Uma equipe de pesquisadores da Universidade de Minnesota, criou cápsulas microscópicas de DNA sintético que se alimentam, crescem e se multiplicam dentro de um tubo de ensaio. Batizadas de SpudCells, elas seriam as primeiras células criadas do zero capazes de crescer e se multiplicar. Ou, como diriam os cientistas, as primeiras estruturas artificiais a reproduzir o ciclo celular completo — crescimento, cópia do material genético e divisão em duas células-filhas. As informações são do The Guardian.
Em vez de alterar organismos já existentes, o grupo liderado pela pesquisadora Kate Adamala partiu do zero. A base das estruturas são lipossomos — esferas ocas, preenchidas por água, com poucos milésimos de milímetro de diâmetro —, às quais foi acrescentada uma pequena quantidade de DNA sintético responsável pelas funções básicas da célula.
O nome SpudCells remete ao satélite Sputnik e ao início da corrida espacial, mas tem um segundo motivo, mais pessoal: de acordo com Ademala, a bolha é "feita majoritariamente de batata" — fazendo referência ao uso do amido do legume para extrair os lipossomos; e o termo “spud” significa batata em polonês, língua natal da pesquisadora.
Para crescer, as SpudCells se fundem com lipossomos menores, chamados de "alimentadores", que carregam enzimas, outras moléculas e ribossomos, estruturas celulares que fabricam proteínas. É o genoma sintético dessas células que contém as instruções para copiar o próprio DNA e se dividir.
Os pesquisadores também testaram um princípio evolutivo básico dentro do experimento. De acordo com a publicação, os SpudCells com vantagem genética para crescer se espalharam mais rápido pela população, deixando as versões originais para trás — uma reprodução em miniatura da seleção natural.
Algumas barreiras a superar
Apesar do avanço, as SpudCells dependem inteiramente do caldo de nutrientes em que são mantidas. Elas não conseguem montar sua própria “fábrica” de produção de proteínas, regular o metabolismo ou eliminar resíduos. Além disso, ao se dividir, com frequência distribuem quantidades erradas de DNA entre as células-filhas, e a linhagem se esgota depois de poucas gerações.
Adamala reconhece que o resultado ainda está longe de uma célula natural. "Não é tão robusta, rápida ou eficiente quanto uma célula natural, mas é a prova de que moléculas podem reconstituir esse comportamento", disse a cientista ao Guardian.
Especialistas se dividem entre empolgação e ceticismo
Tom Ellis, professor do Imperial College London ouvido pelo jornal, classificou o estudo como o “maior avanço recente” na área, por oferecer um sistema totalmente compreendido para testar circuitos biológicos e modelos computacionais da vida celular.
Já o filósofo John Dupré, da Universidade de Exeter, questionou se as SpudCells seriam realmente mais eficientes do que bactérias modificadas para produzir remédios, alimentos e combustíveis. Para ele, falta a esses sistemas artificiais a dimensão relacional da vida — a constatação, cada vez mais aceita na biologia, de que organismos vivos dependem de relações simbióticas para existir.
Adamala e outros pesquisadores já lançaram uma organização chamada Biotic para reunir especialistas de diferentes países e aprimorar as SpudCells. Segundo Drew Endy, bioengenheiro da Universidade Stanford e cofundador da iniciativa, a meta é desenvolver o que ele descreve como um "sistema operacional para a vida", construído a partir de genes e bioquímica.

O avanço da inteligência artificial está redesenhando as expectativas das empresas e a remuneração no mercado de trabalho global. Segundo o relatório 2026 Global AI Jobs Barometer, da PwC, que analisou mais de 1 bilhão de anúncios de emprego em 27 países, as habilidades exigidas em cargos expostos à tecnologia mudaram 66% mais rápido do que no ano anterior.
O domínio dessas ferramentas também se tornou um diferencial financeiro, e profissionais com competências em IA recebem, em média, salários 62% superiores aos demais trabalhadores.
A pesquisa ainda aponta que a tecnologia não está apenas automatizando tarefas, mas gerando um ganho de produtividade 40% maior nas empresas mais expostas à IA. Nessas organizações, o crescimento do quadro de funcionários e dos salários também supera a média das companhias com menor adoção tecnológica.
Porém, essa transformação traz um desafio estrutural importante: o desaparecimento da curva tradicional de aprendizado para profissionais em início de carreira.
"Seniorização" dos juniores
Historicamente, profissionais juniores desenvolviam maturidade corporativa e julgamento crítico ao executar tarefas operacionais e repetitivas. Como a IA passou a absorver essas atividades, a "escada" tradicional de carreira está encurtando. O relatório levanta a questão de como as organizações formarão novos líderes se a base prática da aprendizagem está sendo automatizada.
A resposta do mercado tem sido a antecipação de competências. Vagas de entrada em setores expostos à IA têm hoje sete vezes mais chances de exigir habilidades tradicionalmente associadas a profissionais experientes, como pensamento estratégico, liderança motivacional e gestão de partes interessadas.
Esse fenômeno, chamado de "seniorização", reflete uma mudança nas funções de nível inicial: as posições de entrada que exigem tais competências cresceram 35% desde 2019, enquanto as vagas juniores convencionais registraram queda.
Caminho para o desenvolvimento de talentos
Para responder ao fim do modelo de aprendizagem lenta, o relatório sugere que as empresas reinventem seus programas de integração e mentoria. Em vez de focar apenas na execução técnica, o treinamento inicial deve acelerar o desenvolvimento de competências humanas intensivas. De acordo com o estudo, novas tarefas adicionadas aos cargos expostos à IA têm 2,5 vezes mais probabilidade de depender de empatia, criatividade e julgamento do que funções menos tecnológicas.
Essa mudança cria um mercado de trabalho de duas vias: as ocupações "profissionalizadas" pela IA, nas quais a tecnologia executa o trabalho básico e libera o humano para tarefas de alta especialização, crescem duas vezes mais rápido do que as funções "democratizadas", onde a IA assume a complexidade do trabalho.
A pesquisa conclui que, para os profissionais, a sobrevivência no mercado depende de aprender a comandar a IA como uma ferramenta parceira e desenvolver rapidamente as habilidades de liderança que o algoritmo não consegue replicar.

Estudo da OpenAI mostra que usuários de idiomas diferentes do inglês já são maioria no ChatGPT; espanhol, português e árabe lideram esse crescimento

Nunca tivemos tanto acesso à informação. Plataformas digitais, cursos online, comunidades especializadas e, mais recentemente, ferramentas de inteligência artificial colocaram conteúdos de alta qualidade ao alcance de milhões de pessoas. Ainda assim, empresas de diferentes setores continuam enfrentando dificuldades para encontrar profissionais qualificados.

À primeira vista, parece uma contradição. Se o acesso ao conhecimento nunca foi tão amplo, por que a escassez de talentos continua crescendo?

Parte da resposta está em uma mudança silenciosa que vem ocorrendo no mercado cada vez mais dominado por inteligência artificial. Durante décadas, as organizações estruturaram suas estratégias de crescimento com base na contratação de profissionais já preparados para atender às suas necessidades. Em um ambiente de mudanças mais graduais, esse modelo funcionava. Hoje, porém, a velocidade da inovação tornou essa lógica cada vez menos sustentável.

A pesquisa “Mercado de Trabalho Tech: Raio-X e Tendências”, realizada pela Ford em parceria com o Datafolha, mostra que 98% das empresas brasileiras enfrentam dificuldades para contratar profissionais de tecnologia. O dado chama atenção, mas talvez mostre algo mais relevante do que a simples falta de mão de obra especializada. Ele evidencia a dificuldade de desenvolver novas capacidades na mesma velocidade em que surgem as demandas.

A inteligência artificial tornou esse desafio mais visível, não porque esteja eliminando postos de trabalho, mas porque acelera a renovação das habilidades exigidas pelo mercado, gera novas funções e redefine a forma como as empresas operam. O conhecimento técnico continua sendo importante, mas deixou de ser suficiente por si só.

Neste novo contexto, estamos reescrevendo as skills do futuro dentro das organizações. O profissional preparado para os próximos anos precisará combinar adaptabilidade tecnológica, pensamento crítico, inteligência prática e fluência em IA. Isso significa aprender continuamente e evoluir junto com a tecnologia; questionar, analisar e tomar decisões considerando o contexto; transformar ideias em resultados concretos; e utilizar a inteligência artificial de forma estratégica, ética e responsável. Tudo isso exige humildade intelectual para aprender, desaprender e evoluir continuamente.

Essas competências são cada vez mais relevantes porque o desafio não está apenas em conhecer uma ferramenta, linguagem ou plataforma. Está em saber quando e como usá-las para resolver problemas reais. A IA amplia a capacidade de análise, execução e criação, mas depende de pessoas capazes de fazer boas perguntas, interpretar respostas, avaliar riscos e conectar tecnologia à estratégia do negócio.

Esse movimento também exige uma mudança de postura das lideranças. A discussão sobre talentos costuma ser tratada como um desafio de recrutamento. Na prática, trata-se de uma questão de competitividade. Empresas que não conseguem desenvolver novas capacidades internamente tendem a enfrentar mais dificuldades para capturar ganhos de produtividade, acelerar a inovação e responder às transformações do mercado.

