Hoje, no Radar IA
Expectativa não é resultado. A edição de hoje passa pelo uso da IA no trabalho, pela pesquisa científica e pelos cuidados com crianças e adolescentes. O ponto em comum é simples: entender o que a tecnologia faz, experimentar com critério e conferir antes de confiar.
- O artigo sobre aprender IA na prática permanece em destaque amplo, com o Tutor IA logo abaixo.
- Quatro pautas globais e duas brasileiras, com fontes de 16/10 e a data original do guia brasileiro identificada.
- Você já conhece? Teachable Machine permite treinar um modelo com exemplos, sem programar.
Confira nosso último Tutor IA

Junte três tabelas com uma macro feita com IA para o Excel
Do prompt ao resultado: peça uma macro à IA, insira o código no Excel e reúna código, nome do cliente, CNPJ e produto. Pratique com 50 clientes, 50 cadastros fiscais e 150 compras fictícias, sem perder produtos.
Edição e curadoria: Marcio Furlani · Conheça o editor
O que realmente importa
Pesquisas, anúncios e orientações, com aplicação prática e limites identificados.
Dúvida sobre um termo? As palavras com sublinhado pontilhado levam ao glossário de IA, também disponível em PDF.
Aplicação prática · Gestão

Pesquisa da Anthropic mostra distância entre expectativas sobre IA e experiências de uso
O que aconteceu: Em 16/10, a Anthropic publicou uma pesquisa que compara respostas de 10.980 adultos dos Estados Unidos com as de 1.334 funcionários da empresa. Entre os usuários de IA no trabalho, os funcionários relatam ganhos de tempo maiores e esperam avanços mais rápidos. O levantamento mede percepções e expectativas, não produtividade observada em um teste.
Por que importa: Quem desenvolve IA e quem a utiliza em outras profissões pode enxergar ritmos diferentes de mudança. A amostra interna da empresa não representa o conjunto dos trabalhadores, e os resultados não devem ser transferidos automaticamente para o Brasil.
Impacto prático: Para gestores e profissionais, a notícia ajuda a separar entusiasmo de evidência. Uma demonstração impressionante não revela quanto tempo a equipe gastará conferindo e corrigindo a entrega.
Aplicação prática · Estudos

Anthropic usa Claude para buscar circuitos quânticos mais eficientes
O que aconteceu: Pesquisa divulgada em 16/10 descreve o uso de Claude na criação de programas que geram circuitos quânticos para oito problemas. O processo combina uma descrição da tarefa com avaliações automáticas de correção e custo. Os autores relatam melhorias em relação a projetos publicados anteriormente.
Por que importa: O trabalho mostra uma aplicação da IA em um problema técnico com critérios verificáveis. O resultado é sobre o projeto dos circuitos; não demonstra, por si só, a execução de uma descoberta em um computador quântico físico.
Impacto prático: Para quem estuda ou encomenda código, interessa a combinação de pedido claro e teste. Uma resposta que parece correta precisa ser comparada com resultados esperados, não apenas lida.
Aplicação prática · Gestão

China abre consulta sobre controles de exportação de tecnologias de IA
O que aconteceu: Em 16/10, os ministérios chineses do Comércio e da Ciência e Tecnologia abriram consulta sobre a inclusão de tecnologias em um catálogo de exportações restritas. A proposta abrange áreas de IA, como grandes modelos de linguagem e agentes. As contribuições vão até 15/11/2026. O comunicado também estabelece pré-registro para exportação das tecnologias listadas, a partir de sua publicação.
Por que importa: Há duas etapas distintas: a mudança definitiva do catálogo ainda é proposta, enquanto o pré-registro já foi anunciado como exigência imediata. Não se trata de uma proibição geral de toda ferramenta chinesa.
Impacto prático: Empresas que dependem de modelos, licenças ou infraestrutura de fornecedores chineses precisam acompanhar o alcance final das medidas. O efeito depende da tecnologia e do tipo de transferência, não apenas do país de origem de um aplicativo.
Aplicação prática · Estudos

RAISE Hub reúne comunidade e recursos para aplicar IA à ciência
O que aconteceu: Em notícia de 16/10, a Euro-BioImaging apresentou o RAISE Hub, lançado no dia 15 em Dublin. A iniciativa piloto do projeto SCIANCE reúne um fórum de colaboração e um observatório para localizar organizações, projetos e recursos relacionados à IA na ciência.
Por que importa: A proposta enfrenta uma dificuldade prática: encontrar quem trabalha em um problema parecido e quais recursos já existem. O lançamento de um ponto de encontro não comprova resultados científicos nem garante financiamento ou computação gratuita.
Impacto prático: Pesquisadores e estudantes brasileiros podem consultar o hub para conhecer iniciativas e possíveis parceiros. Cada oportunidade tem condições próprias, que precisam ser verificadas antes de planejar participação.
Aplicação prática · Vida pessoal

