O novo normal

COMO USAR A INTELIGÊNCIA ARTIFICIAL A SEU FAVOR

Veja também quais as carreiras em ascensão e formas de turbiná-las

Folha – 18.jun.2026

A automação de tarefas e serviços já é uma realidade nas grandes (e nas médias e pequenas) empresas. Mas isso não quer dizer que os empregos estão acabando. O mundo do trabalho está, na verdade, se transformando. E exige profissionais com novas habilidades e capacidades.

IA muda o escritório e motiva a reinvenção de diversos profissionais

Com a inteligência artificial avançando sobre tarefas antes exclusivamente humanas, a grande questão do mercado de trabalho já não é se a mudança vai acontecer, mas como se preparar para ela

Que a inteligência artificial já está mexendo com a rotina de profissionais de setores como advocacia, administração, finanças e engenharia todo mundo já sabe. A dúvida que paira sobre o ambiente do trabalho é como conviver com essa nova tecnologia de uma maneira que as competências humanas continuem sendo protagonistas.

Para a futurista e pesquisadora Ligia Zotini, é um desafio que deve ser encarado. Segundo ela, as organizações vivem velocidades diferentes de transformação. Empresas mais preparadas para incorporar novas tecnologias costumam ter também mais recursos e disposição para investir no desenvolvimento humano necessário para lidar com elas.

Os impactos mais imediatos têm sido sentidos, pelo menos até agora, por profissionais cujo trabalho ocorre principalmente no ambiente digital. “Todas as profissões mais ligadas à tecnologia sofreram mudanças frontais nos últimos três anos”, diz ela. Já as atividades que estão mais fincadas no mundo físico enfrentam um ritmo diferente de transformação.

“As profissões do fazer, em que parte do trabalho tem a ver com mover pessoas, mover matéria, mover objetos, mover animais ou mover alimentos, seguem em um ritmo mais lento. A disrupção vem naquilo que é possível digitalizar com mais rapidez.”

Mas essa avaliação não quer dizer que essas áreas estejam protegidas das influências das IAs, principalmente nos escritórios. Para Ligia, “se o núcleo do negócio não está sofrendo disrupção neste momento, o profissional tem de aproveitar o tempo para se planejar e construir repertório para quando isso acontecer”.

O direito é um dos exemplos mais evidentes dessa transformação. Ferramentas de IA já são capazes de pesquisar jurisprudência, localizar referências e produzir documentos em segundos, tarefas que tradicionalmente ficavam sob a responsabilidade de estagiários e profissionais em início de carreira.
Para Ligia, essa mudança de cenário não elimina a necessidade dos cargos juniores. “Se a gente substituir 100% dos jovens e tirá-los do ambiente de trabalho, onde será formada a próxima geração? Ninguém está pensando nisso agora. Eu presumo que vamos continuar precisando deles.”

Ela afirma que boa parte da formação profissional continua acontecendo na prática. “Por mais que as faculdades se esforcem para reproduzir o mundo real, é no mundo real que o aprendizado acontece.”
Além disso, a supervisão humana permanece indispensável. A pesquisadora cita casos recentes nos Estados Unidos em que advogados foram punidos por utilizar informações inexistentes produzidas por sistemas de IA.

“Temos casos recentes de juízes que multaram e afastaram advogados porque usaram referências, repertórios e jurisprudências que não existiam. Nem o estagiário, nem o advogado, ninguém tinha revisado o material.”

Por isso, ela defende a manutenção do chamado “humano no circuito”, um responsável por verificar as informações e validar os resultados antes que eles sejam utilizados na prática.

PSICOLOGIA

No caso dos psicólogos, a realidade é um pouco diferente. Apesar do crescimento dos chamados terapeutas virtuais e assistentes conversacionais, Ligia acredita que a inteligência artificial está longe de substituir os profissionais da área.

“Ela pode até tentar nos ajudar, mas, quando eu preciso interpretar sentimentos, dores, emoções e minha psique, eu vou procurar um profissional reconhecido dentro do meu ecossistema.”

Segundo ela, os modelos atuais simulam empatia, mas não possuem consciência nem compreensão genuína da experiência humana. “Ela está bem longe de substituir um psicólogo. O que eu vejo é que ela funciona muito mais como um espelho.”

A adaptação às IAs parece mais natural para administradores, engenheiros e gestores, acostumados a trabalhar com dados, processos e ferramentas digitais. Ainda assim, a principal barreira, segundo Ligia, não é tecnológica.

“São pessoas altamente inteligentes. A armadilha é a falta de tempo para se aprofundar nos assuntos.” Para ela, muitos líderes passaram anos delegando tarefas operacionais e agora encontram dificuldades para desenvolver uma relação prática com as novas ferramentas.

“A IA requer treino, processo, experimentação, pôr a mão na máquina. Não tem outra forma de aprender.”
Essa experiência direta, afirma, será cada vez mais importante. Embora a chamada engenharia de prompts esteja ganhando espaço, a pesquisadora aponta que a competência central não é apenas saber formular comandos.

“A maioria hoje usa IA para corrigir texto, escrever melhor, fazer um post para o LinkedIn, mandar email para o chefe ou para o cliente. É assim que as pessoas estão usando no dia a dia, como assistentes de comunicação.”

O domínio mais sofisticado dessas ferramentas exige tempo e aprendizado contínuo. E esse é justamente um dos obstáculos enfrentados por muitos profissionais experientes. “Pensam no que se pode aprender agora, neste momento. Porque as pessoas não têm tempo.”

Para os profissionais mais experientes que começam a sentir a pressão das mudanças, a recomendação é abandonar a postura de observador e começar a experimentar. “Você não aprende a usar IA se não usar IA.”

Ela sugere transformar o próprio conhecimento em um “patrimônio digital”. “Transporte o que você sabe para uma IA segura. Faça a construção desse segundo cérebro.”

Na visão de Ligia, um dos cenários possíveis para a próxima década é que as empresas passem a contratar não apenas pessoas, mas também versões digitais treinadas por elas. “As empresas poderão contratar você e o seu gêmeo digital. A sua IA vai carregar o repertório que você construiu ao longo da vida.”

*conteúdo patrocinado produzido pelo Estúdio Folha

COMO USAR A INTELIGÊNCIA ARTIFICIAL A SEU FAVOR – 18/06/2026 – Especial Educação – Estúdio Folha

Se você tiver interesse e ainda não estiver inscrito para receber diariamente as postagens de O Novo Normal, basta clicar no link: https://chat.whatsapp.com/GeLUPi5zQ2582nGKD6JFey para WhatsApp e https://t.me/joinchat/SS-ZohzFUUv10nopMVTs-w para Telegram. Este é um grupo restrito para postagens diárias de Evandro Milet. Além dos artigos neste blog, outros artigos de Evandro Milet com outras temáticas, publicados nos fins de semana no Portal Tribuna online, encontram-se em http://evandromilet.com.br/

Acesse o link abaixo para entrar no meu grupo do WhatsApp onde publico meus artigos semanais e entrevistas que faço no rádio e TV Tribuna, bem como outras publicações e notícias, sempre na temática inovação e negócios: https://chat.whatsapp.com/CNud8bQUUYM4n8ryXA3ZaW

Por mudanças profissionais com a instituição onde publicava outros artigos meus e informações sobre inovações, tive que criar um novo grupo no WhatsApp https://chat.whatsapp.com/CNud8bQUUYM4n8ryXA3ZaW e parar de publicar em https://chat.whatsapp.com/HqlJjC80rJ0Bu9lmsZgw5B . Quem tiver interesse pode sair do anterior e entrar nesse novo. Desculpem os transtornos.

Sugestão: Se estiver procurando alguém para implementar uma solução de IA com agentes e SLM veja a Aumo | Transformamos dados em soluções de IA avançadas

Se tiver interesse em gêmeos digitais para a indústria procure a Neo Vision – Captura Digital da Realidade

Para IoT chame a 2solve

Por que a IA alucina? A resposta está na matemática e não na “imaginação”.