Ao mesmo tempo, a inteligência artificial oferece uma resposta parcial para esse desafio. Pela primeira vez, ferramentas digitais permitem acelerar a qualificação profissional, adaptar conteúdos às necessidades de cada pessoa e ampliar o acesso à capacitação em escala. A mesma tecnologia que aumenta a demanda por novas habilidades pode ajudar a reduzir essa lacuna.

Essa responsabilidade não está apenas nas mãos das empresas. Os profissionais também contam hoje com recursos que até poucos anos atrás eram inacessíveis. Aprender uma nova habilidade, aprofundar conhecimentos técnicos ou explorar áreas diferentes tornou-se mais simples, mais rápido e, muitas vezes, mais acessível. Em muitos casos, a principal barreira já não é o acesso à informação, mas a disposição para incorporá-la à rotina de desenvolvimento profissional.

O debate sobre inteligência artificial costuma estar concentrado nas ferramentas. No entanto, a mudança mais relevante talvez esteja acontecendo em outro lugar. A tecnologia está alterando a forma como pessoas e organizações desenvolvem capacidades, compartilham conhecimento e geram valor.

Nos próximos anos, a vantagem competitiva não será determinada apenas pelo acesso às melhores tecnologias. Ela estará cada vez mais associada à capacidade de converter qualificação em produtividade, novas capacidades em inovação e talento em resultados concretos para os negócios. Empresas e profissionais que compreenderem esse movimento estarão mais preparados para sustentar seu crescimento em uma economia cada vez mais orientada por conhecimento, contexto e velocidade de adaptação.

Governo vai criar um Distrito de IA e Inovação, além de fazer novo aporte no Centro de Excelência em IA da Universidade Federal de Goiás
Por Agência O Globo
01/07/2026 10h55 Atualizado 01/07/2026 10h55


Goiás planeja construir Distrito de IA e Inovação; projeção do primeiro prédio, ainda sem data para entrega — Foto: Divulgação/Secti
O governo de Goiás anunciou duas iniciativas para tentar colocar o Estado na dianteira do desenvolvimento de inteligência artificial (IA) no Brasil, em um investimento total de R$ 300 milhões nos próximos cinco anos. A primeira é a criação de um Distrito de IA e Inovação na cidade, que pretende atrair empresas e centros de pesquisa, enquanto a segunda é um investimento de R$ 78 milhões no Centro de Excelência em IA (CEIA) da Universidade Federal de Goiás (UFG).

Ocupando uma área de 91 hectares no Setor Leste Universitário, a iniciativa busca criar um "grande aglomerado" de empresas, centros de pesquisa e startups em um território que favoreça a interação e a troca de conhecimento. A inspiração vem de outros polos globais de inovação, como Vale do Silício, Israel, Barcelona e Medellin. No Brasil, o Porto Digital, no Recife, serve como espelho — o polo pernambucano ajudou a criar o projeto goiano.

— A gente percebe um padrão. Todos os grandes polos mundiais são aglomerados: empresas e centros num território ali próximo, porque aí vai acontecer muita interação, troca, aprendizado. A gente quer se consolidar como um dos principais polos de IA do Brasil — afirma José Frederico Lyra Netto, secretário de Estado de Ciência, Tecnologia e Inovação.

Além de revitalizar a região da cidade e receber a sede física do CEIA, o governo do Estado pretende atrair empresas por meio de incentivos fiscais (o ISS em Goiânia para empresas de tecnologias foi reduzido de 5% para 2%) e subsídios diretos, que, em alguns casos, podem cobrir até 50% da contrapartida empresarial em projetos realizados dentro do distrito.

A Secretaria de Ciência, Tecnologia e Inovação (Secti) afirma que discute com a prefeitura de Goiânia também IPTU progressivo, isenção de ITBI, flexibilização de fachadas e possibilidades de verticalização acima dos 12m do plano diretor.

Como contrapartida, Netto afirma que todos os projetos deverão ser realizados fisicamente em Goiânia, o que, espera ele, pode resultar na oferta de empregos qualificados para profissionais da região e na retenção de talentos das universidades próximas.

O governo do Estado não terá participação direta em receitas futuras caso startups e projetos de grande empresas tenham sucesso a partir dos trabalhos realizados na cidade. No entanto, centros de pesquisa intermediários, como o CEIA, poderão ter seus próprios mecanismos de negociação de propriedade intelectual ou resultados.

Com isso, a primeira empresa a assinar um memorando de entendimento para instalação no distrito é a Semantix, empresa brasileira que já teve ações comercializadas na Nasdaq e que desenvolve soluções de IA para o mercado corporativo — atualmente, a companhia está instalada em Campinas, São Paulo. O governo goiano também diz que já apresentou o projeto para a AWS, da Amazon.

O projeto, porém, não prevê a construção de data centers ou foco em pesquisa básica — é uma abordagem diferente do projeto 'Rio AI City', que pretende investir US$ 65 bilhões para transformar o Rio de Janeiro no maior pólo de IA da América Latina e deve atrair a construção de data centers . O objetivo do distrito goiano é evoluir em IA aplicada, como afirma Netto:

— O nosso lugar é um lugar de aplicação e integração. A gente vai aplicar os modelos e vai integrar o que a gente tem. Eu não tenho bilhões de reais para ter data center ou para treinar modelos gigantes, mas eu consigo aplicar o que já existe.

Embora exista uma forte associação entre Goiás e o agronegócio, o distrito não prevê uma segmentação específica para a área. Por lá, a ideia é evoluir sistemas de IA para resolver problemas reais da gestão pública em áreas como educação, saúde e segurança, além de avanços em robótica e carros autônomos. Atualmente, o CEIA incuba a startup Synkar, que desenvolve veículos autônomos de pequeno porte para navegação em ambientes internos e externos.

Investimento no CEIA
Dos R$ 300 milhões, o CEIA fechou um novo convênio com o governo estadual de R$ 78 milhões, que deverá ser usado para renovar seu parque tecnológico, reter e atrair talentos em IA, incubar startups e desenvolver projetos educacionais no Estado. Segundo o governo goiano, o centro já atraiu cerca de R$ 500 milhões em investimentos privados, incluindo clientes como Google, Vivo, iFood, Volkswagen e TV Globo.

Quase metade do novo montante, R$ 40 milhões, será direcionado para a compra de novas GPUs da Nvidia. No ano passado, o centro já havia sido o primeiro do Brasil a receber os chips Blackwell B200, uma das linhas mais poderosas da companhia americana — neste ano, a instituição também adquiriu 31 unidades do DGX Spark, supercomputador portátil apresentado em março do ano passado.

O CEIA vai usar os novos recursos para investir em 2027 em chips com arquitetura Vera Rubin, que são otimizados para trabalho híbrido, capaz de realizar tanto o treinamento quanto a inferência de modelos de IA. Tradicionalmente, os chips costumam ter boa performance em apenas uma das tarefas, mas a Nvidia atingiu bom desempenho em ambas após integrar tecnologia da startup Groq, comprada em dezembro do ano passado por US$ 20 bilhões.

— Nosso objetivo não é treinar um LLM com trilhões de parâmetros. Nossa ideia é trabalhar com modelos open source e reduzi-los, perdendo o mínimo possível de acurácia. Vamos deixar modelos adequados para os nossos usos, usando fine-tuning e destilação para trabalhar com SLMs (small language models) — explica Telma Woerle Lima Soares, diretora do CEIA.

Parte dos R$ 40 milhões também será investida em um laboratório de mobilidade autônoma, o que parece ser uma contradição para quem mira investimentos eficientes — mesmo com rodadas massivas de investimentos, a última avaliada em US$ 16 bilhões, a Waymo, empresa “irmã do Google”, não conseguiu massificar carros autônomos. Telma, no entanto, afirma que o foco pode estar em veículos menores, como drones. Também afirma que o aprendizado por meio da tecnologia por ser aplicado em outras áreas:

— Por meio do carro autônomo, a gente desenvolve uma série de competências, que eu aplico em outras coisas. Por exemplo, fazer o edge AI, que é a IA para sistemas embarcados. Dado que isso é difícil para todo mundo, eu acho que é um jogo que a gente, como país, tem chance de jogar.

O restante do montante será usado em três frentes: acelerar até 40 startups e fomentar uma rede com até 100 empresas parceiras, capacitar 2 mil professores da educação básica do Estado como multiplicadores de conhecimento e atrair e reter talentos.

O CEIA sabe que não pode competir com os salários de grandes empresas de tecnologias, que disputam com força mão de obra especializada em IA, mas espera que o projeto possa ajudar a seduzir cientistas e engenheiros que estão nos EUA e na Europa e que miram além de ganhos financeiros.

— Nossa expectativa é buscar cientistas que tenham o desejo de voltar, seja por questões familiares ou outros motivos, e oferecer boas condições de trabalho. Teremos algum atrativo financeiro em algumas situações, não igual as internacionais mas ainda boas. E teremos um parque tecnológico pequeno, porém atualizado — explica Telma.

Assim, o CEIA tem como metas a produção de pelo menos 40 publicações científicas e a manutenção de mais de 130 bolsistas ativos simultaneamente. Serão desenvolvidos projetos específicos para Ciências da Vida (IA aplicada à saúde e biologia) e soluções para gargalos do setor público em áreas como saúde, educação e segurança.

