Contexto, choque interno e caminho até um desfecho inesperado

Por que a Windsurf aquisição Cognition virou o cenário em que funcionários passaram do desânimo à estabilidade

A história que levou à Windsurf aquisição Cognition começou com uma série de eventos que abalaram profundamente a startup de codificação em IA, e culminou em negociações intensas que salvaram o futuro de muitos funcionários. Depois que o CEO Varun Mohan, o cofundador Douglas Chen e vários pesquisadores-chave aceitaram propostas da Google DeepMind, a possibilidade de um acordo com a gigante da tecnologia mudou de rumo. A Google optou por contratar líderes e licenciou tecnologia, em vez de adquirir a empresa, deixando a Windsurf em uma situação delicada.

Jeff Wang, que assumiu a liderança interinamente, descreveu o impacto emocional daqueles dias em termos diretos. Segundo ele, “O clima estava muito sombrio”. Em uma reunião geral, Wang teve de anunciar que o acordo esperado não havia se concretizado, e que as consequências incluíam demissões e incerteza generalizada. Nas palavras do executivo, “Algumas pessoas ficaram chateadas com os desdobramentos financeiros ou com a saída de colegas, enquanto outras se preocupavam com o futuro. Algumas chegaram às lágrimas, e a sessão de perguntas e respostas ficou naturalmente marcada por uma postura hostil.”

Saída de líderes e impacto no moral

A saída de figuras centrais provocou uma reação visceral entre os 250 colaboradores, e Wang disse que aquela reunião representou “provavelmente o pior dia na vida de 250 pessoas”. A metáfora usada por um dos fundadores em um podcast, de um capitão que abandona o navio, ilustra o sentimento de traição e vulnerabilidade que se espalhou pela equipe. Perder o CEO, cofundador e pesquisadores-chave fez com que muitos funcionários questionassem se a startup ainda tinha futuro, e o moral despencou.

No entanto, mesmo diante do cenário, a empresa ainda detinha seus ativos intelectuais, produtos e parte do time, o que manteve abertas alternativas como buscar novos investidores, seguir operando ou negociar uma venda. A discussão sobre o que seria melhor se desenrolou entre gestores, investidores potenciais e o próprio time remanescente, e foi nesse contexto que a Cognition entrou em contato.

Negociação acelerada com a Cognition

Durante o evento em São Francisco, realizado entre 27 e 29 de outubro de 2025, Wang contou que recebeu propostas de compra da Cognition, apresentadas por Scott Wu e Russell Kaplan. A proposta foi levada a sério e desencadeou conversas intensas ao longo de um fim de semana, enquanto a liderança avaliava também outros interessados e buscava convencer os engenheiros restantes a permanecerem. A comunicação interna fervilhava, muitas vezes marcada por memes e comentários que misturavam humor e tensão.

A Cognition identificou sinergias claras: a empresa tinha uma base técnica de engenharia de ponta, mas precisava reforçar marketing e go-to-market, áreas em que a Windsurf se destacava. Em paralelo, a Windsurf necessitava de uma equipe central de engenharia, algo que a Cognition podia suprir. Esse alinhamento estratégico acelerou o ritmo das negociações.

Termos do acordo e proteção aos funcionários

Um ponto-chave na estruturação do negócio foi o cuidado com os empregados da Windsurf. Wang garantiu que o acordo contemplou compensações para todos os colaboradores, com dispensa dos prazos de carência e a aceleração completa do vesting das ações. Esse cuidado foi determinante para que muitos que haviam pensado em sair optassem por permanecer até o fechamento, e ajudou a transformar o clima interno.

O contrato foi assinado numa manhã de segunda-feira, e o anúncio foi feito primeiro em uma reunião geral e, em seguida, divulgado publicamente. Em entrevista à Bloomberg, Wang descreveu como a sequência de eventos rapidamente mudou o tom dentro da empresa, do que ele chamou de “provavelmente o pior dia” para algo que ele considerou ser “provavelmente o melhor dia” logo depois.

Para analistas do setor, o caso da Windsurf evidencia uma tendência maior no mercado de IA, em que grandes empresas preferem contratar talentos e licenciar tecnologia em vez de adquirir startups por completo, muitas vezes contornando riscos regulatórios. Para as startups e seus funcionários, esses movimentos podem significar dias de profunda insegurança, seguidos por negociações que precisam equilibrar interesses estratégicos, proteção ao time e continuidade do produto.

No balanço final, a Windsurf aquisição Cognition não apenas preservou ativos e produto, como também ofereceu um desfecho que protegeu financeiramente os colaboradores, e buscou integrar competências complementares entre as equipes, passo considerado vital para transformar um momento sombrio em uma nova fase de reconstrução.

Deepseek V3 mostra desempenho competitivo com GPT-4.5 em benchmarks, treinado por US$ 5,6 milhões e liberado sob licença MIT

A Deepseek lançou a versão atualizada do seu modelo de linguagem open source, o DeepSeek-V3‑0324, e a novidade coloca o Deepseek V3 como um concorrente real das grandes soluções comerciais, incluindo o GPT-4.5. Segundo a cobertura técnica, a versão V3 traz avanços notáveis em raciocínio matemático e programação, além de ganhos em processamento do idioma chinês e desenvolvimento web.

