B, com a empresa dizendo que pretende fazer um rebasing para seus próprios modelos MAI e também para a OpenAI. O preço informado é de US$ 0,042 por milhão de tokens de entrada, com saída gratuita, e o modelo aceita até 32.768 tokens de texto, retornando JSON.
A Microsoft afirma que o Decision-1 é usado internamente em tarefas como triagem de feedback de jogadores no Xbox Research, avaliação de respostas do Copilot e apoio a engenheiros em incidentes ao puxar contexto. A empresa também destaca o foco em decisões em “ambiente seguro e confiável”, mas não anunciou suporte a imagens e orienta clientes a validarem a calibração das probabilidades nos próprios dados, especialmente sob entradas adversariais.
Elon Musk afirmou que o Grok @Bot, lançado pela SpaceXAI em beta em agosto, vai usar o modelo mais adequado para cada tarefa. A orientação inclui opções como Claude Opus 5.5, além de integrações com serviços como MidJourney e Suno, com foco em maximizar o resultado em cada caso.
O texto também descreve como empresas estão adotando “model triage” para controlar custos: uma abordagem comum é usar modelos menores para triagem e reservar modelos mais caros para etapas que realmente exigem desempenho superior. A mudança traz ganhos de eficiência, mas exige testes e avaliação antes de trocar modelos, já que substituições podem quebrar fluxos e depender de ajustes como limites e rotinas de validação.
A Anthropic lançou o OSS Scanner, um serviço para projetos de código aberto que faz varreduras periódicas de segurança com modelos de IA. A empresa diz que, para quem optar pelo programa, haverá “thorough, periodic security scans” sem custo, com relatórios gerados pelos modelos mais fortes, incluindo o Mythos.
Os relatórios de vulnerabilidades serão totalmente produzidos por IA, sem revisão ou triagem humana, o que pode acelerar a identificação de problemas, mas também aumenta a chance de informações incorretas ou inválidas. A Anthropic posiciona o OSS Scanner como uma forma de dar vantagem defensiva a projetos open source, em meio ao aumento de ferramentas e alertas automatizados de falhas de segurança.
Durante a “Birthday Week”, a Cloudflare anunciou a Clef, uma linha de modelos open-weight voltados a escolher entre opções pré-definidas em vez de gerar texto. Foram lançados modelos com 9B e 27B parâmetros, incluindo uma Clef multimodal de 27B que recebe um estado e um esquema de perguntas tipadas e devolve decisões com probabilidades para cada opção permitida.
A proposta é permitir que agentes usem o resultado para decidir como agir, como roteamento de solicitações de suporte, escalonamento ou adiamento para um humano. A empresa também lançou a Clef-Flash (9B), com latência mediana de 38,8 ms nos benchmarks da Cloudflare, e disponibilizou a tecnologia via Workers AI e pesos para download no Hugging Face, além de planejar fine-tuning para casos como triagem de suporte e classificação de bots.
Modelos de IA de ponta foram colocados por a Cloudflare dentro de um harness de testes controlado para avaliar e fortalecer o Web Application Firewall (WAF). A equipe usou ataques que o WAF já bloqueava como ponto de partida e fez os modelos gerarem variações, refinando encoding, posicionamento e entrega das requisições com base nas respostas anteriores.
Em 45 cenários, o sistema registrou 1.107 tentativas e deixou 49 achados após triagem humana. O experimento resultou em três mudanças no Managed Ruleset, incluindo duas novas detecções para SSRF (SSRF - Obfuscated Host e SSRF - Restricted Protocol) e uma melhoria na regra SSRF - Cloud, mostrando como o loop de feedback e a validação final ajudam a transformar exploração probabilística em evidência para ajustes de segurança.
Centros de operações de segurança (SOCs) têm enfrentado dificuldades com o volume de alertas há anos, e agentes de IA passam a ser testados para reunir sinais de diferentes sistemas, investigar atividades suspeitas e sugerir próximos passos para humanos no loop. A discussão central agora é o quanto as organizações estão dispostas a entregar de autonomia para essas máquinas, especialmente em ações que podem impactar diretamente o negócio.
