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.
Lauren Tan, engenheira do time Grok na SpaceXAI, compartilhou o workflow do seu agente pessoal, o pstack, que permite enviar 2.000 pull requests por mês para produção com alta confiança. Com isso, um único engenheiro chega a quase 100 PRs por dia útil, e as mudanças de fato chegam ao ambiente final, não ficam apenas no código.
No centro do processo está a verificação: um “skill” que checa o próprio trabalho e mantém o agente trabalhando até a tarefa estar concluída. Para isso, o agente precisa de um runtime rico que ele possa iniciar, inspecionar e obter respostas estruturadas; em sistemas distribuídos, a verificação exige ambientes que suportem muitos testes em paralelo sem interferência entre mudanças.
Um engenheiro do LinkedIn descreveu como a empresa usa “context engineering” para criar uma camada de contexto organizacional que ajuda agentes de IA a depurar incidentes em serviços críticos. No exemplo, um alerta de aumento de latência é enviado a um coding agent como o GitHub Copilot, que busca instruções, analisa logs, métricas e mudanças recentes e identifica a causa em um serviço downstream com muitos erros.
O agente também gera um resumo detalhado com a raiz do problema e os próximos passos, atualiza o sistema de incidentes e cria uma PR para mitigar a falha. Segundo o relato, o fluxo ocorre em poucos minutos e substitui tarefas que levariam horas, apoiado por “Contextual Agent Playbooks and Tools” e por centenas de workflows automatizados.
Organizações de engenharia estão vendo métricas de “adoção” dispararem — como ativações de assentos e gasto com tokens — mas, ao observar reuniões e rotinas, quase nada muda no processo de desenvolvimento. O texto critica que indicadores de uso (tokens, commits, “% de código gerado por IA”) medem atividade, não melhoria real do trabalho. Também destaca que “adoção” pode significar desde uso pontual até mudanças permanentes de workflow, sendo que só a última tende a sobreviver a prazos e troca de pessoas.
A implicação para times dev é direta: dashboards podem virar incentivo para “jogar o jogo” da métrica, sem garantir qualidade, entrega ou aprendizado. Em vez de focar em licenças e volume de uso, a recomendação é avaliar o que quebra se a ferramenta sumir, e tratar prompts e fluxos como artefatos versionados e revisados no repositório — além de definir com clareza o que pode ser delegado a agentes com checagem leve e o que exige revisão mais cuidadosa.
Coinbase, Shopify e Ramp estão desenvolvendo agentes internos para apoiar o desenvolvimento de software, mas sem abandonar totalmente ferramentas comerciais. A Coinbase criou o Forge para transformar relatos de bugs em pull requests com integração a Slack, GitHub e Linear, incluindo validação e até build para revisão no mobile. A Shopify desenvolveu o River, que atua em um ambiente de engenharia reproduzível e já participa de 1 a cada 8 pull requests mescladas. A Ramp criou o Inspect, que executa em sandboxes com máquinas virtuais parecidas com o ambiente local e integra Datadog, Sentry e LaunchDarkly.
A tendência é que as empresas passem a “insourcer” o harness do agente — o ambiente de execução com contexto, permissões, orquestração de workflow e verificação — enquanto modelos de fundação continuam sendo fornecidos por players como Anthropic, OpenAI e Google. Na prática, isso muda o jogo para devs: o controle de custos, segurança e roteamento do modelo fica mais centralizado na plataforma, e os assistentes comerciais tendem a complementar fluxos interativos no editor/terminal.
Uma equipe da Brex descreveu um padrão para construir workflows de IA que funcionam tanto em produção quanto em rotinas de avaliação (evals) offline. A ideia é separar a “lógica de orquestração” (passos, ordem e ramificações) do runtime: a mesma lógica roda sem mudanças em ambientes duráveis e também em loops leves para testar centenas de variações. O artigo explica por que engines focadas em execução durável (com persistência e replay) tornam as evals caras e lentas, enquanto harnesses leves não garantem resiliência para agentes longos.
Na prática, isso reduz bugs causados por divergência entre o que foi avaliado e o que vai para o ar—já que existe apenas uma versão da lógica. Para devs, a arquitetura precisa “forçar” o caminho correto (build falha se alguém escrever código não-agnóstico) e aceitar um custo: a orquestração perde acesso direto a recursos nativos de cada runtime, exigindo uma camada intermediária para novas capacidades. O resultado é um fluxo mais confiável para ajustar prompts e modelos sem sacrificar estabilidade em produção.
