GetReal usa forense, IA e experiência acadêmica para enfrentar a era dos deepfakes

A proliferação de deepfakes cada vez mais realistas criou uma nova frente crítica na segurança digital, e a startup GetReal chega ao mercado afirmando ter ferramentas capazes de identificar e mitigar essas ameaças para governos e grandes empresas. A empresa anunciou um aporte de US$ 17,5 milhões que será destinado à pesquisa e desenvolvimento, expansão de equipe e crescimento comercial.

Com sede em San Mateo, a GetReal lançou uma plataforma de forense como serviço que combina uma interface web, API e integrações para análises de mídia. Entre os módulos divulgados estão o painel de exposição a ameaças e as ferramentas “Inspect”, voltada a proteger executivos de alto perfil contra personificações, “Protect”, para rastrear mídia, e “Respond”, que inclui equipes humanas para investigações mais aprofundadas.

Uma aposta que atraiu investidores e clientes estratégicos

A rodada Série A trouxe investidores do setor de cibersegurança e inteligência artificial, além de parceiros estratégicos de tecnologia e finanças, setores que já sentem o impacto dos deepfakes em operações e governança. A GetReal foi incubada por uma dessas empresas desde 2022 e emergiu de forma discreta em junho de 2024, após uma rodada seed anterior com nomes relevantes do mercado.

Fontes da empresa destacam que instituições financeiras e órgãos reguladores passaram a pedir soluções para personificações deepfake, especialmente após incidentes em que executivos foram alvo de fraudes. Segundo a reportagem, “Questões sobre personificações deepfake foram levantadas após CEOs terem participado de entrevistas de voz. Eles foram vítimas tanto da própria personificação quanto de fraudes decorrentes dela”.

Do trabalho de Hany Farid para um serviço escalável

A GetReal foi cofundada por Hany Farid, pioneiro nas técnicas de detecção de manipulações em imagens digitais e hoje na UC Berkeley. A empresa nasceu da ideia de transformar o processo investigativo e forense de Farid em um produto escalável. Como explicou Matt Moynahan, CEO da GetReal, “Se você acha que a cibersegurança já sofre com a falta de profissionais, prepare-se para lidar com a forense”.

Moynahan também alertou para a amplitude da ameaça: “Para ser sincero, nunca presenciei uma ameaça tão onipresente”, e acrescentou que “o que vimos nos últimos 20 anos é a migração da ameaça para o usuário final”. A ideia central da empresa é pegar décadas de técnicas forenses e colocá-las em operação como um serviço na nuvem, transformando o conhecimento especializado em ferramentas que possam ser aplicadas em escala.

No relato da origem, Farid passou de atuação acadêmica e consultas informais a setores como mídia e jurídico, para a cofundação do produto em parceria com investidores e executivos do setor. “Não há ninguém que analise esses desafios da forma que o Hany faz”, ressaltou Moynahan. “Mas o Hany não consegue escalar. Por isso, basicamente, transformamos o trabalho dele em um ‘serviço Hany’ na nuvem.”

Desafios técnicos, uso governamental e o futuro dos deepfakes

A plataforma atual da GetReal foca em mídia visual e sonora, mas a empresa reconhece que deepfakes baseados em texto e outras formas de personificação representam riscos emergentes. O produto foi desenhado com a necessidade de engenharia reversa dos novos aplicativos geradores de deepfake, apoiado em técnicas que, segundo a empresa, “desenvolvemos há 20 anos e que ainda funcionam hoje”.

Agências de inteligência e autoridades governamentais já demonstram interesse em ferramentas que evitem decisões equivocadas induzidas por mídias falsificadas. Para o setor privado, clientes de grande porte e conselhos de administração buscam soluções que protejam executivos e operações, enquanto a lacuna de especialistas em ciber-forense faz da oferta da GetReal uma alternativa para organizações que não conseguem montar centros próprios de investigação.

Apesar do otimismo, os desafios permanecem. A escala de criação de deepfakes, a rapidez das inovações nos modelos geradores e a necessidade de coordenar sinais técnicos com investigações humanas tornam a equação complexa. A GetReal aposta que combinar automação, conhecimento acadêmico e equipes especializadas pode reduzir o tempo de detecção e respostas efetivas, e que o aporte de US$ 17,5 milhões permitirá acelerar esse desenvolvimento.