A diferença fica clara entre pedir que a IA investigue um login suspeito e permitir que ela desative a conta responsável ou isole um endpoint. O debate também envolve confiança operacional: entender o que o agente faz, em que momento o humano decide e se é possível desfazer uma ação ruim, com limites de autonomia e uma camada de controle para governar o que pode e o que não pode ser feito. A The New Stack realiza em 8 de outubro uma sessão ao vivo com demonstração prática de triagem, construção de contexto e resolução de casos, mostrando onde o humano permanece no processo.
El Salvador está usando inteligência artificial em larga escala na educação e na saúde como parte da estratégia do governo de Nayib Bukele. Em 171 escolas, o Grok, da xAI, atua como tutor de matemática, ciências e leitura, com ajustes ao ritmo de cada aluno e acompanhamento de um professor. No sistema de saúde, o aplicativo DoctorSV usa IA para fazer a triagem inicial de pacientes antes do atendimento médico.
Os programas têm resultados iniciais positivos, mas ainda não há avaliações independentes que comprovem o impacto da tecnologia. A iniciativa também levanta preocupações sobre custo, demissões de professores e profissionais de saúde, concentração de dados pessoais e o controle direto dos projetos pelo palácio presidencial.
O GitHub Copilot app ganhou canvases personalizáveis, uma interface compartilhada entre usuário e agente que pode funcionar como kanban, triagem de issues, checklist de releases, dashboard, formulário ou até planilha. A ideia é que a interface seja moldada pelo fluxo de trabalho que você descreve, em vez de você se adaptar a telas fixas.
Para criar um canvas, basta iniciar uma sessão com um agente e usar o comando /create-canvas, descrevendo em linguagem natural o fluxo desejado, o que você poderá fazer na interface e o que o agente deve conseguir atualizar. O canvas é gerado sem necessidade de código ou design manual, fica salvo como uma extensão para reutilização e permite colaboração em tempo real, com mudanças refletidas imediatamente para ambos.
Ferramentas automatizadas para redigir e formatar currículos se tornaram comuns entre profissionais que buscam recolocação ou ascensão no mercado, com plataformas de geração de texto ajudando a mapear habilidades e organizar conquistas. A tecnologia pode facilitar a estrutura do documento, mas descrições padronizadas e dados apresentados de forma pouco específica podem prejudicar a avaliação. Em grandes empresas, sistemas de inteligência artificial fazem a triagem inicial ao comparar termos do currículo com os requisitos da vaga.
Um estudo citado pela ResumeBuilder aponta que 70% dos profissionais que usaram apoio tecnológico tiveram maior taxa de resposta, enquanto pesquisas do MIT indicam que excesso de palavras-chave sem contexto prático pode levar a rejeição automática pelos algoritmos. A orientação é usar a IA como suporte para organizar informações e manter a autenticidade da trajetória, destacando resultados mensuráveis, adaptando o vocabulário técnico ao setor e revisando o texto para evitar construções genéricas.
Quase quatro em cada dez candidatos já recorrem a ferramentas de inteligência artificial para montar a candidatura a uma vaga. O dado aparece no relatório do Future of Work Research Lab, laboratório de pesquisa mantido pela SAP SuccessFactors, que descreve o recrutamento como uma “corrida armamentista” entre empresas que automatizam a triagem e candidatos que usam IA para otimizar candidaturas.
Publicado em outubro de 2025, o estudo aponta que a adoção de IA por candidatos está pressionando as áreas de recursos humanos a reavaliar como avaliam quem se candidata. Com currículos gerados para bater palavras-chave das vagas, cresce o volume de candidaturas parecidas, e uma pesquisa da Robert Half indica que mais de dois terços dos gerentes de contratação relatam que isso torna o processo mais lento por exigir verificação extra.
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.
