Pesquisadores de segurança alertam que conteúdo sexual explícito gerado por IA sem consentimento segue se espalhando sem controle, com compartilhamento em mensagens diretas e armazenamento em nuvens privadas, o que dificulta detecção e denúncia. Um estudo coautorado pela Google com usuários da internet nos Estados Unidos, Austrália e Reino Unido, publicado em julho, aponta que o ponto de intervenção mais crítico está na origem das ferramentas usadas para criar as imagens falsas.
Em testes recentes, pesquisadores do White Circle afirmam que guardrails de geradores de imagens de texto de Google e OpenAI podem estar falhando à medida que os modelos ficam mais capazes. Um preprint divulgado no mês passado descreve vulnerabilidades em DALL·E 3, Nano Banana 2 e GPT-Image-2, com a equipe dizendo que, usando ferramentas disponíveis publicamente e chamadas via API, conseguiu gerar conteúdo explícito cerca de 13% das vezes.
O Wellhub revelou o Panorama do Bem-Estar Corporativo 2027 e indica que a adoção de inteligência artificial pode aumentar a carga de trabalho para quem já domina a tecnologia. No Brasil, 37% dos trabalhadores “avançados em IA” relatam que o uso da ferramenta elevou o volume de tarefas, ante 13% entre quem está nos primeiros estágios de adoção. O levantamento também mostra que, no recorte brasileiro, oito em cada dez usuários avançados orientam outras pessoas sobre as ferramentas.
Os dados ainda apontam diferenças nos relatos de esgotamento: 23% dos profissionais mais avançados dizem ter sintomas de burnout diariamente, contra 11% dos iniciantes. A pesquisa destaca que políticas claras e bem comunicadas sobre IA se associam a maior resiliência, e que 75% dos usuários avançados citam recursos de bem-estar como apoio para se adaptar ao ambiente impulsionado pela tecnologia. O estudo foi conduzido entre 12 e 19 de junho de 2026 com mais de 5 mil profissionais em dez países.
O pendant Friend 2, chatbot em formato de pingente sempre “listening”, chegou em julho custando US$ 249 e usa os “latest language models” da OpenAI. O dispositivo responde a comandos e também pode falar sem ser provocado, com um recurso de “silenciar” que exige toques no aparelho.
A Avi Schiffmann, criadora do Friend, afirmou que a próxima atualização vai tornar os chatbots mais “agentically” e mudar a personalização: em vez de personalidades únicas por usuário, todos conversariam com a mesma entidade, compartilhando contexto entre usuários. A proposta aponta para um “hivemind” do Friend, com mudanças que devem afetar como o sistema se comporta e como a privacidade é tratada.
O Petlibro apresentou a linha Granary 2 de alimentadores automáticos para ração seca, com foco em dar aos tutores uma visão mais detalhada do que os gatos realmente comem. A série inclui quatro modelos, com preços de US$ 129,99 a US$ 249,99, e traz controle pelo app, porções precisas e acompanhamento de ingestão.
O Granary 2 Vision (US$ 189,99) adiciona uma câmera com IA capaz de reconhecer até 10 gatos e rastrear os hábitos individuais de alimentação. Já o Granary 2 X (US$ 249,99) usa reconhecimento por IA para porcionamento individual para pets com necessidades específicas, enquanto todos os modelos contam com balança integrada para medir o que foi dispensado e o que permanece no recipiente, ajudando a estimar quanto o pet realmente comeu. Recursos como monitoramento avançado e gravação/reprodução em nuvem podem exigir assinaturas da Petlibro, com planos a partir de US$ 59,99 por ano.
Machine learning, ou aprendizado de máquina, é uma área da computação em que o programa aprende com exemplos em vez de seguir regras escritas por humanos. Em vez de programar “se X acontecer, faça Y”, o sistema recebe milhares de dados e identifica padrões para fazer previsões, como no reconhecimento de gatos a partir de fotos. O termo foi popularizado por Arthur Samuel na década de 1950.
Machine learning não é a mesma coisa que inteligência artificial: a IA é o campo maior e o machine learning é um dos caminhos, com o deep learning usando redes neurais de várias camadas. O aprendizado acontece em etapas como dados, treinamento e ajuste, com ciclos repetidos até melhorar as previsões, e existem tipos como supervisionado, não supervisionado e por reforço. Mesmo assim, algoritmos erram quando os dados são incompletos, desatualizados ou enviesados, além de limitações como alucinação e overfitting.
O Litter-Robot 5 Pro, da Whisker, chega com câmeras e sensores para usar IA e monitorar o uso da caixa de areia, além de prometer recursos ligados à saúde do pet. O modelo custa US$ 899 e inclui o sistema Cat ID para identificar qual gato está entrando, registrando as atividades no app.
Após meses de testes, a IA não entregou o que promete: o WasteID falhou em diferenciar os tipos de resíduos e as câmeras confundiram os dois gatos do testador, chegando a “fundir” registros em dois gatos idênticos. Mesmo com a assinatura Whisker Plus de US$ 8/mês para recursos de saúde e armazenamento de vídeo, não houve insights acionáveis, e a gravação interna também não funcionou como esperado.
