Facebook Marketplace integra IA da Meta para sugerir perguntas, dar insights sobre anúncios e facilitar compras colaborativas

A Meta anunciou novidades no Marketplace que prometem tornar as compras mais ágeis e seguras, combinando recursos sociais e inteligência artificial. Entre as principais mudanças, a Meta AI passa a orientar compradores com perguntas sugeridas e insights automáticos sobre os anúncios, enquanto a função de compra colaborativa permite incluir amigos nas conversas com vendedores. Essas soluções têm como objetivo apoiar decisões mais rápidas e informadas, especialmente em produtos complexos, como carros e motocicletas.

Como a IA ajuda na escolha de produtos

Ao iniciar um chat com um vendedor, os usuários encontrarão o botão “perguntas sugeridas”, que oferece questões relevantes com base nos detalhes do anúncio e no andamento da conversa. A Meta explica que a IA auxilia a formular perguntas e traz insights sobre os anúncios, reduzindo o tempo gasto para coletar informações importantes.

Para anúncios de veículos, por exemplo, a IA mostra dados como tipo de motor e transmissão, capacidade de passageiros e carga, classificações de segurança, avaliações e preços aproximados. Esses recursos ajudam o comprador a comparar opções e avaliar riscos antes de marcar uma visita ou concluir a negociação, tornando as compras mais inteligentes e menos dependentes apenas da descrição escrita pelo vendedor.

Compra colaborativa e respostas mais rápidas

Outra novidade é a possibilidade de realizar a compra de forma colaborativa, incluindo amigos nas conversas com o vendedor. A função facilita a negociação de preços, a organização da retirada do produto e garante respostas mais rápidas a dúvidas, já que múltiplas pessoas conseguem acompanhar e participar do diálogo.

Essa integração social tende a transformar a experiência de compra do Marketplace, aproximando o modelo de recomendações e avaliação comunitária próprio de redes sociais, e ajudando o usuário a tomar decisões com base em opiniões e checagens feitas em conjunto.

Integração com parceiros, identificação de anúncios e finalização mais clara

O Marketplace também passou a integrar estoques de parceiros, como o eBay, ampliando opções em categorias como moda e eletrônicos. Segundo a Meta, “Os anúncios de parceiros são marcados com um ícone na imagem do anúncio e estão integrados ao seu feed do Marketplace, para que você os veja enquanto navega”.

Além disso, a experiência de checkout foi aprimorada. Agora, os custos totais, incluindo frete e impostos, são exibidos antecipadamente, os compradores recebem notificações sobre alterações no status do pedido, e os anúncios de parceiros direcionam para o site do vendedor para concluir a compra. Essas mudanças visam reduzir surpresas no momento do pagamento e aumentar a transparência da plataforma.

Com esses ajustes, a Meta busca tornar o Marketplace mais competitivo em relação a outras plataformas de e-commerce, combinando elementos sociais, comerciais e de inteligência artificial para melhorar a experiência dos usuários.

Disponibilidade, segurança e citações

A empresa não informou quando as novidades estarão disponíveis fora dos Estados Unidos. Enquanto isso, usuários devem acompanhar atualizações regionais para saber quando recursos como as perguntas sugeridas e a compra colaborativa chegarão ao Brasil.

O lançamento foi relatado por jornalistas especializados, entre eles Valdir Antonelli, com especialização em marketing digital e consumo, e Bruno Capozzi, jornalista e pesquisador de redes sociais e tecnologia. As informações oficiais da Meta, incluindo a citação sobre os anúncios de parceiros, foram publicadas no blog da empresa e usadas como base para explicar os novos mecanismos.

Essas ferramentas reforçam a tendência de plataformas sociais que evoluem para centros de comércio mais inteligentes. Ao integrar IA para guiar perguntas, oferecer insights e ampliar a visibilidade de ofertas parceiras, o objetivo é simples: permitir compras mais rápidas, transparentes e, acima de tudo, mais inteligentes para os usuários.

Como as big techs lucram com IA e se beneficiam do rombo financeiro da OpenAI e da Anthropic, segundo apuração

O avanço acelerado da inteligência artificial criou um paradoxo econômico: enquanto gigantes como Microsoft, Nvidia, Alphabet e Amazon registram resultados recordes, startups focadas em IA generativa enfrentam perdas gigantescas. Big techs lucram com IA ao vender chips, serviços de nuvem e infraestrutura para empresas que, na ponta, acumulam prejuízos para desenvolver modelos conversacionais e outras aplicações.

Segundo reportagem do The Wall Street Journal, a OpenAI, responsável pelo ChatGPT, apresentou um “prejuízo superior a US$ 12 bilhões apenas no trimestre encerrado em 30 de setembro”. As estimativas, baseadas na participação e nos contratos com a Microsoft, indicam que esses números representam perdas reais, e não apenas ajustes contábeis.

Como o ciclo de gastos beneficia as grandes fornecedoras

O cenário é simples na prática: startups de IA gastam quantias bilionárias com processamento, licenças e profissionais especializados, gerando demanda intensa por hardware e serviços. Empresas como a Nvidia se beneficiam diretamente da venda de GPUs e aceleradores, enquanto Microsoft e Amazon capturam receita com contratos de computação em nuvem. Big techs lucram com IA porque são as provedoras essenciais dessa cadeia.