Uma firma independente de testes relatou que o novo modelo V3 da Deepseek conseguiu competir com os sistemas de inteligência artificial mais avançados, alcançando “80 pontos” em um índice abrangente de qualidade, posicionando o Deepseek V3 ao lado de modelos proprietários como Gemini 1.5 Pro e Claude Sonnet 3.5. O mesmo relatório informa que o treinamento foi realizado com apenas US$ 5,6 milhões, um custo muito menor do que o padrão da indústria.

Desempenho e benchmarks

O Deepseek V3 se destacou em vários benchmarks técnicos. A Deepseek afirma que o modelo superou líderes open source em provas como MMLU-Pro, vGPQA e AIME e alcançou 55% no benchmark Polyglot, ficando em segundo lugar entre os modelos sem habilidades especializadas de raciocínio. Em tarefas de programação, o V3 obteve 92% no teste HumanEval, e em matemática apresentou 85% na prova MATH 500.

Esses resultados deram sustentação à ideia de que o Deepseek V3 é capaz de performar em nível comparável ao dos grandes modelos comerciais em muitas tarefas. O relatório também destaca que essas capacidades evoluíram a partir do trabalho anterior da empresa com seu modelo de raciocínio R1, e que o V3 pode servir como base para um futuro modelo R2.

Custo, eficiência de treinamento e infraestrutura

Um dos pontos mais comentados sobre o Deepseek V3 é a eficiência de recursos. Segundo a matéria, o modelo foi treinado usando apenas 2.048 GPUs, durante 57 dias, totalizando 2,78 milhões de horas de GPU em chips Nvidia H800 para um modelo de 671 bilhões de parâmetros. Em comparação, a Meta precisou de aproximadamente 30,8 milhões de horas de GPU para treinar o Llama 3, com 405 bilhões de parâmetros. Esses números ilustram a estratégia da Deepseek de otimizar custo e consumo de hardware.

Além do orçamento enxuto, a Deepseek adotou uma política comercial agressiva. O modelo foi disponibilizado como open source e sob licença MIT, o que permite amplo uso para pesquisa e desenvolvimento. A empresa também aplicou descontos significativos para algumas operações, e manteve preços antigos por um período para facilitar o acesso dos usuários.

Impacto no mercado, restrições e perspectivas

O surgimento do Deepseek V3 reacende o debate sobre como inovação e restrições de hardware influenciam a competição em IA. A reportagem destaca que as restrições de exportação de hardware dos Estados Unidos impulsionaram soluções mais eficientes em software, forçando startups como a Deepseek a conseguir mais com menos. Essa abordagem pode ter implicações globais, especialmente em regiões onde o acesso a clusters massivos de GPUs é limitado.

Analistas do setor observam que, embora modelos proprietários mais recentes ainda liderem algumas categorias, o Deepseek V3 representa um novo patamar para modelos open source. A adoção de preços competitivos e a liberação dos pesos do modelo também pressionam players tradicionais a repensarem estratégias de negócios e infraestrutura.

Por fim, a recepção técnica inclui elogios: relatou-se que o principal pesquisador de IA da Meta chamou o modelo de “excelente”, e a comunidade passa a olhar com mais atenção para projetos que conciliem desempenho com custo reduzido. O Deepseek V3 surge, assim, como um exemplo de que inovação em arquitetura e otimização pode diminuir a barreira de entrada para modelos de alto desempenho.

Com a combinação de resultados robustos em benchmarks, custo de treinamento reduzido e licenciamento permissivo, o Deepseek V3 tem potencial para influenciar tanto desenvolvedores quanto empresas que buscam alternativas open source ao GPT-4.5 e demais líderes de mercado.

Proibição de Pequim bloqueia compra e deixa chips de IA H20 da Nvidia paralisados, complicando cadeia de suprimentos

Os chips de IA H20 da Nvidia, desenvolvidos como versões simplificadas para cumprir regras de exportação dos EUA, encontraram-se em um impasse. Segundo a reportagem original de André Lug, “A Nvidia parou de produzir os chips H20, deixando 700.000 unidades destinadas à China inativas“. A informação, atualizada em 11/11/2025, descreve um cenário em que milhares de unidades prometidas aos clientes chineses permanecem sem uso.

O projeto H20 surgiu como uma resposta da Nvidia às restrições de exportação americanas, oferecendo uma variante com capacidades limitadas para venda no mercado chinês. A empresa havia prometido “cerca de 700.000 chips H20” a clientes locais após obter uma autorização temporária dos EUA, mas a situação mudou abruptamente depois de nova diretriz de Pequim.

O que determinou o bloqueio em Pequim

De acordo com a reportagem, “Agora, uma nova diretiva de Pequim está obrigando as empresas locais a interromper a compra dos chips Nvidia devido a preocupações com a segurança“. A orientação das autoridades chinesas visa reduzir riscos percebidos ligados à dependência de hardware estrangeiro e a potenciais vetores de vigilância, numa clara resposta ao crescente foco em segurança nacional envolvendo tecnologia de inteligência artificial.

Para as empresas chinesas que já haviam negociado os H20, a ordem representa uma parada imediata nas aquisições e uma necessidade de reavaliar programas e investimentos que contavam com esses chips. A diretiva cria incerteza tanto para compradores como para fornecedores internacionais envolvidos na cadeia.

Chips parados na cadeia logística e o papel da Amkor

O efeito prático dessa suspensão ficou evidente nas instalações da parceira de embalagem Amkor, sediada nos EUA. Conforme a matéria, “Consequentemente, milhares de chips finalizados permanecem sem uso nas instalações da Amkor, parceira de embalagem sediada nos EUA“. Isso mostra que a paralisação não é apenas contratual, mas física e imediata ao longo da cadeia de suprimentos.