Cezar Taurion – Linkedin – 22 de julho de 2026

Head of AI Strategy, thegarageIA Embaixador MyDatagent

Gosto de ministrar aulas e palestras porque sempre surgem perguntas interessantes. Uma delas foi: como realmente ocorrem as alucinações em um LLM?

Para quem observa de fora, parece que o modelo “inventou” uma informação ou decidiu mentir. Mas essa não é isso que acontece.

Na realidade, um LLM não possui intenção, imaginação nem compromisso com a verdade factual. Durante a inferência, ele faz exatamente aquilo para o qual foi treinado: prever, a cada passo, qual token possui maior probabilidade de aparecer em seguida, dado o contexto disponível.

Por isso, a alucinação não decorre de uma falha de software nem de uma tentativa deliberada de inventar informações. Ela é uma consequência natural da forma como modelos probabilísticos geram texto.

Deixe-me explicar isso sem recorrer a equações.

1. Generalização em regiões de maior incerteza. Um LLM representa palavras, frases e conceitos como vetores em um espaço de milhares de dimensões. Durante o treinamento, o modelo aprende padrões presentes em enormes volumes de texto. Algumas regiões desse espaço são extremamente bem representadas porque aparecem inúmeras vezes nos dados de treinamento. Outras, correspondentes a temas muito específicos, raros ou inéditos, possuem muito menos exemplos.

Quando fazemos uma pergunta comum, o modelo costuma navegar por regiões bastante conhecidas desse espaço. Mas perguntas muito específicas, combinações incomuns de fatos ou situações inéditas aumentam a incerteza da previsão. Nessas situações, o modelo precisa generalizar a partir dos padrões que aprendeu. Intuitivamente, podemos imaginar que ele tenta preencher lacunas utilizando exemplos semelhantes presentes durante o treinamento.

É apenas uma analogia, mas imagine um mapa extremamente detalhado contendo milhares de cidades conhecidas. Se alguém pedir informações sobre uma cidade inexistente, um algoritmo pode inferir características baseando-se nas cidades mais próximas. A resposta pode parecer plausível, embora não corresponda à realidade. Algo semelhante pode acontecer com um LLM.

2. A coerência local pode superar a verdade factual. O modelo gera um token de cada vez. Cada palavra escolhida passa imediatamente a fazer parte do contexto utilizado para prever a próxima. Imagine que alguém peça a biografia de uma pessoa pouco conhecida. O modelo pode começar corretamente, mas, se houver pouca informação disponível durante o treinamento, a distribuição de probabilidades passa a favorecer continuações estatisticamente plausíveis. Se, naquele contexto, “formou-se em Harvard” aparecer como uma continuação mais provável do que outras alternativas, essa poderá ser a sequência escolhida, mesmo sendo falsa. Depois que “Harvard” entra na resposta, ela passa a integrar o contexto das próximas previsões. O modelo então tende a gerar novos tokens coerentes com essa informação, acrescentando professores, pesquisas, prêmios ou cargos igualmente fictícios.

Esse fenômeno é conhecido como propagação de erro em modelos autorregressivos. Um pequeno desvio inicial pode se acumular ao longo da geração da resposta.

3. O modelo sempre precisa escolher alguma continuação. Depois que o modelo calcula uma pontuação para cada token do vocabulário, essas pontuações são convertidas em probabilidades. Mesmo quando nenhuma continuação possui alta confiança absoluta, o algoritmo precisa produzir uma distribuição de probabilidades. Sempre existirá uma alternativa relativamente mais provável do que as demais.

O modelo não possui uma representação explícita de “não sei” durante a geração do próximo token. Ele continuará produzindo texto enquanto o processo de inferência permitir.

Se utilizarmos temperaturas mais altas, a distribuição de probabilidades fica menos concentrada, aumentando a chance de selecionar tokens menos prováveis e, consequentemente, respostas mais criativas. Em situações de elevada incerteza, isso também pode aumentar a probabilidade de surgirem informações incorretas.

E, naturalmente, surge outra pergunta: por que arquiteturas como RAG e o uso de ferramentas externas costumam reduzir as alucinações? A resposta é que elas não modificam a matemática do Transformer nem mudam a forma como o LLM gera texto. O modelo continua prevendo um token de cada vez, exatamente da mesma maneira. O que muda é a qualidade das informações disponíveis durante a inferência.

Um LLM depende do conhecimento distribuído em seus parâmetros, adquirido durante o treinamento. Esse conhecimento pode estar incompleto, desatualizado ou simplesmente não conter a informação específica necessária para responder a uma determinada pergunta.

O RAG procura reduzir essa limitação recuperando documentos potencialmente relevantes e incorporando-os ao contexto antes da geração da resposta. Já as ferramentas permitem que o modelo consulte fontes externas, execute cálculos, acesse bancos de dados, realize buscas ou interaja com sistemas corporativos em vez de depender apenas do que “lembra” do treinamento.

Em ambos os casos, o objetivo é reduzir a incerteza durante a inferência. Quanto mais relevante, atual e consistente for o contexto fornecido ao modelo, menor tende a ser sua dependência de generalizações baseadas apenas no conhecimento paramétrico.

Isso não significa que RAG elimine alucinações. Se os documentos recuperados forem irrelevantes, contraditórios ou incorretos, o modelo poderá continuar produzindo respostas equivocadas. Da mesma forma, ferramentas externas só ajudam quando retornam informações corretas e quando o modelo sabe utilizá-las adequadamente.

Na minha opinião, esse é um ponto frequentemente mal compreendido. As alucinações não surgem porque o modelo “mente”. Elas surgem porque o objetivo do treinamento nunca foi distinguir verdade de falsidade, mas prever qual sequência de tokens é mais provável dado o contexto disponível.

Quando plausibilidade estatística e verdade factual coincidem, obtemos respostas corretas. Quando deixam de coincidir, surgem as alucinações.

Esse é um dos motivos pelos quais considero arriscado utilizar LLMs isoladamente em aplicações críticas. Não basta que uma resposta pareça convincente; ela precisa ser verificável. E essa verificabilidade normalmente depende de dados externos, ferramentas de consulta, mecanismos de validação e governança, não apenas de um modelo maior.

(1) Por que a IA alucina? A resposta está na matemática e não na “imaginação”. | LinkedIn

Sugestão: Se estiver procurando alguém para implementar uma solução de IA com agentes e SLM veja a Aumo | Transformamos dados em soluções de IA avançadas

Se tiver interesse em gêmeos digitais para a indústria procure a Neo Vision – Captura Digital da Realidade

Para IoT chame a 2solve

O fim da hegemonia agrícola dos Estados Unidos

País está prestes a perder posto de maior exportador agrícola do mundo para o Brasil

Por Susannah Savage e Michael Pooler — Valor/Financial Times – 22/07/2026

Desde a época em que o pai de Corey Goodhue cultivava suas terras em Carlisle, no Estado de Iowa, há meio século, quase tudo aumentou de tamanho. A fazenda agora se estende por 1.200 hectares. O pneu traseiro de um de seus tratores modernos tem cerca de 2,6 metros de altura, superando com folga os dois tratores John Deere 4020 que seu pai comprou em 1967. Mas as margens de lucro estão desaparecendo, à medida que as tensões comerciais e os preços baixos deixam sua marca no Meio-Oeste e no status dos Estados Unidos como superpotência agrícola.

No ano passado, a fazenda de Goodhue registrou a melhor safra de soja de sua história e, ainda assim, perdeu dinheiro com ela. Neste ano, se a produtividade corresponder às expectativas e nenhum equipamento caro quebrar, a fazenda deverá gerar um lucro operacional de US$ 60 mil, ante de despesas superiores a US$ 2 milhões.

“Não está exatamente maravilhoso no momento”, diz ele, sorrindo. “Eu me pergunto… será que é viável continuarmos?”

