Sustainabl Agent Surface
Todos os artigos publicados em português, por data, categoria e autor.
476 artigos · Página 2 de 20
Existe uma forma de fracasso empresarial que não aparece nos dashboards de adoção de IA. Não se mede em tokens processados nem em usuários ativos. Ela se manifesta quando um modelo perfeitamente treinado entrega resultados que ninguém dentro da organização consegue confiar de forma consistente.
Há um momento em que o mapa de competitividade de uma economia muda sem que seus formuladores de políticas percebam a tempo. A Índia há vários anos anuncia esse momento com fanfarra: fábricas de semicondutores, plantas de baterias, centros de inteligência artificial. O gabinete assina, as manchetes comemoram, os fundos de investimento estrangeiro comparecem ao evento. E ainda assim, algo não se encaixa.
Há uma imagem que circulou por meses em fóruns de design e produção audiovisual: um diretor criativo olhando para uma tela cheia de variantes geradas por IA, todas tecnicamente corretas, todas editorialmente vazias. A imagem capturava algo que os dados de produtividade não conseguiam expressar: que o problema nunca foi a velocidade de geração, mas sim que ninguém havia resolvido como canalizar essa velocidade em direção a uma intenção específica. É isso que está mudando agora, e a mudança não chega com fanfarra.
Quando os grandes laboratórios multinacionais decidiram sair da pesquisa antibiótica, fizeram isso com argumentos perfeitamente racionais: os ciclos de tratamento são curtos, os programas de uso racional de antibióticos comprimem os volumes, e a erosão genérica chega rápido. O retorno sobre o investimento não fechava. Então foram embora, um após o outro, deixando um espaço que nenhum ator do mercado queria porque parecia um beco sem saída comercial. A Wockhardt decidiu ficar.
Há um momento na evolução de qualquer mercado tecnológico em que os concorrentes deixam de se diferenciar pelo que seus produtos fazem e começam a se diferenciar por como seus clientes os controlam. A IBM chegou a esse momento com clareza em sua conferência Think 2026 em Boston, onde apresentou o que chama de modelo operacional agêntico construído sobre quatro pilares: agentes, dados, automação e soberania híbrida. O último desses pilares, e o mais estrategicamente carregado, é o IBM Sovereign Core, uma plataforma de governança que opera no nível da infraestrutura de execução, não como camada de configuração de aplicações.
Veículos submarinos não tripulados e o problema de adoção que a AUKUS não nomeou Em 30 de maio de 2026, às margens do Diálogo Shangri-La em Singapura, os secretários de defesa dos Estados Unidos e do Reino Unido compartilharam um momento incomum de autocrítica institucional.
Há um dado nesta história que merece atenção antes de falar em rodadas de financiamento ou modelos de linguagem: segundo o CEO da Orbital Industries, desenvolver um novo fluido refrigerante para data centers levaria, em condições normais, dez anos e cem milhões de dólares. A empresa afirma ter feito isso em meses, a uma fração desse custo. Se esse dado resistir à validação dos grandes fabricantes de chips, não estamos diante de uma conquista de laboratório.
Mais de 1,5 trilhão de dólares em valuações de software empresarial evaporaram nos últimos dois anos. Não por falta de investimento em inteligência artificial, mas porque o investimento aterrissou no lugar errado. Este é o paradoxo que define o momento atual: as empresas nunca gastaram tanto em IA e, ao mesmo tempo, nunca foi tão difícil mostrar onde está o valor.
Há um padrão que se repete na história das empresas de tecnologia que buscam abrir capital: o momento em que a narrativa de usuários massivos já não é suficiente e precisam mostrar algo mais concreto. A OpenAI está nesse ponto. E a ferramenta escolhida para fazer esse argumento não é o ChatGPT, mas o Codex, seu produto de assistência ao desenvolvimento de software, que nos últimos dois meses recebeu atualizações em uma frequência que nenhum concorrente igualou.
A promessa da mobilidade elétrica repousa sobre um mineral que, para ser extraído, exige inundar o deserto com água que esse deserto não tem. O lítio que move a narrativa da transição energética chega ao mercado principalmente a partir de enormes tanques de evaporação solar que ocupam quilômetros de terreno árido no Atacama chileno ou em Nevada. Esse sistema tem um limite estrutural que a indústria já reconhece: a demanda futura de lítio não pode ser satisfeita com tanques de evaporação.
As receitas do trimestre de março atingiram US$ 21,6 bilhões, um crescimento de 27% em relação ao ano anterior — a maior taxa em cinco anos — e o lucro líquido saltou dramaticamente para US$ 521 milhões. As ações da empresa em Hong Kong subiram cerca de 20% em uma única sessão, tornando-se a maior valorização percentual do índice Hang Seng naquele dia. Mas o número que melhor explica o movimento do mercado não está nas margens nem nos volumes de PCs: está no fato de que as receitas relacionadas à inteligência artificial cresceram 84% no trimestre e representaram 38% das receitas totais do grupo.