O movimento da GetReal mostra que o combate aos deepfakes já deixou o estágio experimental e se transforma em mercado, com soluções voltadas a proteger pessoas, empresas e, potencialmente, decisões de Estado. Resta ver se a plataforma conseguirá acompanhar a evolução das técnicas de falsificação e manter clientes e investidores confiantes na sua capacidade de identificar e mitigar riscos antes que causem danos maiores.

IA no mercado de trabalho em números: empregos criados, automação e a nova demanda por habilidades

A transformação provocada pela inteligência artificial já é visível em fábricas, hospitais e salas de aula, e está redesenhando funções, rotinas e carreiras. Empresas como a Tesla e startups educacionais provaram que a combinação de automação e algoritmos muda não só a produtividade, como também a composição das equipes. Ao mesmo tempo, dados públicos apontam para cenários contraditórios, em que perdas e ganhos de vagas coexistem.

Automação, substituição e criação de vagas

Um dos efeitos mais imediatos da IA é a automação de tarefas repetitivas. Processos de controle de qualidade, linhas de montagem e manutenção preditiva foram transformados por robótica e algoritmos, elevando precisão, velocidade e escalabilidade na produção. O caso da Tesla ilustra isso, com integração extensiva de máquinas com IA nos processos de produção, o que aumentou eficiência e provocou substituições de funções tradicionais na manufatura.

Por outro lado, há potencial de geração de postos de trabalho especializados. De acordo com o site de empregos dos Estados Unidos, Lensa, a IA poderia criar cerca de 2,7 milhões de novos empregos nos EUA até 2037. Esses cargos tendem a exigir competências em análise de dados, cibersegurança e engenharia de IA, reforçando que a automação não elimina demanda por trabalho, mas desloca e transforma perfis profissionais.

Saúde, educação e o surgimento de novas funções

No setor de saúde, ferramentas com IA ajudam no diagnóstico, na interpretação de exames e no monitoramento remoto de pacientes, aumentando eficácia clínica e criando funções de apoio técnico e analítico. Na educação, chatbots e sistemas adaptativos estão oferecendo suporte personalizado a estudantes e liberando educadores para tarefas mais complexas.

Um exemplo prático é o chatbot “Pounce”, da Georgia State University, que forneceu suporte personalizado aos alunos, melhorou o engajamento e aliviou a carga de orientadores. Outro caso é o assistente virtual “P2 Bot”, usado pela Automattic para facilitar coordenação em uma empresa totalmente remota. Esses exemplos mostram que a IA cria oportunidades para desenvolvedores, analistas de dados e tecnólogos educacionais, ao mesmo tempo em que melhora serviços.

Além disso, há estimativas otimistas sobre criação líquida de empregos em setores emergentes. De acordo com um relatório do Fórum Econômico Mundial, a IA poderia criar cerca de 2,1 milhões de empregos até 2025. Esse tipo de projeção reforça que a transição envolve tanto riscos de deslocamento quanto janelas de oportunidade, especialmente para quem investir em competências técnicas.

Trabalho remoto, habilidades humanas e requalificação

A pandemia acelerou a adoção do trabalho remoto, e a IA foi peça-chave nesse processo, com algoritmos que melhoram áudio e vídeo em plataformas de conferência e assistentes virtuais que organizam fluxos de trabalho. Hoje, com 73% dos CEOs implementando o trabalho remoto e flexível como parte permanente de seus negócios, a integração entre IA e modelos de trabalho híbrido tende a se consolidar.

Isso traz também um imperativo de requalificação. De acordo com um relatório do Fórum Econômico Mundial, até 2022, cerca de 54% de todos os funcionários precisarão de uma reciclagem significativa e atualização de habilidades. A ênfase recai sobre análise de dados, alfabetização digital e pensamento crítico, mas competências humanas como criatividade, solução de problemas e inteligência emocional se tornam ainda mais valiosas quando tarefas rotineiras são automatizadas.

Na prática, a parceria entre IA e especialistas humanos é ilustrada por áreas como oncologia, em que sistemas de IA oferecem recomendações com base em dados, mas o julgamento clínico humano continua essencial para contextualizar decisões. Essa complementaridade define o perfil profissional que o mercado demandará: técnico e humano ao mesmo tempo.