Goodhue está longe de ser um caso isolado. A American Farm Bureau Federation projeta que os agricultores americanos terão dificuldades no próximo ano para produzir as culturas básicas que transformaram os EUA em uma potência agrícola, com prejuízos de US$ 138 por acre (0,4 hectare) na soja, US$ 167 no milho, US$ 145 no trigo e US$ 406 no algodão.

Após mais de um século, os Estados Unidos estão prestes a perder o posto de maior exportador agrícola do mundo.

No ano passado, o país exportou US$ 171 bilhões em produtos agropecuários, segundo o Departamento de Agricultura, apenas US$ 2 bilhões a mais do que o Brasil, cujo total de exportações chegou a US$ 169 bilhões. (ver gráfico) Muitos analistas atribuem parte desse avanço brasileiro às distorções no comércio internacional provocadas pelas tarifas impostas pelo presidente Donald Trump.

Com as exportações americanas em queda e as brasileiras em alta (elas cresceram 6% no primeiro semestre, atingindo o recorde de US$ 87 bilhões), 2026 poderá entrar para a história como o ano em que os EUA perderam sua supremacia agrícola no comércio mundial.

O Brasil já é o maior produtor mundial de soja, carnes bovina e de frango e ultrapassou os EUA como principal exportador de algodão, em parte porque a China passou a substituir compras de produtos americanos por brasileiros.

Essa transferência de poder não está só redesenhando o setor agropecuário nos dois países, com mudanças nas cadeias de suprimento e nos padrões de investimento. Ela também tem repercussões sociais e políticas muito mais amplas.

Os EUA continuam capazes de produzir safras extraordinárias, mas cada vez mais em propriedades de grande porte, com margens de lucro enormes e uma dependência crescente de apoio governamental. No Brasil, a expansão da agricultura deu origem a cidades em rápido crescimento e expôs gargalos na infraestrutura, ao mesmo tempo em que intensificou as preocupações ambientais.

Em breve os americanos talvez tenham que se acostumar com a condição de vice-líder mundial. “Já não somos o principal fornecedor mundial de soja; somos o fornecedor de última instância”, diz Goodhue. “Os clientes recorrem aos EUA quando o Brasil fica sem produto ou enfrenta algum problema… e não mais o contrário.”

O fator China

Ao longo do século XX, os EUA transformaram suas terras férteis, suas fazendas mecanizadas e sua densa rede de silos, ferrovias, hidrovias e portos em um poderoso instrumento de domínio do comércio agrícola mundial.

O sistema permitia ao país produzir muito mais grãos do que era capaz de consumir e escoar o excedente ao exterior a baixo custo. A China tornou-se cliente e fez esse modelo prosperar. À medida que sua população enriqueceu e passou a consumir mais carne, a indústria pecuária chinesa passou a demandar grandes quantidades de farelo de soja para ração animal.

Os agricultores americanos ampliaram o plantio de soja e investiram em máquinas, armazenagem e terminais de exportação, apostando que as compras chinesas continuariam a crescer.

Essa relação, porém, foi rompida em 2018, quando Trump impôs tarifas sobre centenas de bilhões de dólares em produtos chineses. Pequim retaliou taxando produtos agrícolas cultivados em Estados que haviam contribuído para a eleição de Trump, e as compras de soja americana despencaram.

“Nossos acordos comerciais estão sendo alterados por capricho, e todo o trabalho árduo dedicado à construção dessas relações, à negociação de boa-fé e à busca de soluções para os problemas, pode ser anulado da noite para o dia”, diz Aaron Lehman, presidente do Sindicato dos Agricultores de Iowa.

As fazendas, no entanto, não tinham como simplesmente parar a produção. As terras já haviam sido arrendadas ou financiadas, as parcelas das máquinas continuavam vencendo e sementes e fertilizantes já tinham sido comprados. Em resposta, o governo Trump distribuiu cerca de US$ 23 bilhões em subsídios em 2018 e 2019.

“É uma questão de oferta e demanda, e distribuir dinheiro não resolve isso”, diz Goodhue. “O que queremos não é receber subsídios diretamente; queremos vender nossa produção”, acrescenta.

Em vez disso, a China comprou mais soja do Brasil.

O Departamento de Agricultura dos EUA (USDA) projetava que o Brasil ultrapassaria os americanos em participação no mercado mundial de soja, mas de forma gradual. “E aí houve aquela guerra comercial de 2018 e foi simplesmente como uma explosão”, diz Joseph Glauber, ex-economista-chefe do USDA. “Em 2020, já tinham uma participação no mercado mundial maior do que a que projetávamos que teriam em 2025. É espantoso. É isso que essas guerras comerciais fazem.”

Na época em que Trump voltou à Casa Branca, em janeiro de 2025, o Brasil era o fornecedor da maior parte das compras de soja da China. As relações, a capacidade de processamento e as rotas comerciais desenvolvidas ao longo dos anos tinham se consolidado.

“Cinco anos atrás, perdemos alguns consumidores, nossos consumidores no exterior”, diz Lehman, do Iowa Farmers Union, organização representativa dos agricultores do Estado. “Eles não voltaram a ser nossos clientes.”

Muitos se queixam de que o segundo governo Trump trouxe uma nova rodada de tarifas e incertezas comerciais. Para os produtores, cujas decisões de plantio são tomadas meses antes da colheita e da venda da safra, essas mudanças rápidas tornaram ainda mais difícil um cálculo que já era complicado.

O modelo de mais de uma safra no ano ajuda a diluir os custos fixos e melhora margens”

— Raphael Bulascoschi

A resposta do governo é que ele reduziu um déficit no comércio agrícola herdado da gestão do ex-presidente Joe Biden por meio de medidas como créditos de exportação e missões comerciais.

“Longe de perder sua posição, os EUA estão conseguindo um recorde de US$ 174 bilhões em exportações agrícolas”, afirma o USDA em um comunicado referente à sua previsão para o período de 12 meses que vai até o fim de setembro deste ano. “Este governo trabalha de forma agressiva para expandir os mercados existentes, desenvolver novos mercados e conectar nossos esforçados produtores a compradores no exterior… garantindo que nossos esforçados produtores nunca dependam de apenas um único comprador.”

Os EUA continuam a ser o maior exportador de milho do mundo, mas sua participação no comércio mundial do cereal caiu ao longo do tempo, de 68% há duas décadas para cerca de 30% hoje.

O Texas brasileiro

A força do setor agrícola do Brasil não é apenas uma consequência da política comercial dos EUA. Dependente de importações para alimentar sua população até os anos 1970, o país desenvolveu uma indústria que fornece alimentos para grande parte do mundo.

Hoje sua posição de líder na exportação de carne bovina e soja soma-se a seu predomínio tradicional nas exportações de café, açúcar e suco de laranja. Na avaliação de Raphael Bulascoschi, analista da StoneX, o principal motivo para o Brasil estar no rumo de superar os EUA como o maior exportador agrícola do mundo é que grande parte de seu território é capaz de colher duas safras no mesmo ano.

“Esse modelo de mais de uma safra durante o ano ajuda a diluir os custos fixos e normalmente melhora as margens da produção agrícola”, explica ele.

No Estado de Mato Grosso, onde o setor da soja explodiu, mais da metade das terras usadas para cultivo têm uma segunda safra de milho ou algodão. O Estado é chamado às vezes de “Texas brasileiro” pelos seus enormes rebanhos bovinos, grandes áreas de cultivo e seu espírito de fronteira.

No município de Sorriso (MT), as plantações se estendem dos dois lados da rodovia principal, interrompidas por silos e processadoras operadas por empresas internacionais de comércio de commodities, entre elas a chinesa Cofco.

A produção nacional de cereais, leguminosas e oleaginosas mais do que dobrou em 13 anos e chegou a 346,1 milhões de toneladas em 2025. A expansão em direção ao Cerrado foi um feito da agronomia moderna, que envolveu o tratamento de solos pobres em nutrientes e o desenvolvimento de melhorias genéticas para adaptar as plantas ao clima. Mesmo assim, os agricultores brasileiros não estão imunes às crises geopolíticas que têm prejudicado a agricultura em todo o mundo.