A Gupy, empresa de recrutamento e seleção, está mudando sua estratégia para usar agentes de inteligência artificial em etapas do processo de RH e reduzir tarefas que dependem de pessoas em cada fase. A companhia quer conectar dados de admissão, treinamento, engajamento e avaliação de desempenho para executar atividades em nome dos clientes, com foco em entregar resultado e não apenas “funcionalidades”.
A estratégia inclui um novo modelo de cobrança, recrutamento e admissão pelo WhatsApp e mais serviços e integrações. No WhatsApp, agentes recebem requisitos da vaga, fazem perguntas aos candidatos, fazem a triagem e separam perfis para a entrevista final com RH ou gestor; a Gupy também cita queda do tempo médio de triagem de 18 para 10 dias no primeiro mês e redução de 80% na taxa de abandono em operações testadas.
Nove em cada dez empresas americanas já usam inteligência artificial para triar candidatos, e um estudo da Universidade Stanford, com Chapman e Northeastern, aponta um efeito que pode atingir quem busca emprego: ser reprovado por uma IA em uma vaga aumenta a chance de ser reprovado nas outras vagas que usam o mesmo sistema. A pesquisa “Algorithmic Monocultures in Hiring” analisou mais de 4 milhões de candidaturas enviadas por cerca de 3,4 milhões de pessoas a 156 empregadores que usam a plataforma de triagem Pymetrics, adquirida pela Harver em 2022.
O trabalho descreve o cenário como “monocultura algorítmica”, em que vieses e limitações do algoritmo se espalham entre empresas diferentes que recorrem ao mesmo fornecedor. Entre candidatos que se inscreveram em dez vagas triadas pela Pymetrics, 4% foram reprovados em todas elas, e o estudo também identificou disparidade racial nos resultados usando a regra dos quatro quintos, com diferenças que variam por tipo de vaga.
A Figma documentou como construiu agentes de IA para apoiar o time de segurança na investigação de alertas, na busca por incidentes anteriores e na verificação de sistemas da empresa. Os agentes também podem preparar correções de código, com revisão humana e controles rígidos mantidos no fluxo.
A solução usa o Panther SIEM para analisar alertas e logs de auditoria em AWS, Okta, GitHub, GCP e osquery, além de consultar mais de 100 fontes. A empresa afirma que a triagem com agentes (com modelo como Claude Opus) reduziu em cerca de 70% o tempo de resolução de alertas complexos e diminuiu em 20% as páginas no on-call ao reduzir a severidade de alguns alertas.
O designer australiano Felix Toohey ficou conhecido por transformar currículos em experiências físicas para cada empresa, como um currículo apresentado em uma bandeja de café com “latte art” para identificar seções. Apesar da repercussão e de um vídeo patrocinado inspirado na série “Ghosting Busters” com a Canva, o projeto ainda não resultou em uma vaga fixa, embora tenha aberto outras portas.
No Brasil, diretoras de RH apontam que um currículo criativo pode chamar atenção na primeira análise, mas não garante contratação. Elas alertam que formatos muito complexos, informações difíceis de localizar e elementos visuais podem ser ignorados por sistemas de recrutamento que usam inteligência artificial, recomendando manter uma versão convencional e adaptar conteúdo às exigências da vaga.
Candidata e cientista de dados, Jodi Beggs recebeu uma pontuação menor de um sistema online que compara descrições de vagas com os materiais do candidato, com ajustes simples como usar “%” no lugar de “percent” elevando o score. Ferramentas desse tipo, como o Jobscan, partem da ideia de que comitês de contratação usam IA dentro do ATS para ranquear candidatos e só deixam passar uma pequena parcela.
O problema, segundo o relato, é que a premissa nem sempre se confirma: em algumas empresas a triagem é feita por humanos do início ao fim, enquanto em outras a automação pode ser usada para tentar diferenciar centenas de candidaturas parecidas. A matéria descreve uma “espiral” em que cada lado tenta usar IA para resolver o próprio problema, mas isso piora a confiança e transforma a busca por emprego em um processo opaco.