Além do impacto direto nas prateleiras da Amkor, fornecedores de componentes e logística devem suportar custos e atrasos. A interrupção também ilustra como acordos políticos e autorizações governamentais, mesmo quando concedidos, podem ser rapidamente neutralizados por decisões de segurança nacional em outros países.

Implicações geopolíticas e próximos passos

O caso sinaliza que o hardware de IA está cada vez mais no centro de fricções geopoliticas. A reportagem lembra que “A situação evidencia como o hardware de inteligência artificial está cada vez mais envolvido nas tensões geopolíticas. Reportagens anteriores já haviam sugerido que os Estados Unidos estavam adicionando chips de rastreamento aos hardwares de IA destinados à China“. Essa percepção alimenta a cautela de Pequim e torna negociações comerciais mais complexas.

No horizonte, há alguns cenários possíveis: a China pode flexibilizar a diretiva se receber garantias técnicas e políticas, a Nvidia pode tentar redesenhar os H20 para atender às demandas de segurança, ou o impasse pode forçar clientes chineses a buscar alternativas domésticas ou de outros fornecedores. Cada opção envolve tempo, investimento e riscos comerciais.

Para analistas e empresas que acompanham o setor, a lição é clara. A dependência de soluções estrangeiras em tecnologias críticas, como chips de IA, está sujeita a variáveis políticas que podem tornar acordos comerciais pouco confiáveis. Enquanto isso, as 700.000 unidades do H20 continuam no limbo, simbolizando a interseção entre mercado, tecnologia e segurança.

Reportagem original de André Lug.

Quando a IA puder fazer tudo por nós — por que precisamos reinventar motivação, educação e vida social antes que a automação nos torne passivos

Quando a IA puder fazer tudo por nós, a promessa de conforto absoluto vem acompanhada de um dilema profundo: o que dará sentido às nossas vidas quando não precisarmos mais trabalhar para sobreviver? A automação avançada e os sistemas de inteligência artificial já substituem tarefas físicas e cognitivas em áreas que vão da indústria à medicina, da pesquisa ao entretenimento. Esse deslocamento coloca em xeque o instinto de sobrevivência, historicamente o motor da criatividade, do esforço e da inovação humana.

O fim do instinto de sobrevivência como motor

Ao reduzir drasticamente a necessidade de contribuição humana para a própria sobrevivência, a tecnologia desafia nossa motivação básica. O texto-base lembra que tarefas antes indispensáveis para a vida, como orientação espacial ou cálculos de viagem, foram simplificadas por ferramentas como o GPS e, em seguida, tornadas obsoletas por veículos autônomos. Esse processo, se generalizado, pode levar a uma atitude passiva, ao declínio físico e à estagnação mental, já que muitos esforços cognitivos e motores serão terceirizados para a IA.

O perigo, alertam especialistas e líderes do setor, é que a falta de uma motivação substituta conduza a uma espécie de estupor coletivo. Nesse cenário, hábitos de concentração se deterioram, e a dependência de aplicativos mais inteligentes mina a capacidade de resolver problemas por conta própria. A transformação é tão expressiva que, segundo a matéria original, houve um apelo público entre figuras do setor: “Mais de 1.000 líderes de tecnologia, incluindo o CEO da Tesla, Elon Musk, e o especialista em IA Geoffrey Hinton, pediram uma pausa no desenvolvimento e implementação da IA.” Essa preocupação pública destaca a urgência do debate sobre propósito e limites da automação. (Fonte: scmp, Atualizado em 11/11/2025)

Repensar a educação e o sentido do trabalho

Se a educação tradicional tinha como meta preparar pessoas para empregos que garantissem sobrevivência, o novo contexto exige um redesenho radical. A proposta central é transformar escolas e universidades em ambientes dedicados ao aprendizado por curiosidade, ao crescimento pessoal e à exploração intelectual, sem a pressão única de formar mão de obra.

Isso inclui fomentar motivações intrínsecas parecidas com as das crianças, que aprendem por interesse e prazer. Em vez de treinar para vagas de trabalho desaparecidas, a educação do futuro deve desenvolver resiliência, pensamento crítico, criatividade e capacidade de encontrar propósito fora da necessidade econômica. Assim, quando a IA puder fazer tudo por nós, os indivíduos estarão preparados para buscar significados que não dependam de produtividade medida apenas em output econômico.

Dedigitalizar para preservar cognição e criatividade

Outro ajuste sugerido é a dedigitalização parcial da vida pessoal e social. Embora o mundo digital ofereça experiências únicas, sua onipresença pode empobrecer interações e aprendizagens mais profundas. Ao limitar o grau de digitalização em determinadas esferas, preservamos oportunidades para práticas que fortalecem a atenção, a empatia e o esforço cognitivo.

Restringir o uso de ferramentas que realizam automaticamente operações mentais básicas não significa rejeitar a tecnologia, mas estabelecer um equilíbrio. É necessário proteger o desenvolvimento de habilidades que, mesmo sendo menos úteis para a sobrevivência imediata no novo cenário, são essenciais para a saúde mental, o crescimento cultural e a manutenção da autonomia humana.