Para trabalhadores e empresas, o caminho é claro: investir em formação contínua, priorizar habilidades que a IA não replica facilmente e adotar tecnologia com foco em aumentar a produtividade, não apenas em cortar custos. A transição será desigual entre setores e regiões, mas quem antecipar a aprendizagem de competências digitais e comportamentais terá vantagem competitiva.

Em resumo, a IA no mercado de trabalho já promove substituições e criações de vagas, altera formatos de trabalho e impõe um ambicioso programa de requalificação. Com planejamento e políticas públicas voltadas à capacitação, é possível transformar riscos em oportunidades e orientar a força de trabalho para funções de maior valor agregado.

O que o assistente pessoal da OpenAI faz e como ele age

A OpenAI lançou um novo assistente pessoal da OpenAI que vai além de gerar textos, ele também age diretamente em sistemas dos usuários, controlando navegadores, abrindo e editando arquivos e interagindo com softwares como planilhas e apresentações. O lançamento ocorreu em 10/11/2025 e, segundo a empresa, a ferramenta foi disponibilizada em boa parte do mundo, exceto na União Europeia.

Na prática, o assistente pessoal da OpenAI pode procurar e confirmar reservas em restaurantes, fazer compras online, montar listas de candidatos para vagas de emprego e executar fluxos de trabalho que antes exigiam várias ferramentas e intervenção manual. A mudança de paradigma é que esses agentes agora “pensam” e “agem”, alternando entre aplicações para completar tarefas complexas de forma autônoma.

Como funciona o controle de arquivos e navegadores

O agente combina capacidades de pesquisa da inteligência artificial com permissões de controle sobre o navegador e o sistema de arquivos do usuário. Isso significa que, quando autorizado, ele pode abrir um site, preencher formulários, baixar comprovantes e salvar documentos em pastas específicas. Em tarefas de produtividade, o assistente identifica qual software é mais adequado para cada função e alterna entre eles para concluir um objetivo, por exemplo, preparando um roteiro de viagem no calendário, exportando preços em uma planilha e montando uma apresentação com os principais pontos.

O design busca entregar utilidade real, ao realizar ações para os usuários, em vez de apenas produzir textos. Como observou Niamh Burns, analista sênior de mídia da Enders Analysis, “A esperança é que esses agentes possam trazer uma utilidade real aos usuários – realizando tarefas para eles, em vez de apenas gerar textos bem elaborados e soar impressionantes”. Essa expectativa orienta a integração de recursos práticos, como a capacidade de comprar bilhetes, confirmar reservas e organizar documentos.

Salvaguardas e os riscos reconhecidos pela OpenAI

A OpenAI admitiu que permitir que um agente de IA tenha controle, mesmo que limitado, sobre sistemas computacionais agrega novos riscos. A empresa afirmou que há preocupação em diferentes frentes e implementou mecanismos de proteção para reduzir usos indevidos. O comunicado da OpenAI destaca a cautela sobre riscos biológicos: “Embora não tenhamos evidências definitivas de que o modelo possa, de forma efetiva, ajudar um iniciante a causar danos biológicos severos, estamos agindo com cautela e implementando as salvaguardas necessárias desde já”.

Além da proteção contra riscos biológicos, as salvaguardas incluem restrições de acesso a certas operações automatizadas, limites nas permissões por padrão e monitoramento de comportamentos suspeitos. Ainda assim, a empresa reconheceu que “existe mais riscos” ao ampliar a capacidade de agentes que agem em ambientes reais, e que precisa continuar avaliando e atualizando políticas para mitigar danos potenciais.

Disponibilidade, limitações e implicações práticas

O novo agente chegou como resposta ao interesse crescente por modelos que gerenciam tarefas computacionais, em um movimento semelhante a iniciativas da Google e da Anthropic. No entanto, a adoção será gradual e regulada. O produto já está em funcionamento em diversos mercados, mas a ausência na União Europeia indica que requisitos regulatórios e de privacidade ainda influenciam a estratégia de lançamento global.