50,5% dos adultos nos EUA dizem que um relacionamento romântico ou sexual de um parceiro com uma IA pode ser considerado traição. O dado vem de uma pesquisa sobre romance com IA com 2.150 participantes, conduzida pela AI Girlfriend Coach via SurveyMonkey Audience em 26 e 27 de agosto de 2026, com análise de 1.709 respostas após triagem de qualidade.
A pesquisa também aponta que 21,2% evitariam o termo “traição”, mas ainda assim se mostrariam desconfortáveis com a situação. Entre quem acredita que poderia desenvolver sentimentos genuínos por um companheiro de IA, 73,0% classificam como traição, e o uso prévio aparece ligado a julgamentos mais rígidos, com 80,6% entre usuários atuais.
Candidatos em processos seletivos já podem encontrar um agente de inteligência artificial conduzindo entrevistas de triagem por vídeo, telefone ou texto, em vez de um recrutador. A tecnologia faz perguntas, ouve as respostas, propõe novas questões com base no que foi dito e gera uma avaliação estruturada a partir de critérios definidos para a vaga.
Mesmo com a IA participando da conversa, a decisão final costuma continuar com recrutadores humanos. Em um experimento de campo publicado em 2026 com mais de 70 mil candidatos, as entrevistas conduzidas por agentes de voz mantiveram a contratação sob responsabilidade de pessoas, o que reforça a importância de se preparar com exemplos concretos e praticar respostas em voz alta.
Organizar manuais, políticas, apresentações e outros arquivos para responder dúvidas internas pode consumir tempo quando o conteúdo está espalhado. Uma alternativa é criar um assistente personalizado que consulte esses materiais e responda perguntas usando apenas o que foi fornecido pelo usuário, com apoio de ferramentas como os GPTs do ChatGPT e os Gems do Gemini.
O processo começa escolhendo os documentos e fazendo uma triagem para excluir versões desatualizadas, duplicadas ou com informações restritas. Depois, define-se a função do assistente com instruções claras, adicionam-se os arquivos, criam-se regras para as respostas (como não inventar informações) e realizam-se testes com perguntas que existam e outras que não existam nos documentos, além de controles para proteger dados confidenciais e limitar o acesso ao assistente e aos arquivos.
Agentes de voz baseados em inteligência artificial já são usados em operações de vendas, suporte e atendimento ao consumidor, e devem ganhar ainda mais espaço em 2026. Nessa modalidade, o cliente liga, explica o problema e recebe resposta quase imediata, sem que necessariamente exista um atendente humano do outro lado.
A tecnologia automatiza etapas como tirar dúvidas, consultar informações, acompanhar pedidos e conduzir processos de venda, incluindo suporte com consulta a sistemas conectados e triagem de solicitações como agendamentos, cobranças e pesquisas de satisfação. A adoção, porém, depende de fatores como latência para evitar “silêncio” durante a ligação, capacidade de interpretar interrupções, sotaques e ruídos, além do cálculo de custos com infraestrutura, integrações e supervisão humana.
A Amazon anunciou o Kiro Crew, um sistema open source para executar múltiplos agentes de programação Kiro em sessões, ferramentas e tarefas diferentes. Com um workspace persistente, desenvolvedores podem delegar atividades assíncronas a agentes de IA para continuar trabalho como investigação de incidentes, triagem de tickets, migrações e monitoramento de PRs sem supervisão ativa.
O Kiro Crew mantém contexto do projeto com memória compartilhada, habilidades reutilizáveis, jobs agendados e agentes em concorrência, além de permitir delegação para subagents e integração com ferramentas externas via MCP e webhooks. Desenvolvido internamente na Amazon (antes como MeshClaw) e relatado como adotado por mais de 39.000 desenvolvedores, o projeto roda localmente ou em infraestrutura controlada pelo desenvolvedor, usa o Kiro CLI e é distribuído sob licença Apache 2.0 para macOS, Linux e Windows.
