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.
Uma arquitetura “governance-first” para personalização em empresas propõe que regras de consentimento, fadiga, sensibilidade do canal, custo e explicabilidade façam parte do caminho de decisão antes de a recomendação ser entregue ao usuário. O modelo pode gerar candidatos, mas políticas selecionam como a inferência acontece e podem mostrar, suavizar, atrasar, suprimir ou usar fallback genérico.
O desenho também inclui memória de jornada entre sessões para que a mesma oferta mude conforme estágio, confiança e fadiga evoluem, além de explicações integradas ao contrato da API. A implementação de referência usa FastAPI, políticas externas em YAML, pontuação modular e escalonamento opcional para LLM, com o objetivo de tornar decisões rastreáveis e auditáveis no ambiente de produção.
Bancos de dados, antes focados em armazenar dados e devolver resultados exatos, estão sendo pressionados a lidar com a forma como a IA consulta informação. Com aplicações que combinam dados estruturados e não estruturados, o modelo passa a se aproximar de busca, em que relevância e ranking ganham peso e os resultados nem sempre são estritamente exatos.
A conversa também destaca o avanço de agentes que escrevem consultas e até propõem schemas, o que intensifica debates sobre como dados devem ser estruturados, governados e considerados confiáveis. Sailesh Krishnamurthy, VP de Engenharia da Google, discute a evolução dos bancos de dados ao longo de décadas e para onde o setor caminha com a IA reorganizando consulta, estrutura e confiança.
A Microsoft lançou em prévia pública um novo tier de AI Gateway no Azure API Management. A proposta é organizar o control plane em torno de modelos, servidores e ferramentas MCP, em vez de APIs, mantendo capacidades de IA já existentes nos tiers clássico e v2. O gateway publica modelos hospedados pela Foundry (como OpenAI, Anthropic e Mistral) e também integra modelos de AWS Bedrock, Google Vertex AI e OpenAI; para provedores compatíveis com OpenAI, o roteamento ocorre por correspondência exata do campo “model”, exigindo nomes únicos. Para ferramentas, ele federará backends via URL de servidor MCP, especificação OpenAPI ou conectores embutidos para mais de mil SaaS, expondo operações como “tools” com autenticação configurável (nenhuma, API key, OAuth 2.0 ou managed identity).
O que muda para times de desenvolvimento é a forma de “colocar em produção” integrações com LLMs e agentes: políticas deixam de ser só XML/expressões e passam a ser configuradas em cards no portal, com limites de tokens e requisições, quotas, Content Safety e fallback de modelo. A governança de custo e uso pode ficar centralizada no gateway, com telemetria via OpenTelemetry para destinos como Application Insights, Datadog e Grafana, mas a prévia também levanta dúvidas sobre limites, SLA (sem SLA) e como lidar com o ciclo de vida quando execuções de agentes não finalizam corretamente.
Um relatório da SaferAI avaliou o modelo open-weight GLM-5.2, da Z.ai, via API pública, e aponta que ele está apenas “alguns meses” atrás de líderes como OpenAI (GPT-5.5) e Anthropic (Claude Opus 4.7) em capacidades de ciber e bio. No teste, o GLM-5.2 não recusou nenhuma tarefa ofensiva de ciber ou de biologia de uso duplo, enquanto o Claude Opus 4.7 recusou com tanta frequência que a SaferAI não conseguiu concluir o CyberGym. A análise também destaca que, para modelos fechados, proteções como recusas e controles na API tendem a funcionar melhor, mas podem ser contornadas por jailbreaks.
O ponto central é que a “fronteira de capacidade” não é a “fronteira de risco”: quando pesos open-weight são baixados e executados localmente, salvaguardas podem ser removidas, modificadas ou contornadas. Para o público dev/tech, isso reforça a necessidade de avaliações de segurança mais rigorosas, transparência sobre mitigação e novas abordagens para reduzir riscos sem travar a evolução do desempenho.