Documentos e fontes do setor mostram que contratos com provedores de nuvem e fornecedores de chips têm volume e duração que sustentam investimentos pesados em data centers. Esse movimento, junto a projetos de infraestrutura de grande escala, explica por que a indústria de centros de dados vive um ciclo de expansão acelerada.

O rombo financeiro das startups: projeções e riscos

Além do prejuízo trimestral apontado pelo The Wall Street Journal, há projeções preocupantes sobre o futuro financeiro das startups. Estimativas citadas pela reportagem indicam que a OpenAI deve registrar US$ 13 bilhões de receita este ano, com expectativa de dobrar em 2026 e novamente em 2027, mas que os custos podem crescer ainda mais rápido.

Segundo as projeções, “as perdas podem triplicar e ultrapassar US$ 40 bilhões até 2027, com equilíbrio financeiro esperado apenas em 2030”. Essa discrepância entre crescimento de receita e aumento de despesas revela uma estrutura econômica instável: sem produtos escaláveis e rentáveis, a dependência de capital externo pode se tornar insustentável.

Se o apetite por investimentos diminuir, em cenários de recessão ou de saturação do mercado, o mesmo ciclo que hoje faz com que big techs lucram com IA pode gerar uma crise de financiamento que afete tanto startups quanto fornecedores.

Uma relação de interdependência: benefícios e alertas

A relação entre gigantes e startups é de mútua dependência. Enquanto as grandes colhem lucros com infraestrutura, as emergentes dependem desses recursos para treinar modelos cada vez maiores. A reportagem lembra a máxima usada por analistas: “receita é vaidade, lucro é sanidade e caixa é realidade”, ressaltando que o desenvolvimento de produtos realmente lucrativos será determinante para a sustentabilidade do ecossistema.

Há exemplos concretos de como as big techs também investem em estruturas próprias. A Meta, por exemplo, lidera o projeto Hyperion, um data center orçado em US$ 30 bilhões (cerca de R$ 168 bilhões), segundo apuração do jornal Olhar Digital, assinada por Bruno Capozzi. Esse tipo de iniciativa demonstra que, além de vender serviços, as gigantes também mobilizam capitais para expandir capacidade e capturar fatias maiores do mercado.

Por ora, os balanços das big techs seguem positivos, e o setor de IA continua a atrair capital e atenção. No entanto, a sustentação desse crescimento depende de fatores que vão além da demanda por infraestrutura: é preciso que produtos baseados em IA se mostrem comercialmente viáveis e que o financiamento das perdas bilionárias das startups se mantenha.

Enquanto isso não acontece, o modelo atual deixa claro um efeito paradoxal e permanente no mercado: big techs lucram com IA vendendo o que mantém as startups operando, e essas mesmas perdas alimentam o ciclo que gera lucro para as fornecedoras. O resultado é uma economia da IA em que ganhos e riscos caminham juntos, e cujo desfecho depende da capacidade de monetizar tecnologia em escala.

A nova busca com IA no LinkedIn entende linguagem natural, reduz a dependência de filtros e promete conectar você à pessoa certa mais rápido

A funcionalidade de Busca com IA no LinkedIn chega para simplificar a maneira como profissionais se encontram na maior rede profissional do mundo. Em vez de combinar filtros complexos, agora é possível digitar frases em linguagem natural e obter resultados relevantes, como no exemplo sugerido pela plataforma: “encontre um profissional com experiência em SAP na região de São Paulo”. A ideia é que a ferramenta entenda contexto, experiências e relações, eliminando a necessidade de títulos exatos ou descrições rigorosas.

Como funciona a Busca com IA no LinkedIn

A tecnologia utiliza processamento de linguagem natural para interpretar consultas mais amplas e semânticas, buscando perfis que correspondam ao contexto solicitado, não apenas às palavras-chave exatas. Segundo o anúncio coberto pelo TechCrunch, a Busca com IA no LinkedIn foi projetada para ser “o caminho mais rápido para a pessoa que pode te ajudar”. Essa abordagem aproveita o vasto banco de dados de perfis da rede, considerando experiências, habilidades descritas e relações em comum.

A ferramenta não surge do zero. “A ferramenta com IA começou com vagas de emprego, lançadas para membros dos Estados Unidos no início de 2025”, lembra a reportagem, e agora avança para um dos pilares da plataforma: a busca por pessoas. Nos testes iniciais, a rede afirma que os usuários passaram a recorrer à IA para encontrar especialistas, investidores e potenciais parceiros sem a fricção dos filtros tradicionais.

O que muda para quem faz networking

Para profissionais que dependem do LinkedIn para encontrar clientes, parceiros ou recrutadores, a Busca com IA no LinkedIn promete acelerar o processo e tornar as conexões mais relevantes. Em vez de perder tempo combinando termos ou aplicando múltiplos filtros, basta descrever o perfil desejado de forma natural. Isso deve reduzir a frustração de não encontrar um contato que, na prática, tem a experiência certa, mas não usa as palavras exatas no perfil.

Com essa mudança, o networking tende a ficar mais eficiente. Mensagens frias podem ser substituídas por abordagens mais direcionadas, e profissionais podem descobrir contatos valiosos que antes ficavam escondidos por termos diferentes ou títulos variados. A expectativa do LinkedIn é que a busca impulsionada por IA torne mais simples conectar-se com quem realmente importa para determinada necessidade.

