Resumo executivo
As seis notícias desta edição mostram a passagem da IA de promessa para infraestrutura de trabalho: empresas estão formando especialistas, redesenhando o suporte interno e restringindo acessos do sistema operacional, enquanto o Brasil enfrenta deepfakes eleitorais e testa IA para melhorar a gestão da Justiça.
- O gargalo corporativo já é transformar pilotos em operação segura e útil.
- Permissões, treinamento e dados de qualidade viraram parte do produto.
- No Brasil, IA afeta a integridade eleitoral e a gestão pública.
O que realmente importa
Seis movimentos para acompanhar sem se perder no ruído.
Anthropic investe US$ 100 milhões para formar 10 mil engenheiros de IA
O que aconteceu: a Anthropic anunciou a Claude Frontier Academy, com compromisso de US$ 100 milhões para treinar 10 mil Frontier Deployed Engineers até o fim de 2027. Por que importa: o gargalo deixa de ser apenas ter acesso a modelos e passa a ser saber colocá-los em produção. Impacto prático: empresas precisarão formar pessoas capazes de conectar IA a processos, segurança, dados e metas reais.
ServiceNow lança uma central de suporte de TI nativa em IA
O que aconteceu: a ServiceNow lançou o Flow, uma central de atendimento conversacional para TI que a empresa apresenta como implantável instantaneamente, dentro de Slack e Microsoft Teams. Por que importa: o suporte começa a sair do portal de chamados e entrar no fluxo de trabalho. Impacto prático: equipes podem reduzir atrito e tempo de resposta, desde que definam quando o agente resolve, encaminha ou pede aprovação.
Apple aperta o controle de acesso total ao disco no macOS
O que aconteceu: a Apple anunciou atualizações nas regras de Full Disk Access do macOS, citando o aumento dos riscos quando agentes de IA ganham capacidade de agir com autonomia sobre arquivos e sistemas. Por que importa: a segurança passa a considerar não só o aplicativo, mas o que ele pode fazer em nome do usuário. Impacto prático: empresas devem revisar permissões, escopos e aprovações para ferramentas de IA instaladas em computadores corporativos.
AutoSynthData transforma falhas de agentes em novos testes de treinamento
O que aconteceu: a equipe CoreAI da ServiceNow apresentou o AutoSynthData, sistema que converte fraquezas identificadas em agentes corporativos em tarefas realistas para treinamento e validação. Por que importa: agentes confiáveis não são construídos apenas com um modelo melhor, mas com um ciclo contínuo de teste, correção e avaliação. Impacto prático: organizações podem criar currículos de treinamento específicos para seus processos em vez de depender somente de benchmarks genéricos.
Deepfakes já aparecem em centenas de conteúdos da campanha brasileira
O que aconteceu: levantamento do projeto VigIA, realizado pela Lupa, identificou pelo menos 554 vídeos e imagens deepfake publicados nas redes durante a campanha do primeiro turno; 29 foram disseminados por perfis de candidatos ou partidos. Por que importa: conteúdo sintético pode alterar a percepção pública antes que a checagem alcance o mesmo público. Impacto prático: profissionais e empresas precisam verificar origem, contexto e autenticidade antes de compartilhar conteúdos eleitorais ou associar sua marca a eles.
CNJ apresenta Atalaia para identificar litigância abusiva
O que aconteceu: o Conselho Nacional de Justiça apresentou à OAB o Atalaia, ferramenta que usa IA e análise de dados para identificar padrões de demandas em massa e litigância abusiva em todo o país. Por que importa: é um exemplo de IA aplicada à gestão pública para encontrar padrões que seriam difíceis de acompanhar manualmente. Impacto prático: instituições podem usar tecnologia para priorizar investigação e gestão, mantendo transparência, revisão humana e responsabilidade institucional.
O que merece acompanhamento
A síntese da M•Furlani Consultoria para empresas e profissionais.
A próxima vantagem não será ter IA. Será governar sua operação.
A edição de hoje aponta para uma mudança concreta: modelos e agentes estão entrando no trabalho, nos computadores e nas instituições. O diferencial será construir capacidade interna, reduzir permissões, testar com dados reais e preservar a responsabilidade humana onde o erro custa reputação, dinheiro ou direitos.
- Formação prática para transformar pilotos em processos mensuráveis.
- Governança de acesso para cada agente, aplicativo e dado sensível.
- Verificação de conteúdo sintético antes de qualquer decisão pública.
O próximo Radar pode começar com você.
Viu uma notícia de IA que ainda não apareceu aqui? Conhece uma ferramenta interessante? Tem uma dúvida ou ideia para melhorar o Radar? Compartilhe com o editor.
Enviar uma sugestãoSua mensagem é privada e vai direto para o editor.