Em resumo, quando a IA puder fazer tudo por nós, o desafio não será apenas técnico, mas existencial. Precisamos construir novas fontes de motivação, reorientar a educação para o florescimento pessoal e regular a digitalização para preservar capacidades cognitivas. Esses passos podem evitar que a sociedade adote a rota de menor esforço e risco, substituindo a busca pela sobrevivência por uma busca consciente por experiência, aprendizagem e propósito.

Este artigo sintetiza argumentos e alertas publicados por especialistas e pela imprensa, incluindo dados e citações da matéria original do scmp (Atualizado em 11/11/2025).

Pirataria ao estilo Napster coloca Anthropic em risco financeiro após alegações de milhões de livros baixados de LibGen e PiLiMi

Um tribunal federal da Califórnia abriu caminho para uma ação coletiva bilionária contra a Anthropic, empresa responsável pelo modelo de linguagem Claude, por suposta infração massiva de direitos autorais. A acusação central envolve uma operação descrita como pirataria ao estilo Napster, na qual milhões de livros teriam sido baixados e armazenados em um repositório interno entre 2021 e 2022.

O que a ação alega

Segundo a ordem judicial de 17 de julho de 2025, a Anthropic é acusada de utilizar o protocolo BitTorrent para baixar livros pirateados de sites como LibGen e PiLiMi. A ação diz que os arquivos, em formatos como .epub, .pdf ou .txt, foram mantidos em um banco de dados central, independentemente de serem usados posteriormente para treinar modelos de IA.

O juiz William Alsup descreveu as ações como um “download no estilo Napster de milhões de obras“. De acordo com a decisão, entre janeiro de 2021 e julho de 2022 um dos cofundadores da Anthropic teria baixado inicialmente cerca de 200 mil livros da coleção Books3, seguido de aproximadamente cinco milhões do LibGen e outros dois milhões do PiLiMi, com foco em títulos que ainda não constavam no LibGen.

O tribunal determinou que o caso prossiga como ação coletiva devido à enorme quantidade e complexidade das evidências. Por ora, apenas as obras obtidas via LibGen e PiLiMi foram incluídas, já que a coleção Books3 foi excluída por falta de metadados.

Implicações legais e risco financeiro

O risco financeiro para a Anthropic é significativo. Conforme a legislação dos EUA, os danos por infração deliberada de direitos autorais podem chegar a até US$ 150 mil por obra. Mesmo aplicando um valor bem inferior por título, as perdas potenciais poderiam somar bilhões, o que explica a magnitude da ação coletiva ameaçada.

O tribunal estabeleceu prazos processuais claros que aumentam a pressão: a Anthropic deve entregar uma lista completa de metadados dos downloads do LibGen e do PiLiMi até 1º de agosto de 2025, enquanto os demandantes precisam fornecer, até 1º de setembro de 2025, uma lista detalhada de títulos e registros.

Em junho, o mesmo tribunal havia decidido que o treinamento de modelos de IA com livros obtidos legalmente pode se enquadrar como uso justo, especialmente quando o uso é considerado “transformador” e não há distribuição de cópias dos livros. No entanto, a decisão deixou claro que armazenar obras pirateadas em uma biblioteca interna não se qualifica como uso justo. Assim, a alegação de pirataria ao estilo Napster não encontra amparo nessa defesa.

Precedente para a indústria de IA

O caso da Anthropic pode se tornar um importante precedente para toda a indústria de inteligência artificial. A decisão aponta que empresas de IA não podem ignorar leis de direitos autorais ao coletar dados para treinamento, mesmo que a finalidade seja pesquisa ou inovação.

Além disso, a repercussão pode afetar outros processos em andamento contra grandes empresas como Meta e OpenAI, que também enfrentam questionamentos sobre o uso de material protegido por direitos autorais no treinamento de modelos de linguagem. Se o tribunal aplicar penalidades amplas, o setor poderá ver mudanças profundas nas práticas de coleta de dados e no compliance relacionado a copyright.

Para especialistas e executivos de tecnologia, o caso reforça a necessidade de políticas robustas de aquisição de dados, auditoria de fontes e gestão de riscos legais. Para autores e detentores de direitos, a ação representa uma tentativa de responsabilizar empresas que se beneficiam de acervos digitais obtidos de forma questionável.

Enquanto o processo avança, a expressão pirataria ao estilo Napster passou a ser um rótulo decisivo na narrativa jurídica e pública sobre como grandes quantidades de conteúdo protegido podem ser agregadas e potencialmente exploradas por tecnologias de IA, e o desfecho poderá redesenhar o equilíbrio entre inovação tecnológica e proteção autoral.

Como o FinGPT usa a sabedoria do mercado para treinar modelos financeiros

FinGPT usa dados do mercado, ajuste fino eficiente e aprendizado por reação de preços para democratizar modelos financeiros

Um novo framework de inteligência artificial projetado especificamente para o setor financeiro promete tornar modelos avançados mais acessíveis e dinâmicos. O FinGPT é apresentado como um projeto de código aberto criado para facilitar o acesso a modelos de linguagem otimizados para tarefas financeiras, e pode ser usado comercialmente.

A equipe de pesquisa por trás do projeto, ligada à Universidade de Columbia e à Universidade de Nova York (Xangai), afirma que seu objetivo é democratizar o acesso a modelos de linguagem otimizados para os mercados financeiros. Segundo os pesquisadores, modelos proprietários existentes, como o BloombergGPT, teriam vantagens por conta de dados exclusivos e ainda seriam caros e rígidos. Em suas palavras, “o BloombergGPT é muito caro, estimado em cinco milhões de dólares americanos para treinamento, e muito inflexível”.

