Bom dia. A edição de hoje costura três sinais fortes do momento: líderes de labs estão colocando prazos mais firmes para AGI, a infraestrutura física (data centers) virou disputa política local e global, e a “camada de produto” está migrando de apps para agentes dentro de chats — do investimento ao search.

Na edição de hoje:

• 🎙️ Demis Hassabis reforça janela para AGI e aponta lacunas técnicas
• 🧭 Jensen Huang contesta a ideia de “curso AI-proof” e fala de habilidades humanas
• ⚖️ Estudo de Stanford encontra disparidades raciais em ferramentas de triagem de candidatos
• 🏗️ Backlash contra IA ganha endereço: data centers viram linha de fratura política
• 🔎 A busca online “racha”: Google vira mais agente; startups constroem infraestrutura para agentes
• 💬 Co-Invest promete negociar ativos direto dentro do Claude ou ChatGPT

🎙️ Hassabis: AGI por volta de 2030, mas ainda falta “colar” peças fundamentais

Em uma conversa pública gravada durante o Google I/O, Demis Hassabis (CEO do Google DeepMind) voltou a defender que a AGI pode chegar por volta de 2030, com variação de cerca de um ano. Ao detalhar o porquê, ele não tratou a linha do tempo como inevitável: listou gargalos bem específicos — como consistência em longo prazo, memória mais robusta, aprendizado contínuo e compreensão mais fiel de “física do mundo” — que ainda impedem sistemas de se comportarem com confiabilidade fora de demonstrações controladas. No mesmo papo, ele conectou essa evolução a uma aposta direta em drug discovery, sugerindo que IA já está endurecendo prazos e prioridades em áreas como oncologia e imunologia, com a ambição de construir um “motor” capaz de acelerar tratamentos para várias classes de doença.

Detalhes

• O executivo descreveu quatro lacunas recorrentes: mundo físico (modelos com intuição de causalidade), memória, consistência e continual learning
• Em saúde, ele indicou foco inicial em câncer e imunologia, com a expectativa de ciclos mais curtos entre hipótese, experimento e candidato a fármaco
• Após AGI, ele disse que usaria IA para investigar questões mais fundamentais sobre a realidade e temas filosóficos ligados ao humano

A entrevista reforça uma visão: AGI pode estar “no trilho”, mas depende de resolver falhas de confiabilidade que hoje ainda aparecem quando modelos precisam sustentar contexto e decisões por muito tempo. Para ver o conteúdo completo, saiba mais.

🧭 Jensen Huang critica a busca por matérias “à prova de IA” e puxa o foco para craft

Em uma entrevista à CNA, Jensen Huang (CEO da Nvidia) argumentou que pais e estudantes estão caindo numa armadilha ao tentar adivinhar quais cursos seriam “AI-proof”. Para ele, a pergunta mais útil não é “o que a IA não vai substituir”, mas “como a IA pode elevar meu aprendizado e meu trabalho”. Huang usou jornalismo como exemplo de profissão em que a vantagem competitiva está menos no acesso à informação e mais na capacidade de ouvir, ajustar perguntas em tempo real, entender o público e construir narrativa — um conjunto de habilidades que continua raro mesmo com ferramentas cada vez mais poderosas. Ele também resgatou o conceito de wabi-sabi (a beleza da imperfeição), sugerindo que singularidade, julgamento e sensibilidade humana tendem a ganhar valor conforme a produção “perfeita” se comoditiza.

Detalhes

• Em vez de “blindagem”, Huang defende uma mentalidade de amplificação: usar IA como alavanca para aprender e produzir melhor
• O exemplo do jornalismo enfatiza escuta ativa, improviso e leitura de contexto como diferenciais em ambientes dinâmicos
• Ele chamou de “preguiçosa” a narrativa que atribui cortes imediatos de emprego à IA, embora o mercado já esteja reduzindo equipes em várias frentes

Mesmo que o debate sobre empregos esteja longe de consenso, a tese prática aqui é clara: a vantagem não está em fugir da IA, e sim em integrar IA ao seu repertório e dobrar a aposta em julgamento, criatividade e “taste”. Para a matéria completa, saiba mais.

⚖️ Stanford aponta disparidades raciais em triagem por IA em processos de contratação

Um estudo de Stanford analisou milhões de candidaturas e dados de múltiplos empregadores para avaliar o efeito de ferramentas de contratação baseadas em modelos. O achado central é duro: aparecem disparidades raciais “claras” em parte relevante das posições avaliadas, com candidatos negros e asiáticos sendo desproporcionalmente filtrados. Um ponto que torna o problema mais difícil de detectar é o reuso de modelos entre empresas: quando a mesma base de modelagem é compartilhada, a rejeição não é um evento isolado — ela pode se repetir em vários processos que dependem do mesmo mecanismo de triagem. Os autores também observam que os dados avaliados são de uma janela anterior ao boom atual de LLMs, e que ferramentas modernas podem operar de forma diferente, mas o alerta permanece: viés pode entrar por infraestrutura compartilhada e se propagar sem transparência para candidatos e até para as próprias empresas.

Detalhes

• Em dados por posição, uma fração significativa mostrou “adverse impact” contra candidatos negros e outra parte contra candidatos asiáticos
• O reuso de modelos entre empregadores cria um efeito de acoplamento: a mesma lógica de triagem se replica em empresas distintas
• Os pesquisadores destacam que resultados podem não generalizar para toda ferramenta moderna, mas evidenciam risco estrutural em “infra compartilhada”

A implicação é de governança: quando uma organização terceiriza triagem algorítmica, ela pode terceirizar também risco legal e reputacional — muitas vezes sem visibilidade suficiente para auditar o que está acontecendo. Para ler o estudo, saiba mais.

