Bom dia — e bem-vindo(a) à edição de hoje

Hoje a pauta gira em torno do “agentic shift”: assistentes que deixam de só responder e passam a executar, conectar dados e tomar decisões dentro de fluxos reais (bancos, impostos, infra, saúde e produtividade). Também tem sinais claros de como o mercado está reorganizando preço, compute e distribuição para dar conta dessa nova fase.

Na edição de hoje:

• Perplexity conecta o agente a contas bancárias e vira hub de finanças
• Perplexity lança desafio para criar startups com prêmio de US$ 1M
• Amazon revela números de receita em AI e defende capex bilionário
• Oxford usa AI para prever insuficiência cardíaca com anos de antecedência
• OpenAI cria plano de US$ 100/mês e amplia o “on-ramp” do Codex
• Google: atenção redobrada com AI Overviews e o risco de alucinações em escala

🏦 Perplexity conecta seu agente ao banco e mira finanças pessoais

A Perplexity lançou uma integração com a Plaid que permite conectar contas bancárias, cartões, empréstimos e até corretoras diretamente ao seu agente “Computer”, transformando o produto em um painel de finanças pessoais com visão consolidada (em modo somente leitura). Na prática, a empresa deixa de competir apenas com mecanismos de busca e passa a disputar espaço com apps de orçamento, controle patrimonial e, cada vez mais, serviços de impostos e planejamento financeiro.

O movimento se soma ao recurso de impostos nos EUA, no qual o agente consegue preencher formulários do IRS e revisar declarações preparadas por profissionais. A estratégia de “conectores + execução” reposiciona o Computer como camada de automação: em vez de você alternar entre apps, você descreve o que quer (ex.: “crie um plano de quitação de dívidas”) e o sistema gera dashboards e rotinas a partir dos seus dados reais.

• A rede da Plaid (milhares de instituições) alimenta o agente com dados de conta corrente, crédito, empréstimos e investimentos, exibidos para o usuário em visão consolidada.
• O Computer pode montar ferramentas sob demanda via prompts: orçamento mensal, acompanhamento de patrimônio, metas de aposentadoria e simulações de amortização de dívida.
• A Perplexity vem estendendo o agente para tarefas “de alto valor” e recorrentes, aproximando-se de produtos como Mint e TurboTax.

A Perplexity está trocando a narrativa de “busca com IA” por “assistente que opera sua vida financeira”, o que abre um mercado maior — e mais sensível em confiança e compliance. Para saber mais, leia em saiba mais.

🏁 Perplexity coloca US$ 1M na mesa para startups criadas com o Computer

A Perplexity anunciou o “Billion Dollar Build”, um desafio de oito semanas voltado a founders que queiram criar uma empresa com caminho plausível para valuation de US$ 1 bilhão usando o Perplexity Computer. A proposta não é só premiar protótipos: o programa tenta puxar a comunidade para construir algo operável, com distribuição e tração, usando um agente capaz de navegar tarefas e conectar serviços.

O pacote de prêmios inclui investimento seed e créditos de uso do próprio Computer, com seleção de finalistas que apresentarão ao vivo. É também um movimento de plataforma: ao incentivar casos reais, a Perplexity acelera o ecossistema de ferramentas e fluxos que dependem de seu agente, criando lock-in e aprendizado de campo sobre o que realmente funciona.

• Formato: 8 semanas de construção com foco em um negócio real e narrativa de escala, não apenas uma demo técnica.
• Premiação: US$ 1M em investimento seed + US$ 1M em créditos do Computer, distribuídos entre até 3 vencedores; há etapa de finalistas com pitch ao vivo.
• Objetivo implícito: estimular startups que provem o “agentic workflow” do Computer e gerem vitrine para o produto.

A disputa é uma aposta direta na ideia de que agentes com conectores podem virar infraestrutura de novas empresas — e não apenas um recurso de produtividade. Para saber mais, veja o anúncio em saiba mais.

🧾 Amazon abre números de receita em IA e defende capex de US$ 200B

Andy Jassy, CEO da Amazon, publicou sua carta anual aos acionistas trazendo, pela primeira vez, números explícitos de receita ligados à IA — e uma defesa direta do plano de investir cerca de US$ 200 bilhões em capex. O argumento central é que a demanda já está “contratada” por clientes e que a disputa da IA não se mede apenas por modelos, mas por oferta de compute, chips e infraestrutura operando em escala.

Entre os destaques, a AWS teria ultrapassado US$ 15 bilhões em receita anualizada em seu braço de IA, enquanto os chips e componentes customizados (como Trainium e Graviton) teriam passado de US$ 20 bilhões/ano. Jassy ainda sugeriu a possibilidade de vender racks desses chips para terceiros no futuro, sinalizando que a Amazon pode atuar também como fornecedora de “hardware de IA” além da nuvem.

• AWS: o negócio de IA teria atingido US$ 15B em receita anualizada, número que a empresa não costumava divulgar de forma explícita.
• Chips customizados: Trainium/Graviton/Nitro somariam mais de US$ 20B em receita anual, com possibilidade de venda direta a terceiros no futuro.
• Demanda: a carta menciona clientes tentando reservar grandes volumes de chips para 2026, reforçando o gargalo de oferta como tema estratégico.

A mensagem é clara: a corrida da IA também é uma corrida de supply chain, energia e data center — e a Amazon quer ser protagonista nessa camada. Para saber mais, leia a carta em saiba mais.

🫀 Oxford cria IA que sinaliza risco de insuficiência cardíaca anos antes

Pesquisadores da Universidade de Oxford apresentaram um sistema de IA capaz de detectar alterações sutis na gordura ao redor do coração em tomografias (CT) de rotina, associando esses padrões a inflamações e risco futuro de insuficiência cardíaca. A promessa é antecipar o problema em até cinco anos, permitindo intervenções mais cedo — quando ainda há mais espaço para prevenção e acompanhamento clínico.