O país importa cerca de 85% da demanda de fertilizantes, e os preços dos insumos subiram com a guerra. Os juros altos e a queda nos preços das safras já tinham aumentado a pressão financeira antes mesmo do início do conflito.

Pesquisadores da Universidade Purdue, em Indiana, estimam que os lucros com a soja em Mato Grosso despencaram para seu menor nível em duas décadas, de US$ 10 por acre (ou cerca de US$ 25 por hectare) na última safra. “O momento atual não é muito animador”, diz Fernando Pozzobon, cuja família tem propriedade de 3 mil hectares em Mato Grosso, com lavouras, pecuária e processamento.

Mas o Brasil e os EUA entraram nesse choque em situações diferentes. O Brasil tinha a maior fatia do mercado chinês de soja. Já os americanos tinham perdido esse mercado – o que transformou o que poderia parecer apenas mais uma fase ruim no ciclo das commodities em uma crise que ameaça sua sobrevivência.

“Não estamos realmente cultivando alimentos”

A perda da demanda externa tornou os agricultores americanos cada vez mais dependentes de compradores criados pelas políticas governamentais dos EUA.

Wendy Johnson tem plantações no norte de Iowa, perto de uma usina de etanol. O milho é uma das poucas culturas que geram retornos confiáveis aos agricultores, porque a usina atende a um mercado garantido. “É só isso que realmente está nos salvando agora”, disse ela ao FT em fevereiro.

A indústria do etanol consome cerca de 40% do milho dos EUA e é beneficiada por incentivos tributários e regras federais que exigem a mistura de biocombustíveis ao combustível no país. “Estamos realmente plantando para o governo, e de um jeito que não é realmente muito independente”, afirmou.

Em março, em meio à alta das cotações do petróleo após a eclosão da guerra contra o Irã, a Agência de Proteção Ambiental dos EUA (EPA, na sigla em inglês) estabeleceu as maiores exigências gerais de mistura de biocombustíveis na história do programa.

Isenções emergenciais emitidas após os problemas no Oriente Médio abrandaram as regras para a venda de E15, uma mistura de gasolina com 15% de etanol. “Não estamos realmente plantando alimentos; estamos plantando etanol”, disse Wendy Johnson.

Mais escala, menos agricultores

Quando uma fazenda americana desaparece, seus campos raramente deixam de produzir. Normalmente, são incorporados por alguém maior. A escala permite que distribuam por extensões maiores de terras o custo de maquinário, mão de obra e de uma tecnologia cada vez mais cara.

Isso, contudo, também vem tirando o lugar de um modo de vida mais antigo. Perto da fazenda de Johnson, por exemplo, há cultivo, mas algumas das casas e celeiros que antes ficavam no centro deles desapareceram ou estão vazios.

Com menos fazendas, menos famílias gastam dinheiro em lojas locais, mandam os filhos para escolas e sustentam igrejas, concessionárias de maquinário e outros negócios. Também há menos agricultores com voz no governo local. “Nós meio que perdemos nossa voz no condado”, diz Bob Stewart, da quinta geração de uma família de fazendeiros, em Illinois, “porque há bem menos agricultores.” (Tradução: Mario Zamarian, Sabino Ahumada e Liliana Carmona)

https://valor.globo.com/agronegocios/noticia/2026/07/22/o-fim-da-hegemonia-agricola-dos-estados-unidos.ghtml

Sugestão: Se estiver procurando alguém para implementar uma solução de IA com agentes e SLM veja a Aumo | Transformamos dados em soluções de IA avançadas

Se tiver interesse em gêmeos digitais para a indústria procure a Neo Vision – Captura Digital da Realidade

Para IoT chame a 2solve

A IA está mudando como escrevemos, falamos e pensamos

Por Paulo Silvestre – Estadão – 20/07/2026

Para quem escrever é um modo de vida, como eu, a influência da inteligência artificial generativa nos textos que inundam as redes sociais e até publicações sérias grita. Depois de quase quatro anos de ChatGPT, nem é preciso olhos muito treinados para identificar isso. Menos óbvio e mais grave é como essa dependência tecnológica crescente também está alterando como falamos e até pensamos.

À medida que as pessoas usam mais essa tecnologia para produzir mesmo textos prosaicos, dois fenômenos ocorrem. O primeiro consiste no uso recorrente das mesmas palavras e construções frasais, o que empobrece a transmissão de ideias e a torna mais prolixa. O outro é a diminuição de confiança dos autores em sua própria capacidade produtiva, o que retroalimenta essa dependência.

Há ainda um terceiro fator que afeta mais cidadãos do chamado Sul Global, como o Brasil. Considerando que os modelos de IA são majoritariamente treinados com conteúdos da América do Norte e da Europa, principalmente em inglês, aos poucos o léxico, a estrutura gramatical, a formulação de ideias e até a ética daqueles países substitui insidiosamente as nossas versões dessas características. Isso inaugura uma nova dominação cultural, muito mais sutil e poderosa.

O uso exagerado e inconsequente da IA em nossas produções também cobra um preço alto em relações interpessoais. Cada vez mais pessoas reprovam publicamente essa prática, passando a questionar as habilidades de quem se vale dela.

Tudo isso resulta da natureza da IA generativa. Nunca houve uma tecnologia que nos impactasse cognitivamente de maneira tão decisiva. Esses desafios não podem ser ignorados, pois têm potencial de alterar sensivelmente a sociedade e os indivíduos.

Essa prevalência da IA generativa acontece porque ela não está apenas em plataformas como ChatGPT, Claude ou Gemini. Como seu uso se tornou quase uma “obrigação”, essa tecnologia se disseminou pelas redes sociais, em ferramentas de e-mail e em sistemas corporativos. Fica muito difícil fugir de sua influência.

Se a mídia sempre popularizou expressões, a IA generativa agora faz isso de maneira mais intensa. Estudos acadêmicos apontam que mesmo pessoas que não usam essa tecnologia podem ser impactadas por essas mudanças que ela está promovendo. É como alguém sofrendo os efeitos do tabagismo apenas pelo “fumo passivo”.

Um estudo do Instituto Max Planck para o Desenvolvimento Humano (Alemanha) detalhou, ainda em 2024, esse fenômeno. Liderado por Hiromu Yakura, os pesquisadores identificaram a recorrência de um conjunto de palavras em mais de 360 mil vídeos do YouTube e 771 mil episódios de podcast, comparando o período antes e depois do lançamento do ChatGPT, em novembro de 2022.

“A influência mensurável sobre a fala espontânea sugere que os seres humanos internalizam as escolhas lexicais dos grandes modelos de linguagem”, afirmam os cientistas. Segundo eles, esses resultados mostram que máquinas treinadas com conteúdo produzido por pessoas agora retroalimentam suas próprias características na linguagem humana, integrando-se a processos contínuos da evolução cultural. “Esse acoplamento suscita preocupações quanto à homogeneização linguística e ao potencial de influência cultural latente, em larga escala, concentrado nas mãos de um pequeno número de grandes fornecedores de IA”, concluem.

Outra pesquisa, liderada por Zhivar Sourati, da Universidade do Sul da Califórnia (EUA), indicou que a IA generativa não apenas padroniza vocabulário, mas também tende a reforçar estilos de raciocínio dominantes e marginalizar vozes e estratégias alternativas de pensamento. Os autores relacionam esse efeito ao próprio desenho e uso massivo dos modelos, que espelham os padrões dominantes no conteúdo em seu treinamento e amplificam a convergência à medida que mais pessoas, em contextos diferentes, dependem dos mesmos sistemas. “Sem mecanismos que mitiguem esse processo, essa homogeneização pode achatar a diversidade cognitiva que sustenta a inteligência coletiva e a capacidade de adaptação”, alertam os pesquisadores.

É importante notar que a evolução da linguagem é um fenômeno multifatorial, com influência de mídias, modismos, contextos históricos e culturais. A IA certamente está desempenhando um papel intenso nessa mudança, mas ela não está sozinha.

