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.
A Rocket Software anunciou a expansão da Rocket EVA, sua plataforma de agentic AI para sistemas de missão crítica no mainframe. A solução passa a oferecer agentes de IA governados e auditáveis, capazes de correlacionar e raciocinar sobre dados operacionais e automatizar tarefas dentro de políticas definidas pela empresa.
A atualização também inclui o lançamento do Rocket PlanGuard, uma camada de segurança que cria um “checkpoint” de política entre o raciocínio da IA e a execução no sistema. Com isso, a plataforma adiciona um ponto de decisão de políticas e controles de identidade para manter as ações da IA dentro de limites aprovados, enquanto registra atividades para auditoria e supervisão humana.
Meryem Arik, cofundadora da Doubleword e especialista em inference de alta vazão, apresentou no QConAI 2030 uma série de previsões sobre o que empresas vão priorizar até 2030. Ela citou que, após o lançamento do ChatGPT, já havia alertado em 2021 sobre a “crise” de hardware para inferência e disse que a evolução do mercado confirmou parte do cenário.
No painel, Arik destacou que o gasto com tokens e os custos de inferência estão virando um problema mais imediato para organizações, citando exemplos como o consumo de créditos do Claude por uma empresa não identificada e a aceleração de despesas de TI em bancos. Ela também mencionou dados da Deloitte, segundo os quais 23% das empresas dizem usar agentic AI ao menos moderadamente, e discutiu a ideia de que laboratórios de IA estariam subsidiando tokens, defendendo que a tendência observada é de tokens mais baratos.
A Cloudflare lançou o CloudflareOS, uma plataforma open-source de “workspace” para IA, com foco em dar a cada funcionário um ambiente seguro para usar ferramentas de IA e acessar sistemas internos. A proposta vai além de VDI tradicional ao permitir conexões dinâmicas e verificadas para usuários e agentes, começando cada sessão com contexto controlado. Segundo Rita Koslov, VP de developers & AI, o problema é que ferramentas de IA normalmente sabem pouco sobre como a empresa funciona e, por isso, surgem novos riscos quando agentes passam a pedir acesso via chaves e APIs.
Para reduzir esse risco, a plataforma usa acesso por “capability-based access”, em vez de entregar chaves de API amplas: o sistema concede recursos específicos, registra o que o agente observou e valida permissões para quem visualiza o resultado. No lado técnico, o CloudflareOS aposta em Dynamic Workers e Durable Objects (com armazenamento SQLite isolado), com networking bloqueada por padrão e Gatekeepers para interpretar APIs externas. Para devs, a mudança prática é viabilizar apps e fluxos gerados por IA com estado persistente e integração segura — sem “gambiarras” e perda de controle de custos e acessos.
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.
A Webflow compartilhou aprendizados ao desenhar APIs para agentes via MCP. A equipe percebeu que APIs feitas para humanos (muitos endpoints, estado implícito e navegação manual) geram falhas sutis e tarefas ineficientes quando usadas por LLMs. O caminho foi migrar para ferramentas orientadas a intenção, reduzir chamadas dependentes e melhorar schemas e mensagens de erro para o agente decidir melhor. Também foram adotadas arquiteturas em camadas e abstrações de projeto para tornar a execução mais confiável em escala.