Eficiência no ajuste fino com LoRA

Uma das principais inovações do FinGPT é a adoção do método de adaptação eficiente de baixa classificação, conhecido como LoRA. Em vez de treinar modelos gigantes do zero, o FinGPT parte de LLMs pré-treinados e aplica ajuste fino com LoRA, o que reduz drasticamente o esforço computacional.

Os pesquisadores destacam que “o método LoRA pode reduzir o número de parâmetros treináveis de 6,17 bilhões para apenas 3,67 milhões”, tornando o processo de ajuste fino muito mais rápido e menos intensivo em termos computacionais. Na prática, isso permite atualizar modelos com mais frequência e manter soluções financeiras mais alinhadas à realidade do mercado.

Foco em fluxos de dados de alta qualidade

Para os autores do projeto, o desempenho em tarefas financeiras depende tanto das capacidades do modelo quanto da qualidade dos dados. Por isso, “A equipe primeiro desenvolveu um pipeline automatizado de dados financeiros selecionados e de alta qualidade”. A coleta combina fontes estabelecidas, como Yahoo Finance e Bloomberg, com conteúdo de redes sociais, arquivos da SEC, indicadores como Google Trends e conjuntos consolidados como AShare e Stocknet.

Esses dados, “passam por um processo abrangente de limpeza e formatação para garantir sua qualidade e usabilidade”, segundo os pesquisadores. Em seguida, as informações são usadas para enriquecer modelos ajustáveis ou para orientar LLMs conhecidos dependendo da aplicação, desde análise de sentimento até otimização de carteiras.

Aprendizado com a “sabedoria do mercado”: RLSP

Rotular manualmente grandes volumes de dados financeiros é caro e demorado. A solução proposta pelo FinGPT é usar a reação real do mercado como sinal rotulado: se uma ação sobe após uma notícia, a notícia é tratada como positiva, e assim por diante.

Os pesquisadores afirmam que “Os pesquisadores estabeleceram limiares para os três sentimentos: positivo, negativo e neutro”. Seguindo a abordagem RLHF (Reinforcement Learning with Human Feedback) da OpenAI, “os pesquisadores chamam seu princípio de RLSP (Reinforcement Learning on Stock Prices), que pode ser visto como uma forma indireta de feedback humano”. Em outras palavras, o sistema aprende com a sabedoria do mercado para melhorar compreensão e previsões no universo financeiro.

Essa estratégia permite gerar rótulos em escala, otimizando o ajuste fino sem depender exclusivamente de anotadores humanos especializados, o que pode acelerar aplicações práticas como análise de sentimento, roboconselhos e modelos quantitativos.

Além das aplicações mencionadas, os pesquisadores listam potenciais usos do FinGPT em áreas como gestão de riscos, detecção de fraudes, pontuação de crédito, previsão de insolvência, análise ESG e ferramentas de baixo código para educação financeira.

Por fim, o projeto é disponibilizado como código aberto: “disponibilizam o FinGPT como código aberto sob a licença MIT no Github. O uso comercial é permitido”. Os desenvolvedores, contudo, deixam claro que não garantem nem assumem responsabilidade por decisões financeiras baseadas no modelo.

O FinGPT surge assim como uma alternativa mais leve e atualizável a modelos proprietários, apostando em pipelines de dados robustos, ajuste fino eficiente com LoRA e aprendizado baseado na reação dos mercados. Resta ver como a comunidade e o mercado adotarão essa abordagem que privilegia a qualidade dos dados e a eficiência computacional para entregar inteligência artificial aplicada às finanças.

Fundador da Wire Network mistura uso intensivo de IA com alerta sobre riscos

Ken DiCross, fundador da Wire Network, diz “Eu uso a IA para tudo” e pede proteção de dados com IA descentralizada

Ken DiCross, fundador da Wire Network, descreve um paradoxo prático: embora afirme que “Eu não confio na IA”, ele a integra profundamente em seu dia a dia profissional e pessoal. Em entrevista atualizada em 11/11/2025, DiCross explicou como a IA virou ferramenta central na construção da infraestrutura que conecta blockchains, ao mesmo tempo em que reforça a necessidade de uma IA descentralizada e criptografada para proteger dados dos usuários.

IA na rotina de trabalho: produtividade e vantagem competitiva

DiCross afirma claramente que “Eu uso a IA para tudo que posso; desde ajudar com minha agenda até categorizar e responder e-mails.” Ele detalha que aplica modelos de linguagem para tarefas que variam desde a elaboração de pitch decks para investidores até a análise de white papers de concorrentes. O processo, segundo ele, é direto: pega o conteúdo do white paper, insere no modelo de linguagem, faz uma série de perguntas e em minutos identifica o problema central, muitas vezes a centralização das soluções rivais.

O resultado é uma economia de tempo substancial. DiCross diz que o que levaria “um tempo inimaginável” feito manualmente, passa a ser concluído em cerca de cinco minutos com o auxílio da IA. Esse ganho operacional transforma a forma como ele comunica riscos e vantagens à sua equipe e a potenciais investidores, mantendo a Wire Network competitiva no mercado de interoperabilidade entre blockchains.