O jeito de escrever da IA

Por se tratar de máquinas estatísticas, as plataformas de IA ficam “viciadas” em palavras e expressões presentes em textos tidos como bons. O problema é que o abuso desses recursos acaba piorando suas produções.

Termos como “abranger”, “robusto”, “alavancar”, “nuances”, “desvendar” e expressões como “em última análise”, “de maneira geral”, “no mundo acelerado de hoje”, “desempenha um papel fundamental”, “em suma” e “diante desse cenário” ficaram “amaldiçoados” por surgirem demais nos textos da IA.

Isso não quer dizer que essas aparições automaticamente rotulem um texto como “produzido por IA”. Todos esses conteúdos naturalmente continuam legítimos e podem ser utilizados. Eu mesmo gosto de muitos deles.

Ainda assim, é interessante (e preocupante) ver como muitas pessoas estão evitando seu uso, assim como o travessão e os dois pontos (outros recursos abusados pela IA), com medo de serem “confundidos” com robôs. Mas o que “denuncia a IA” é a combinação de estilo excessivamente uniforme, palavras em série e pouca variação sintática.

Um terceiro estudo, liderado por Yalda Daryani, também da Universidade do Sul da Califórnia, sugere que a IA reflete, de forma desproporcional, um perfil demográfico restrito, predominantemente ocidental, liberal, de alta renda, altamente escolarizado, masculino e oriundo de países de língua inglesa, enquanto marginaliza não apenas culturas não ocidentais, mas também grupos diversos dentro das próprias sociedades, como idosos, comunidades religiosas e populações minoritárias.

Os pesquisadores propõem políticas públicas organizando o desenvolvimento da tecnologia para garantir diversidade cultural em todas as etapas de seu desenvolvimento. “Sem esse esforço, a IA corre o risco de corroer a pluralidade cultural da humanidade, substituindo tradições diversas por normas homogeneizadas moldadas por um subconjunto restrito da população mundial”, conclui.

Esses movimentos devem despertar a sociedade para a busca de soluções para o problema. A IA generativa é profundamente poderosa e deve ser aproveitada como recurso para melhorar nossos trabalhos. Mas precisamos de uma consciência em seu uso que hoje raramente é vista. Essa tecnologia deve ampliar nossos horizontes, e não diminuir o brilho da linguagem humana

Opinião por Paulo Silvestre

É doutorando em inteligência artificial e mestre em reputação digital pela PUC-SP. Articulista do Estadão, atua como consultor e palestrante de IA, experiência do cliente e transformação digital. É professor da Universidade Mackenzie e da PUC–SP. Foi executivo do Estadão, Samsung, AOL, Saraiva e Editora Abril, e é LinkedIn Top Voice desde 2016.

A IA está mudando como escrevemos, falamos e pensamos – Estadão

Sugestão: Se estiver procurando alguém para implementar uma solução de IA com agentes e SLM veja a Aumo | Transformamos dados em soluções de IA avançadas

Se tiver interesse em gêmeos digitais para a indústria procure a Neo Vision – Captura Digital da Realidade

Para IoT chame a 2solve

Exportação como métrica real da inovação

Se almejamos uma pauta exportadora sofisticada, as missões da Nova Indústria Brasileira são assertivas

Por Hugo Resende e Victor Prodonoff Jr. – Estadão – 20/07/2026

Dados da Universidade Federal de Minas Gerais (UFMG) revelam uma radiografia preocupante da inserção externa brasileira. Em 2024, 83% das receitas de exportação originaram-se de commodities agrícolas e minerais. Produtos de média tecnologia responderam por 14%, enquanto o segmento de alta densidade tecnológica não atingiu 3%.

Nos últimos 50 anos, nossa produtividade agrícola triplicou e o papel da pesquisa tecnológica conduzida pela Embrapa é incontestável.

Nesse mesmo meio século, a Coreia do Sul não priorizou a ciência básica de imediato, mas o desenvolvimento tecnológico e a engenharia de produtos e processos. Em paralelo, avançou na educação e formação de mão de obra qualificada em tecnologias industriais. Hoje se volta para a ciência básica, buscando perpetuar a competitividade da indústria e liderar fronteiras, como a inteligência artificial (IA) e a computação quântica.

No Brasil, o investimento em ciência priorizou o âmbito acadêmico, muitas vezes desatrelado das necessidades do mercado. Dispomos de laboratórios de excelência, mas nossa pauta exportadora revela baixa ênfase em desenvolvimento tecnológico e engenharia de produto.

Ora, para haver inovação em processos e produtos industriais competitivos, a empresa é o ator indispensável. Vale lembrar que a ênfase brasileira na ciência está ancorada na premissa da “hélice tripla” (governo-academia-empresa). Sem pesquisa aplicada nas empresas, a sinergia entre esses mundos é meramente protocolar.

Se almejamos uma pauta exportadora sofisticada, as missões da Nova Indústria Brasileira são assertivas ao focar em indústria 4.0, defesa, saúde, bioeconomia, mobilidade e agroindústria. Todavia, essas iniciativas naufragarão se a política industrial se limitar a atrair fábricas de produtos projetados no exterior.

O sucesso internacional do agro brasileiro não deve ser o teto de nossas ambições. Se somos líderes em soja, café e suco de laranja, por que não ser também exportadores globalmente relevantes de implementos e maquinário agrícola?

A Coreia do Sul adota a exportação de alto valor agregado como métrica para aferir a efetividade das subvenções e renúncias fiscais voltadas à inovação. O país registrou exportações totais de US$ 710 bilhões em 2025: 48% correspondem a bens de alta tecnologia, 47% a produtos de média intensidade tecnológica e apenas 5% a commodities.

Na lógica coreana, a inovação só se valida quando conquista o mercado externo. Inovações brasileiras que não atravessam fronteiras tendem a ser, na melhor hipótese, “jabuticabas” sem competitividade global; na pior, configuram alocação ineficiente de recursos públicos.

Opinião por Hugo Resende

Conselheiro e PhD por Stanford

Victor Prodonoff Jr.

CEO e mestre em Gestão pelo MIT

Exportação como métrica real da inovação – Estadão

Sugestão: Se estiver procurando alguém para implementar uma solução de IA com agentes e SLM veja a Aumo | Transformamos dados em soluções de IA avançadas

Se tiver interesse em gêmeos digitais para a indústria procure a Neo Vision – Captura Digital da Realidade

Para IoT chame a 2solve

Proibição de celular nas escolas é um sucesso

Medida conta com apoio de pais, professores e tem melhorado desempenho dos alunos

Por Editorial – O Globo – 20/07/2026

Em São Paulo, estudantes guardam os celulares em armários — Foto: Divulgação/Secretaria de Estado da Educação de São Paulo/03/02/2025

Em janeiro de 2025, quando foi sancionada a lei federal que proibiu celulares em salas de aula para fins não pedagógicos, havia dúvidas se a medida, que já vigorava em redes de ensino municipais e estaduais, vingaria. Era nítido o desafio de privar crianças e adolescentes de um de seus bens mais caros e desejados. A julgar por uma pesquisa divulgada pelo Ministério da Educação (MEC) com diretores de escolas, um ano e meio depois as incertezas se dissiparam. A restrição não apenas obteve adesão significativa, como apresentou resultados auspiciosos.

De acordo com o levantamento, 97% dos gestores acreditam que a medida contribuiu para ampliar a participação dos alunos nas atividades pedagógicas, 95% que ajudou a melhorar a concentração nas aulas, 95% que estimulou a socialização e 88% que auxiliou na redução de conflitos, agressões digitais e cyberbullying. Além disso, 67% perceberam aumento de atividades manuais, lúdicas e artísticas, e 55% notaram diminuição de agressões físicas no ambiente escolar. A pesquisa foi feita em 1.189 escolas de todas as unidades da Federação por meio de parceria com Instituto Nacional de Pesquisas Educacionais Anísio Teixeira (Inep), Instituto Alana e Unesco.