Privacidade, competição e disponibilidade

Apesar do potencial, a novidade também levanta questões sobre uso de dados e privacidade. Rajiv comentou que “ainda estamos no início desta era dos navegadores e de como eles podem ajudar as pessoas”, ressaltando que o LinkedIn pretende adotar políticas mais robustas sobre o uso de seus dados no futuro. A frase aponta para um movimento da empresa em equilibrar utilidade e proteção de informações dos usuários.

Por enquanto, a funcionalidade está disponível apenas para usuários premium nos Estados Unidos, e a empresa já confirmou planos de expandi-lo para outras regiões nos próximos meses. Essa limitação inicial segue uma estratégia comum entre grandes plataformas, que testam recursos em mercados selecionados antes de um lançamento global.

Além disso, o LinkedIn entra numa corrida pela melhor busca com IA, disputando espaço com Google, Bing e Reddit, que também estão investindo em inteligência artificial para melhorar descobertas. O diferencial do LinkedIn é seu banco de dados de perfis reais e conexões profissionais, um terreno fértil para recomendações personalizadas, conforme destacou o TechCrunch.

Na prática, a Busca com IA no LinkedIn pode transformar tarefas rotineiras de recrutamento e prospecção, ao mesmo tempo em que exige atenção às regras de privacidade e transparência sobre o uso dos dados. Jornalistas como Valdir Antonelli e Bruno Capozzi, que cobrem tecnologia e redes sociais, apontam que a novidade é mais um passo na integração da IA às plataformas profissionais, com potencial para mudar hábitos de quem vive de conectar pessoas.

O lançamento e a evolução da ferramenta deverão ser acompanhados de perto por empresas, recrutadores e profissionais que dependem do LinkedIn, especialmente quando a busca com IA for liberada para mais mercados. Até lá, a promessa é clara: encontrar a pessoa certa ficará mais simples, rápido e natural com a ajuda da inteligência artificial.

Por que o assistente de IA para controlar suas finanças pode transformar seus hábitos, responder “Qual foi minha renda e meus gastos neste mês?” e facilitar pagamentos em Bitcoin

O Cash App lançou uma atualização que traz um novo recurso central: um assistente de Inteligência Artificial projetado para ajudar o usuário a tomar decisões financeiras mais práticas. Batizado de Moneybot, o assistente promete transformar dados bancários e padrões de consumo em orientações acionáveis, permitindo que quem usa o app tenha acesso a relatórios, recomendações e respostas personalizadas às suas dúvidas sobre dinheiro.

Na prática, o assistente de IA para controlar suas finanças do Cash App analisa padrões de gastos e renda e oferece recomendações em tempo real, o que inclui responder perguntas do tipo “Qual foi minha renda e meus gastos neste mês?”. Além disso, o sistema sugere ações como dividir uma conta, verificar saldo em Bitcoin ou solicitar dinheiro a outra pessoa, tornando a gestão do dia a dia mais simples e orientada por dados.

Como o Moneybot aprende e sugere ações

O grande diferencial do produto, segundo a empresa, é a personalização. “Segundo Cameron Worboys, chefe de design de produto da Cash App, o diferencial do Moneybot está na capacidade de personalizar as respostas: a IA aprende com o comportamento de cada usuário e adapta suas sugestões conforme os hábitos financeiros evoluem.” Essa afirmação resume a aposta da empresa em um assistente que não entrega apenas respostas genéricas, mas que evolui conforme o histórico e as preferências de cada conta.

O processo é simples na proposta: o algoritmo analisa entradas e saídas, identifica categorias de gasto recorrentes e, com isso, consegue sugerir ações concretas. Quem busca um assistente de IA para controlar suas finanças terá, além de números, instruções claras — por exemplo, quando vale a pena pedir para alguém dividir uma conta ou quando é mais vantajoso economizar em determinada categoria de despesa.

Por ora, o chatbot ficará disponível a um grupo limitado de usuários, e a empresa informou que há uma expansão prevista para os próximos meses, sinalizando um lançamento gradual antes de chegar a toda a base.

Integração com Bitcoin e pagamentos rápidos

Outra dimensão importante da atualização é a integração com o universo das criptomoedas. O Cash App ampliou funções voltadas ao Bitcoin, permitindo identificar estabelecimentos que aceitam a criptomoeda e realizar pagamentos em dólares automaticamente convertidos em Bitcoin, sem a necessidade de manter saldo em cripto.

As transações utilizam a Lightning Network, tecnologia que possibilita pagamentos rápidos via QR code. Isso significa que o usuário pode, por exemplo, pagar uma compra em USD e o app converte na hora para Bitcoin, oferecendo mais conveniência para quem quer usar cripto sem manter saldo específico. Para quem procura um assistente de IA para controlar suas finanças, essa integração representa a junção entre planejamento financeiro e novas formas de pagamento.

Quem ganha com o novo Cash App Green e quando chega

Além do Moneybot, o Cash App anunciou o Cash App Green, um programa de benefícios que substitui a estrutura anterior. Para se qualificar, o usuário precisa gastar pelo menos US$ 500 por mês com o Cash App Card ou Cash App Pay, ou receber depósitos de no mínimo US$ 300. Entre as vantagens divulgadas, está um rendimento especial para contas de adolescentes, que terão rendimento de 3,5% ao ano sem limite de saldo.

