Sustainabl Agent Surface
Todos os artigos publicados em português, por data, categoria e autor.
438 artigos · Página 2 de 19
Há uma conversa que as equipes de liderança de indústrias pesadas vêm adiando há anos. Não é sobre tecnologia. É sobre o que significa, com precisão, tomar uma boa decisão operacional quando os dados que a sustentam estão dispersos em doze sistemas diferentes, quatro departamentos incomunicáveis e um histórico de manutenção que ninguém digitalizou por completo.
A semana de 18 de agosto de 2026 deixou um sinal difícil de ignorar para os investidores em infraestrutura de inteligência artificial. A GE Vernova caiu 9,5% na semana e a Eaton perdeu 6,7%, dois nomes que durante meses funcionaram como apostas seguras no crescimento dos data centers. Não houve colapso na demanda por chips nem corte de orçamento dos grandes hyperscalers: o que houve foi um governador estadual assinando uma ordem executiva numa terça-feira à tarde.
Stripe compra a startup que queria ser o Stripe da IA Quando Alex Atallah descreveu o OpenRouter em maio de 2026 como "o equivalente do Stripe para a inteligência artificial", a frase soava como a aspiração de um fundador.
A narrativa dominante sobre os Centros de Capacidades Globais na Índia tem sido, na última década, uma história de sucesso quase sem nuances. Mil e novecentos centros operacionais, presença em oito indústrias, ambições de chegar a cem bilhões de dólares em contribuição econômica. E ainda assim, por baixo desse crescimento acelerado, há uma fissura que o setor vem tentando processar há meses sem muito sucesso: o perfil de talento que os GCCs precisam hoje já não coincide com o talento que a Índia produz em quantidade suficiente.
Há momentos nos mercados financeiros em que o consenso se rompe por um ângulo que ninguém antecipava. A primeira guerra de taxas em fundos negociados em bolsa foi travada entre BlackRock, Vanguard e State Street, empurrando os custos dos produtos índice para níveis que beiram o zero. O que ninguém havia calculado era que a próxima frente não viria de outro gigante institucional, mas de uma seguradora apoiada por capital de risco que usou inteligência artificial para industrializar o processo regulatório e entrar no mercado com 197 ETFs lançados em menos de oito meses.
Em 13 de agosto de 2026, a IBM anunciou uma aliança ampla com a OpenAI que vai muito além de um comunicado de imprensa conjunto. A empresa criará uma prática dedicada da OpenAI dentro da IBM Consulting, integrará modelos como GPT-5.6, Codex e ChatGPT Work em sua plataforma IBM Consulting Advantage, e certificará dezenas de milhares de consultores em tecnologias da OpenAI nos próximos meses. Os termos financeiros não foram divulgados, mas a escala do movimento interno fala por si só: não é um projeto-piloto, é uma aposta em infraestrutura humana.
A indústria robótica passa duas décadas prometendo a substituição do trabalho humano em escala industrial. O que ninguém havia resolvido com seriedade suficiente é o que acontece depois da implantação: o momento em que a máquina para, a produção paralisa e um engenheiro começa a ler registros durante dias inteiros para encontrar uma falha que, frequentemente, já havia ocorrido antes. A Alloy Robotics, uma empresa fundada em Sydney há pouco mais de um ano, acaba de fechar uma rodada de 8 milhões de dólares liderada pela Square Peg com uma avaliação de 80 milhões de dólares.
O time fundador médio de uma startup costumava ter duas pessoas e três engenheiros. Hoje pode incluir uma dúzia de agentes de inteligência artificial completando tarefas em paralelo, negociando preços com fornecedores ou comprando software sem que nenhum humano aprove cada transação. O problema é que o sistema financeiro ao redor dessas empresas ainda foi projetado para o primeiro modelo.
Há uma diferença entre comprar uma ação porque ela sobe e comprar uma ação porque o mercado ainda não sabe o que ela vale. Bill Ackman, fundador da Pershing Square Capital Management, construiu uma posição de 2,4 bilhões de dólares na Microsoft fazendo exatamente isso. A distinção não é semântica: ela define quem assume risco estrutural e quem simplesmente segue uma tendência.
Há três anos a ServiceNow mede a maturidade da IA nas grandes empresas. Em 2026, o índice construído com pesquisas a mais de 4.500 executivos e 2.000 funcionários ao redor do mundo registrou uma melhora notável: avanço de 16 pontos, chegando a 51 de 100. Parece promissor até que se lê a linha seguinte: enquanto os gastos corporativos com IA cresceram 110% em relação ao ano anterior, as capacidades fundacionais que essa IA precisa para funcionar em escala simplesmente não acompanharam.
Há dois anos, a maioria dos executivos que conheço debatia qual modelo de linguagem escolher. Hoje, os que já tomaram essa decisão — e ainda assim não conseguem justificar uma segunda rodada de investimento — começam a entender que o problema nunca foi o modelo. Foi a mensuração. O setor empresarial vem adotando inteligência artificial em ritmo acelerado há vários anos, mas apenas um terço das organizações começou a escalá-la com consistência.