A adoção das regras segue caminho promissor, mas ainda há obstáculos a vencer. Entre os diretores, 42% afirmaram que as restrições estão consolidadas e 47% que estão em curso. Mas 8% afirmam que ainda não começaram. É relevante que 39% afirmem encontrar alta dificuldade para obter adesão dos alunos. Ainda há, portanto, trabalho de convencimento a fazer. Outro dado alentador é que a proibição não prejudicou o uso da tecnologia para fins pedagógicos. Segundo o levantamento, 51% das escolas públicas ampliaram ações de educação digital no ano passado, e 36% informaram que iniciariam atividades do tipo neste ano.

É verdade que não há consenso sobre tudo. A começar pelo lugar para guardar os aparelhos. Em 62% das escolas, eles são mantidos dentro das mochilas dos próprios estudantes. Em menor escala, ficam na secretaria ou na recepção, em posse do próprio aluno ou são colocados em armários, coletivos ou individuais. Mas isso não chega a ser problema. A partir da norma geral, cada estabelecimento busca a solução que melhor lhe convém.

A proibição de celulares em salas de aula e ambientes escolares, mesmo no recreio, é tendência em todo o mundo. Por um motivo simples: eles distraem as crianças e se tornam um concorrente desleal dos professores. Afetam a socialização, uma vez que, de posse do aparelho, o estudante pouco interage com os colegas. Não faltam estudos apontando danos à concentração, à comunicação, ao desenvolvimento cognitivo, à qualidade do sono. As restrições não surgiram à toa.

A despeito da forte polarização que engessa o país, a restrição às telas em sala de aula uniu políticos de diferentes matizes ideológicos. A aprovação de algumas leis contou com rara unanimidade. Educadores e responsáveis se mostraram receptivos à ideia e têm tido papel importante na consolidação da medida. Não se trata de demonizar os recursos oferecidos pelos celulares, mas de usá-los da maneira adequada. Como recurso pedagógico, eles têm papel importantíssimo no desenvolvimento dos alunos. Cabe às escolas saber aproveitá-los. Certamente esse passo será mais desafiador do que simplesmente proibir o uso do aparelho.

Proibição de celular nas escolas é um sucesso

Sugestão: Se estiver procurando alguém para implementar uma solução de IA com agentes e SLM veja a Aumo | Transformamos dados em soluções de IA avançadas

Se tiver interesse em gêmeos digitais para a indústria procure a Neo Vision – Captura Digital da Realidade

Para IoT chame a 2solve

O que as gigantes da tecnologia ensinam sobre competição

O futuro não pertence necessariamente às maiores empresas, mas às que conseguirem aprender mais rapidamente, construir plataformas mais abertas e criar redes capazes de gerar inovação continuamente

Por Wellington Vitorino – Valor – 15/07/2026

Durante boa parte da última década, o mercado financeiro concentrou sua atenção em um pequeno grupo de empresas que redefiniu a economia mundial. Primeiro vieram as FAANG. Depois, o acrônimo evoluiu para incluir Microsoft e Tesla. Hoje, o debate já não gira apenas em torno de quais empresas valem mais de US$ 1 trilhão, mas de quais serão capazes de sustentar esse crescimento nas próximas décadas.

Esse movimento revela uma transformação mais profunda. O valor das maiores empresas do mundo deixou de estar concentrado apenas em produtos inovadores e passou a refletir, sobretudo, a capacidade de construir ecossistemas. Apple, Microsoft, Nvidia, Amazon, Alphabet e Meta não competem mais apenas em seus mercados de origem. Elas disputam infraestrutura tecnológica, inteligência artificial, computação em nuvem, chips, publicidade digital, entretenimento, saúde, educação e mobilidade. O ativo mais valioso deixou de ser um produto e passou a ser uma plataforma capaz de conectar milhões de usuários e empresas.

A Nvidia talvez seja o melhor exemplo dessa nova lógica. Há poucos anos, era reconhecida principalmente por fabricar placas gráficas para videogames. Hoje, tornou-se peça central da revolução da inteligência artificial ao fornecer a infraestrutura computacional utilizada por empresas, universidades e governos. Em vez de competir diretamente com seus clientes, tornou-se a infraestrutura sobre a qual boa parte da nova economia digital está sendo construída.

Essa transformação confirma uma tese defendida por Michael Cusumano, professor do MIT Sloan School of Management. Organizações vencedoras deixam de competir apenas por participação de mercado e passam a criar plataformas que permitem que outras empresas também inovem. Quanto maior o ecossistema, maior tende a ser sua capacidade de gerar valor.

Outro aspecto merece atenção. As gigantes globais investem simultaneamente em inovação e eficiência operacional. Michael Tushman, da Harvard Business School, chama esse equilíbrio de ambidestria organizacional. Explorar o presente enquanto se constrói o futuro. Poucas organizações conseguem fazer isso em escala. As maiores empresas do mundo aprenderam que não basta lançar novos produtos. É preciso reinventar continuamente o modelo de negócios.

Essa lógica também ajuda a explicar por que a inteligência artificial se tornou uma prioridade estratégica. Segundo a consultoria McKinsey, a IA generativa pode adicionar entre US$ 2,6 trilhões e US$ 4,4 trilhões por ano à economia mundial. O objetivo das “Big Techs” não é apenas vender ferramentas de IA, mas controlar a infraestrutura, os dados, os modelos e as aplicações que sustentarão essa nova economia.

Há outro fator frequentemente negligenciado. A velocidade de aprendizado. Satya Nadella, CEO da Microsoft, costuma afirmar que o sucesso de uma organização dependerá menos do que ela sabe hoje e mais da velocidade com que consegue aprender amanhã. Essa lógica aproxima tecnologia de cultura organizacional. Empresas que aprendem mais rapidamente adaptam produtos, processos e modelos de negócio antes dos concorrentes.

Para o Brasil, essa discussão vai muito além do mercado financeiro. Historicamente, o país exportou commodities, talentos e empresas de sucesso regional, mas ainda construiu poucos ecossistemas globais. Temos competência reconhecida em agronegócio, energia renovável, bioeconomia, alimentos, fintechs e tecnologia climática. O desafio é transformar essas vantagens em plataformas capazes de gerar inovação contínua.

Há sinais positivos. Empresas brasileiras começam a integrar serviços financeiros, logística, dados, inteligência artificial e marketplaces em um mesmo ambiente digital. O movimento ainda é incipiente, mas aponta para uma mudança estrutural. A próxima geração de líderes provavelmente competirá menos pelo melhor produto e mais pela capacidade de conectar parceiros, clientes, fornecedores e desenvolvedores.

O professor Geoffrey Parker, especialista em plataformas da Dartmouth College, argumenta que as organizações mais valiosas do século XXI são aquelas que conseguem coordenar redes complexas de participantes. Nesse modelo, o crescimento deixa de depender apenas da expansão da empresa e passa a ser impulsionado pela expansão do ecossistema.

Talvez essa seja a principal lição das gigantes trilionárias. O futuro não pertence necessariamente às maiores empresas, mas às que conseguirem aprender mais rapidamente, construir plataformas mais abertas e criar redes capazes de gerar inovação continuamente.

O Brasil reúne mercado consumidor, talento empreendedor, universidades de qualidade e vantagens competitivas em setores estratégicos para participar dessa nova etapa da economia global. A pergunta mais importante permanece. Conseguiremos construir ecossistemas que façam do país um protagonista da próxima geração de inovação mundial?

Wellington Vitorino é diretor-executivo do Instituto Four

E-mail: wvitorino@institutofour.org

https://valor.globo.com/empresas/coluna/o-que-as-gigantes-da-tecnologia-ensinam-sobre-competicao.ghtml

Sugestão: Se estiver procurando alguém para implementar uma solução de IA com agentes e SLM veja a Aumo | Transformamos dados em soluções de IA avançadas

Se tiver interesse em gêmeos digitais para a indústria procure a Neo Vision – Captura Digital da Realidade

Para IoT chame a 2solve

Novo modelo de IA chinês surpreende indústria de tecnologia dos EUA e rivaliza com Claude e ChatGPT

O Kimi K3, da startup Moonshot, sediada em Pequim, parece ter alcançado a qualidade dos pares americanos a um custo menor

Por AP – 18/07/2026

Um novo e poderoso modelo de inteligência artificial da China surpreendeu a indústria de tecnologia dos EUA na sexta-feira, 17, sendo o mais recente sinal de que as startups chinesas de “código aberto” estão fazendo os gigantes californianos da inteligência artificial se preocuparem.