Limites e riscos: alucinações, segurança e perfilamento de dados

Apesar do uso intenso, DiCross alerta para falhas cruciais. Ele lembra que “Não. A IA ainda comete ‘alucinações’.” Como exemplo, contou que a IA errou ao resolver um problema matemático simples, exigindo que ele a conduzisse até a resposta correta. Para ele, o risco surge quando desenvolvedores fazem vibe coding, ou seja, confiam no output da IA sem entender plenamente o código, comprometendo a segurança dos sistemas.

DiCross também manifesta preocupação com a coleta e comercialização de dados. Ele afirma que sempre sente desconforto ao usar serviços centralizados, porque sabe que “estão construindo um perfil sobre mim.” Ele exemplifica o perigo: dados de consultas médicas podem ser vendidos e até impactar o valor do seguro de uma pessoa em minutos, cenário que considera distópico. Por isso, reforça que a solução passa por uma IA descentralizada, que proteja a privacidade dos usuários por meio de criptografia.

O futuro que ele imagina: IA descentralizada e de código aberto

Ken DiCross é otimista quanto ao futuro da IA, desde que sua evolução caminhe em direção à descentralização. Ele compara o potencial desse movimento ao papel do Linux no ecossistema de servidores: assim como o sistema livre tornou-se base para inúmeros serviços, uma IA de código aberto poderia se tornar a espinha dorsal da próxima geração de aplicações, sem que grandes corporações controlem dados sensíveis.

Enquanto isso não se consolida, DiCross continua usando IA para tarefas práticas. Recentemente, por exemplo, pediu à IA que categorizasse requisitos de funções e gerasse um contrato-base para contratação de assessores, embaixadores e consultores. Ele conta que esse processo entrega cerca de 80% do trabalho pronto, com a etapa final de revisão a cargo do jurídico. Apresentações também são delegadas quase por completo, já que os modelos, alimentados com dados da Wire, produzem resultados rápidos e precisos.

Na prática, a IA permite que a equipe faça o trabalho de duas ou três pessoas, reduzindo a necessidade de contratar níveis juniores, segundo DiCross. Ainda assim, ele deixa claro que especialistas humanos são imprescindíveis para validar resultados e mitigar falhas. A solução que propõe, em última instância, é uma combinação: uso massivo da IA para ganho de produtividade, aliado ao desenvolvimento de uma IA descentralizada e criptografada que respeite a privacidade e a segurança dos usuários.

Essa visão coloca DiCross entre os líderes de tecnologia que, ao mesmo tempo que aproveitam as vantagens da IA, defendem mudanças estruturais na forma como modelos e dados são controlados. Para ele, a transição para uma inteligência artificial mais aberta e segura será decisiva para evitar riscos à privacidade e garantir confiança a longo prazo.

Cirurgias autônomas com IA mudam o panorama da medicina

Robô cirúrgico autônomo treinado com vídeos e comandos de voz executa 17 etapas com 100% de precisão

Um novo marco na integração entre inteligência artificial e cirurgia foi apresentado por pesquisadores da Johns Hopkins. O sistema denominado Surgical Robot Transformer-Hierarchy (SRT-H) executou uma remoção de vesícula biliar controlada em laboratório demonstrando comportamento que os autores descrevem como equivalente ao de cirurgiões experientes. O desenvolvimento coloca no centro do debate o potencial do robô cirúrgico autônomo para transformar procedimentos minimamente invasivos, com resultados mais previsíveis e consistentes.

Ao contrário de sistemas anteriores, que seguiam rotinas pré-programadas, o SRT-H foi treinado com horas de vídeos de cirurgias reais, recebendo também legendas que descreviam cada passo do procedimento. Esse método permitiu ao robô aprender não só a sequência das etapas, como também as sutilezas visuais e técnicas, incluindo a identificação de ductos, artérias, a aplicação de clipes e cortes precisos. A aprendizagem baseada em vídeo é um dos pilares que sustentam a promessa de um robô cirúrgico autônomo capaz de interpretar situações complexas em tempo real.

Treinamento por vídeo e comando de voz

O SRT-H incorpora não apenas visão computacional avançada, mas também interação por voz com a equipe cirúrgica. Segundo a equipe, o robô entende instruções como “segure a cabeça da vesícula” e “mova o braço esquerdo um pouco para a esquerda”, permitindo ajustes em tempo real e comportamento semelhante ao de um residente sob supervisão. Essa combinação de aprendizado a partir de exemplos reais e entrada verbal contribui para que o robô cirúrgico autônomo atue com maior segurança e flexibilidade diante de variações anatômicas.

Além disso, o SRT-H foi testado enfrentando mudanças inesperadas: os pesquisadores alteraram a posição inicial do robô e modificaram a aparência dos tecidos usando corantes que imitam sangue. Mesmo nessas condições, o robô manteve desempenho equivalente ao de cirurgiões experientes, indicando capacidade de adaptação a cenários não vistos durante o treinamento.

Resultados dos testes e citações

Os dados dos testes chamam atenção pelo rigor. Em um procedimento composto por 17 etapas para a remoção da vesícula biliar, o robô realizou cada fase com 100% de precisão, segundo o relatório dos pesquisadores. Esse número é citado como evidência do avanço do SRT-H sobre modelos anteriores, que dependiam mais estritamente de programação humana.