A robótica autônoma promete há anos uma ruptura que nunca chega de fato à escala industrial. Não por falta de algoritmos nem de ambição, mas porque o hardware que os robôs precisam para funcionar em ambientes não estruturados exige uma combinação de processamento que raramente vem integrada em um único sistema acessível. A AMD acaba de apostar que pode resolver essa equação com o Kria AI Robotics Developer Platform, anunciado no Advancing AI 2026 em San Francisco.
Há uma diferença que poucas organizações processaram por completo: um assistente de IA espera que alguém fale com ele. Um agente age sozinho. Essa distinção, que parece técnica, carrega consequências econômicas e psicológicas que estão redefinindo como os executivos pensam seus orçamentos de tecnologia e, mais silenciosamente, como suas equipes sentem o trabalho.
O setor varejista movimenta trilhões de dólares por ano e enfrenta problemas operacionais que não consegue resolver há décadas: dados de produto pouco confiáveis, logística de devoluções que corrói margens, sistemas de estoque que operam com base em suposições mais do que em informações em tempo real. Ainda assim, o capital de risco destina apenas 300 milhões de dólares anuais para as startups que tentam resolver esses problemas. Para ter uma perspectiva: uma única rodada de uma startup de inteligência artificial de médio porte frequentemente supera esse valor.
Há uma linha em quase todos os orçamentos empresariais do momento. Tem um nome como 'transformação digital' ou 'iniciativa de IA'. Tem um valor expressivo. E, na maioria dos casos, não tem uma definição clara do que significa sucesso.
O setor fintech gerou 650 bilhões de dólares em receitas durante 2025, um avanço de 21% em relação ao ano anterior. O conjunto da indústria de serviços financeiros, por sua vez, cresceu no mesmo ano 6% sobre uma base de 15 trilhões de dólares. A aritmética desse contraste não precisa de enfeite: o capital, o talento regulatório e a atenção institucional estão se deslocando para empresas construídas sobre software, não sobre agências bancárias.
Há um momento em que o acúmulo de pilotos de inteligência artificial deixa de parecer ambição e começa a parecer desordem. Esse momento chegou a muitas grandes empresas em 2026, e o sinal mais claro não foi um colapso tecnológico nem uma falha de modelo. Foi algo mais mundano e mais difícil de defender em uma reunião de conselho: o consumo de tokens correu à frente do orçamento sem gerar valor proporcional.
Durante décadas, a imagem do robô industrial foi sempre a mesma: uma máquina de braços metálicos, potente e veloz, trancada atrás de uma gaiola de aço enquanto os humanos observavam de longe. Essa imagem não é metáfora de atraso. É uma decisão de engenharia que persiste porque os sistemas de segurança disponíveis não conseguiram sustentar outra coisa.
Em cinco meses, a Databricks acrescentou 54 bilhões de dólares à sua avaliação sem abrir capital em nenhuma bolsa. Passou de 134 bilhões em fevereiro de 2026 para 188 bilhões em julho, liderada por uma nova rodada estratégica encabeçada pela Coatue Management. O que chama atenção não é apenas o número, mas a velocidade com que se move a estrutura de poder do mercado de dados empresariais.
A Morgan Stanley publicou na terça-feira, 14 de julho, uma nota de defesa sobre a Broadcom que merece ser lida com atenção — não pelo que diz sobre a ação, mas pelo que revela sobre a arquitetura de valor que sustenta o fabricante de semicondutores e por que essa arquitetura ainda não consegue convencer os investidores. O ponto de partida é a preocupação que se instalou no mercado após um relatório do The Information em março: a MediaTek, fabricante taiwanesa de chips, estaria colaborando com a Alphabet para desenvolver a próxima geração das Unidades de Processamento Tensorial (TPU) usadas pelo Google em seus data centers.
O Vale do Silício não se move. Os bilionários, alguns sim. E essa distinção, que parece cosmética, revela uma das fissuras estruturais mais interessantes do momento no mercado de capital de risco americano. Segundo dados do PitchBook publicados esta semana, a Califórnia recebeu mais de US$ 335 bilhões em financiamento de capital de risco durante o último ano, um valor que supera em dez vezes o captado por Nova York, o segundo estado no ranking.
Há uma frase que se repete em quase todas as reuniões de comitê executivo onde se revisam projetos de inteligência artificial: 'o piloto foi bem-sucedido.' E depois, silêncio. Ninguém pergunta por que o piloto nunca se transformou em outra coisa. A organização celebra o experimento, arquiva os aprendizados e, três meses depois, lança outro piloto.
Há um momento particular na adoção de tecnologia empresarial em que o entusiasmo se transforma em obrigação contábil. Com os agentes de inteligência artificial embarcados em produtos corporativos, esse momento chegou antes do que a maioria das equipes técnicas antecipou, e o mecanismo que o desencadeou não foi o modelo de linguagem errado nem a falta de dados. Foi uma decisão de arquitetura que ninguém apresentou como decisão.
Há um padrão que se repete toda vez que uma tecnologia passa de experimento a infraestrutura crítica: em algum momento emerge uma camada de controle que ninguém havia planejado formalmente, mas que acaba sendo o lugar onde as decisões mais importantes são tomadas. Aconteceu com os balanceadores de carga na web, com os planos de controle na nuvem e com os service meshes na era dos microsserviços. Agora está acontecendo com os agentes de inteligência artificial, e o nome que essa camada está assumindo é o de gateway de agentes.