O mais novo modelo Kimi K3, da startup Moonshot, sediada em Pequim e liderada por um empreendedor fã do Pink Floyd com doutorado em Pittsburgh, parece estar alcançando o desempenho das melhores versões do Claude, da Anthropic, e do ChatGPT, da OpenAI.

“Este pode ser o maior lançamento individual do ano”, e marca um momento em que modelos chineses de código aberto estão superando modelos americanos fechados, afirmou Anastasios Angelopoulos, cofundador e CEO da Arena, uma plataforma de avaliação de sistemas de IA.

O Kimi K3 ficou no topo das classificações da Arena na categoria chamada de “capacidade de programação front-end”, uma medida do desempenho de um modelo de linguagem de grande escala de IA. “Mais resultados estão chegando e provavelmente continuarão mostrando que o Kimi K3 está no topo do grupo”, disse Angelopoulos nas redes sociais.

Provavelmente não foi coincidência que a apresentação do K3 tenha ocorrido pouco antes do discurso de abertura do presidente chinês Xi Jinping, na sexta-feira, na Conferência Mundial Anual de Inteligência Artificial em Xangai.

As restrições lideradas pelos Estados Unidos impediram a China de acessar algumas das tecnologias mais avançadas do mundo, impulsionando os esforços chineses para desenvolver seu próprio conhecimento técnico e intensificando a rivalidade entre as duas maiores economias do mundo.

“O desenvolvimento da inteligência artificial não deve ser uma apresentação solo de nenhum país, mas sim uma sinfonia de cooperação global”, afirmou Xi no evento.

Modelos chineses de IA têm apresentado grandes avanços

O lançamento do K3 veio após outro importante lançamento de modelo de IA, feito no mês passado pela startup chinesa Zhipu, ou Z.ai. Seu novo modelo principal, GLM-5.2, já é amplamente utilizado por desenvolvedores de software no mundo todo, que dizem que esta IA consegue realizar trabalhos quase tão bem quanto os principais modelos americanos, por um preço menor.

O entusiasmo em torno do novo modelo chinês lembra o pânico que abalou o mercado após o lançamento do novo modelo da startup chinesa DeepSeek no início de 2025, embora nem todos considerem essa reação justificada. A resposta ao K3 é uma “reação exagerada surpreendentemente semelhante” ao lançamento da DeepSeek no ano passado, afirmou o analista de tecnologia Patrick Moorhead nas redes sociais. Ele disse que isso pode ser positivo para alguns segmentos da indústria de IA, mas representa um desafio de receita para a Anthropic e a OpenAI.

Durante a conferência, que vai até segunda-feira, a gigante Huawei também apresentou um novo sistema de computação de IA chamado Atlas 950 SuperPoD. O lançamento é um sinal de que a China está produzindo, cada vez mais, o hardware necessário para desenvolver tecnologia, apesar das restrições americanas às importações de fabricantes de chips como os da Nvidia.

A Moonshot não informou qual hardware utilizou para construir o K3, mas a startup é parceira da Huawei.

O preço para utilizar o K3 é o mais alto já registrado para um modelo chinês de IA, mas ainda é metade do custo do modelo GPT-5.6 Sol, de alto desempenho, da OpenAI, segundo um relatório divulgado na sexta-feira por analistas de pesquisa do Bank of America.

Políticos americanos e várias grandes empresas americanas de IA, incluindo Anthropic e OpenAI, acusaram modelos chineses de IA de realizar “destilação” ilícita dos modelos americanos para extrair as tecnologias utilizadas (ter usado IAs americanas para treinar IAs chinesas), uma acusação que Pequim afirma ser “sem fundamento”.

Em fevereiro, a Anthropic acusou a DeepSeek, a Moonshot e um terceiro laboratório chinês de IA, a MiniMax, de realizar campanhas para “extrair ilegalmente as capacidades do Claude a fim de melhorar seus próprios modelos”, utilizando a técnica de destilação, que “envolve treinar um modelo menos capaz com base nas informações de um modelo mais poderoso”.

A Anthropic afirmou que a destilação pode ser uma forma legítima de treinar sistemas de IA, mas se torna um problema quando concorrentes “a utilizam para adquirir capacidades poderosas de outros laboratórios em uma fração do tempo e a uma fração do custo que seriam necessários para desenvolvê-las de forma independente”.

Mas isso pode funcionar nos dois sentidos. A startup sediada em São Francisco, a Anysphere, criadora da popular ferramenta de programação Cursor, reconheceu que um de seus principais produtos foi baseado no modelo K2.5 da Moonshot. A SpaceX, de Elon Musk, planeja fechar um acordo para comprar a Cursor por US$ 60 bilhões ainda este ano.

K3 representa um salto para modelos de IA de “código aberto”

O cofundador e CEO da Moonshot, Yang Zhilin, obteve seu Ph.D. em 2019 na Universidade Carnegie Mellon, onde, segundo relatos, fez contribuições fundamentais para os estudos sobre aprendizado de máquina e era conhecido por seu gosto por bandas de rock como Pink Floyd.

O orgulho entre seus antigos colegas da instituição da Pensilvânia vai além da rivalidade entre Estados Unidos e China.

“Que enorme vitória para a comunidade de código aberto! Parece que foi ontem que Zhilin estava se formando no meu laboratório na CMU”, escreveu seu antigo orientador Russ Salakhutdinov, que também foi ex-diretor de pesquisa em IA da Apple.

Desenvolvedores que criam IA de “código aberto” tornam componentes essenciais da tecnologia acessíveis para que qualquer pessoa possa examiná-los, modificá-los e desenvolver novos sistemas a partir deles. Defensores dizem que práticas de código aberto promovem a inovação, enquanto críticos alertam que tornar modelos poderosos de IA publicamente acessíveis cria riscos de segurança e proteção

Novo modelo de IA chinês surpreende indústria de tecnologia dos EUA e rivaliza com Claude e ChatGPT – Estadão

Sugestão: Se estiver procurando alguém para implementar uma solução de IA com agentes e SLM veja a Aumo | Transformamos dados em soluções de IA avançadas

Se tiver interesse em gêmeos digitais para a indústria procure a Neo Vision – Captura Digital da Realidade

Para IoT chame a 2solve

Na corrida da IA, Brasil é fornecedor e refém

O que está sendo feito hoje para diversificar jurisdição, criar redundância e garantir que sua operação continue no ar no dia seguinte?

Por André de Moura – Valor – 17/07/2026

A adoção de inteligência artificial virou prioridade declarada em quase todos os conselhos e comitês executivos do país. E faz sentido, esperam-se ganhos de produtividade, automação, novos produtos. Mas há um ponto pouco discutido nessa pressa, quase toda essa inteligência roda sobre a infraestrutura de três empresas americanas – AWS, Azure e Google Cloud. Quanto mais uma empresa se torna “IA em primeiro lugar”, mais dados, modelos e operações ela transfere para dentro de uma única jurisdição estrangeira. A eficiência e os ganhos de produtividade estão ainda sendo auferidos, por outro lado, a dependência é real, só que ela não aparece em relatório de risco nenhum.

Há uma ironia que define a posição brasileira. Isto é, o país é peça central da corrida global da IA por causa de suas reservas de terras raras e minerais críticos, insumos sem os quais não se fabricam semicondutores nem hardware de processamento de ponta. O Brasil detém a segunda maior reserva mundial. Ou seja, fornecemos a matéria-prima que alimenta o hardware de IA do planeta e, ao mesmo tempo, somos clientes cativos da nuvem onde essa mesma IA é processada. A contradição é assustadoramente clara, fornecedor estratégico de um lado, refém de infraestrutura do outro.