O Sabin Diagnóstico e Saúde vai colocar em operação em escala o Nevo, ferramenta de inteligência artificial (IA) que analisa imagens de pintas e manchas na pele para identificar sinais de alerta de câncer. A tecnologia, desenvolvida pela healthtech AI Pathology, passa a ser oferecida a clientes do laboratório em Brasília após testes com trabalhadores rurais em Goiás e com colaboradores de grandes empresas.
O serviço funciona com coleta de imagens por equipe treinada no endereço do cliente, usando smartphone com lente de magnificação e iluminação por luz polarizada. As imagens são avaliadas pela IA do Nevo e, quando há achado suspeito, o sistema aciona teleconsulta com dermatologista, que mantém a decisão final; por enquanto, o atendimento permite avaliação de até cinco lesões por consulta.
O GitHub apresentou como usar o GitHub Copilot app para automatizar a triagem de pull requests abertos do Dependabot. A automação pode rodar em agenda diária, antes do início do trabalho, e também pode ser executada na nuvem ou localmente.
Com prompts em linguagem natural, o Copilot app revisa os PRs, agrupa por nível de risco, verifica o status de CI e entrega um resumo com recomendações de próximos passos. Em vez de listar dezenas de atualizações, o sistema registra o histórico de cada execução e permite continuar a partir dos resultados quando for necessário um ajuste maior, como migrações de versões.
Claude pode comparar o currículo com uma vaga e destacar pontos que precisam de mais clareza ou destaque. A ferramenta aceita o envio de arquivos como PDF e DOCX e indica quais informações ficam pouco evidentes, quais trechos poderiam ser mais específicos e onde faltam exemplos com resultados. A análise fica mais útil quando o Claude recebe, além do currículo, a descrição da oportunidade.
O usuário pode pedir, por exemplo, que a IA identifique as cinco características ou experiências que mais enfraquecem a candidatura, explicando por que isso acontece e sugerindo ajustes sem inventar dados. Também é possível solicitar que o Claude procure lacunas no documento, como responsabilidades e resultados que não foram detalhados, ou que avalie o currículo como um recrutador na primeira triagem. A orientação é usar a IA como apoio e revisar qualquer mudança para evitar exageros ou atribuições indevidas.
A DoorDash desenvolveu o SafeChat para lidar com abusos verbais no chat do marketplace, onde consumidores, entregadores (Dashers) e comerciantes se comunicam durante pedidos. A empresa afirma que precisa agir com baixa latência: são mais de 4 milhões de mensagens por dia e existe apenas uma fração de segundo para decidir se cada mensagem é segura, sem prejudicar a experiência.
O sistema combina uma etapa inicial com um classificador de ML treinado com dados internos, capaz de responder em menos de 100 ms em 90% dos casos e com custo apenas de infraestrutura. Para o pequeno volume de mensagens que não passam nessa triagem (menos de 10%), o SafeChat chama um LLM para pontuar e classificar eixos como nível de ameaça, grau de palavrões e conteúdo sexual, usando perguntas mais difíceis apenas quando necessário.
Entre janeiro e junho de 2026, a fatia de usuários ativos em recursos de IA no Linear mais que dobrou em todas as funções. Em Produto, o avanço foi de 12% para 34%, enquanto go-to-market saiu de 5% para 18%, indicando que a adoção se espalhou além do time diretamente ligado ao código.
A pesquisa também aponta que o tempo dedicado a criar, triagem e comentar aumentou em quase todas as funções entre junho de 2025 e junho de 2026, com engenharia subindo cerca de 17% em create e triage. Além disso, “autores” de IA já respondem por quase metade dos issues criados no Linear, e times conectados a coding agents chegaram a triplicar pull requests semanais ao longo de dois anos, de 21 para 65.
O ChatGPT Work é um agente de IA pensado para ir além de conversas e responder perguntas. Em vez disso, ele consegue assumir tarefas, organizar etapas de um projeto e usar ferramentas conectadas para entregar um resultado pronto, incluindo pesquisa de informações, análise de arquivos e execução do trabalho de forma independente.