Painel aconselha os países que estão atrasados ​​no desenvolvimento de IA a considerarem investimentos significativos em infraestrutura de computação e dados. Atrair esses recursos exige garantir um suprimento de energia confiável e construir centros de dados, observam os especialistas

Algoritmo desenvolvido pela Roche Diagnóstica elevou de 55% para 72% a detecção precoce de câncer de fígado, enquanto um programa interno de capacitação da Roche Farma treinou 100% dos colaboradores no Brasil em ferramentas como Gemini e NotebookLM

Desde 2005, Cerf atua como vice-presidente e evangelista-chefe da internet no Google. Durante uma participação por vídeo na conferência Open Frontier, organizada pelo Instituto Laude, Cerf foi homenageado por Dave Patterson, professor da Universidade da Califórnia em Berkeley, nos EUA, mais conhecido por ter co-desenvolvido a arquitetura de processadores RISC.

Depois de crescer no varejo online de peças, a startup Alephee, de origem argentina, avança sobre o bilionário mercado B2B e prevê adicionar novos serviços em busca de uma captação de US$ 15 milhões

Human annotators in Brazil, Cambodia, and the Philippines are tracking every movement in the football tournament for teams, broadcasters, and the betting industry.

Um total de 52 anos, nove meses e 16 dias, esse é o tempo que o brasileiro passa conectado à internet durante a vida. Considerando que a expectativa de vida média é de 76 anos no país, isso significa que ele fica 70% do tempo de sua existência conectado à rede.
As informações são de uma pesquisa realizada em abril deste ano pela NordVPN, aplicativo de privacidade e segurança digital. A empresa já havia realizado o mesmo levantamento em 2022, e o tempo médio dos brasileiros na internet era de 41 anos, três meses e 13 dias —ou seja, em quatro anos, o aumento de conexão foi de mais de 11 anos. Outro fator novo nessa equação é a inserção da IA (Inteligência Artificial) no cotidiano da população.
Das 116 horas semanais que o cidadão passa conectado à internet, aproximadamente 42 horas dessa atividade estão associadas ao consumo de entretenimento, aponta o estudo.
Além do tempo dedicado a chats de IA, 32% dos entrevistados afirmaram já considerar que essas ferramentas fazem parte de sua rotina, e 42% disseram que a tecnologia melhorou sua experiência online.
Gabriel Souza, 34, diz que as plataformas de IA têm ajudado a resolver tarefas do dia a dia, facilitado buscas em sites e auxiliado a acompanhar a evolução em sua rotina de atividades físicas. "Neste ano, fiz a declaração do Imposto de Renda com auxílio da IA, e ela foi me ajudando a tirar dúvidas, lançar gastos e categorizar as informações", diz. Os robôs também se tornaram aliados nas atividades físicas, afirma, para calibrar treinos.
Diogo Cortiz, professor de IA na PUC-SP e doutor em antropologia digital pela Universidade Sorbonne, diz que a IA passou a integrar o entretenimento do brasileiro em razão da evolução de sua linguagem. Segundo ele, as pessoas conversam com a IA como se estivessem diante de uma pessoa, e com a possibilidade de interagir em português e de usar comandos de voz para falar e para ouvir a tecnologia tornam essa interação mais natural.
"Se a pessoa tem uma dúvida sobre algo, ela pode ir ao Google, mas a busca tende a ser mais demorada, já as pesquisas feitas com IA trazem a informação de forma resumida. Além disso, há um fator muito importante, que é o diálogo, a pessoa pode fazer uma pergunta adicional, e o que é uma dúvida simples se transforma em uma conversa", diz Cortiz.
De acordo com o professor, isso muda radicalmente a forma como as pessoas buscam informação, produzem conteúdo e até resolvem problemas cotidianos. "Preciso pedir um aumento ao meu chefe, como faço essa primeira abordagem? Vamos para a tecnologia. Briguei com meu cônjuge, como conduzo essa situação agora? A IA também responde", afirma.
Para Marijus Briedis, diretor de tecnologia da NordVPN, a abordagem sobre segurança precisa evoluir. O estudo mostra que 82% dos brasileiros já divulgaram seu nome completo online, 78% compartilharam sua data de nascimento e 63% forneceram seu endereço residencial a diferentes plataformas digitais.
"Proteger-se já não significa apenas criar senhas fortes, mas sim compreender como nossos dados são coletados, utilizados e processados pelos sistemas de IA com os quais interagimos todos os dias", diz Briedis.
Segundo Cortiz, as redes sociais coletam informações por meio de sinais comportamentais —como curtidas em postagens sobre determinado assunto, vídeos compartilhados ou comentários— mas, no campo da IA, essas informações se tornam muito mais evidentes.
"Estamos falando de informações explícitas pois hoje posso dizer a tecnologia, por exemplo, que estou triste por tal motivo. Ou seja, estou compartilhando toda a minha intimidade, e a partir disso a IA consegue entender muito melhor meu perfil", afirma Cortiz.
O docente diz que isso se torna uma verdadeira mina de ouro para as empresas coletarem dados.
De acordo com a pesquisa, 37% dos brasileiros entrevistados afirmam temer que seus dados pessoais já estejam disponíveis online sem que saibam. Além disso, 21% dizem já ter compartilhado informações pessoais online e se arrependido depois.
Andreia Schmidt, professora de psicologia da USP e conselheira da SBP (Sociedade Brasileira de Psicologia), afirma que a pandemia teve um efeito importante na forma como as pessoas passaram a confiar seus dados a ferramentas online e também no tempo que permanecem conectadas. Segundo a especialista, o conforto e a praticidade proporcionados pelo mundo digital fazem com que esse tempo de conexão seja cada vez maior.
"Essas ferramentas resolvem questionamentos em segundos e tarefas do cotidiano a partir de um único comando, algo impensável há poucos anos", diz Schmidt.
A especialista pondera que o excesso de tempo online pode ser preocupante. "Os seres humanos evoluíram de forma a necessitar de contato social para desenvolver habilidades cruciais ao atendimento das demandas sociais. Em um mundo em que crianças e adultos passam horas diante de uma tela de celular ou de TV, o desenvolvimento dessas habilidades é muito prejudicado" afirma.
Schmidt diz que é necessário questionar como uma geração de crianças vai lidar com as demandas sociais do mundo não virtual, e como adultos que passam horas em frente a uma tela vão conseguir oferecer a elas o ambiente social necessário para desenvolver essas habilidades. Segundo a psicóloga, ainda não há respostas para essas perguntas, já que as mudanças estão em curso.
A especialista afirma que a questão central não está na quantidade de tempo que as pessoas passam com os chatbots, mas na qualidade. "Em um mundo em que as pessoas estão cada vez mais distantes umas das outras, afinal, passar mais de oito horas por dia diante de uma tela é um fator de afastamento social, a questão que se coloca é se esse contato com a tecnologia pode imitar relacionamentos humanos, ou se representa uma distração perigosa em relação a conexões genuínas", afirma Schmidt.

Um aspecto que orbitou o campo da inteligência artificial (IA) desde o boom do ChatGPT é a aura de "tecnologia mágica", algo que surgiu quase espontaneamente e que carrega promessas e preocupações tão grandiosas e inevitáveis quanto a ficção científica pode imaginar.

Não é como a jornalista americana Karen Hao enxerga o campo. Para ela, trata-se de um projeto com traços de um império, que consome recursos globais de maneira avassaladora para favorecer uma minúscula elite do Vale do Silício, nos EUA. Em suas pesquisas, ela concluiu que a IA não é compatível com a democracia. E defendeu isso em um livro que chamou a atenção no ano passado.

Ela é autora de "O Império da IA" (Editora Rocco, R$ 99,90) que conta em detalhes a história da companhia cofundada por seu atual CEO, Sam Altman. A obra ganhou recentemente uma versão em português.

A visão dela vem de uma posição única: ex-editora de IA do MIT Technology Review e repórter do Wall Street Journal, Hao acompanhou de perto o surgimento e a ascensão da OpenAI, que, em poucos anos, deixou de ser um laboratório sem fins lucrativos para se tornar uma companhia que atualmente persegue um IPO de US$ 1 trilhão.

A obra mapeia todos os nomes, empresas, tecnologias, dilemas e problemas mais importantes da área, e serve como um guia para entender como uma tecnologia que parecia papo de filme se tornou um dos principais catalisadores de influência política, econômica, cultural e comportamental das últimas décadas.

Hao está no Brasil, onde participa nesta terça (30), do evento que antecede o 21º Congresso Internacional de Jornalismo Investigativo da Associação Brasileira de Jornalismo Investigativo. A palestra acontece a partir das 16h no Centro Cultural Camargo Guarnieri, na Cidade Universitária da Universidade de São Paulo (USP), e é promovido pela Abraji, pela Editora Rocco e o pelo GEIA (Grupo de Pesquisa em IA e Culturas Digitais), da Escola de Comunicação e Artes, da USP.

Ontem, ela recebeu o GLOBO em um hotel na Zona Oeste de São Paulo e, além de falar do livro, discutiu alguns dos temas mais recentes do universo da IA. Entre eles está a legislação de data centers, a posição da OpenAI no mercado, o fortalecimento da Anthropic, a proibição do governo americano a modelos avançados, a encíclica papal, a ausência de diversidade nas pesquisas de IA e o papel de influência global de empresas do Vale do Silício.