Para usuários e empresas, o assistente pessoal da OpenAI promete ganho de produtividade e automação de processos rotineiros. Ao mesmo tempo, impõe a necessidade de políticas internas sobre permissões, auditoria de ações automatizadas e treinamento para evitar erros operacionais. Organizações que planejam adotar a ferramenta devem avaliar cuidadosamente controles de acesso, logs de atividade e integrações com sistemas críticos.

Em resumo, o agente introduz uma camada prática à IA conversacional, trazendo benefícios reais, mas também novos desafios de segurança e governança. A evolução desse tipo de tecnologia dependerá tanto da capacidade técnica de reduzir riscos, quanto da regulação e das práticas de uso adotadas por empresas e usuários finais.

O Model Context Protocol (MCP) chega ao ChatGPT, Agents SDK e Responses API; entenda como a conexão entre modelos e sistemas de dados vai mudar

A OpenAI anunciou a adoção do Model Context Protocol (MCP), padrão open-source criado pela Anthropic que permite conectar assistentes de inteligência artificial diretamente aos sistemas onde os dados estão armazenados. A informação foi compartilhada pelo CEO Sam Altman em uma publicação na rede X, em que ele afirmou, textualmente, “As pessoas adoram o MCP e estamos empolgados em oferecer suporte a ele em todos os nossos produtos”.

A introdução do Model Context Protocol (MCP) pela OpenAI significa que desenvolvedores e empresas poderão integrar modelos como o ChatGPT a ferramentas empresariais, repositórios de conteúdo, softwares e ambientes de desenvolvimento, com objetivo de obter respostas mais precisas e contextualizadas para consultas específicas.

Como funciona o Model Context Protocol (MCP)

O Model Context Protocol (MCP) estrutura uma forma padronizada de expor dados através de “servidores MCP” e permitir que clientes, como aplicativos e fluxos de trabalho, solicitem essas informações. Em termos práticos, isso cria uma ligação bidirecional entre modelos de linguagem e as fontes de dados das empresas, possibilitando tarefas que vão desde buscas contextualizadas até ações automatizadas dentro de sistemas corporativos.

Segundo Altman, a disponibilidade inicial já começou: “Já está disponível hoje no Agents SDK e em breve estará disponível para o aplicativo de área de trabalho do ChatGPT e na Responses API.” Essa implementação gradual indica que desenvolvedores que usam o Agents SDK já podem começar a testar integrações via MCP, enquanto outros produtos da OpenAI receberão suporte em seguida.

Impacto para empresas, desenvolvedores e privacidade

Com a adoção do Model Context Protocol (MCP), empresas podem conectar seus ERPs, CRMs, repositórios de código e bases de conhecimento a assistentes de IA de maneira padronizada. Plataformas que já integraram o MCP, após a liberação open-source pela Anthropic, incluem nomes como Block, Apollo, Replit, Codeium e Sourcegraph. A presença desses players mostra rapidez na adoção do padrão em diferentes frentes, desde finanças até desenvolvimento e busca de código.

Além dos ganhos de produtividade, a padronização traz desafios operacionais e de segurança. Conectar modelos a sistemas internos exige controles rígidos de autenticação, gerenciamento de permissões e políticas de auditoria. A Anthropic e a OpenAI apresentam o MCC como um modo de tornar os modelos mais úteis, mas também aumentam a necessidade de governança de dados nas empresas que adotarem o protocolo.

Por que a adoção pela OpenAI importa

A decisão da OpenAI de adotar o Model Context Protocol (MCP) tem impacto estratégico no ecossistema de IA. Mike Krieger, diretor de produto da Anthropic, comentou a notícia celebrando a expansão do padrão: “Estamos entusiasmados em ver o carinho pelo MCP se expandir para a OpenAI – sejam bem-vindos! O MCP se tornou um padrão aberto robusto, com milhares de integrações e em constante crescimento. Os modelos de linguagem são muito mais úteis quando conectados aos dados e softwares que você já utiliza.”

Ao incorporar o MCP, a OpenAI reduz fricções para empresas que buscam conectar suas bases de dados aos modelos, potencialmente acelerando a criação de agentes e fluxos de trabalho automatizados que usam contexto empresarial em tempo real. Isso também consolida o MCP como um padrão de fato, favorecendo interoperabilidade entre diferentes fornecedores e ferramentas.