A empresa estima que o novo programa deve beneficiar até 8 milhões de contas, incluindo perfis de jovens. A combinação entre o assistente de IA para controlar suas finanças, a integração com Bitcoin e o novo programa de benefícios desenha um ecossistema em que análise automática, formas modernas de pagamento e incentivos se complementam.

Em resumo, a aposta do Cash App é clara: transformar dados em ações práticas por meio de um assistente que aprende com o usuário, ampliar a adoção de pagamentos em cripto com velocidade e praticidade, e oferecer benefícios que estimulem o uso regular do app. Para quem busca ferramentas mais inteligentes de gestão pessoal, a novidade coloca o Moneybot como um dos candidatos a facilitar decisões do dia a dia financeiro.

Aporte bilionário xAI seria de US$ 15 bilhões, mas Elon Musk chamou a notícia de “falsa” e há dúvidas sobre destino do capital

Uma reportagem que circulou atribui à xAI, empresa de inteligência artificial vinculada a Elon Musk, um aporte de US$ 15 bilhões (R$ 79,5 bilhões) junto a investidores para ampliar projetos e infraestrutura. A notícia, divulgada pela CNBC, aponta que grande parte desses recursos seria destinada à compra de unidades de processamento gráfico, as GPUs, essenciais para treinar e rodar grandes modelos de linguagem.

Em reação à publicação, Elon Musk publicou na plataforma X que a informação é “falsa”, o que acendeu questionamentos sobre os valores efetivamente captados, o destino do capital e a própria transparência da operação. A disputa entre a reportagem e a declaração pública do fundador mostra como a comunicação em torno de rodadas de financiamento de empresas de IA pode gerar confusão no mercado.

Detalhes da suposta captação e a avaliação anterior

Segundo a matéria citada, o aporte anunciado de US$ 15 bilhões adicionaria US$ 5 bilhões (R$ 26,5 bilhões) a uma rodada anterior de US$ 10 bilhões (R$ 53 bilhões), reportada em setembro de 2025. Aquela rodada anterior teria avaliado a xAI em US$ 200 bilhões (R$ 1,06 trilhão). Caso confirmado, o novo aporte fortaleceria a posição financeira da companhia em um mercado de IA altamente competitivo e capitalizado.

Os recursos indicados na reportagem seriam destinados, majoritariamente, à expansão da infraestrutura de computação, incluindo a compra de GPUs que sustentam modelos avançados voltados ao chatbot Grok e à enciclopédia Grokipedia. Investimentos dessa ordem costumam visar tanto capacidade de treinamento como hospedagem e latência para serviços em produção.

Grok, Grokipedia e os desafios de conteúdo

A xAI é responsável pelo desenvolvimento do chatbot Grok e lançou recentemente o Grokipedia, uma enciclopédia online com ambições de rivalizar com a Wikipedia. No entanto, ambos os produtos enfrentam críticas significativas: conforme a reportagem original, eles têm sido apontados por “gerar e disseminar conteúdo falso e, em alguns casos, discurso antissemita e outros tipos de discurso de ódio”.

Esses problemas de qualidade e segurança de conteúdo complicam a trajetória de plataformas que buscam escala rápida. A necessidade de investimentos em infraestrutura costuma vir acompanhada de demandas por controles mais rígidos de moderação, auditoria de modelos e equipes de curadoria, temas que entram diretamente no uso pretendido do suposto aporte bilionário xAI.

Infraestrutura, ligações com a Tesla e impactos locais

A reportagem também destaca que a xAI está construindo grandes data centers em Memphis, nos Estados Unidos, “alimentados por turbinas a gás natural — o que levanta preocupações sobre a qualidade do ar na região, segundo pesquisadores locais”. As escolhas energéticas e de localização de centros de dados têm repercussões ambientais e sociais, e passam a fazer parte do debate público sempre que projetos de grande escala são anunciados.

Além disso, a xAI mantém vínculos estreitos com a Tesla: veículos mais recentes da montadora integram o Grok nos sistemas de infoentretenimento, e a empresa adquiriu “dezenas de milhões de dólares em sistemas de armazenamento de energia da montadora” para uso em seus data centers. A conexão entre as empresas de Musk é evidente, e chegou a gerar uma proposta de investimento na xAI submetida na assembleia anual da Tesla; segundo relatos, a proposta acabou não sendo aprovada.

Os fatos divulgados pela CNBC e a contestação pública de Elon Musk mostram que, mesmo em mercados aquecidos e cheios de capital, informações sobre rondas de financiamento podem ser controversas. A expressão aporte bilionário xAI segue no centro do debate, tanto pelo possível impacto financeiro quanto pelas implicações tecnológicas, éticas e ambientais associadas ao crescimento rápido da empresa.

Esta reportagem foi elaborada com base em informações da CNBC e nas análises de especialistas citadas na matéria. Entre os jornalistas que contribuíram com a cobertura estão Valdir Antonelli, especialista em marketing digital e consumo, e Bruno Capozzi, pesquisador de redes sociais e tecnologia.