Leia a seguir os melhores momentos da conversa.

Ao longo do livro, Sam Altman, e as pessoas ao redor dele, falam como se tudo sobre a IA fosse inevitável e a senhora rebate isso. Existe algo sobre a IA que seja realmente inevitável?

Não acho que nada seja inevitável em geral, mas quando se trata de IA, uma das coisas que eu realmente tentei destacar no livro é o quanto cada decisão envolvida sobre ChatGPT foi baseada em escolhas completamente subjetivas. E é interessante quando você olha para o início da OpenAI.

A abordagem que eles adotaram de escalar seus LLMs era algo visto como cientificamente anômalo na época. Eles adotaram uma abordagem de força bruta, intelectualmente barata, que não era o caminho predominante de outros pesquisadores na área. E foi em parte porque eles tinham uma quantidade extraordinária de dinheiro que conseguiram tornar a abordagem deles a abordagem dominante. Então, como se pode dizer que uma tecnologia que surgiu desse tipo de história seja de alguma forma inevitável?

De que maneiras a IA prejudica a democracia?

Eu chamo essas empresas, como a OpenAI, de impérios da IA por causa dos paralelos marcantes que elas têm com os impérios do passado e como acumulam uma quantidade extraordinária de poder econômico e político.

Isso acontece por meio da desapropriação da maioria. Elas desapropriam as pessoas de seus dados, de suas terras — para hospedar esses data centers —, de recursos hídricos — para alimentar e resfriar esses data centers —, do trabalho das pessoas, de oportunidades econômicas futuras, de oportunidades educacionais.

E é por isso que o império consegue obter uma quantidade extraordinária de valor tão rapidamente: ele o extrai e não o distribui proporcionalmente de volta. E a razão pela qual acho que isso ameaça a democracia é porque impérios e democracia são incompatíveis.

O império se baseia na ideia de que existe uma hierarquia natural no mundo, de que existem grupos superiores e grupos inferiores, e as pessoas no topo do império merecem estar lá e merecem se apoderar de todos esses recursos por causa de algum direito divino ou ordem natural. Enquanto a democracia se baseia na premissa exatamente oposta. É a ideia de que somos todos iguais e todos merecemos participar coletivamente da autodeterminação do nosso futuro. E assim, apenas filosoficamente, há oposição completa entre a ideologia que guia o desenvolvimento da indústria de IA e a maneira como as sociedades democráticas se organizaram.


Livro de Karen Hao conta os bastidores da fundação e ascensão da OpenAI — Foto: Editora Rocco/Divulgação
O Brasil está trabalhando em uma legislação para atrair data centers. Portanto, ao oferecer energia renovável barata e incentivos fiscais, o país está se colocando como uma “colônia digital”, como você descreve no livro. O que o Brasil pode aprender com países como o Chile, que receberam e rejeitaram data centers?

Uma coisa notável que vimos acontecer no último ano é o surgimento da resistência contra data centers em todo o mundo. Começou na América Latina, em lugares como o Chile, e se espalhou por EUA, Europa e Brasil. Esse tipo de organização de base está realmente começando a pressionar a indústria da IA a mudar sua abordagem.

Por exemplo, a OpenAI cancelou o (gerador de vídeos de IA) Sora. Quando anunciaram esse produto, eles a enquadraram como o segundo lançamento mais importante desde o ChatGPT e, em poucos meses, tiveram que cancelar. E o motivo é a organização de base. Quando você olha para as três razões que foram relatadas para a OpenAI tomar essa decisão, a primeira foi que eles tinham um enorme gargalo no poder computacional.

A segunda razão foi a estagnação da demanda dos consumidores. Portanto, trata-se de uma ação coletiva dos consumidores. E a terceira é que a OpenAI está tentando se preparar para o IPO e está enfrentando um cenário financeiro muito mais incerto. Cada vez mais, Wall Street tem dúvidas sobre se a indústria de IA pode, de fato, cumprir as promessas que fez, dado o enorme retrocesso político e social que está acontecendo.

É disso que o Brasil pode tirar proveito: reconhecer que, quando há esse tipo de organização de base, esse tipo de resistência, seja contra a infraestrutura, seja contra a forma como eles pegam seus dados ou sua propriedade intelectual, ou sejam os danos psicológicos que causam nas crianças, isso tem um efeito na trajetória do desenvolvimento da IA.

O governo dos EUA está deixando muito claro que determina quem tem acesso à tecnologia mais moderna, como no caso do Claude Fable. O que os países deveriam fazer para preservar a soberania e ainda acompanhar os avanços mais recentes?

Há uma grande questão aqui sobre por que realmente queremos acompanhar as tecnologias mais recentes. Se essas tecnologias mais recentes são as mesmas que estão explorando e extraindo recursos de comunidades em todo o mundo, é algo bom acompanhar? Ou deveríamos, na verdade, reformular o problema sobre quais são as regras do jogo? Se fôssemos redefinir os objetivos, não apenas para buscar o que há de mais recente, mas para buscar os objetivos de cada comunidade — seja melhorando o custo de vida, melhorando a qualidade da educação e da saúde, melhorando suas oportunidades econômicas —, você rapidamente perceberá que não precisamos de nenhuma das tecnologias de IA que o Vale do Silício está tentando empurrar goela abaixo das pessoas.

Há um conjunto completamente diferente de tecnologias de IA que deveríamos, de fato, estar desenvolvendo. E, nesse caso, há muitas maneiras diferentes de desenvolver essas tecnologias sem se envolver nas práticas exploratórias do Vale do Silício. E isso ajudaria a comunidade a continuar progredindo no verdadeiro sentido da palavra, não apenas o progresso tecnológico pelo progresso tecnológico, mas o progresso humano, social e econômico.

Atualmente, a OpenAI está espremida entre a Anthropic, que tem a plataforma mais popular no momento, e a SpaceX, que potencialmente tem a capacidade de construir sua própria infraestrutura. Essas são duas coisas que não vejo acontecendo com a OpenAI. O império vai cair?

Se definirmos o império da IA apenas como a OpenAI, então sim. Há muita pressão agora sobre a OpenAI, e não parece que ela esteja em uma posição muito forte. Mas acho que a pergunta mais importante é: os impérios, no plural, da IA vão cair? E também estou muito esperançosa nesse sentido, porque defino OpenAI, Anthropic, SpaceX, Amazon, Microsoft, Google e Meta como impérios da IA. Fazer com que a OpenAI deixe de ser um império, mas que a Anthropic ocupe seu lugar, não resolveria de fato o problema central do que vejo na natureza destrutiva e exploratória do desenvolvimento da IA.

O que espero que aconteça não é que continuemos apenas trocando quem é o império dominante, mas sim que, por meio de toda essa organização de base, por meio dessa resistência, consigamos uma responsabilidade real de todos os impérios — que todas essas empresas acabem deixando de ser impérios e se tornem apenas empresas que oferecem um valor equivalente pelo que recebem em troca. Meu objetivo não é fazer com que todas essas empresas deixem de existir. É apenas trazê-las de volta ao papel de empresas que não sejam extremamente exploratórias e que não degradem o nosso meio ambiente. Podemos ter empresas que apenas forneçam produtos e serviços de boa qualidade sem também causar uma quantidade extraordinária de danos.

Qual é a sua opinião sobre a postura de Dario Amodei de persistentemente alertar para os problemas da IA ao mesmo tempo em que a Anthropic continua lançando novos produtos?

Eu não acho que o Dario tenha dito alguma vez que deveríamos pausar a IA. Ele é de um grupo específico que acredita que existem riscos catastróficos potenciais, até mesmo existenciais, que podem surgir com o avanço das tecnologias de IA, se esse avanço for feito pelas pessoas erradas. E ele define “pessoas erradas” como qualquer um que não seja ele. Então, ele vem dessa ideologia de que se ele, Dario Amodei, e a sua empresa avançarem mais rápido do que qualquer outra pessoa, então os padrões que utilizam para avançar estes sistemas terão uma espécie de atração gravitacional sobre todo o desenvolvimento da IA, estabelecerão os padrões e, em seguida, serão capazes de elevar a qualidade e a responsabilidade do desenvolvimento da IA em todo o mundo.

Essa abordagem é incrivelmente circular e desconcertante, porque quando você olha para o que a Anthropic está fazendo, é praticamente a mesma coisa que a OpenAI. Dario Amodei e os executivos da Anthropic deixaram a OpenAI, copiaram e colaram, e apenas se repaginaram como os "mocinhos", sem realmente atingir a verdadeira raiz dos problemas. Tanto a OpenAI quanto a Anthropic abordam a IA por meio da escala, e assim você ainda se depara com os mesmos problemas de danos à privacidade de dados, degradação da propriedade intelectual, danos ambientais e danos à saúde pública. Portanto, eles estão apenas fazendo pequenos ajustes e dizendo "é por isso que somos moralmente superiores", quando, na verdade, são apenas outro império.

O que a senhora acha do fato de o Papa se apoiar em alguém da Anthropic para ajudar a apresentar sua encíclica, Magnifica Humanitas? Leão XIV alertou sobre a ameaça que a IA representa para a dignidade humana, para a justiça e para o trabalho, mas tinha alguém de uma empresa com ele.