Segundo a OpenAI, mais detalhes sobre os planos de implementação do MCP serão divulgados nos próximos meses. A movimentação foi registrada em comunicação atualizada em 10/11/2025, e deve orientar decisões de equipes de tecnologia que buscam integrar IA generativa aos sistemas já existentes.

Em resumo, a chegada do Model Context Protocol (MCP) ao portfólio da OpenAI promete ampliar a utilidade prática dos modelos, ao mesmo tempo em que exige atenção redobrada às políticas de segurança e governança de dados. Para desenvolvedores e empresas, a recomendação imediata é avaliar como suas plataformas poderão expor dados via servidores MCP e preparar autenticação e auditoria antes de integrar assistentes baseados em IA.

A disputa por pôsteres gerados por IA transformou fachadas em palcos de marketing, com ChatGPT no centro da estratégia criativa

Sempre que uma nova tecnologia (ou formato de meme) surge, é apenas uma questão de tempo até que as marcas se envolvam. Foi com essa lógica que a mais recente leva de anúncios em São Paulo colocou o McDonald’s e o Burger King frente a frente, desta vez utilizando pôsteres gerados por IA como munição na chamada guerra dos hambúrgueres.

Como os pôsteres foram gerados e o papel do ChatGPT

Segundo o relato do veículo que cobriu o caso, “Isso mesmo, o McDonald’s usou o ChatGPT para criar um pôster tipográfico perguntando: ‘Qual é o hambúrguer mais icônico do mundo?’” A peça do McDonald’s, minimalista, aposta no texto e em pequenas variações de cor para representar camadas icônicas como as do Big Mac. O uso do ChatGPT para compor o texto destaca um movimento crescente entre agências e marcas de automatizar parte do processo criativo com ferramentas de inteligência artificial.

Em resposta quase imediata, o veículo também registra que “E quase imediatamente, o Burger King respondeu com o seu próprio pôster, com a pergunta de seguimento: ‘E qual é o maior?’” A peça do Burger King joga com a noção de tamanho, remetendo ao Whopper, e utiliza uma estética tipográfica semelhante, o que torna a troca visualmente coerente e fácil de perceber pelo público nas ruas.

Reação das agências e estratégia em São Paulo

O caso chamou atenção pela velocidade na reação da agência responsável pelo Burger King. Como pontua a reportagem, “O impressionante aqui é como a agência David São Paulo reagiu rapidamente, com o pôster do Burger King surgindo ao lado do anúncio do McDonald’s apenas um dia depois.” A proximidade temporal e espacial dos outdoors transformou o centro urbano em um cenário de contraponto direto entre marcas, ampliando o alcance orgânico da ação e gerando repercussão nas redes sociais.

Além do fator velocidade, a disputa destaca como pôsteres gerados por IA podem ser usados não apenas para reduzir custos, mas para testar variações de mensagem em tempo real. Fontes citadas na matéria observam que, apesar do visual minimalista, é provável que a produção do anúncio tenha envolvido prompts mais complexos do que o texto final sugere, o que reforça a habilidade das agências em adaptar ferramentas de IA à linguagem de cada marca.

Implicações para criatividade, ética e o futuro da publicidade OOH

O episódio levanta ao mesmo tempo oportunidades e questões. Por um lado, pôsteres gerados por IA demonstram como é possível acelerar testes criativos e respostas de marca em campanhas OOH, com potencial de viralização e baixo custo de produção. Por outro lado, surgem questões sobre autoria, autenticidade e direitos de imagem, especialmente em trabalhos que usam referências históricas de produtos como Big Mac e Whopper.

O uso público e ostensivo de ferramentas como o ChatGPT nas campanhas também coloca em pauta a necessidade de transparência sobre o papel da IA no processo criativo, e sobre limites na automação da escrita e do design. Para especialistas, a tecnologia amplia possibilidades, mas não substitui o julgamento humano na construção da identidade de marca, nem a sensibilidade necessária para evitar mal-entendidos ou mensagens ambíguas.