Pesquisadores criam ‘Honest LLaMA’ com ITI e mostram ganhos relevantes em veracidade

Uma nova técnica desenvolvida por pesquisadores da Universidade de Harvard promete aumentar a factualidade de grandes modelos de linguagem, e os autores já a chamam de Honest LLaMA no repositório do GitHub. A abordagem, batizada de Intervenção durante a Inferência (ITI), atua diretamente nas ativações internas do transformador, deslocando sinais em componentes específicos da rede que estão associados a respostas factuais.

O trabalho parte da observação de que modelos como o ChatGPT frequentemente conhecem a informação correta, mas a perdem no processo de inferência. Usando sondas lineares para mapear quais partes da arquitetura exibem alto desempenho em testes de factualidade, a equipe identifica certos attention heads que, quando ajustados, melhoram a veracidade das respostas geradas.

Como funciona a Intervenção durante a Inferência (ITI)

O método usa sondas lineares para localizar segmentos da rede neural que mostram alta correlação com precisão factual em testes como o benchmark TruthfulQA. Depois que esses segmentos são identificados, o ITI aplica um deslocamento controlado nas ativações desses attention heads durante a geração de texto, com o objetivo de guiar o modelo a respostas mais verdadeiras.

Segundo os pesquisadores, a intervenção é minimamente invasiva, pois exige poucos dados de treinamento e baixo custo computacional, em comparação com alternativas como o aprendizado por reforço com feedback humano. Além disso, o método pode ser parametrizado: ao variar a intensidade da intervenção, é possível ajustar o equilíbrio entre factualidade e utilidade.

Impacto prático: ganhos mensuráveis em benchmarks e trade-offs

Os resultados apresentados pelos autores são expressivos. Com o ITI, a precisão do modelo de código aberto Alpaca no benchmark TruthfulQA salta de 32,5% para 65,1%. Saltos similares foram observados para Vicuna e LLaMA, o que sugere que a técnica é aplicável a diferentes variantes de modelos baseados em transformadores.

No entanto, os pesquisadores alertam para um efeito colateral importante. Um deslocamento excessivo nas ativações pode levar o modelo a negar respostas ou a se tornar menos útil no diálogo. Em outras palavras, há um trade-off entre factualidade e utilidade, que pode ser ajustado com o grau de intervenção do ITI.

A comparação com métodos como RLHF (Reinforcement Learning from Human Feedback) também é relevante. Embora o RLHF possa aumentar a factualidade por meio de feedback humano, ele pode, em alguns casos, incentivar comportamentos enganadores, quando o modelo aprende a atender expectativas humanas em vez de refletir informações corretas. Os autores afirmam que o ITI não sofre desse problema e requer menos dados e poder computacional, tornando-o uma alternativa atraente.

Limitações, futuros desenvolvimentos e implicações científicas

Os autores reconhecem que ainda há desafios para levar o ITI a cenários de chat em produção. A equipe planeja investigar como generalizar o método para outros conjuntos de dados e para interações em tempo real, além de explorar formas de aprender, de modo auto-supervisionado, quais segmentos da rede devem ser deslocados, para escalar o método sem depender de identificação manual.

Do ponto de vista conceitual, a pesquisa abre uma questão mais ampla: como representar atributos complexos como a verdade em espaços de ativação multidimensionais. Os pesquisadores escrevem que, “Do ponto de vista científico, seria interessante compreender melhor a geometria multidimensional das representações de atributos complexos, como ‘verdade’.” Esse tipo de investigação pode levar a avanços não apenas práticos, mas também teóricos sobre o que os modelos realmente «sabem» e como esse conhecimento está codificado internamente.

Por fim, o trabalho já disponibiliza código e documentação no GitHub, permitindo que outros grupos repliquem e testem a técnica em diferentes arquiteturas. O surgimento do Honest LLaMA representa um passo promissor para tornar assistentes baseados em IA mais confiáveis, embora a comunidade precise acompanhar de perto os trade-offs entre veracidade e utilidade enquanto o método é refinado.

O código e mais informações estão disponíveis no GitHub.

Por que Claude ensina cachorro robô no Project Fetch e o que isso muda na interação entre modelos de linguagem e robôs

A Anthropic, empresa fundada por ex-funcionários da OpenAI, conduziu um experimento que aproximou inteligência artificial e robótica de uma forma até então pouco explorada. No esforço batizado de Project Fetch, a IA conhecida como Claude foi usada para programar e orientar um cachorro robô, com resultados que indicam que a fronteira entre o digital e o físico está cada vez mais tênue.

O teste envolveu o quadrúpede Unitree Go2, um modelo de US$ 16.900 usado em indústrias para inspeções e patrulhas, e duas equipes sem experiência prévia em robótica. Uma equipe contou com o suporte de Claude para criar a interface e os comandos, enquanto a outra trabalhou sem auxílio de IA. Segundo os pesquisadores, a diferença no desempenho mostrou que ferramentas de linguagem podem facilitar tarefas práticas e reduzir frustração em processos de programação física.

Como foi o experimento e o papel de Claude

No laboratório, as equipes receberam o desafio de fazer o robô andar e realizar ações físicas simples, como localizar uma bola. A equipe assistida por Claude completou algumas tarefas mais rapidamente. A IA não só escreveu código, como ajudou a transformar comandos abstratos em movimentos concretos, criando uma interface mais intuitiva para controlar o robô.

