A Spotify ampliou o uso de desenvolvimento assistido por IA e mais que dobrou as mudanças mensais mescladas, de cerca de 8.100 para 17.000 ano a ano em agosto. Com o aumento do volume de alterações nos sistemas de produção, a empresa ajustou controles de qualidade e confiabilidade para lidar com a nova escala.
A companhia opera quase 3.000 serviços de produção para 777 milhões de usuários ativos mensais e relata desafios em processamento de conteúdo, automação de frota e capacidade de computação. Entre as respostas estão melhorias em monitoramento e testes, salvaguardas de rollout e capacidade de rollback, além da adoção do Honk, um agente de codificação em background que executa o Claude via Agent SDK em pods no Kubernetes.
Pesquisadores apresentaram na conferência KDD o estudo “GEO: Generative Engine Optimization”, voltado a melhorar a visibilidade de conteúdos nas respostas de mecanismos generativos. Nos testes descritos, intervenções específicas aumentaram a presença em até 40%, variando conforme o tema pesquisado.
O movimento é comparado ao SEO, mas com uma diferença: ao perguntar a uma inteligência artificial, muitas vezes o usuário recebe uma resposta pronta em vez de uma lista de opções. O texto destaca ainda como a construção de um “rastro público” — entrevistas, artigos, participações e fontes — pode influenciar o que sistemas como os buscadores associados ao ChatGPT encontram e citam, exigindo que assessorias e relações públicas considerem como esses dados são lidos e organizados.
A Starlink já permite que celulares se conectem diretamente aos satélites por meio da tecnologia Direct to Cell, sem a antena usada no serviço residencial. A proposta evoluiu de mensagens de texto para acesso a dados e chamadas via aplicativos, com operação feita em parceria com operadoras de telefonia que disponibilizam parte das frequências.
No Brasil, Vivo e Starlink participam de um ambiente experimental autorizado pela Anatel, com permissão válida até abril de 2029, mas ainda sem oferta comercial ampla. Enquanto isso, a SpaceX recebeu autorização da FCC para implantar até 15 mil satélites de nova geração, com novas frequências para ampliar cobertura e capacidade, inclusive em ambientes internos, aproximando a tecnologia de serviços móveis mais avançados.
Um playbook de platform engineering para produção de LLMs descreve como uma camada de infraestrutura pode reduzir alucinações sem trocar o modelo base. Em um sistema de recomendação de inventário para uma grande organização do varejo, a taxa de respostas alucinatórias caiu de cerca de 15% para 1,5% ao usar um loop automatizado de retry que captura erros de formatação, grounding e infraestrutura durante a execução.
A abordagem também inclui um gate de validação de intenção que retorna “unclassified” em vez de seguir o agente com maior pontuação, evitando alucinações fora do objetivo e melhorando o roteamento em sistemas multiagente. O texto ainda destaca práticas como registrar prompts com histórico para atualizar ou reverter instruções em runtime, aplicar autorização de ferramentas com política default-deny no servidor de recursos e instrumentar taxas de alucinação e custos de tokens na entrada das requisições.
Um trabalho publicado no arXiv discute como sistemas de IA ainda são, em grande parte, “estreitos”, focados em competências limitadas como interpretação de imagens, processamento de linguagem natural e classificação. Os autores defendem que estudar mecanismos ligados à inteligência humana pode ajudar a incorporar capacidades mais amplas aos sistemas de IA. A proposta se baseia na teoria de “pensar rápido e lento” de Daniel Kahneman e descreve uma arquitetura multiagente para lidar com problemas de forma mais flexível.
Na arquitetura apresentada, problemas recebidos podem ser resolvidos por agentes do “Sistema 1”, que reagem explorando apenas experiências passadas, ou por agentes do “Sistema 2”, ativados quando é necessário raciocinar e buscar soluções além do esperado para o Sistema 1. O modelo inclui uma representação do mundo com conhecimento do domínio e uma representação de “si”, com informações sobre ações anteriores e sobre as habilidades dos solucionadores.
Agentes de IA podem ficar repetindo chamadas a ferramentas erradas sem disparar alertas de disponibilidade, dificultando a identificação do que deu errado. Em post do CNCF publicado em 4 de agosto, a StackGen descreveu como session traces e cost controls ajudam equipes a investigar loops de execução e gastos inesperados em fluxos autônomos.
A StackGen usa o Langfuse para registrar cada chamada de LLM, execução de ferramentas e delegação a subagentes como spans com latência e custos de tokens, preservando a cadeia de delegação em workflows multiagentes. O texto também recomenda limites rígidos de iterações e de chamadas por ferramenta antes da execução, bloqueios para solicitações consecutivas idênticas e métricas exportadas com cuidado para evitar alta cardinalidade, além de revisões pós-incidente com logs pesquisáveis e ferramentas de diagnóstico via linha de comando.
O TradingAgents, framework multiagentes para trading com LLMs, teve a versão v0.4.0 lançada com correções de look-ahead e ajustes de “point-in-time” em fontes como FRED (macro), sentimento social e memória de decision-log. A atualização também inclui sinais de decisão mais claros, retomada de checkpoints via CLI, grounding de preço do trader e suporte aos modelos GPT-5.6 e GLM-5.3, com lista completa no CHANGELOG.md.
O projeto foi totalmente aberto no GitHub e organiza papéis especializados, como Fundamentals Analyst, Sentiment Analyst, News Analyst, Technical Analyst, além de equipes de risco e um Portfolio Manager que aprova ou rejeita propostas de transação. O TradingAgents é voltado a pesquisa e não se destina a aconselhamento financeiro, investimento ou trading, com desempenho variando conforme modelos, parâmetros e qualidade dos dados.
A Nvidia expandiu a família Nemotron com o Nemotron 3.5 Lightning, descrito como o modelo mais eficiente da categoria para cargas de trabalho agentic de longa duração. Com 30 bilhões de parâmetros e arquitetura mixture-of-experts, ele foi projetado para tarefas especializadas dentro de sistemas multiagentes e pode ser personalizado com dados e fluxos da organização.
Junto ao Lightning, a empresa lançou o NeMo Switchyard, uma biblioteca open source para roteamento inteligente em ferramentas de agentes. Ela direciona automaticamente cada solicitação ao modelo mais adequado para a etapa do fluxo, sem exigir que desenvolvedores reescrevam as aplicações, e pode operar em PCs, workstations, data centers e na nuvem.
O palestrante Arun Joseph, ex-head de AI Engineering da Deutsche Telekom, apresentou como arquitetar sistemas de IA para o contexto real de grandes empresas. Ele citou a plataforma open source LMOS (Language Models Operating System), que foi ao ar em 2023 e depois passou para a Eclipse Foundation, continuando em operação na Deutsche Telekom em vários países. A discussão também incluiu a evolução para sistemas multiagentes e exemplos de “operational intelligence”, como reduzir downtime em operações com máquinas pesadas ao integrar dados de IoT, telemetria, SOPs e incidentes.
A mensagem central é que, em vez de começar do zero, empresas precisam de uma camada que conecte modelos e automação aos sistemas e processos existentes para gerar resultados mensuráveis. Para devs e times de engenharia, isso reforça a importância de arquiteturas orientadas a agentes, com decisão e automação apoiadas por dados internos, além de uma base técnica que facilite handover e execução multiagente em escala.