O pesquisador principal Axel Krieger resumiu a importância do feito em palavras diretas: “esse avanço nos leva de robôs que executam tarefas específicas para sistemas que realmente entendem os procedimentos cirúrgicos”. A afirmação, atribuída à equipe da Johns Hopkins, reflete a transição de ferramentas controladas para agentes com maior autonomia e compreensão dos processos cirúrgicos.

Impactos para pacientes, hospitais e a regulação

Para pacientes, a promessa do robô cirúrgico autônomo é melhorar resultados clínicos, reduzir complicações e encurtar tempos de recuperação. Procedimentos mais rápidos e repetíveis, menos sujeitos à fadiga humana, podem ampliar o acesso a intervenções complexas, sobretudo em regiões com escassez de especialistas. No entanto, a adoção clínica em larga escala exigirá passos importantes na validação, segurança e regulamentação.

Embora a tecnologia avance rapidamente, o texto dos pesquisadores e comunicações públicas ressaltam que a cirurgia totalmente autônoma ainda não está disponível para uso rotineiro em hospitais nos Estados Unidos. Os próximos anos devem trazer estudos de segurança adicionais, ensaios clínicos e debates regulatórios que definirão como e quando o robô cirúrgico autônomo poderá ser integrado à prática médica.

Em suma, o SRT-H representa um salto no uso de inteligência artificial na sala de cirurgia, combinando aprendizado por vídeo, comandos de voz e adaptação em tempo real. Se confirmados em estudos clínicos, esses avanços podem acelerar a chegada de robôs cirúrgicos autônomos que ofereçam procedimentos mais seguros, eficientes e acessíveis.

Atualizado em 11/11/2025

Desenvolvedores open source contra rastreadores de IA adotam provas de trabalho, labirintos e bloqueios para defender servidores Git e sites comunitários

Projetos de software livre e comunidades FOSS vêm protagonizando uma batalha crescente contra rastreadores de inteligência artificial. Os desenvolvedores open source contra rastreadores de IA relatam ataques que chegam a paralisar servidores Git, consumir recursos e forçar medidas extremas, como bloqueios por país, labirintos de conteúdo e desafios via prova de trabalho.

A questão começou a emergir quando bots modernos de IA passaram a ignorar regras básicas da web, como o arquivo robots.txt, e a se comportar de modo que muitos descrevem como predatório. Xe Iaso, desenvolvedor FOSS, descreveu o drama vivido em seu servidor Git com críticas que ecoam em toda a comunidade: “É inútil bloquear bots rastreadores de IA porque eles mentem, alteram seu user agent, usam endereços IP residenciais como proxies, entre outras artimanhas”.

Por que projetos FOSS são alvos

Os projetos open source compartilham uma característica que os torna especialmente vulneráveis: muita informação pública, infraestrutura frequentemente modesta e, em muitos casos, recursos financeiros limitados para mitigar tráfego malicioso. Como resultado, os rastreadores de IA podem causar impacto desproporcional em sites e servidores comunitários.

Xe Iaso relatou detalhes do comportamento agressivo: “Eles irão raspar seu site até que ele desabe e, depois, continuarão raspando. Clicarão em cada link de cada link de cada link, visualizando as mesmas páginas repetidas vezes. Alguns deles até clicarão no mesmo link várias vezes no mesmo segundo”. Esse padrão transforma raspagem em um ataque tipo DDoS, degradando a experiência de desenvolvedores e colaboradores.

O problema é tão disseminado que relatos incluem administradores que gastam uma parte significativa do tempo tentando mitigar esses rastreadores. Segundo a matéria, o CEO e fundador da SourceHut, Drew DeVault, relatou ter “gastado entre 20% e 100% do seu tempo semanal mitigando rastreadores LLM extremamente agressivos”. Em outros casos, sites como o LWN sofreram lentidão equivalente a tráfego em nível de DDoS.

Anubis e a defesa por vingança

Em resposta, surgiram soluções criativas. Xe Iaso criou o Anubis, um mecanismo de verificação baseado em prova de trabalho via reverse proxy que bloqueia bots e permite que navegadores humanos acessem conteúdo. O nome remete ao juiz mitológico: “Anubis pesava sua alma (seu coração) e, se estivesse mais pesada que uma pena, seu coração era devorado e você, bem, morria de forma definitiva”. Se o desafio é superado, uma imagem anime celebra o acesso, descrita pelo autor como “sua versão de antropomorfizar Anubis”.

A solução viralizou: o projeto foi publicado no GitHub em 19 de março e rapidamente acumulou “2.000 estrelas, 20 colaboradores e 39 forks”. A aceitação rápida evidencia que muitos desenvolvedores open source contra rastreadores de IA procuram alternativas práticas para conter raspagens abusivas.

Outras abordagens seguiram a lógica da vingança técnica. Ferramentas como Nepenthes, criada por um desenvolvedor anônimo conhecido como “Aaron”, montam labirintos de conteúdo falso para confundir e gastar recursos dos rastreadores. No Hacker News, usuários sugeriram envenenar caminhos proibidos com material absurdo para reduzir o valor de utilidade que bots extraem de páginas marcadas por robots.txt.

Respostas comerciais e dilemas éticos

Empresas também entram na disputa. A Cloudflare lançou a solução AI Labyrinth com o objetivo declarado de “desacelerar, confundir e desperdiçar os recursos de rastreadores de IA e outros bots que não respeitam diretrizes de ‘no crawl’”. Essa abordagem procura proteger sites direcionando bots para conteúdo irrelevante, em vez de simplesmente bloquear conexões.

