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.
A Thomson Reuters lançou nesta segunda-feira, 24, o Thomson, seu primeiro modelo de linguagem de grande porte (LLM) desenvolvido internamente. A empresa investiu US$ 40 milhões no projeto e afirma que o caminho adotado foi construir o modelo sobre uma base open source, especializando-o com décadas de conteúdo jurídico e tributário proprietário.
O Thomson foi treinado para sinalizar incerteza e reduzir alucinações, enquanto o CoCounsel segue multimodal e usa modelos de terceiros na maior parte da arquitetura. A checagem humana das respostas permanece obrigatória “sem exceções”, e a empresa também planeja avaliar recuperação de informações em tempo real; uma versão reduzida será disponibilizada como pesos abertos na Hugging Face para uso acadêmico e não comercial.
O time jurídico do GitHub contou como usou o Copilot CLI para transformar tarefas repetitivas em fluxos automatizados. Em um caso, Ngandu Kasuku criou o “terms-ai”, uma ferramenta para rascunho de contratos com base em um guia de estilo em linguagem simples e em acordos já aprovados; ele afirma ter reduzido o tempo de revisão e redação em cerca de 50%. Em outro, Jesse Geraci desenvolveu um fluxo para analisar avisos DMCA com consistência, evoluindo de instruções em linguagem natural para um app de desktop com modos de análise e integração de dados externos.
A iniciativa mostra como devs e times tech podem aplicar IA não só para “responder tarefas”, mas para construir ferramentas reutilizáveis e auditáveis, com instruções editáveis e controle humano no centro. Na prática, isso acelera entregas, melhora a padronização dos resultados e reduz retrabalho — desde que a metodologia e os critérios sejam bem definidos no próprio workflow.