Em 21 de maio de 2026, o Departamento de Comércio dos Estados Unidos formalizou algo que há meses vinha sendo insinuado nos corredores de Washington: o governo federal não quer apenas financiar a computação quântica, quer ser acionista dela. A decisão de comprometer US$ 2 bilhões em um grupo de empresas de tecnologia quântica, assumindo participações de capital em vez de conceder simples subsídios, marca um ponto de inflexão na lógica com que os Estados Unidos concebem sua política tecnológica de longo prazo. Não é um cheque. É uma declaração de arquitetura industrial.
Há um custo que os grandes varejistas têm absorvido por décadas sem medir com precisão: o de não saber exatamente o que têm, onde está e se o que o sistema diz que existe de fato existe. Esse custo não aparece como uma linha separada no demonstrativo de resultados. Ele se dilui em margens comprimidas, pedidos cancelados, horas de trabalho mal alocadas e clientes que vão embora sem comprar.
Existe uma cena que se repete em quase todas as PMEs que conheço. A equipe de tecnologia apresenta um piloto de inteligência artificial. Os números iniciais são promissores. O conselho aprova o investimento. E seis meses depois, o piloto ainda continua sendo um piloto.
Quando Lior Susan fundou a Eclipse Ventures em 2015, a lógica dominante no Vale do Silício era simples: software escala sem fábrica, sem estoque e sem operários. As empresas de SaaS capturavam a atenção dos melhores fundos e dos melhores engenheiros. Apostar em semicondutores, robótica industrial ou infraestrutura computacional física era, na melhor das hipóteses, uma excentricidade.
A Vaseline tem 155 anos. Nasceu de um químico que observou trabalhadores do petróleo esfregando uma substância gelatinosa sobre suas feridas. O que está acontecendo agora dentro da Unilever, matriz da Vaseline, merece atenção justamente porque inverte essa lógica: a empresa está deixando que os comportamentos espontâneos de comunidades da internet determinem qual produto fabricar a seguir.
Há um padrão silencioso que a história econômica repetiu pelo menos duas vezes com clareza antes da era da inteligência artificial. Primeiro com a eletrificação industrial, depois com os computadores pessoais. Em ambos os casos, a tecnologia chegou décadas antes de seu impacto aparecer nas estatísticas de produtividade.
A computação quântica há mais de uma década promete reorganizar a medicina, os materiais e a inteligência artificial. Nesse tempo, a maior parte do capital fluiu para os circuitos supercondutores da IBM e do Google, plataformas que exigem refrigeração a temperaturas próximas ao zero absoluto, infraestrutura cara e calibração permanente. Mas abaixo dessa narrativa dominante foi tomando forma uma aposta diferente: usar átomos neutros como qubits, capturá-los com lasers, operá-los à temperatura ambiente e escalá-los em arranjos de centenas ou milhares de unidades.
Há um padrão que se repete toda vez que uma tecnologia deixa de ser experimento e se torna infraestrutura de produção. Aconteceu com os bancos de dados relacionais, com os serviços em nuvem, com os microsserviços. E agora acontece com os modelos de linguagem de grande escala.
O sistema tributário global não opera sobre papel. Há pelo menos duas décadas ele opera sobre assinaturas digitais, certificados de dispositivos, cadeias de hash e transmissões cifradas para autoridades fiscais. Essa infraestrutura, invisível para a maioria dos gestores do varejo, é a que hoje está tecnicamente exposta a uma pressão que não vem de reguladores nem de concorrentes: vem de uma transformação no poder de computação que pode tornar inúteis os fundamentos criptográficos sobre os quais repousa a confiança fiscal de todo o sistema.
Existe uma crença que percorre os corredores de quase toda organização que investiu em inteligência artificial nos últimos oito anos. A crença de que o problema é sempre de quantidade. Mais dados. Mais tokens. Mais cobertura. Mais histórico armazenado.
A inteligência artificial generativa chegou à maioria das organizações não pela área de tecnologia, mas pela porta dos fundos dos aplicativos de produtividade. Microsoft 365 Copilot, Gemini, os assistentes integrados em plataformas de colaboração: essas ferramentas foram ativadas em ambientes corporativos onde os funcionários já trabalhavam, e com isso começou um experimento silencioso cujos termos ninguém havia negociado completamente. O problema não está nos modelos de linguagem. Está no que esses modelos encontram quando se conectam a uma organização real.
Quando Marc Benioff fundou a Salesforce no final dos anos noventa, a proposta era simples: software de vendas entregue pela nuvem, sem instalar nada. A tela era o produto. Vinte e cinco anos depois, a Salesforce está apostando exatamente no contrário: que a tela desapareça.
O desafio mais honesto na robótica hoje não é técnico. É psicológico, e não no sentido que costuma ser usado para falar de humanos que temem as máquinas, mas ao contrário: os sistemas robóticos mais sofisticados do planeta continuam falhando em algo que uma criança de três anos executa sem esforço. Ouvem uma instrução, veem o espaço e, ainda assim, não sabem como conectar as duas coisas para se mover com sentido.