Apesar da satisfação de alguns com táticas agressivas — DeVault comentou que “Nepenthes tem uma sensação satisfatória de justiça, pois alimenta os rastreadores com inconsistências e envenena suas fontes, mas, no final das contas, o Anubis foi a solução que funcionou para o meu site” — o mesmo desenvolvedor fez um apelo contundente: “Por favor, parem de legitimar LLMs, geradores de imagens de IA, GitHub Copilot ou qualquer outro tipo de lixo. Estou implorando: parem de usá-los, de falar sobre eles, de criar novos. Apenas parem.”

Enquanto soluções técnicas surgem e se espalham, a comunidade debate os limites éticos dessas defesas. Envenenar dados, criar conteúdo falso e bloquear países inteiros são medidas que, embora eficazes, levantam questões sobre colateralidade e responsabilidade digital.

No cerne do problema está uma escolha difícil para os projetos FOSS: tolerar raspagens e risco de indisponibilidade, ou usar estratégias cada vez mais inventivas para preservar recursos. A resposta dos desenvolvedores open source contra rastreadores de IA tem sido, até agora, uma mistura de engenhosidade técnica e humor ácido, mas a discussão sobre soluções permanentes e regulamentação ainda está apenas começando.

Para muitos, a esperança é que padrões e leis evoluam para responsabilizar agentes que coletam dados de forma predatória, enquanto comunidades mantêm ferramentas como Anubis e AI Labyrinth como escudos imediatos contra uma enxurrada de bots que não respeitam as regras básicas da web.

CEO da Astronomer renuncia enquanto empresa enfrenta crise de imagem após vídeo viral

A saída do executivo à frente da Astronomer marcou um capítulo delicado para a startup de gerenciamento de dados, avaliada em cerca de US$ 1,3 bilhão. O episódio começou com a circulação de um vídeo em que o então CEO aparece em um momento íntimo com a chefe de recursos humanos durante um concerto do Coldplay. O clipe viralizou nas redes sociais, gerou ampla repercussão e desencadeou uma série de informações falsas e especulações online.

Em resposta à onda de desinformação e à percepção pública negativa, a empresa anunciou que o cofundador e diretor de produtos, Pete DeJoy, assumiu como CEO interino após o afastamento de Andy Byron. A Astronomer informou que o Conselho de Administração abriu uma investigação sobre o ocorrido e comunicou aos colaboradores que, apesar das turbulências, o foco no produto e no atendimento aos clientes permanece.

O que ocorreu no concerto e por que a situação escalou

O clipe do incidente foi amplamente compartilhado e rapidamente transformou um momento privado em debate público. A lentidão na resposta oficial da empresa e do próprio Byron facilitou a circulação de boatos, incluindo contas falsas que assumiram a identidade do executivo e alegaram fatos inverídicos sobre a presença de funcionários no evento.

A amplitude da repercussão demonstra o quanto a imagem do CEO pode ficar vinculada à reputação da companhia. Fontes internas e comunicados indicaram que o afastamento foi solicitado pelo Conselho de Administração para desvincular a figura pessoal do executivo da marca, sobretudo enquanto a apuração dos fatos está em curso.

Reação da Astronomer, investigação e mensagens oficiais

A Astronomer divulgou um comunicado oficial afirmando que o Conselho havia iniciado apurações e que detalhes seriam divulgados oportunamente. A empresa também ressaltou que, mesmo com a mudança de percepção pública, o compromisso com clientes e produto permanece. No texto oficial constava a declaração: “Embora a percepção acerca da nossa empresa possa ter mudado da noite para o dia, nosso produto e o nosso compromisso com os clientes permanecem inalterados.”

O episódio também expôs como desinformação pode amplificar crises corporativas. Em poucas horas, teorias da conspiração e narrativas falsas passaram a circular, prejudicando a circulação de fatos verificados. A substituição temporária da liderança pela figura de DeJoy busca, segundo membros do Conselho, recuperar estabilidade interna e clarear a comunicação externa enquanto a investigação segue.

Impacto para a Astronomer, clientes e próximos passos

Fundada como uma startup de software voltada ao gerenciamento de dados e ao suporte à criação de ferramentas de inteligência artificial, a Astronomer precisa agora demonstrar que a qualidade técnica e os contratos comerciais não serão afetados. Analistas de mercado e fontes próximas à empresa ressaltam que, embora a crise seja de imagem, a manutenção da confiança de clientes empresariais será crucial.

Além da gestão da crise de reputação, a companhia terá de lidar com a busca por um novo CEO permanente. O anúncio indicou que Pete DeJoy ficará à frente da organização até que um sucessor seja nomeado. Enquanto isso, equipes operacionais e de produto seguem trabalhando para garantir entregas e minimizar impactos comerciais.

O caso mostra também o custo reputacional que executivos podem impor às suas empresas, quando episódios pessoais se tornam virais. Para a Astronomer, agora avaliada em torno de US$ 1,3 bilhão, o desafio é converter a resposta institucional em ações concretas que reafirmem confiança junto a clientes e investidores.

Com a investigação em andamento, resta acompanhar as conclusões do Conselho e as medidas adotadas pela empresa para restaurar a transparência e proteger contratos e parcerias. Enquanto isso, a Astronomer afirma manter o foco no produto, em seus clientes e no desenvolvimento de soluções de dados e IA, ressaltando que suas prioridades operacionais continuam inalteradas.