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.
Samuel King, estudante de PhD em bioengenharia da Stanford, usou um modelo de IA generativa em 2025 para propor “blueprints” genéticos de vírus microscópicos. A iniciativa ainda não representa vida criada por IA, mas levanta a possibilidade de novos avanços na forma como a biologia pode ser projetada com ajuda de algoritmos.
A conversa com King será conduzida por James O’Donnell, repórter sênior de IA do MIT Technology Review, e faz parte do destaque ao pesquisador como um dos “Innovators Under 35”. O encontro também promete discutir novas maneiras de enxergar a biologia e o que pode vir a seguir nesse tipo de abordagem.
O Prêmio Nobel de Fisiologia ou Medicina de 2023 foi concedido a Katalin Karikó e Drew Weissman pelo papel das modificações nas bases do RNA mensageiro, que viabilizaram vacinas eficazes durante a crise sanitária. A tecnologia nasceu sob forte ceticismo: nos anos 1980, a proposta era vista como inviável por causa da instabilidade do RNA sintético e do risco de inflamações. Em 2005, a dupla publicou uma descoberta ao modificar quimicamente a uridina, eliminando a resposta inflamatória indesejada e permitindo instruir as células com segurança.
Com a pandemia de Covid-19, Pfizer e Moderna resgataram o método e aceleraram o desenvolvimento e os testes, usando a plataforma para produzir imunizantes em tempo recorde. Em entrevista, Warlen Pereira Piedade explicou que a vacina funciona como uma instrução para as células produzirem um fragmento do vírus, que é reconhecido pelo sistema imune para gerar anticorpos e células de memória, sem alterar o código genético humano. Ele também destacou a segurança verificada por ensaios clínicos e controles regulatórios, além da velocidade e versatilidade por permitir planejar a sequência no computador e sintetizar novos RNA mensageiros em poucas semanas.
Executivos de grandes empresas de IA têm alertado publicamente para riscos associados à tecnologia que estão desenvolvendo. Dario Amodei, da Anthropic, defendeu que o avanço deveria ser desacelerado, enquanto Sam Altman, da OpenAI, respondeu no X que é preciso “pace the frontier”.
O debate ganhou força após pesquisadores apontarem que ferramentas de IA podem ajudar a projetar, criar e até viabilizar a liberação de bioweapons, incluindo vírus letais, fungos que destruiriam plantações ou toxinas que poderiam ser inseridas em água. O texto cita casos anteriores, como um “molecule generator” que gerou 40 mil moléculas em menos de seis horas com potencial para agentes de guerra química, além de um relatório recente em que a Anthropic reconheceu tentativas de explorar seus modelos para aumentar transmissibilidade de vírus e montar um “atlas” de toxinas.
Temor de um “apocalipse” impulsionado por IA tem ganhado força, e uma das teorias mais citadas envolve armas biológicas. Pesquisadores da Universidade Stanford e do Arc Institute mostraram que sistemas de IA podem projetar novos genomas virais, enquanto um relatório da Anthropic aponta tentativas de usar o Claude de formas que poderiam apoiar o desenvolvimento de armas biológicas.
Apesar do alarme, cientistas afirmam que o risco de uma praga criada por IA não está entre as principais preocupações. Eles destacam que o gargalo está na montagem do agente biológico e nos recursos para executá-la, e que humanos e controles ainda seriam barreiras; ao mesmo tempo, especialistas defendem reforçar proteções, incluindo medidas como legislação para aumentar a segurança na síntese de DNA e melhorias para mitigar riscos de vírus.
A Anthropic afirmou ter bloqueado ações de usuários que poderiam levar à criação de armas biológicas usando o modelo de inteligência artificial Claude. A empresa detalhou o caso em um relatório de riscos divulgado nesta quinta-feira (10/09), após críticas de um ex-desenvolvedor sobre responsabilidades da indústria de IA.
Entre as situações classificadas como “alto risco biológico”, a companhia cita uma consulta envolvendo alterações genéticas no vírus Chikungunya, doença comum no Brasil. O relatório também menciona rastros de espionagem governamental e atividades militares com uso de IA, além de exemplos de automações para driblar sistemas de vigilância e identificar alvos estratégicos, com análise concentrada entre dezembro de 2025 e agosto de 2026.