🏗️ Data centers viram o “endereço físico” do backlash contra IA

A reação pública à IA está deixando de ser abstrata e ganhando CEP: data centers. A discussão agora passa por terra, energia, água, incentivos fiscais, zoneamento, ruído e qualidade do ar — e isso puxa a IA para a política local do jeito mais direto possível. Um retrato dessa virada aparece em uma análise que conecta duas respostas institucionais: de um lado, autoridades americanas monitorando risco de radicalização e violência anti-tech; de outro, a Igreja Católica, que em um documento recente enquadra a IA como uma escolha civilizatória entre “Babel” (uniformidade, dominação e eficiência sem dignidade) e “Jerusalém” (reconstrução compartilhada e responsabilidade coletiva). A ideia central é que tecnologia não é neutra: incorpora valores de quem projeta, financia, regula e aplica — e, portanto, a disputa real é sobre quem recebe o upside e quem paga os custos.

Detalhes

• Data centers transformam IA em tema local: infraestrutura crítica com impactos em água, energia, impostos e convivência urbana
• Órgãos de segurança passaram a tratar protestos e tensão social como possíveis vetores de risco em torno da expansão da infraestrutura
• O argumento “Babel vs. Jerusalém” coloca legitimidade e participação (inclusive de trabalhadores e comunidades) como condições para aceitação social

Se antes a IA era debatida como software, agora ela está sendo votada, contestada e negociada como infraestrutura. Quem conseguir mostrar benefício compartilhado — e não só eficiência corporativa — tende a reduzir atrito e acelerar projetos. Para o texto completo, saiba mais.

🔎 Search está se dividindo: Google vira agente; startups constroem a camada “agent-first”

A busca online está entrando numa fase de fragmentação: em vez de você “googlar e caçar links”, o produto caminha para respostas compostas por agentes, com passos intermediários e execução de tarefas. A mudança ficou mais visível após o anúncio de uma reformulação grande da caixa de busca do Google, aproximando a experiência de um chatbot agentic. Ao mesmo tempo, startups estão apostando num mundo em que o usuário humano nem é o cliente principal: a infraestrutura de search seria consumida por agentes que navegam, coletam e sintetizam informações automaticamente. O movimento cria um dilema direto para o Google: agentes não clicam em anúncios do mesmo jeito que humanos — e a monetização da web, historicamente sustentada por cliques, pode ser pressionada justamente pelo formato de produto que mais melhora a experiência.

Detalhes

• A “caixa de busca” tende a virar uma interface de decisão e execução, não só de consulta
• Startups de infraestrutura miram fornecer search como API para agentes, competindo por baixo da camada de UI
• O risco para incumbentes é econômico: um internet “agent-first” reduz cliques e muda a lógica de ads

A disputa não é apenas por quem tem a melhor resposta, mas por quem controla o pipeline de coleta, verificação e síntese — e como isso se paga. Para entender o anúncio e o contexto, saiba mais.

💬 Co-Invest: trading “dentro do chat” com Claude ou ChatGPT

A Liquid anunciou o Co-Invest, um app que tenta colocar dados de mercado, análise assistida por IA e execução de ordens no mesmo fluxo — diretamente dentro de modelos como Claude ou ChatGPT. A proposta é reduzir o atrito entre pesquisar uma tese, discutir prós e contras com um assistente e, por fim, operar: em vez de copiar e colar informações entre corretoras e ferramentas, o usuário faria tudo em um diálogo único, com explicações e rastros do raciocínio. Como toda automação em finanças, o ponto sensível é o risco: análise gerada por IA pode soar convincente e ainda assim estar errada, então a utilidade real depende de checagem, controles e clareza sobre limites (inclusive regulatórios) do que o sistema recomenda versus do que ele executa.

Detalhes

• O produto promete unir ideação (teses), revisão de justificativas e execução de trades sem sair da conversa
• O ganho de UX vem da continuidade: contexto e objetivos ficam no chat, reduzindo alternância entre apps
• Atenção para risco operacional e de aconselhamento: decisões financeiras exigem validação e compreensão do usuário

A tendência de “apps virarem workflows dentro do chat” está acelerando, e finanças pode ser um dos testes mais difíceis — porque erro aqui custa dinheiro de verdade. Para ver o produto, saiba mais.

🧰 Dicas rápidas (ferramentas, papers e sinais do dia)

Uma seleção curada do que apareceu nas seções de ferramentas, quick hits e sinais sociais das newsletters analisadas, com links diretos (sem rastreamento).

Detalhes

• Perplexity Computer: agente em cloud para tarefas “hands-on”, com casos de uso como operação de loja (ex.: Shopify)
• Claude Code: agente de coding da Anthropic, incluindo opção de plugin de guidance para segurança
• Extend Parse 2.0: parsing de documentos via API pensado para workflows com agentes
• Pika: geração de vídeo a partir de ideias e prompts, com foco em clipes realistas
• Voker: analytics para observar, monitorar e otimizar agentes em produção
• Paper sobre “sleep” para LMs: proposta de consolidar contexto em memória antes de limpar cache, para melhorar estabilidade em tarefas longas
• Paper sobre o próximo gargalo de agentes: argumenta que o bottleneck está no sistema ao redor do modelo (memória, ferramentas, roteamento, verificação)
• OpenRouter capta US$ 113M: sinal de maturação do mercado de “roteamento de modelos” via uma única API

O fio condutor das dicas de hoje: agentes estão virando produto, e a infraestrutura de avaliação, observabilidade, memória e parsing está deixando de ser “nice to have”. Se quiser explorar o diretório de ferramentas citado em uma das newsletters, saiba mais.