A cobertura original foi atualizada em “Atualizado em 11/11/2025”, e traz comentários do autor André Lug, que acompanha tendências de Inteligência Artificial e conteúdo digital. O caso em São Paulo deve servir de estudo para agências, anunciantes e plataformas que oferecem geração de conteúdo por IA, enquanto o público acompanha, nas ruas e online, mais um capítulo da guerra dos hambúrgueres no Brasil.

Em suma, a troca de pôsteres gerados por IA entre McDonald’s e Burger King mostra como marcas tradicionais podem incorporar ferramentas digitais emergentes para criar diálogo direto com o público. A rapidez da resposta, a clareza das mensagens, e a repercussão gerada nas fachadas da cidade deixam claro que estamos apenas começando a ver como a IA vai redesenhar as dinâmicas da publicidade exterior e da concorrência entre marcas.

Panorama das novidades de inteligência artificial com dados, debates sobre agentes de IA, investimentos em defesa e sinais de possível desaceleração nos modelos de raciocínio

O universo das novidades de inteligência artificial vive um momento de amplificação, entre números expressivos de adoção, discussões sem consenso e sinais de que nem todo avanço será linear. Nesta reportagem reunimos os principais acontecimentos recentes, desde o recorde de downloads do conjunto de modelos Gemma, da Google, até a discussão sobre o que realmente é um agente de IA, passando por apostas atípicas em tecnologia de defesa na Europa e alertas sobre a sustentabilidade dos ganhos em modelos de raciocínio.

Gemma e a onda dos modelos abertos

Um dos destaques nas novidades de inteligência artificial é o desempenho do conjunto Gemma da Google, que alcançou a marca de “150M+ downloads confirmam sua adesão global”, segundo levantamento recente. Lançado em fevereiro de 2024, o Gemma foi posicionado como resposta aos modelos abertos da Meta, oferecendo capacidades multimodais, suporte a imagens, texto e mais de 100 idiomas.

Além da audiência, a comunidade tem customizado amplamente o modelo, com mais de “70.000 variações na plataforma Hugging Face”. Esse ecossistema reforça a tendência de democratização da IA, em que desenvolvedores exploram e adaptam modelos para casos diversos, embora o Gemma ainda fique atrás da marca histórica do rival Llama. O movimento também reacende questões sobre licenciamento, já que o projeto enfrenta críticas quanto a termos não convencionais, evidenciando a necessidade de políticas claras para equilibrar inovação e uso comercial.

O que é um agente de IA? O debate que não tem consenso

Entre as novidades de inteligência artificial mais conceituais está a discussão sobre a definição de “agente de IA”, tema que até investidores renomados reconhecem ser nebuloso. Conforme relato das fontes, termos como “agent” e “agentic” são amplamente usados, mas mal definidos, gerando riscos de expectativas desalinhadas entre empreendedores, engenheiros e clientes.

Parceiros da a16z discutiram em público que, apesar dos investimentos robustos, ainda falta um consenso técnico e prático, sobretudo sobre como transformar um prompt em uma solução autônoma capaz de manter memória persistente, agir com confiabilidade e equilibrar autonomia com supervisão humana. A clareza nessa definição é essencial para estabelecer padrões de segurança, produtos robustos e métricas que permitam avaliar o impacto real desses agentes.

Investimentos em defesa e limites dos modelos de raciocínio

Outra nota relevante nas novidades de inteligência artificial é o movimento de capital para o setor de defesa europeu. O ex-oficial da CIA Eric Slesinger montou um fundo de “US$ 22 milhões” focado em startups de defesa na Europa, e criou a European Defense Investor Network, com apoio de fundos como o NATO Innovation Fund. A iniciativa ilustra como a convergência entre tecnologia e segurança nacional pode abrir novas frentes de aplicação para a IA, ao mesmo tempo em que levanta debates sobre governança e prioridades geopolíticas.

Por fim, há um alerta técnico e financeiro sobre o futuro dos ganhos em capacidades de raciocínio. Uma análise da Epoch AI indica que os avanços podem enfrentar limitações, devido ao uso intensivo de computação no estágio de reforço por aprendizado e aos altos custos de pesquisa. A análise aponta para uma possível convergência dos ganhos de desempenho até 2026, o que sugere que parte da aceleração observada recentemente pode se estabilizar, forçando o setor a repensar estratégias de investimento e pesquisa.