Esse foi um momento muito confuso para mim, porque achei a encíclica um documento incrivelmente profundo e muito bem escrito. Ela fala sobre como a IA é uma nova fase do colonialismo e como está perpetuando a exploração do trabalho a ponto de potencialmente dar origem a novas formas de escravidão, e fala sobre as formas como a indústria da IA está avançando com base em uma ideologia que supõe que as máquinas serão sempre melhores do que os humanos e que, de alguma forma, aperfeiçoarão as falhas da espécie humana. E uma das minhas falas favoritas diz: "nós florescemos dentro de nossas limitações, não apesar de nossas limitações". Mas aí, você tem esse esse executivo da Anthropic, Chris Olah, que está lado a lado com o Papa.

Inicialmente, fiquei bastante desapontada e pensei: “ok, até o Vaticano, a Igreja Católica, de certa forma se rendeu a essas empresas”. Mas quando o Olah falou, ele enquadrou o documento como uma crítica. Ele não disse "apoiamos totalmente este documento". Ele, na verdade, disse: "Precisamos de críticos como o Papa para responsabilizar empresas como a Anthropic". Então, ele tratou como uma dinâmica de oposição.

Por um lado, a Anthropic está tentando trazer o Vaticano para mais perto de sua esfera de poder e influência, mas, ao mesmo tempo, o Vaticano está tentando fazer o mesmo, colocando a indústria da IA na linha. Não está muito claro quem realmente ganhou mais com esse arranjo. Foi a indústria da IA ou foi o Papa? No final, talvez o Papa tenha conseguido dar a última palavra.

A inteligência artificial geral (AGI) é uma mentira? Por que não se fala mais disso com a mesma intensidade?

É um mito, no sentido de que é uma história incrivelmente convincente na qual muitas pessoas acreditam, e que também serve a uma enorme utilidade política para essas empresas justificarem toda a destruição que promovem. Se elas conseguirem fazer com que todos acreditem que existe, de alguma forma, uma AGI, então elas podem simplesmente continuar fazendo o que quiserem. Mas a realidade bateu à porta e os mitos só funcionam em vácuos de informação. Quanto mais a IA é implantada na sociedade, mais as comunidades sofrem com o impacto do desenvolvimento dessa tecnologia, mais esse vácuo de informação é preenchido com fatos reais sobre o que essa tecnologia realmente representa, e mais esse mito começa a desmoronar.

A senhora argumenta que o campo científico da IA perdeu transparência e diversidade de pesquisa com a ascensão da IA generativa. Como é possível recuperar isso?

A razão pela qual tanta diversidade entrou em colapso é que a indústria de IA se tornou a financiadora dominante, mesmo fora das empresas. Eles são os financiadores dominantes dos laboratórios acadêmicos, enquanto o financiamento estatal representa uma fração menor do financiamento.

É preciso algumas coisas para mudar isso. Uma delas são pessoas que têm visões alternativas sobre desenvolvimento de IA, que não aceitem financiamento dessas empresas. E também serão necessárias novas fontes de recursos, que podem unir financiamento estatal, financiamento de fundações e, talvez, até financiamento coletivo. Será preciso também uma constelação mais rica de startups. Isso vai levar tempo.

Replantar a diversidade que foi destruída vai exigir muito esforço cuidadoso e também muito sacrifício, porque há pesquisadores de IA e outros talentos que terão que escolher ativamente, nos primeiros anos de carreira, abrir mão do pacote de remuneração de US$ 1 milhão para investir em uma abordagem diferente de desenvolvimento de IA.

Há alguma área específica da IA na qual a senhora gostaria de ver mais pesquisas que vão além do deep learning/machine learning e da IA generativa?

Antes de o deep learning se tornar o foco principal de praticamente todo o desenvolvimento de IA, havia um campo chamado IA neurossimbólica. Esse grupo codificava conhecimento e bancos de dados em sistemas de computador para que se pudesse ter um sistema mais determinístico, que recuperasse esse conhecimento e raciocinasse por meio do banco de dados para chegar a certos tipos de respostas. Essa abordagem tinha seus pontos fracos e acabou ficando de lado porque era muito lenta e cara. Mas a corrente neurossimbólica funde os pontos fortes do deep learning com os pontos fortes da abordagem simbólica. Ela permite que um sistema aprenda rapidamente a partir de dados, como se faz com o deep learning, mas também defina certas regras básicas que não precisam ser aprendidas. Nós já sabemos que 1 mais 1 é igual a 2, então não precisamos alimentar o sistema com uma quantidade enorme de dados mostrando isso. Essa é parte da razão pela qual esses sistemas de deep learning são tão ineficientes. Eles meio que reinventam a roda toda a vez. Então, me interessa ver mais sobre IA neurossimbólica.

Mas, dentro do deep learning, havia outras vertentes interessantes para tornar os sistemas mais eficientes, consumindo menos dados e poder computacional. Então, acho que há bastante pesquisa que pode ser feita tanto dentro quanto fora do paradigma atual para apenas explorar que tipos de novas técnicas, novas metodologias podemos usar para obter as capacidades que desejaríamos desses sistemas sem uma cadeia extrativista.

E a última coisa que eu acrescentaria é que não se trata apenas de como conseguimos sistemas melhores, mas também do que estamos definindo como o objetivo final. A indústria já há algum tempo define isso como replicar a inteligência humana. Eu não acho que esse seja o objetivo certo. O objetivo do desenvolvimento tecnológico é complementar o que não podemos fazer, não substituir o que podemos fazer. Quando tivemos os primeiros computadores e calculadoras, parte da razão pela qual isso foi ótimo é porque os humanos não conseguem calcular números tão rápido quanto os computadores. Então, transferimos esse trabalho para o computador, mas há tantas outras coisas que os humanos podem fazer que jamais seríamos capazes de transferir para uma máquina. Por que não focar apenas no desenvolvimento de sistemas de IA voltados para as coisas que nunca conseguiríamos fazer, em vez de tentar nos superar em todas as formas?

A senhora usa ferramentas de IA? Quais e para quê?

Eu não uso ferramentas comerciais de IA generativa. Não uso o ChatGPT, o Claude, o Gemini, nenhum deles, e há três razões. Primeiro, porque eu investigo essas empresas e, portanto, de uma perspectiva ética, não quero participar da perpetuação das cadeias prejudiciais em que elas se envolvem. Segundo, por motivos de privacidade. Eu investigo essas empresas, então não quero dar todos os meus dados para elas. E terceiro, porque acho que, em última análise, os pontos fortes do meu trabalho são simplesmente incompatíveis com o que eu obteria de uma ferramenta de IA generativa.

Mas eu uso ferramentas de IA especializadas. Por exemplo, uma das coisas que eu queria fazer com o meu livro era detalhar como a OpenAI passou a estar mais capitalizada depois que passou de uma organização sem fins lucrativos para um empreendimento financiado pela Microsoft, e notei que eles tiveram uma enorme melhoria em seu mobiliário.

As cadeiras do escritório que visitei em comparação com as cadeiras que tinham no escritório seguinte eram simplesmente muito diferentes. Então, tirei fotos de cada uma das cadeiras e passei por uma pesquisa de imagem do Google, que é uma ferramenta de IA especializada que não está tentando gerar nada, não está consumindo todos esses recursos para realizar essa tarefa. E descobri que, na verdade, as cadeiras do escritório antigo custavam US$ 2 mil cada, e as cadeiras do escritório mais novo eram, na verdade, de um designer brasileiro famoso, custando US$ 10 mil a cadeira. Então adicionei isso ao livro e senti que isso ajuda a ilustrar esse ponto.

Complexo de data centers da ByteDance no Ceará, desenvolvido pela Omnia, tem custo estimado em R$ 200 bilhões e mira expansão global da IA; projeto enfrenta resistência de comunidades locais

Pesquisa mostra aumento no uso da tecnologia no trabalho e redução da preocupação com substituição por inteligência artificial em relação ao ano passado