Esse arranjo seria apenas desconfortável se o mundo estivesse em paz, porém sabemos que não é o caso. A polarização entre Estados Unidos e China deixou de ser disputa tarifária para se tornar mais uma guerra fria, desta vez tecnológica, em que dados e infraestrutura são armas. E o Brasil entrou no radar de Washington com a decisão americana de classificar o PCC e o Comando Vermelho como organizações terroristas, o que pode transformar a segurança pública brasileira em peça de barganha diplomática. Sob a bandeira de “combate ao financiamento do terrorismo” ou de alinhamento estratégico, o acesso às terras raras brasileiras pode passar a ser condicionado aos interesses americanos.

Fico me perguntando o que aconteceria com várias empresas brasileiras, se uma ordem executiva americana proibir o fornecimento de serviços de tecnologia a empresas do nosso Brasil sob retaliação política, não haverá aviso prévio nem prazo de adequação. No dia seguinte, sistemas de pagamento param, cadeias de suprimento congelam e operações inteiras saem do ar. Infelizmente, é a operação inteira desligada do dia para a noite.

Várias organizações estão adotando o famoso “multicloud” distribuindo a operação entre AWS, Azure e Google Cloud, sob o arcabouço de diversificação, mas talvez esqueçam que todas as três respondem ao mesmo governo e à mesma lei. É como manter três contas em bancos diferentes, todos sujeitos à mesma ordem de bloqueio. Redundância de verdade não é ter três fornecedores; é ter fornecedores que não podem ser desligados pela mesma caneta.

Ciente dessa fragilidade, a China avança. A Huawei Cloud dobrou a receita no Brasil no último ano e já contempla três zonas de disponibilidade no país, oferecendo infraestrutura robusta a custo bem menor e se apresentando como porto seguro contra o arbítrio americano. Mas migrar em bloco para o ecossistema chinês seria apenas trocar a cor do risco,, substituindo a exposição às ordens da Casa Branca pela sujeição às diretrizes do Partido Comunista Chinês.

Resiliência real exige diversificar jurisdição e métodos. Significa combinar provedores ocidentais com alternativas de outras origens e, sobretudo, manter parte da infraestrutura (dados e processos críticos) sob controle próprio “on-premise” ou sob arquiteturas híbridas. Isso tem custo, dá trabalho e sacrifica parte da eficiência que motivou a ida para a nuvem em primeiro lugar.

À medida que a IA se torna mais um órgão a ser monitorado das empresas brasileiras, a pergunta que conselhos e diretorias precisam responder é simples. O que está sendo feito hoje para diversificar jurisdição, criar redundância e garantir que sua operação continue no ar no dia seguinte?

André Aroldo Freitas De Moura é professor da FGV EAESP, conselheiro fiscal da Fundação Butantan e consultor de “valuation”

E-mail: andre.moura@fgv.br

LinkedIn: http://www.linkedin.com/in/andremouraphd/

https://valor.globo.com/empresas/coluna/na-corrida-da-ia-brasil-e-fornecedor-e-refem.ghtml

Sugestão: Se estiver procurando alguém para implementar uma solução de IA com agentes e SLM veja a Aumo | Transformamos dados em soluções de IA avançadas

Se tiver interesse em gêmeos digitais para a indústria procure a Neo Vision – Captura Digital da Realidade

Para IoT chame a 2solve

Está começando o momento da IA física

Por Evandro Milet – 2026

“O momento ChatGPT da robótica chegou”, disse Jensen Huang, fundador e CEO da Nvidia, a empresa com o maior valor de mercado atual, com mais de 5 trilhões de dólares, fazendo analogia com o impacto causado pelo lançamento do ChatGPT.

A robótica e a IA se desenvolveram em caminhos separados. A pesquisa em robótica se concentrou principalmente em sistemas mecânicos, incluindo motores, juntas e algoritmos de controle. Por outro lado, a pesquisa em IA se concentrou em raciocínio e aprendizado em ambientes digitais, incluindo grandes modelos de linguagem. Essa separação limitou o progresso na robótica de propósito geral.

A IA avançou, nos últimos anos, com modelos capazes de gerar texto, imagem, código e respostas em linguagem natural. No entanto, uma nova etapa passou a ganhar atenção: a IA física, isto é, sistemas de IA que não apenas processam informações, mas também percebem o ambiente, raciocinam sobre ele e agem no mundo real por meio de sensores, atuadores, robôs, veículos, drones e outros dispositivos.

Se a IA generativa ampliou a produtividade no ambiente digital, a IA física aponta para uma expansão da inteligência artificial em operações industriais, logística, mobilidade, agricultura, saúde, serviços, atividades domésticas e infraestrutura, além de abrir novas fronteiras científicas.

A IA física faz a convergência da IA, IoT, visão computacional e robótica. Em outras palavras, refere-se a sistemas inteligentes capazes de perceber, entender e interagir com o ambiente físico, indo além de softwares que operam apenas em telas ou servidores. Diferentemente da IA tradicional, que lida com dados digitais, a IA física precisa lidar com gravidade, atrito, colisões, situações inesperadas e condições não estruturadas.

Para entender melhor a relevância da IA física, vale compará-la com os outros dois tipos de inteligência artificial principais. A primeira é a IA generativa, focada em produzir conteúdos digitais, como texto, imagem, áudio e código, como nos ensinou o ChatGPT em 2022. A segunda é a IA agêntica, voltada à execução de tarefas digitais com mais autonomia, em crescimento vertiginoso na utilização de agentes autônomos atualmente. Já a IA física aplica percepção, raciocínio e autonomia ao trabalho no mundo material. Essa está apenas começando em atividades midiáticas, vencendo competições esportivas, fazendo malabarismos e nos espantando com a aparência humana, enquanto se espalha pelas ruas em alguns países com os veículos autônomos.

Esse avanço também se conecta ao conceito de inteligência espacial. Fei-Fei Li, nascida chinesa, mas naturalizada americana, uma das cientistas de IA mais notórias da atualidade, argumenta que os modelos atuais são muito fortes em linguagem, mas continuam limitados quando precisam compreender espaço, contexto e relações físicas.

Li afirma que, por mais que os modelos de linguagem dominem o texto, produzam código e gerem imagens, eles não entendem que o mundo tem três dimensões. Não sabem que a gravidade puxa os objetos para baixo, que a luz se comporta de determinada maneira, que um braço robótico precisa calcular força e equilíbrio para segurar uma xícara sem quebrá-la.

Para Li, é a inteligência espacial que representa a próxima fronteira da IA. “A inteligência espacial vai transformar a forma como criamos e interagimos com os mundos real e virtual, revolucionando a narrativa, a criatividade, a robótica, as descobertas científicas e muito mais”, diz a cientista.

O mercado de IA física pode atingir de US$ 500 bilhões a US$ 1,4 trilhão até 2035, com veículos autônomos representando quase metade desse crescimento. A implementação tende a começar com veículos autônomos e drones, seguida por automação industrial e robôs humanoides de uso geral. A China lidera a adoção, com mais de 85% das novas instalações de robôs humanoides em 2025, seguida pelos Estados Unidos.

Para lidar com a IA física, as engenharias Mecatrônica, Elétrica/Eletrônica, Computação/Software e Mecânica são cruciais. Lamentável que, no Brasil, o ensino de engenharia esteja tão pouco prestigiado. Quando acordarmos, mais uma vez o momento de estar alinhados com a tecnologia de ponta terá passado. Poderemos usá-la , mas não participaremos do seu desenvolvimento.

Sugestão: Se estiver procurando alguém para implementar uma solução de IA com agentes e SLM veja a Aumo | Transformamos dados em soluções de IA avançadas

Se tiver interesse em gêmeos digitais para a indústria procure a Neo Vision – Captura Digital da Realidade

Para IoT chame a 2solve