Entre os usos citados estão análise competitiva e de mercado, automação de rotinas e tarefas agendadas, criação de documentos e apresentações, triagem e rascunhos de respostas para e-mails, apoio em fechamentos financeiros, qualificação de leads no CRM, resumos e acompanhamento de projetos, desenvolvimento de sites e dashboards interativos e estudo/simplificação de conceitos complexos.
Cerca de 70% das empresas brasileiras já usam IA em etapas de recrutamento, segundo levantamento da Pandapé com a Adecco. Com a triagem automatizada, alguns candidatos passaram a tentar influenciar essas ferramentas por meio de “injeção de prompt”, inserindo comandos ocultos no currículo para que modelos de linguagem avaliem o candidato melhor. A pesquisadora da Universidade Stanford, Ya’el Courtney, relatou ter encontrado textos quase invisíveis (letras minúsculas ou em branco sobre fundo branco), mas o resultado não foi a eliminação automática: os prompts acabaram tratados como “campo desconhecido”, enquanto o problema maior foi o envio de cartas genéricas.
A prática levanta um alerta para quem usa ATS e modelos de IA na seleção: se a ferramenta não separar bem instruções do conteúdo do candidato, comandos escondidos podem ser interpretados como orientações válidas. Na prática, isso reforça a necessidade de proteções contra manipulação de prompts e de validações mais robustas na leitura e no resumo de currículos.
Um levantamento da CloudHQ (Workplace Email Statistics 2025) aponta que o profissional médio recebe mais de 120 e-mails por dia. Para reduzir a “carga de atenção” do inbox, o método inbox zero — popularizado por Merlin Mann em 2006 — ganhou camadas em 2026 com automações de IA: filtros que desviam ruído e apps que classificam urgência, resumem conversas e ajudam a montar rascunhos de resposta. A matéria também lista regras práticas para Gmail e Outlook, com categorias como newsletters, alertas automáticos (Jira/Slack/GitHub), comprovantes e cold emails.
Na prática, a mudança para devs e tech é transformar o e-mail em um fluxo mais gerenciável: menos mensagens exigindo decisão imediata e mais triagem antes do “momento de resposta”. Com prompts de classificação e extração de tarefas (checklist, datas e nomes), fica mais fácil priorizar o que realmente precisa de ação humana e processar a caixa em blocos, sem ficar refém de notificações.
Nova Orleans (EUA) está testando um sistema de IA para triagem de chamadas de emergência do 911, em vez de atender apenas com despachantes humanos. O Orleans Parish Communication District (OPCD) afirma que a ferramenta, da Carbyne, foi criada para reduzir o volume de ligações que chegam diariamente — mais de mil chamadas de emergência por dia.
Na prática, a IA faz perguntas para entender o tipo de ocorrência e encaminha o contato: se for sobre o mesmo incidente, pode fornecer informações e atualizações; se não for, a ligação é transferida para um atendente humano. A cidade já havia implementado IA em abril para chamadas 311 (não emergenciais), e agora avalia o uso no 911 com foco em direcionar e organizar a demanda, mantendo supervisão humana.
A iniciativa importa porque pode melhorar a eficiência e o tempo de resposta durante picos de chamadas, mas também levanta riscos como vieses nos dados, falhas de reconhecimento de fala (por sotaques, dialetos e variações de voz) e necessidade de monitoramento, cibersegurança e regras claras. Para o setor tech, o caso reforça a tendência de agentes de IA entrando na linha de frente de serviços críticos, exigindo validação contínua e governança.
/https://i.s3.glbimg.com/v1/AUTH_59edd422c0c84a879bd37670ae4f538a/internal_photos/bs/2026/X/u/UAlghpT6O57Cfn0IjN3Q/curriculo-diferente.jpg)
:quality(85)/483c949e-c9ea-41be-b2a9-e0fcfe03b894.png)
:quality(85)/5129f764-4d6a-4b53-98b7-31df4ec763b4.jpg)