O Google anunciou o AI Co-Scientist, um sistema que usa agentes de IA para investigar como a resistência a antibióticos se espalha entre espécies bacterianas. A proposta foi guiada por um brief de uma página e um objetivo: entender um dos fatores ligados a infecções resistentes a medicamentos.
O sistema dividiu a tarefa em sub-agentes, com um responsável por formular hipóteses a partir da literatura, outro por criticá-las como um revisor e outro por ranquear as melhores opções. Ao final, o Co-Scientist concluiu que genes de resistência “caronam” em vírus bacterianos para alcançar novos hospedeiros, e a hipótese foi confirmada por pesquisadores da Imperial College London.
Pesquisadores do Arc Institute, na Califórnia, usaram inteligência artificial para criar sequências genéticas de vírus que não existem na natureza. O estudo, publicado na revista Science, treinou um modelo com padrões de DNA de milhões de organismos e, depois de sintetizar as sequências em laboratório, inseriu-as em bactérias. Ao todo, 16 vírus gerados pela IA se mostraram viáveis e capazes de infectar bactérias.
O avanço pode acelerar aplicações em medicina e biotecnologia, mas também levanta preocupações sobre o uso indevido de IA para desenvolver agentes biológicos perigosos. Para o setor de saúde e pesquisa, o recado é reforçar governança, biossegurança e controles mais rigorosos no uso de modelos capazes de gerar material biológico.
Pesquisadores do Arc Institute, na Califórnia, usaram um modelo de IA chamado Evo para desenhar vírus que não existem na natureza e demonstrar que eles conseguem se replicar. O sistema foi treinado com cerca de 9 trilhões de nucleotídeos de milhões de organismos e, após um novo ajuste para o bacteriófago Phi X-174, gerou cerca de 700 mil sequências potenciais; 285 foram sintetizadas e testadas em laboratório. No fim, 16 genomas projetados pela IA produziram vírus viáveis e capazes de infectar outras bactérias, com alguns se multiplicando até mais rápido que o vírus natural.
O avanço pode acelerar aplicações em biotecnologia e medicina, como o desenvolvimento de vetores para terapias gênicas. Ao mesmo tempo, reacende preocupações de biossegurança: especialistas apontam que modelos capazes de gerar genomas podem, no futuro, ser usados para criar variantes mais perigosas, e cobram mecanismos regulatórios e avaliação de risco mais alinhados ao ritmo da IA na área biológica.
Pela primeira vez, pesquisadores conseguiram usar inteligência artificial para gerar o genoma completo de um vírus — não só um trecho — e depois produzir e testar esses projetos em laboratório. O estudo, publicado na revista Science, foi conduzido por equipes do Arc Institute e da Universidade Stanford, que usaram o sistema de IA “Evo” para prever sequências de DNA (A, C, G e T) a partir de dados genéticos de milhões de organismos.
A IA propôs centenas de milhares de genomas de bacteriófagos (vírus que infectam bactérias), e os cientistas sintetizaram quase 300 versões para testes com E. coli: 16 se mostraram viáveis, capazes de se multiplicar e destruir as bactérias. O trabalho também indicou potencial para contornar resistência ao vírus natural ΦX174, mas os autores reforçam a necessidade de governança e consulta a especialistas em segurança biológica, já que a mesma capacidade pode, no futuro, ser aplicada a patógenos mais perigosos.
Pesquisadores da Universidade Stanford usaram “large genome models” — modelos de IA treinados para prever sequências de DNA — para gerar genomas de vírus que infectam bactérias. Após resultados anteriores com sequências capazes de codificar proteínas funcionais, a equipe mostrou que os mesmos modelos conseguem produzir genomas virais relacionados a vírus já conhecidos, mas com características distintas difíceis de obter por evolução natural.
O trabalho sugere que, no futuro, pode ser necessário planejar riscos caso alguém desenvolva sistemas de IA capazes de projetar vírus com alvos mais amplos, incluindo vertebrados. Para o público tech, o avanço reforça como modelos generativos podem acelerar descoberta e engenharia biológica — e também aumenta a importância de governança, segurança e validação experimental.
/https://i.s3.glbimg.com/v1/AUTH_59edd422c0c84a879bd37670ae4f538a/internal_photos/bs/2026/q/4/toZNxZQzi1B4HzRuPZGQ/68c9c88a6d0e5a7f03309de2-evo-phi36-static-image.png)