Em suma, as novidades de inteligência artificial mostram avanços notáveis, como o grande volume de downloads do Gemma e o interesse crescente em aplicações de defesa, mas também expõem desafios conceituais e limites práticos que influenciarão a próxima fase de desenvolvimento. Entre anúncios esperados no Microsoft Build 2025, debates sobre agentes e sinais de maior pressão sobre custos e escalabilidade, o setor aposta agora em equilíbrio entre inovação, segurança e sustentabilidade tecnológica.

Tudo o que você precisa saber sobre o ChatGPT até 11/11/2025

O ChatGPT transformou-se em um dos produtos de IA mais presentes no dia a dia digital desde seu lançamento ao público em 30 de novembro de 2022. Inicialmente pensado para aumentar a produtividade na redação de textos e códigos, o serviço evoluiu em ritmo acelerado, incorporando recursos de voz, geração e edição de imagens, agentes autônomos e modelos especializados. Em 2024 e 2025 a OpenAI lançou uma série de mudanças que afetam usuários finais, desenvolvedores e clientes corporativos, ao mesmo tempo em que enfrenta disputas legais e desafios operacionais.

Como o ChatGPT funciona hoje

O ChatGPT é um chatbot de propósito geral baseado em modelos de linguagem de grande porte. A sigla GPT significa Generative Pre-Trained Transformer, a tecnologia que permite gerar textos a partir de padrões aprendidos em grandes volumes de dados. Atualmente, as versões gratuitas e pagas do serviço são atualizadas com frequência, sendo o GPT-4o destacado entre os modelos em uso.

Além do texto, o ChatGPT agora incorpora capacidades multimodais, como transcrição, síntese de voz, criação e edição de imagens, e ferramentas que permitem integração com IDEs e fluxos de trabalho corporativos. Dados recentes mostram que “mais de 130 milhões de usuários utilizaram a funcionalidade de geração de imagens do ChatGPT, produzindo um total que ultrapassa os 700 milhões de imagens“, um indicador do alcance massivo dessas novas funções.

Principais novidades e modelos lançados em 2024-2025

Em 2024 e 2025 a OpenAI introduziu uma série de modelos e recursos. Entre os destaques, surgiram os modelos de raciocínio o3 e o4-mini, sendo que o o3 foi apresentado como “o o3 é o modelo de raciocínio mais avançado desenvolvido até o momento“, enquanto o o4-mini busca equilibrar preço e performance. Em abril de 2025, a empresa lançou um recurso de API chamado processamento Flex, voltado para tarefas mais lentas e econômicas, disponível em beta para modelos como o3 e o4-mini.

Outra mudança estratégica significativa foi a substituição do GPT-4 pelo GPT-4o como padrão no ChatGPT, e o anúncio de que o GPT-4.5 seria removido da API a partir de julho, permanecendo apenas em pré-visualização para clientes pagantes. Em paralelo, a OpenAI trabalha no desenvolvimento do GPT-4.1 e variações menores, com foco reforçado em capacidades de codificação.

Riscos, custos e como usuários e empresas devem se preparar

As transformações trazem benefícios e riscos. A OpenAI implementou novos mecanismos de segurança, incluindo monitoramento para prevenir orientações que ofereçam riscos biológicos e químicos nos modelos de raciocínio. Ao mesmo tempo, a empresa passou por críticas e processos relacionados a privacidade e direitos autorais, e enfrenta a necessidade de equilibrar inovação com medidas de proteção.

Do ponto de vista econômico, há sinais de pressão nos custos operacionais. Relatos indicam que o custo de execução do o3 pode ser maior que o previsto, com estimativas que variam de cerca de US$ 3 mil por tarefa para cifras que poderiam chegar a US$ 30 mil em alguns casos. Em contrapartida, a OpenAI projeta um crescimento de receita, com fontes afirmando que a empresa espera que sua receita atinja “US$ 12,7 bilhões em 2025“.

Para usuários e empresas, a recomendação prática é acompanhar atualizações de modelos e preços, testar novos recursos em ambiente controlado antes de migrar workloads produtivos, e adotar práticas de verificação de conteúdo, pois o ChatGPT pode gerar informações imprecisas ou difamatórias. A OpenAI também ampliou ferramentas empresariais, como agentes autônomos e o Operator, para automatizar tarefas, mas esses produtos podem vir com preços elevados e requisitos de segurança.

