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.
O projeto de documentação Docsy, criado pela Google e usado por grandes iniciativas de cloud native, está migrando para a Linux Foundation. O anúncio foi feito por Erin McKean, da Google e membro do comitê do Docsy, em uma keynote no Open Source Summit Europe, em Praga.
O Docsy é um tema open source para o gerador de sites estáticos Hugo e já era adotado por cerca de 2.200 projetos até o fim de 2024, incluindo Kubernetes, OpenTelemetry, gRPC e Jaeger. A iniciativa passou a adaptar a saída para ferramentas de IA, como a geração de cópias em Markdown e um arquivo llms.txt (a partir da versão 0.15.0), além de recursos experimentais para orientar agentes, como diretivas ocultas apontando para o índice do llms.txt. A roadmap inclui também “AF” (agent-friendly documentation scores) para medir o quanto a documentação é fácil de encontrar, navegar e consumir por agentes.
A Cloud Native Computing Foundation (CNCF), que administra Kubernetes e outras ferramentas open source, está graduando projetos “mais rápido do que nunca”. Segundo Jonathan Bryce, diretor-executivo da entidade, a aceleração ocorre nos últimos 18 meses e é impulsionada pelo uso de agentes para apoiar a due diligence em diferentes etapas do processo.
Bryce também relaciona a evolução do ecossistema open source ao avanço da IA, destacando que a capacidade de escalar cargas de trabalho em provedores e ambientes diferentes ajuda a atender a demanda crescente por serviços de IA. Ele aponta ainda que agentes tornam a experimentação mais rápida, mas exigem guardrails, já que agentes não determinísticos precisam de controles para operar com segurança.
A Cloud Native Computing Foundation (CNCF) lançou o Kubernetes 1.37, chamado “Garhwal”, com foco em estabilidade, segurança e otimização de workloads de IA/ML. A versão inclui a disponibilidade geral da Metrics API (metrics.k8s.io), que padroniza a monitoração de saúde de nós e pods e habilita recursos como Horizontal Pod Autoscaler (HPA), Vertical Pod Autoscaler (VPA) e o comando kubectl top.
Entre as novidades, o kubelet ganha recurso de checkpoint e restore no nível do pod, permitindo criar um snapshot de memória e árvores de processos para depuração ou análise de segurança. O lançamento também evolui para beta o Kubelet em namespace de usuário (rootless), com componentes do nó rodando como não-root via user namespaces para reduzir impacto de ataques de escape de contêiner, além de melhorias como inicialização resiliente do watchcache e certificados de pods em modo estável.
Agentes estão sendo posicionados como a nova “developer platform” ao combinar contexto do sistema com comandos de desenvolvedores e acionar modelos e ferramentas. No KubeCon & CloudNativeCon Europe, Whitney Lee e Viktor Farcic defenderam o uso de semantic search com dados de Git, Slack e Jira, além de guardrails para bloquear ou liberar ações que exigem aprovação.
A apresentação também destacou observabilidade no nível do agente com logs, métricas e traces para entender comportamento, custos e caminhos de execução. Com OpenTelemetry e spans para chamadas de modelo, contagem de tokens e invocações de ferramentas, as equipes conseguem rastrear requisições do usuário até as ações tomadas e usar os traces como base de avaliação e auditoria.
A Vercel apresentou o eve, um framework open source e cloud-native para rodar agentes de IA com mais confiabilidade em escala. Em vez do modelo tradicional de uma única sessão por usuário, o eve foi desenhado para lidar com milhares de requisições simultâneas, mantendo sessões isoladas, duráveis e recuperáveis.
No eve, o agente é definido de forma declarativa por arquivos de configuração, que são compilados em infraestrutura como código para provisionar apenas o que o agente realmente usa. A iniciativa também foi discutida em um episódio com Andrew Barba e Shar Dara, reforçando a visão de que “construir empresas” está se aproximando de “construir agentes”.
A adoção de cloud-native e a iteração rápida estão acelerando o design de sistemas, mas também elevam os déficits de confiança: quase 30% dos engenheiros dizem não confiar em código gerado por IA. Nesse cenário, a arquitetura deixa de ser algo estático e passa a ser feita continuamente em produção, com mais necessidade de supervisão técnica e validação.
O eMag “Next-Gen Architecture Playbook: Insights and Patterns for the AI Era”, da InfoQ, reúne discussões e episódios em podcast sobre desafios como a mistura entre software determinístico e IA não determinística, além de como arquiteturas precisam evoluir quando máquinas passam a escrever código junto com humanos. O material também aborda mudanças de automação para autonomia em sistemas orientados por IA generativa e discute quais plataformas e modelos operacionais ajudam a lidar com agentes e novos modos de falha em produção.
A Alibaba Cloud lançou nesta quinta-feira (27) sua primeira região de nuvem no Brasil, com dois data centers voltados a empresas, startups, desenvolvedores e instituições públicas. A iniciativa marca a primeira operação da companhia na América do Sul e amplia sua presença na América Latina após a região do México, em fevereiro de 2025.
A nova região oferece computação, armazenamento, contêineres, redes, segurança, bancos de dados e serviços cloud-native com foco em baixa latência, disponibilidade e conformidade regulatória. A empresa também planeja trazer serviços de IA agêntica para o ciclo de vida do agente — incluindo desenvolvimento, depuração, implantação e segurança — como o ACS Agent Sandbox, o DAS Agent e o Agent Security Center.
Um post no blog da CNCF, assinado por Lin Sun e baseado em trabalhos do projeto kagent, defende que o Pod pode ser o melhor ambiente de execução para agentes de IA — mas não necessariamente a unidade certa para deployment, identidade e ciclo de vida. O texto compara abordagens: tratar cada agente como um workload do Kubernetes (com Pod, Service e ServiceAccount) traz isolamento e integração com políticas, porém pode desperdiçar recursos, já que agentes costumam ser “bursty”, acordando por tarefas e ficando ociosos.
Para contornar isso, Sun destaca o caminho do Agent Substrate (apresentado pela Google junto do Agent Sandbox): uma camada acima do Kubernetes gerencia o placement e o lifecycle de “atores” (agentes lógicos) em “workers”, mantendo o Kubernetes focado em Pods, rede, armazenamento e compute. Na prática, isso muda como devs pensam identidade, acesso, observabilidade e cobrança, já que logs e traces precisam acompanhar o ator onde ele for escalado.