A adoção de inteligência artificial por parte das empresas está sobrecarregando o trabalho dos gerentes. É o que aponta um novo estudo publicado pela Harvard Business Review, baseado em 18 entrevistas semiestruturadas com sócios, gerentes e consultores juniores de duas grandes consultorias cujos nomes não foram revelados.
Em vez de medir a opinião geral sobre IA, as pesquisadoras Julia Shin e Sandra J. Sucher perguntaram a profissionais de cada nível hierárquico como estavam de fato usando as ferramentas no trabalho e onde surgiam os atritos. O padrão que emergiu das respostas indica que o ponto de pressão recai justamente sobre quem está no meio da hierarquia.
Um dia na pele de uma gerente
Para ilustrar o achado, Shin e Sucher descrevem um retrato composto, construído a partir das entrevistas, de uma gerente típica de consultoria:
Ela começa o dia estudando técnicas de prompt antes mesmo de o time entrar on-line.
Em seguida, enfrenta reuniões com clientes que perguntam como a IA está sendo usada na entrega do projeto.
No meio do expediente, revisa entregas geradas por IA em busca de erros, orienta um analista júnior que nunca montou um relatório do zero e tenta decifrar o que um sócio quer dizer ao pedir um memorando "aprimorado por IA".
Ao final do dia, documenta o que funcionou, para que a equipe consiga reaproveitar o aprendizado depois.
Segundo as autoras, esse perfil não é uma exceção dentro das firmas pesquisadas. A pesquisa se concentrou em consultoria, mas Shin e Sucher argumentam que o padrão identificado — gestores presos entre a ambição dos executivos e a realidade operacional do dia a dia, com pouco suporte formal — deve ser familiar a líderes de outros setores que dependem fortemente de conhecimento especializado.
Acumulando funções
Dados citados pelas autoras mostram que 88% das organizações já usam IA em pelo menos uma função de negócio, mas apenas cerca de um quarto delas desenvolveu as capacidades necessárias para gerar valor concreto além dos pilotos iniciais.
Uma pesquisa da consultoria McKinsey, citada no estudo, aponta o redesenho dos fluxos de trabalho — e não a sofisticação da tecnologia em si — como o principal fator que explica o impacto da IA dentro das empresas. É essa lacuna que, segundo Shin e Sucher, ajuda a entender por que a gerência intermediária se tornou o gargalo.
Por um lado, no topo da hierarquia, os sócios das consultorias estudadas têm explorado o potencial estratégico da IA: ampliam o escopo dos projetos, aceleram entregas com equipes mais enxutas e reformulam serviços.
Enquanto isso, na base, os consultores juniores relatam ganhos de produtividade expressivos. Pesquisas de levantamento de dados que antes levavam dias agora tomam 30 minutos, e análises que consumiam semanas passam a ser concluídas em horas. Livres das tarefas mais mecânicas, eles têm participado de sínteses estratégicas e de entrevistas de descoberta em etapas da carreira muito mais precoces do que em gerações anteriores.
O problema, segundo o estudo, é que os ganhos de eficiência na ponta e as ambições estratégicas no topo convergem para o gerente. Ele é quem fica responsável por identificar o "workslop" (conteúdo gerado por IA com aparência profissional, mas sem substância real, incapaz de fazer a tarefa avançar), validar resultados de IA, identificar erros, treinar a equipe em ferramentas e em princípios básicos do trabalho e ainda manter o padrão de qualidade.
A pesquisa de Shin e Sucher revelou três formas pelas quais essa camada intermediária está sucumbindo sob o peso da adoção de IA.
Sem tempo para aprender (nem para entregar)
Nas firmas estudadas, o tempo poupado pela IA costuma ser engolido de imediato pela pressão de entrega aos clientes. Os gerentes precisam experimentar, aprender e ensinar, mas suas responsabilidades e sua carga de trabalho não mudaram.
Isso leva equipes diferentes a resolver repetidamente os mesmos problemas, já que prompts eficazes e práticas de governança ficam dispersos entre indivíduos, em vez de serem institucionalizados.
As equipes que lidaram melhor com isso fizeram duas mudanças operacionais: reservaram tempo formal para aprendizado, e facilitaram que outras equipes encontrassem o que já tinha sido descoberto.
Em alguns casos, a liderança também reduziu temporariamente as metas de utilização durante o período de transição, criou sessões semanais para que consultores juniores compartilhassem aprendizados com o time e passou a vincular avaliações de desempenho à forma como cada funcionário documenta e compartilha casos de uso de IA.
Segundo o estudo, o que diferenciou as equipes não foi o acesso a ferramentas de IA, e sim a existência de um repositório interno centralizado, com boa funcionalidade de busca, reunindo ferramentas, casos de uso e diretrizes de governança.
As práticas mais eficazes costumavam nascer da própria linha de frente, resolvendo problemas pontuais de projetos. Mas elas só ganhavam escala quando a firma tinha a infraestrutura para captar e redistribuir esse conhecimento.
Todo mundo está usando… mas como?
A IA está redefinindo o que é um bom desempenho, mas os sistemas de avaliação não acompanharam essa mudança. Nas firmas pesquisadas, as métricas tradicionais continuam premiando horas faturáveis e produção individual, enquanto comportamentos que favorecem a adoção de IA — compartilhar prompts eficazes, treinar colegas, contribuir para ferramentas internas — passam sem reconhecimento.
Em alguns casos, funcionários evitaram admitir que usaram IA no próprio trabalho, reflexo de uma estrutura de incentivos que ainda associa valor profissional a esforço pessoal visível.
Para as autoras, a correção exige mudanças em todos os níveis, mas principalmente entre os líderes seniores. Eles precisam reconhecer que os gerentes carregam hoje uma tripla responsabilidade — administrar a experimentação com IA, manter a entrega aos clientes e ainda desenvolver pessoas — e recompensá-los por orientação, desenvolvimento de equipe e transferência de conhecimento, não só por entrega.
Enquanto isso não acontece, os gerentes tendem a priorizar o que é medido, como percentuais de utilização, relegando o treinamento da equipe a segundo plano.
Visões distintas
Uma pesquisa citada no estudo mostra que executivos têm cerca do dobro de chance, em comparação aos subordinados, de descrever os funcionários como entusiasmados com a IA. As entrevistas de Shin e Sucher confirmaram essa percepção, e reforçaram que ela pesa ainda mais no nível gerencial.
Os sócios das firmas pesquisadas tendem a estar distantes do dia a dia operacional transformado pela IA, o que cria uma desconexão entre a visão estratégica do topo e a realidade prática das equipes.
São os gerentes quem decidem, sozinhos, quando um resultado de IA está bom o suficiente, o que os juniores ainda precisam aprender a fazer manualmente, quais padrões aplicar a um material que vai para o cliente e como lidar com um cliente que assume que todo o trabalho recebido foi gerado por IA. Sem diretrizes da firma, essas decisões acabam tomadas de forma isolada, equipe por equipe.
Diminuir essa distância, segundo o estudo, depende do envolvimento direto da liderança. Quando líderes participaram de sessões de trabalho junto com as equipes, os gerentes relataram que o peso de interpretar as regras por conta própria diminuiu, substituído por orientação vinda da própria firma. Os líderes, por sua vez, passaram a entender melhor as escolhas práticas que os gerentes vinham fazendo sozinhos.
As autoras também recomendam investimento direto em treinamento de IA voltado a gerentes, com foco em detecção de alucinações, avaliação de prompts e verificação de análises geradas por IA, além de fóruns de troca entre gerentes para que técnicas de revisão circulem entre equipes, em vez de serem reinventadas isoladamente.
Um problema de sucessão
Há um problema mais profundo por trás dessa sobrecarga, segundo as autoras: se os gerentes passam mais tempo validando resultados de IA e apagando incêndios, quem está formando a próxima geração de líderes?
Na consultoria tradicional, os juniores aprendiam observando de perto como um gerente estruturava um plano de trabalho, testava a robustez de uma análise e conduzia uma conversa difícil com um cliente. O trabalho híbrido já havia fragilizado parte desse aprendizado por proximidade, e a IA pode aprofundar o problema ao comprimir tarefas técnicas antes que o julgamento necessário para executá-las tenha sido desenvolvido.
Para Shin e Sucher, isso não é apenas uma questão de fluxo de trabalho, mas um problema para a formação de lideranças. Se as firmas conseguirem reduzir o tempo que os gerentes gastam checando e rechecando resultados de IA, poderão redirecionar parte dessa capacidade para orientação e desenvolvimento de pessoas.
As empresas que conseguirem proteger essa capacidade terão, em cinco anos, um pipeline de liderança mais consistente; as que não conseguirem vão descobrir que a IA acelerou a produção dos juniores, mas esvaziou o caminho entre subordinado e líder.
As autoras encerram o estudo com três perguntas dirigidas a líderes de empresas: quem, na organização, está pagando o custo da ambição com IA? Há suporte suficiente para essa pessoa? E a capacidade que os gerentes precisam para formar os líderes que virão depois deles está sendo protegida?

Mercado de vídeos, ebooks e cursos incentiva conteúdo alarmista sobre saúde para prender a atenção de idosos e vender produtos.

A inteligência artificial parece ter entrado em uma fase mais exigente nas empresas. Depois dos pilotos, das primeiras automações e da incorporação de ferramentas ao trabalho diário, a pergunta sobre retorno vem ganhando peso, pois a tecnologia já provou que consegue produzir bom conteúdo em escala. Agora precisa mostrar sua contribuição para decisões melhores, menos retrabalho, fluxos mais rápidos e resultado econômico tangível.

A IA reduziu drasticamente o custo de gerar outputs. Relatórios, resumos, análises, apresentações, cenários e recomendações podem surgir em poucos segundo, o que representa um avanço real para muitas atividades. Ao eliminar esforço repetitivo, estruturar informações dispersas e ampliar repertórios, a tecnologia ajuda profissionais e organizações a avançarem com mais rapidez.

Output, porém, não é resultado. Uma resposta gerada por IA precisa se transformar em informação útil, que por sua vez tem de ser validada, interpretada e conectada a uma decisão. Essa decisão só cria valor quando melhora a execução, reduz uma barreira concreta ou aperfeiçoa o desempenho do sistema. Entre produzir conteúdo e gerar resultado há um percurso gerencial que a tecnologia não elimina.

A IA mudou a economia da informação. Durante décadas, empresas investiram para obter mais dados, análises e maior capacidade de processamento. Hoje, em muitas situações, a restrição migrou para a absorção, a validação e o uso daquilo que foi produzido. A empresa ganha velocidade para gerar análises, enquanto pode perder velocidade e precisão para decidir.

