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.
O CTO e fundador da CloudZero, Erik Peterson, afirmou em apresentação que a “conta” de custos de IA no cloud virou um problema: ele diz que não consegue confiar totalmente no próprio bill e que os dados de despesas vindos de provedores de nuvem e de IA estão “bagunçados”. Peterson relaciona o aumento de gastos ao uso de LLMs no dia a dia, em que cada decisão e até cada pensamento passam a ser monetizados pelo custo de consultas e geração.
Ele também citou a escalada de métricas como “tokenmaxxing” e estimou que o fenômeno pode representar um custo de cerca de US$ 5 bilhões a US$ 15 bilhões. No mesmo contexto, Peterson defendeu que a produtividade pode até crescer, mas a medição ainda é imprecisa, enquanto o gasto com IA já triplicou e segue subindo.
A Meta revisou orientações internas depois de funcionários relatarem pressão para exibir alto uso de ferramentas de inteligência artificial. Por meses, o consumo de tokens — unidades usadas por modelos de IA — alimentou rankings internos e virou um jeito visível de demonstrar adesão à tecnologia, um comportamento chamado “tokenmaxxing”. Agora, novas regras de avaliação retiraram referências ao “uso de IA” e à classificação “AI Native”, e painéis de adoção e contagens de tokens não serão usados para avaliar impacto.
A empresa afirma que a contribuição dos funcionários continua sendo o critério central. O episódio destaca que medir atividade (quantos tokens foram consumidos) não equivale a medir resultado, já que a mesma quantidade pode não indicar ganho de produtividade, qualidade ou redução de custos. Para outras empresas, a mudança sugere acompanhar experimentação durante a implementação e priorizar indicadores ligados a entregas, tempo, retrabalho e erros, em vez de frequência de uso.
A Meta está encerrando um programa interno que, na prática, incentivava “tokenmaxxing” por funcionários: a empresa informou que avaliações de desempenho não dependerão mais de quanto os trabalhadores usam ferramentas de IA. Segundo três funcionários que receberam a mensagem, a orientação substitui critérios ligados a “uso de IA” e rótulos como “AI Native”, voltando a focar em impacto e contribuição, com a ressalva de que resultados podem ser apoiados por IA ou outros meios.
Enquanto isso, equipes começam a testar a ferramenta agentic Hatch, que pode executar ações no computador, como navegar na web e operar outros aplicativos. Funcionários relatam que o consumo de tokens segue aumentando e que ainda existe preocupação com privacidade e com o uso de recursos computacionais, além do receio de que ganhos de produtividade possam ser usados para justificar novos cortes, embora a Meta tenha dito que não espera novas demissões em massa este ano.
A Rippling, plataforma de RH, lançou o AI Spend Console para conter “tokenmaxxing” e rastrear gastos com IA por funcionário, time e função. A empresa diz que, após perceber que o custo com tokens poderia consumir cerca de 40% do orçamento de headcount em P&D, iniciou um projeto urgente para entender o retorno — e encontrou casos como 10% a 15% dos colaboradores concentrando cerca de 60% do gasto, incluindo um engenheiro com US$ 50 mil/mês em consumo.
O produto cria dashboards que cruzam consumo (tokens/prompt) com sinais de produtividade (como linhas de código e pull requests) e afirma ter reduzido o gasto relativo de 40% para ~15%, sem cortar o uso. A ferramenta também inclui um “AI gateway” para rotear solicitações aos modelos mais custo-efetivos, e a empresa quer estender a medição de ROI para áreas além da engenharia, como onboarding de clientes.