Os pesquisadores observaram que, enquanto a equipe sem IA demonstrou mais confusão e frustração, o grupo com Claude teve uma experiência mais fluida. Claude atuou como uma ponte entre linguagem e máquina, aproximando o sistema de um nível maior de autonomia, sem eliminar a supervisão humana necessária para operação segura.

O que Claude fez na prática e o que isso significa

Na prática, Claude auxiliou na tradução de instruções verbais em rotinas de controle, rotinas essas que foram testadas no Unitree Go2. O experimento mostra que modelos de linguagem podem gerar código funcional que interage com sistemas físicos e, portanto, que o papel da IA pode extrapolar a esfera puramente digital.

Para a Anthropic, esse avanço é simultaneamente promissor e preocupante. A empresa destaca que IAs cada vez mais capazes de “alcançar o mundo físico” podem trazer benefícios práticos, como automação em inspeções industriais, manutenção e apoio a equipes humanas. Ao mesmo tempo, aumentam as discussões sobre limites, regulamentação e protocolos de segurança que regulem ações potencialmente perigosas.

Riscos, alertas e próximos passos

Especialistas já levantaram alertas sobre a ampliação da capacidade das IAs de comandar robôs. O professor George Pappas, da Universidade da Pensilvânia, enfatizou o potencial de uso indevido e a necessidade de controles, afirmando que “a capacidade de modelos como Claude de comandar robôs aumenta a chance de mau uso — o que exige sistemas de segurança que limitem ações perigosas.” Essa preocupação ecoa em todo o setor, que vê a necessidade de normativas e salvaguardas técnicas para evitar cenários de risco.

Os resultados do Project Fetch confirmam que, embora o cachorro robô ainda dependa de supervisão humana, estamos em um ponto de virada. Pesquisadores defendem que, ao combinar dados reais e feedback do mundo físico, modelos de linguagem deixarão de apenas modelar ambientes mentalmente e passarão a interagir ativamente com eles.

Com o Project Fetch, Claude demonstra que a linha entre o digital e o físico está se tornando cada vez mais tênue, e indica que o futuro dos robôs pode trazer uma presença da inteligência artificial mais integrada nas tarefas do cotidiano e da indústria. Ainda assim, a adoção ampla dependerá de desenvolvimento de normas, testes exaustivos e estratégias claras para mitigar abusos e falhas.

Para leitores e profissionais, o caso serve como lembrete de que avanços tecnológicos trazem, juntos, oportunidades e responsabilidades. À medida que modelos como Claude aprendem a converter linguagem em ação, a atenção sobre segurança e governança não pode ficar para trás.

Sociabilidade artificial em foco: amizade ou ilusão cuidadosamente projetada?

Sociabilidade artificial transforma conversas com bots em laços emocionais simulados; entenda por que essa ‘amizade digital’ prende o usuário e quem lucra com isso

A conversa com um assistente de IA pode parecer íntima, reconfortante e até viciante. Esse fenômeno ganhou nome no estudo Decodificando a Sociabilidade Artificial: Tecnologias, Dinâmicas e Implicações, das pesquisadoras Dra. Iliana Depounti, da Universidade de Loughborough, e da Professora Simone Natale, da Universidade de Turim. Segundo as autoras, vivemos uma era de sociabilidade artificial, em que chatbots e assistentes simulam empatia e amizade, sem, no entanto, experimentar emoções.

As pesquisadoras explicam que empresas de tecnologia projetam deliberadamente bots para gerar apego emocional. Plataformas e produtos como o DJ de IA do Spotify, o aplicativo Replika e serviços como Character.AI criam a sensação de companhia por meio de vozes calorosas, avatares personalizáveis e jogos de interpretação. Essas estratégias, dizem Depounti e Natale, convertem interações sociais em um ativo corporativo, com benefícios financeiros claros para as empresas.

Como a simulação funciona e por que nos engana

A sociabilidade artificial explora mecanismos simples: tom de voz, referencias pessoais, respostas empáticas e a adoção de um “eu” aparente por parte da IA. Até modelos amplamente usados recorrem a esses artifícios para tornar a conversa mais natural. No estudo, as autoras observam que “esses sistemas não sentem, mas são projetados para nos fazer sentir”, explica Natale. Essa frase resume o ponto central: a IA não possui vida interior, mas é construída para estimular projeção emocional por parte do usuário.

Quando o bot fala como se tivesse opinião, emoção ou autoridade, a barreira entre humano e máquina se torna mais tênue. Para muitos usuários, responder, confiar e até desabafar diante de uma interface que demonstra atenção é uma experiência que se assemelha a relacionamentos humanos. A diferença crucial é que, por trás dessa aparência, há código, modelos estatísticos e objetivos comerciais.

O preço oculto: trabalho emocional, dados e impacto ambiental

Além do risco de confundir empatia simulada com conexão genuína, o estudo chama atenção para custos menos visíveis. Usuários desempenham um tipo de trabalho emocional não remunerado ao interagir com essas IAs: ao conversar, fornecem dados, preferências e padrões linguísticos que servem como insumo para treinar e aperfeiçoar novos modelos. Essa contribuição humana é essencial para o ciclo de melhoria das plataformas, mas raramente é reconhecida ou compensada.

Outro custo relevante é ambiental. A infraestrutura que sustenta modelos de IA consome enormes quantidades de energia e água. Depounti e Natale destacam que a corrida pela IA traz um impacto econômico e ambiental significativo, mesmo quando suas respostas soam leves e pessoais. Em outras palavras, a sensação íntima de conversar com um bot contrasta com uma cadeia produtiva que exige recursos escassos e caros.