Segundo os dados divulgados, o modelo alcançou cerca de 86% de acurácia em uma amostra grande (dezenas de milhares de pacientes). Em um grupo classificado como de maior risco, uma parcela relevante acabou desenvolvendo insuficiência cardíaca dentro de cinco anos, bem acima do grupo considerado “seguro” pelo sistema. Oxford disse que já trabalha para levar a tecnologia ao NHS (sistema público britânico) e ampliar o uso em CTs de tórax.

• A IA lê mudanças de “textura” na gordura epicárdica que podem ser invisíveis em avaliações humanas tradicionais.
• O sistema separa pacientes em faixas de risco, com forte diferença de incidência futura entre grupos “alto risco” e “baixo risco”.
• Plano de implementação: colaboração com reguladores e adoção em hospitais do NHS, com intenção de expandir para mais exames ao longo do tempo.

O ponto não é substituir cardiologistas, mas transformar exames já existentes em alertas precoces acionáveis, mudando o tratamento de reativo para preventivo. Para saber mais, acesse saiba mais.

💳 OpenAI cria plano de US$ 100/mês e amplia acesso “intermediário” ao Codex

A OpenAI adicionou um novo plano de assinatura em torno de US$ 100/mês, posicionando-o como uma opção para quem precisa de mais capacidade de uso do Codex do que o Plus, mas não quer (ou não precisa) ir direto ao topo. A mudança sugere que o “agentic coding” está virando um produto de uso diário e que a empresa quer capturar uma faixa maior de usuários que já começa a depender de automação para tarefas reais: editar arquivos, corrigir bugs leves, gerar scripts e montar ferramentas internas.

O desenho do portfólio também indica uma disputa por produtividade e tempo de execução: ao oferecer mais tarefas e limites mais altos, a OpenAI tenta reduzir o atrito para quem está testando agentes e, ao mesmo tempo, organizar a monetização em uma escada de preços (de grátis até tiers premium). No pano de fundo, permanece a tensão de compute e energia, com empresas ajustando limites, resets e ofertas para equilibrar demanda.

• O plano intermediário promete mais uso do Codex que o Plus, mantendo um tier superior para usuários com demanda ainda maior.
• A página de preços posiciona o plano como um pacote mais amplo de ChatGPT, com benefícios além de Codex, indicando integração crescente entre chat e execução.
• A estratégia cria um “on-ramp” mais gradual para indivíduos e times testarem automação antes de migrar para planos corporativos.

A leitura é que agentes de código estão deixando de ser nicho e virando uma camada de trabalho para profissionais não necessariamente “hardcore” de engenharia. Para saber mais, veja a página em saiba mais.

🔎 Google AI Overviews: o problema não é errar, é errar em escala

Um alerta importante sobre consumo de informação: mesmo que sistemas como os AI Overviews do Google aparentem alta taxa de acerto, o volume de buscas torna qualquer taxa de erro um problema gigantesco. Em um cenário de trilhões de pesquisas por ano, poucos pontos percentuais de alucinação ou síntese incorreta significam uma quantidade enorme de respostas erradas circulando com aparência de “resumo oficial”.

O risco aumenta porque esses resumos soam confiantes e muitas vezes citam fontes de qualidade variável, incluindo redes sociais e páginas que não sustentam a afirmação resumida. O resultado é uma mistura perigosa: velocidade e conveniência, com a possibilidade de desinformação altamente escalável. A recomendação prática permanece a mesma para trabalho e decisões: usar IA para acelerar a pesquisa, mas validar pontos críticos em fontes primárias.

• Taxas de acerto “altas” não garantem confiabilidade quando o denominador é gigantesco: erros viram um fenômeno massivo por hora.
• Falhas comuns incluem: confiar em fontes frágeis, apontar links que não comprovam a afirmação e gerar resumos factualmente incorretos.
• Conteúdo malicioso ou otimizado para enganar pode ser absorvido pelos sistemas e reaparecer como “fato” em linguagem institucional.

A conclusão é simples: IA é ótima para triagem e descoberta, mas decisões importantes exigem verificação — especialmente quando a resposta vem “pronta” e confiante. Para saber mais, leia em saiba mais.

🧰 Dicas e ferramentas (curadoria do dia)

Uma seleção enxuta do que vale clicar hoje: ferramentas em alta, lançamentos e leituras rápidas para aplicar no trabalho.

• Claude Cowork: agente desktop da Anthropic voltado a tarefas no computador, útil para fluxos repetitivos de produtividade.
• Perplexity Computer: conexões “agentic” para finanças e impostos, com foco em execução e dashboards sob demanda.
• Muse Spark: modelo multimodal com raciocínio e modo multi-agent divulgado pela Meta.
• Meow: infraestrutura para agentes abrirem contas bancárias e emitir cartões, mirando automação financeira programável.
• Poke: agente por mensagens (iMessage, SMS, Telegram, WhatsApp) para tarefas do dia a dia via texto.
• Google Finance Beta: perguntas sobre mercado com dados e gráficos em uma interface conversacional.
• Genspark para Microsoft Office: criação de slides, docs e análises dentro do Microsoft 365, com um fluxo mais “in-app”.
• Quantization (ngrok): explicação prática de como quantização pode reduzir tamanho e acelerar LLMs com baixo impacto de qualidade.

Essas dicas misturam “o que está em alta” com itens realmente aplicáveis para produtividade, pesquisa e engenharia de modelos. Para saber mais, abra os links acima.