A tradição de gestão desenvolvida pela Toyota sempre tratou a “superprodução” como um dos desperdícios mais perigosos, pois produzir antes da necessidade real consome recursos, cria estoques, ocupa espaço, esconde problemas e gera novos desperdícios. A força dessa ideia está no mecanismo gerencial que revela: trabalho feito sem demanda clara costuma parecer produtividade até custos ocultos se espalharem por todo o sistema.

Na era da IA, a superprodução ganhou forma digital. A organização produz informação antes de saber quem vai utilizá-la, qual decisão será apoiada e que problema será esclarecido. Relatórios, dashboards, simulações e apresentações se multiplicam com aparência de eficiência, e parte desse material fica armazenada em nuvens, circula sob a forma de mensagens, alimenta reuniões e ocupa a atenção dos gestores. Esse volume de análise e processamento sem necessidade real vira “estoque cognitivo”, fenômeno conhecido como “infobesidade” ou obesidade de informação.

Esse estoque tem custo, que aparece tanto na agenda de indivíduos sobrecarregados quanto na conta de tecnologia. De um lado, há excesso de reuniões e fadiga de quem precisa comparar, revisar e interpretar conteúdos redundantes. De outro, há tokens, processamentos e infraestruturas consumidos a cada interação, além de consultas a documentos, agentes em operações ininterruptas e infinitas rodadas de correções. A superprodução digital está virando custo variável de alta representatividade.

O impacto financeiro dessa corrida tecnológica já se reflete nos balanços das organizações brasileiras. Dados de mercado apontam que o gasto médio das empresas no país com inteligência artificial saltou 191% em um período de apenas dois anos, evidenciando que a adoção de novas ferramentas muitas vezes ocorre sem uma análise rigorosa de retorno sobre o investimento (ROI).

Muitas empresas ainda avaliam IA pela quantidade de tarefas automatizadas ou pelo tempo economizado, embora esse cálculo possa enganar. Um agente que gera análises em excesso, consulta bases sem critério, percorre caminhos longos ou entrega respostas que exigem revisão pesada desloca o custo para etapas posteriores. O output sai rápido, enquanto o trabalho total continua pesado.

Os tokens tornam a superprodução digital mensurável. Eles não explicam todo o custo, mas revelam uma dinâmica importante: o gasto cresce com o comportamento da organização. Problemas mal formulados, processos confusos, agentes ilimitados e pedidos redundantes consomem mais tokens, de modo que a conta de IA, em muitos casos, reflete a qualidade do sistema de gestão.

O volume é apenas uma parte do problema, pois a qualidade da informação que circula passou a exigir a mesma atenção. A IA produz textos bem estruturados, respostas fluentes e análises com aparência de maturidade, o que facilita a circulação de informações frágeis. Um dado sem fonte clara, uma inferência apresentada como fato ou uma recomendação sem devido grau de confiança podem entrar no fluxo decisório com naturalidade.

A maneira lean oferece uma disciplina útil para esse novo ambiente: qualidade na origem. Em qualquer processo, a ideia é impedir que defeitos avancem. Quando algo sai do padrão, o fluxo precisa sinalizar o problema, permitir a correção e proteger as etapas seguintes. O princípio é simples e exigente: qualidade precisa nascer no próprio processo, não ser apenas conferida no final.

Aplicado à informação, esse raciocínio ganha atualidade. Uma análise gerada por IA deveria carregar sinais mínimos de confiabilidade antes de circular. A origem precisa estar clara; a finalidade, definida. Alguém deve responder pela interpretação e o grau de confiança, e os limites de uso precisam ser compreendidos. Sem isso, o material pode servir como hipótese inicial ou apoio exploratório, embora ainda não devesse circular como evidência que vai apoiar decisões.

Superprodução e qualidade na origem formam dois filtros complementares. O primeiro examina a necessidade e o timing da informação, enquanto o segundo analisa a confiabilidade. Um protege a organização do excesso; o outro, da fragilidade. Juntos, podem ajudar a recolocar a IA dentro de uma lógica de valor, confiança e retorno.

A qualidade na origem também tem impacto econômico porque informação ruim consome orçamento. Uma resposta imprecisa gera novas rodadas de prompt, checagem, revisão, contestação e retrabalho. Uma análise sem fonte obriga equipes a refazer caminhos, enquanto uma recomendação mal sustentada consome tempo de reunião e pode induzir decisões frágeis. A empresa paga para produzir o output e volta a gastar para descobrir se ele era confiável.

Esse custo nem sempre aparece nos relatórios tradicionais sobre produtividade. Surge como mais horas de validação, mais camadas de aprovação, maior cautela dos gestores, retrabalho analítico e perda de confiança nos próprios mecanismos à disposição. Sem qualidade na origem, a IA antecipa o output, mas aumenta o custo e o ruído. A velocidade aumenta, mas o fluxo decisório permanece lento e nebuloso.

Os padrões de governança precisam alcançar os fluxos de informação criados pela tecnologia. Regras de uso, segurança e compliance são necessárias, mas a captura de retorno exige mais do que isso. Antes de automatizar uma atividade, convém saber qual problema ela resolve. Antes de implantar um agente, é preciso definir que decisões ele apoia, que fontes pode usar e que limites deve respeitar.

Isso recoloca a liderança no centro da discussão, pois a qualidade do uso da IA depende não somente da sofisticação isolada da ferramenta, mas também da clareza gerencial que orienta a aplicação. Problemas bem formulados, padrões claros, responsabilidades definidas e rotinas de decisão consistentes permitem que a IA amplie capacidades, enquanto confusão, sobreposição de processos, baixa disciplina informacional e pouca clareza sobre a criação de valor tendem a perpetuar os desperdícios já existentes.

A tecnologia está obrigando as empresas a olharem para algo que sempre foi difícil de medir: a qualidade do próprio trabalho gerencial. Quando a tecnologia esclarece o problema, reduz a incerteza e ajuda o trabalho a avançar, há ganho real. No entanto, quando precisa ser explicada, conferida, refeita ou defendida antes de ser usada, apenas transfere esforço para outro ponto do processo ou etapa decisória.

Por isso, a conta dessa nova onda será muito maior do que a fatura de tokens, licenças e infraestrutura. Ela incluirá a falta de clareza dos problemas formulados, a baixa confiabilidade das informações que circulam e a incapacidade da liderança de separar o que ajuda do que apenas ocupa espaço e consome energia. A tecnologia pode ampliar muito a capacidade das organizações, mas também tornar as fragilidades mais visíveis. No fim, o retorno sobre os investimentos dependerá menos da potência das ferramentas e mais da inteligência gerencial aplicada ao uso.