Governo apresenta guia sobre IA na infância e adolescência
O que aconteceu: O MJSP e o MDHC divulgaram um guia para compreender o contato de crianças e adolescentes com a IA. O anúncio original do MJSP é de 15/10, às 18h54; a apresentação pública foi prevista para 16/10, data de nova divulgação pelo MDHC. O material organiza a discussão em quatro formas de uso: brinquedo, companhia, curadora e criadora.
Por que importa: A IA não aparece só quando alguém abre um chatbot: também pode participar de recomendações e experiências de entretenimento. O guia oferece uma referência para conversar sobre oportunidades, limites e proteção, sem substituir o acompanhamento dos responsáveis.
Impacto prático: Famílias e educadores podem usar o material para reconhecer como a IA entra na rotina e avaliar o que a criança está usando. Esta é uma retomada identificada do anúncio de 15/10, ligada à divulgação de 16/10.
Aplicação prática · Gestão

ANPD publica terceiro relatório de testes do sandbox de IA
O que aconteceu: A ANPD publicou em 16/10 o terceiro relatório parcial de monitoramento de seu sandbox regulatório de IA. O documento acompanha projetos nos setores financeiro, de mobilidade e de saúde, com análise de controles e testes em condições delimitadas.
Por que importa: Um ambiente acompanhado permite examinar riscos e pedir ajustes antes de ampliar o uso. Participar do sandbox não significa receber uma certificação de conformidade ou garantia de segurança para qualquer situação.
Impacto prático: Para empresas que avaliam fornecedores de IA, o relatório ajuda a formular perguntas sobre dados, testes e limites. Um resultado obtido em cenário simulado não deve ser apresentado como desempenho comprovado em toda operação real.
Teachable Machine: ensine a IA com exemplos, sem programar
O que é: Um experimento do Google Creative Lab para criar modelos simples de aprendizado de máquina no navegador. Você fornece exemplos e observa como o modelo classifica novos dados.
Principais funcionalidades: Permite treinar e testar modelos com imagens, sons ou poses, ajustar os exemplos e exportar o modelo para outros projetos. O treinamento ocorre no navegador. Salvar ou publicar um projeto envolve escolhas adicionais; confira antes de compartilhar.
Para quem é útil: Estudantes, educadores e pessoas curiosas que querem entender o aprendizado por exemplos. Também serve para uma atividade criativa em família, com acompanhamento adequado. É uma experiência educativa, não uma solução pronta para decisões importantes.
Onde acessar: Acesso pelo site oficial em um computador. A tela de treinamento orienta usar navegador compatível, como Chrome ou Safari. Não identificamos aplicativos oficiais próprios para Android ou iOS nas fontes consultadas; não é necessário procurar um app com nome parecido.
Gratuidade e planos pagos: Experimento gratuito no navegador. Não há plano pago anunciado nas páginas oficiais consultadas. Integrações ou serviços externos usados depois da exportação podem ter custos próprios. Gratuito não significa garantia de disponibilidade permanente ou de suporte comercial.
Fontes oficiais consultadas em 17/10/2026 para funcionalidades, acesso e condições. A gratuidade é descrita em material oficial do Google; nenhum plano pago foi encontrado. O treinamento completo não foi executado neste ambiente. Indicação de uso, não lançamento recente.
O que merece acompanhamento
A síntese da M•Furlani Consultoria para empresas, profissionais e a vida pessoal.
Aprender a usar também é aprender a conferir
Nossa leitura: experimente uma atividade pequena no Teachable Machine e observe onde o modelo erra. Revise o tempo de conferência nas tarefas do trabalho e os dados solicitados pelas ferramentas usadas em família. Acompanhe a consulta chinesa, a evolução do RAISE Hub e os testes da ANPD, sem tratar propostas ou cenários controlados como resultados gerais.
- Experimentar: ensinar um modelo com objetos e testar com imagens diferentes.
- Revisar: qualidade, retrabalho, dados e limites antes de ampliar o uso.
- Acompanhar: medidas de exportação, colaboração científica e evidências dos testes.
- Aprender fazendo: o artigo e o Tutor IA continuam em destaque para apoiar os próximos passos.
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.