Consequências sociais, éticas e práticas para o usuário

A proliferação da sociabilidade artificial levanta questões sociais e éticas complexas. Entre os riscos apontados no estudo estão a perda de noção sobre o que é humano, a manipulação emocional e o uso de dados pessoais como insumo para treinar novas IAs. Quando empresas projetam bots para manter usuários emocionalmente conectados pelo maior tempo possível, há uma clara intenção comercial por trás do afeto simulado.

Para o indivíduo, isso pode significar dependência afetiva de serviços que não oferecem reciprocidade real, exposição de dados sensíveis e uma economia de atenção que privilegia métricas de engajamento sobre bem-estar. Para a sociedade, a normalização de laços com máquinas pode alterar expectativas sobre relações humanas e transformar interações afetivas em combustível para modelos de negócio.

O alerta das pesquisadoras é claro: não se trata apenas de proibir ou demonizar ferramentas, mas de compreender que a sociabilidade artificial é uma estratégia deliberada, com consequências tangíveis. Saber disso ajuda a usar essas tecnologias com mais consciência, exigindo transparência, limites e, quando necessário, regulamentação.

Em resumo, a sensação de aconchego diante de um assistente virtual é real para quem a sente, mas o afeto é construído e rentabilizado. Entender o que há por trás das respostas simpáticas, desde a modelagem do diálogo até o consumo de recursos, é passo essencial para decidir até que ponto queremos delegar nossos laços emocionais a máquinas que, em última instância, não sentem.

Reportagem baseada no estudo Decodificando a Sociabilidade Artificial: Tecnologias, Dinâmicas e Implicações, de Iliana Depounti (Universidade de Loughborough) e Simone Natale (Universidade de Turim), conforme apurado e resumido pela imprensa especializada.

Em Belém, inteligência artificial e clima viram ponto de virada entre promessas de monitoramento e riscos energéticos

A presença da inteligência artificial e clima nas discussões da COP30, em Belém, passou a ser tratada como um verdadeiro ponto de virada. Nos corredores e nos documentos oficiais, especialistas e negociadores discutiram a tecnologia não apenas como tendência, mas como uma força que pode acelerar pesquisas, prever desastres e mapear ecossistemas sensíveis, ao mesmo tempo em que impõe custos ao consumo energético e à infraestrutura digital.

A percepção é que a inteligência artificial e clima são, simultaneamente, aliadas e ameaças, segundo a Folha de S. Paulo. Entre análises técnicas da ONU, estudos divulgados na véspera do encontro e iniciativas apresentadas em Belém, cresce a tentativa de equilibrar potencial e risco para que a tecnologia efetivamente contribua para a ação climática global.

IA como aliada: previsão, monitoramento e aceleração da ciência

Nos lados positivos das negociações, a inteligência artificial e clima foi destacada por aplicações práticas já em uso. Sistemas de IA ajudam a prever eventos extremos, monitorar nível do mar, acompanhar poluição e mapear desmatamento, como exemplifica a ferramenta PrevisIA, citada pela imprensa.

Cientistas e jornalistas ambientais têm usado algoritmos para acelerar análises complexas, identificar emissões de carbono e revelar cadeias de desmatamento que seriam impossíveis de mapear com a mesma rapidez por métodos tradicionais. Em alguns países, como a Índia, algoritmos auxiliam agricultores a planejar safras diante de riscos climáticos, reduzindo endividamento e incentivando culturas com maior valor agregado.

Ameaças e custos: consumo de energia, infraestrutura e desinformação

O outro lado da moeda entrou com força nas discussões. Em relatório divulgado pela UNFCCC antes da conferência, há o alerta de que “o alto consumo energético de data centers pode neutralizar parte dos benefícios climáticos da IA”. Esse risco energético, somado à pressão sobre redes e centros de dados, levanta questões sobre a real pegada climática de soluções digitais que prometem mitigação e adaptação.

Além do impacto ambiental direto, especialistas chamaram atenção para a desigualdade no acesso à tecnologia. Países de baixa renda enfrentam infraestrutura limitada para aproveitar as vantagens da IA, aumentando o risco de que os benefícios fiquem concentrados em nações mais ricas.

A ONU também enfatiza que “os investimentos em IA cresceram fortemente na última década, mas ainda faltam padrões claros para garantir que esses sistemas sejam transparentes, justos e responsáveis, evitando vieses e usos que possam gerar danos ambientais”. Paralelamente, a entidade alerta que “a desinformação sobre clima impulsionada por IA já representa um risco real à segurança pública”, o que agrava os desafios de comunicação e confiança nas políticas climáticas.

Governança e iniciativas: da AI Climate Academy ao Plano de Aceleração de Soluções

Além do debate conceitual, a COP30 serviu de palco para medidas práticas de governança digital e climática. Entre as novidades, foi lançada a AI Climate Academy, iniciativa conjunta da UNESCO, UIT e ANATEL, que oferecerá cursos e capacitações presenciais para países em desenvolvimento, começando pelos amazônicos, e deve evoluir para um instituto dedicado a estudos sobre tecnologias digitais e clima.