Por fim, o ecossistema do ChatGPT segue em rápida transformação: novos modelos, mudanças na política de API, e iniciativas como a possível criação de uma rede social própria, colocam a tecnologia no centro de debates sobre regulamentação, competição internacional e impacto social. Entender essas mudanças e testar recursos com cautela é essencial para tirar proveito das capacidades da IA sem expor pessoas e organizações a riscos desnecessários.

Inovação em efeitos visuais na série argentina

Co-CEO Ted Sarandos anunciou o uso de IA generativa na produção de El Eternauta

A Netflix confirmou o emprego de IA generativa em uma cena de VFX da série argentina El Eternauta, uma medida que, segundo a empresa, acelerou significativamente o processo de pós-produção. Durante a conferência de resultados da empresa, o co-CEO Ted Sarandos anunciou a iniciativa, ressaltando ganhos de tempo e viabilidade financeira.

De acordo com a reportagem, Sarandos afirmou que a sequência assistida por inteligência artificial foi finalizada “dez vezes mais rápido” do que os métodos tradicionais e que, sem o auxílio da tecnologia, “teria sido financeiramente inviável produzi-la”. Essas declarações aparecem na cobertura atualizada em 11/11/2025, publicada por André Lug.

Como foi produzida a cena com IA generativa

Fontes da produção indicam que a cena combinou modelos de IA generativa com ferramentas de produção virtual, permitindo a criação de elementos visuais complexos sem a necessidade de longas jornadas de composição manual. A Netflix não divulgou detalhes técnicos completos, mas a empresa explicou que o processo automatizado acelerou o fluxo de trabalho, reduzindo várias etapas que antes consumiam tempo e orçamento.

O uso da IA generativa neste contexto envolveu a geração de ativos visuais e ajustes de cena que, tradicionalmente, exigiriam semanas de trabalho em estúdios de VFX. Segundo a declaração oficial citada por Sarandos, o resultado foi a finalização “dez vezes mais rápido”, um dado que, se confirmado, representa um salto na eficiência para produções com orçamentos limitados ou prazos apertados.

Impacto na indústria criativa e na economia das produções

A Netflix apresentou o caso como exemplo de como a IA generativa pode tornar possíveis cenas que seriam, de outra forma, inviáveis por custo. A afirmação de Sarandos de que a cena “teria sido financeiramente inviável produzi-la” sem a tecnologia, destaca uma realidade: recursos limitados muitas vezes determinam o que pode ou não ser filmado em séries e filmes.

Além da dimensão econômica, há um efeito direto sobre prazos e logística. Ao reduzir o tempo de finalização em ordens de magnitude, a tecnologia abre espaço para testes criativos mais rápidos, revisões de direção e iterações estéticas. Ao mesmo tempo, a adoção crescente de ferramentas automatizadas pressiona estúdios de VFX tradicionais a repensarem fluxos de trabalho e modelos de negócio.

Limites, ética e a posição da Netflix sobre profissionais criativos

Mesmo com o entusiasmo, Ted Sarandos enfatizou uma ressalva importante: a tecnologia serve para apoiar, e não para substituir, as equipes criativas. A empresa insiste que a IA generativa será uma ferramenta nas mãos de diretores, artistas de VFX e produtores, ampliando possibilidades sem extinguir papéis humanos essenciais.

Essa postura busca responder a preocupações do setor sobre automação e perda de empregos técnicos, além de abordar discussões sobre crédito, transparência no uso de modelos treinados com obras pré-existentes e responsabilidade artística. A combinação de IA e produção virtual, como vista em El Eternauta, funciona hoje como um caso de estudo de como a inovação pode ser integrada com cautela.

Com o anúncio feito na conferência de resultados e a atualização do texto em 11/11/2025, a notícia lança luz sobre uma tendência que deve crescer nos próximos anos. Para audiências e profissionais, o episódio de El Eternauta sinaliza que a IA generativa está deixando de ser experimento e se tornando ferramenta prática em grandes produções.

Fonte: reportagem de André Lug, atualizada em 11/11/2025, com declarações do co-CEO Ted Sarandos.

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.