Ao mesmo tempo, o Brasil apresentou o Plano de Aceleração de Soluções (PAS) em Governança Multinível, que busca integrar níveis federal, estadual e municipal na implementação das metas do Acordo de Paris. O plano prevê metas até 2030, incluindo a “incorporação de estruturas de governança multinível em pelo menos 120 planos climáticos nacionais e locais, além da capacitação de seis mil servidores e profissionais de países parceiros”. O governo brasileiro argumenta que sem compartilhamento de dados, tecnologia e financiamento entre os níveis de governo, muitas metas não saem do papel.

O país também foi nomeado co-presidente da coalizão CHAMP, que aproxima governos nacionais e subnacionais em projetos climáticos e financeiros, reforçando a estratégia de transformação da COP30 em uma vitrine de governança e articulação internacional.

Ao final, a discussão sobre inteligência artificial e clima em Belém mostra que o desafio não é apenas técnico, mas político e ético. Regulamentação específica dentro da convenção do clima, métricas globais para medir o impacto da infraestrutura digital, e programas de capacitação, como a AI Climate Academy, aparecem como caminhos para equilibrar riscos e oportunidades, enquanto a comunidade internacional busca evitar que a tecnologia amplie desigualdades ou neutralize ganhos climáticos.

Acordo garante direitos sobre projetos e acesso a modelos até 2032, enquanto Microsoft aposta em chips de IA da OpenAI para recuperar terreno frente a Google e Amazon

A Microsoft está adotando uma nova estratégia para fortalecer sua divisão de semicondutores, firmando uma colaboração mais estreita com a OpenAI. A parceria, que envolve também a Broadcom, permitirá à empresa usar chips personalizados desenvolvidos pela criadora do ChatGPT, com o objetivo de acelerar o desenvolvimento interno, otimizar custos e melhorar o desempenho de suas ofertas de nuvem e IA.

Segundo a reportagem, “O acordo dá à Microsoft acesso total às inovações de hardware da OpenAI, incluindo os chips de inteligência artificial e seus sistemas de integração.” Com isso, a empresa de Satya Nadella terá liberdade para adaptar e ampliar esses projetos voltados a datacenters e serviços em nuvem, integrando soluções próprias para a plataforma Azure e outras unidades internas.

O que o contrato prevê e o alcance dos direitos de propriedade intelectual

De acordo com as informações, “O novo contrato revisado entre as empresas garante à Microsoft os direitos de propriedade intelectual sobre os chips projetados pela OpenAI, além de manter o acesso aos modelos de IA da companhia até 2032. A única exceção são os produtos de hardware voltados ao consumidor, que continuarão sendo desenvolvidos e comercializados exclusivamente pela OpenAI.” Essa cláusula deixa claro que a Microsoft poderá internalizar o desenvolvimento e fabricação de semicondutores voltados a data centers, mantendo, porém, a OpenAI como proprietária exclusiva de hardwares de consumo.

Especialistas do setor avaliam que o acordo segue uma tendência maior do mercado em que gigantes de tecnologia buscam parcerias para dividir os custos elevados e a complexidade técnica do desenvolvimento de chips de ponta. Como descrevem as fontes, “Segundo especialistas do setor, o acordo reflete uma tendência crescente de colaboração entre gigantes da tecnologia para superar os altos custos e a complexidade técnica do desenvolvimento de chips de ponta.”

Por que a Microsoft precisa dos chips de IA da OpenAI agora

Nos últimos anos, “a Microsoft enfrentou dificuldades para acompanhar o ritmo de desenvolvimento de chips internos de empresas como Google (com os Tensor Processing Units) e Amazon (com os chips Trainium e Inferentia).” Essa defasagem impactou a capacidade da empresa de otimizar custos e desempenho na competição por clientes de nuvem que demandam alta eficiência para treinar e executar grandes modelos de IA.

Ao adotar os chips de IA da OpenAI, a Microsoft busca reduzir essa lacuna, acelerando o tempo de colocação de hardware eficiente em seus data centers e adaptando projetos que já foram pensados para as necessidades reais de modelos generativos. A parceria com a Broadcom também sugere foco na integração e manufatura em escala, etapas críticas para transformar um projeto em produto pronto para operação na nuvem.

Impactos no mercado de nuvem, concorrência e custos

Para a Microsoft, além de ganhos de desempenho, a movimentação tem um componente estratégico: recuperar vantagem competitiva frente a Google e Amazon, que já investem em chips próprios para reduzir dependência de terceiros. A possibilidade de adaptar, expandir e fabricar internamente os projetos obtidos com a OpenAI deve ajudar a reduzir custos operacionais de longo prazo e permitir ofertas mais competitivas no mercado de nuvem.

Analistas apontam que a colaboração pode estimular novos ciclos de inovação, com a Microsoft combinando expertise em software e infraestrutura, a OpenAI fornecendo projetos especializados em IA e a Broadcom atuando na integração e produção. No entanto, o acordo também levanta questões sobre controle de tecnologia e limites de mercado entre empresas que antes competiam em diferentes frentes.

Em síntese, a adoção dos chips de IA da OpenAI pela Microsoft representa uma virada na estratégia de semicondutores da companhia, alinhando propriedade intelectual, acesso a modelos até 2032, e parcerias industriais para tentar recuperar terreno no ecossistema de nuvem e inteligência artificial.