Ainda distante do uso em massa, tecnologia mobiliza empresas, universidades e governos na formação de profissionais capazes de unir física, ciência da computação, matemática, dados e negócios
Por Patrícia Basilio, Em Nova York*
02/07/2026 06h00 Atualizado 02/07/2026 06h00
A computação quântica ainda não se tornou uma tecnologia comum nas empresas, mas a corrida por profissionais capazes de entendê-la e aplicá-la já começou. No Brasil e no exterior, companhias de tecnologia, bancos, centros de pesquisa e universidades estão ampliando programas de formação, estágios, cursos e projetos voltados a profissionais capazes de transitar entre áreas como física, matemática, ciência da computação, engenharia, dados e negócios.
Segundo pesquisa Quantum Technology Monitor 2026, da McKinsey, mais de 300 empresas no mundo já atuam com computação quântica, formando equipes internas, desenvolvendo algoritmos e preparando suas estruturas para integrar sistemas quânticos à computação clássica. A consultoria estima que o setor tenha gerado mais de US$ 1 bilhão em receita global em 2025 e que o potencial econômico da tecnologia possa chegar a US$ 2,7 trilhões até 2035.
Um estudo publicado na revista científica EPJ Quantum Technology, da Springer Nature, também mostra que o mercado ainda está em fase inicial, mas já começa a ganhar forma. A pesquisa analisou 3.641 vagas ligadas a tecnologias quânticas no mundo e identificou maior concentração nos Estados Unidos e na Europa, com demanda crescente por engenheiros, desenvolvedores de software e pesquisadores com formação avançada.
Essa combinação ajuda a explicar por que a formação de profissionais virou um tema estratégico. A computação quântica não exige apenas físicos especializados em hardware. À medida que a tecnologia avança, cresce a necessidade de perfis mais diversos: pessoas que programam, constroem plataformas, desenvolvem algoritmos, interpretam dados, conectam a tecnologia a problemas de negócio e conseguem explicar um campo ainda difícil para empresas, governos e estudantes.
“É uma situação dinâmica”, afirma Alexandre Pfeiffer, IBM Quantum Business Leader da IBM Brasil. O executivo afirma que a evolução da tecnologia tem ampliado o perfil dos profissionais que atuam no setor. No nível mais estrutural estão físicos, engenheiros e pesquisadores dedicados à construção dos computadores quânticos. Mas essa é apenas uma parte do ecossistema.
Outra frente envolve profissionais de ciência da computação, desenvolvimento de software e engenharia de sistemas, responsáveis por criar as camadas que tornam esses computadores programáveis e acessíveis. “O profissional que faz esse tipo de software não é necessariamente um físico, mas sim cientistas da computação.”
Há ainda um terceiro perfil: o de quem vai usar a computação quântica para resolver problemas práticos. Nesse grupo entram cientistas de dados, matemáticos, especialistas de negócio e pesquisadores de áreas como química, saúde, finanças, logística e energia.
No Brasil, esse mercado ainda está em formação. Pfeiffer afirma que a América Latina está atrás de regiões como Estados Unidos e Europa em termos de adoção, mas que o interesse tem crescido à medida que empresas começam a entender onde a tecnologia pode gerar valor. A IBM não informa quantos profissionais atuam hoje com computação quântica no Brasil ou no exterior, mas afirma que esse número vem aumentando na última década.
Levantamento realizado pela plataforma de recursos humanos Gupy, a pedido da reportagem, aponta que sete vagas na área de computação quântica foram abertas no país de janeiro a junho deste ano, a maioria delas em bancos e destinadas a profissionais com experiência em Phyton. No mesmo período do ano passado, foram oito. No último semestre de 2025, nove oportunidades foram disponibilizadas pelo site.
De acordo com a Gupy, embora o volume de oportunidades ainda seja pequeno, ele tem se mantido relativamente estável, o que indica que a computação quântica ainda não alcançou escala de mercado no país, mas também já não pode ser considerada irrelevante.
“Das 24 vagas abertas desde o ano passado, 11 exigiam doutorado e seis exigiam mestrado. Isso reflete o estágio atual do mercado, em que a computação quântica no Brasil ainda está muito associada à pesquisa aplicada, e não a operações em larga escala”, avaliam especialistas da plataforma.
Tecnologia complementar
O perfil das vagas também ajuda a explicar a forma como a tecnologia está sendo incorporada pelas empresas. Por ainda estar fortemente associada à pesquisa aplicada, a computação quântica não aparece, neste momento, como substituta direta da infraestrutura computacional tradicional, mas como uma tecnologia complementar, voltada a problemas específicos que exigem alta capacidade de simulação, otimização e análise combinatória.
A expectativa não é que os sistemas quânticos substituam os computadores tradicionais, mas que passem a complementá-los em tarefas específicas, como simulações complexas, otimização e análise de grandes volumes de combinações.
“O mercado de computação quântica em que as pessoas vão usar a tecnologia como ferramenta para resolver problemas está começando a se desenvolver agora”, avalia Pfeiffer.
Entre os exemplos brasileiros, ele cita a participação de instituições financeiras, como Bradesco e Itaú, e centros de pesquisa em redes globais ligadas ao tema. O Centro Brasileiro de Pesquisas Físicas (CBPF) também integra a rede da IBM e atua em projeto com a ExxonMobil, voltado ao uso de computação quântica em problemas relacionados ao setor de energia.
A diferença em relação aos Estados Unidos está na maturidade do ecossistema. Lá fora, universidades e centros de pesquisa já tratam a computação quântica como uma frente estratégica de formação, pesquisa e desenvolvimento econômico.
Em Nova York, por exemplo, a Universidade do Estado de Nova York em Stony Brook recebeu US$ 300 milhões do governo estadual no ano passado para criar o Quantum Research and Innovation Hub, voltado a pesquisas e capacitação de mão de obra em comunicação e redes quânticas.
Com lançamento previsto até 2029, o projeto integra um movimento mais amplo do estado para se posicionar na corrida quântica, que também envolve instituições como a Universidade de Nova York e o Instituto Politécnico Rensselaer.
"Vejo a computação quântica ainda distante de ser prática em escala, mas importante para pesquisa e desenvolvimento, principalmente nas universidades”, afirma Andrea Goldsmith, presidente da Universidade do Estado de Nova York em Stony Brook, em evento na IBM, em Nova York, no início de junho.
Investimento público
Por aqui, o movimento é mais recente. Em junho, o Ministério da Ciência, Tecnologia e Inovação lançou o Projeto Residência em Tecnologias Quânticas – Qualificação e Empreendedorismo de DeepTechs Nacionais, voltado à formação de especialistas e ao estímulo a empresas brasileiras de base tecnológica.
Com investimento estimado em R$ 20 milhões ao longo de 36 meses, o programa prevê 156 bolsas e deve capacitar cerca de 500 estudantes, pesquisadores e profissionais em áreas como computação quântica, microeletrônica, semicondutores e aplicações avançadas. As atividades serão realizadas em João Pessoa, Campina Grande, Fortaleza, Salvador, Goiânia e Campinas.
"Isso nos eleva a outro patamar, porque não se trata apenas da tecnologia do computador quântico, mas da capacidade de desenvolver componentes estratégicos em uma área que hoje é objeto de disputa tecnológica mundial", diz Claudio Furtado, secretário de Estado da Ciência, Tecnologia, Inovação e Ensino Superior da Paraíba.
Como as iniciativas de capacitação ainda estão em fase de implantação, ainda não há uma trilha consolidada de formação para quem deseja ingressar na computação quântica. Muitos jovens profissionais chegam ao tema a partir de áreas tradicionais, como ciência da computação, matemática, física ou engenharia, e só depois passam a direcionar a carreira para aplicações quânticas.
É o caso de Bruno Carvalho, de 19 anos, estudante de ciência da computação na FIAP e estagiário da IBM. Com interesse inicial em inteligência artificial e computação em nuvem, ele passou a atuar com computação quântica a partir de um programa de rotação dentro da empresa.
“Eu não imaginava que teria essa oportunidade, mas, quando ela surgiu, foi extremamente animador. Apresentar a tecnologia para pessoas que ainda não entendem muito sobre ela é uma das coisas mais interessantes do meu trabalho”, afirma o universitário.
Em uma área ainda em construção, curiosidade, disposição para aprender e capacidade de ensinar se tornam habilidades essenciais. Para Jerry Chow, diretor de tecnologia de computação quântica da IBM em Nova York, a América Latina tem potencial para acompanhar esse movimento, e o Brasil aparece como um celeiro de talentos. “Estamos animados para engajá-los”, afirma.
*A jornalista viajou a Nova York a convite da IBM

Pesquisa, desenvolvimento e inovação são três palavras frequentemente usadas como sinônimos, mas que, na prática, representam etapas distintas e complementares do progresso científico e econômico de empresas e países.

A pesquisa é o ponto de partida. Trata-se da busca por conhecimento novo, sem necessariamente ter uma aplicação imediata. Pode ser básica, quando procura entender fenômenos fundamentais, ou aplicada, quando já mira a solução de um problema específico. É o território da curiosidade, da formulação de hipóteses e da produção de saber. Sem pesquisa, não há conhecimento essencial para avançar nas boas práticas de inovação.

O desenvolvimento vem na sequência. Aqui, o conhecimento gerado pela pesquisa começa a ganhar forma prática. É a fase de transformar teoria em protótipos, processos ou tecnologias utilizáveis. Envolve testes, ajustes, erros e melhorias contínuas. Se a pesquisa pergunta “Por quê?”, o desenvolvimento começa a responder “Como?”

Já a inovação é o momento em que tudo isso chega à sociedade de maneira concreta. Não basta criar algo, é preciso que isso gere valor, nas dimensões econômica, social ou ambiental. Inovar é implementar, escalar e fazer com que uma ideia se traduza em impacto real, seja por meio de um produto, serviço, modelo de negócio ou tecnologia.

Confundir esses conceitos não é apenas um problema semântico, mas tem consequências práticas. Políticas públicas, investimentos privados e estratégias empresariais muitas vezes falham por não reconhecerem que cada etapa exige tempo, recursos e métricas diferentes. Cobrar inovação imediata sem investir em pesquisa é como esperar frutos sem plantar, algo observado no Brasil nestes últimos anos, mesmo com tantas universidades públicas e privadas de excelência.

Num país que busca competitividade e desenvolvimento sustentável, entender essa diferença é essencial, como os dados das pesquisas da Fundação Dom Cabral (FDC), em parceria com o Fórum Econômico Mundial, sugerem nos últimos anos. Valorizar a pesquisa garante o futuro, fortalece o desenvolvimento econômico, constrói o caminho para o crescimento e promove a inovação com amplo potencial realista.

Além disso, é preciso reconhecer que o ciclo entre pesquisa, desenvolvimento e inovação não é linear nem automático. Muitas vezes, avanços tecnológicos surgem de interações inesperadas entre universidades, empresas e governo. Esse ecossistema, quando bem articulado, acelera a transformação do conhecimento em soluções concretas, reduz riscos e amplia o alcance dos resultados. Um bom exemplo é o próprio avanço da inteligência artificial, originada em pesquisas em universidades americanas, adotada por startups de base tecnológica e hoje acessível pelo mercado.

Por fim, investir de forma equilibrada nessas três dimensões não é um luxo, mas uma necessidade estratégica. Países que lideram economicamente não apenas inovam, mas sustentam sistemas robustos de pesquisa e desenvolvimento ao longo do tempo. Ignorar qualquer uma dessas etapas é comprometer não só a competitividade, mas também a capacidade de responder aos desafios sociais e ambientais do presente e do futuro.

Funcionários da Hyundai na Coreia do Sul decidiram entrar em greve devido ao temor de que possam ser substituídos por robôs humanoides. Os trabalhadores, filiados ao Sindicato dos Metalúrgicos da Coreia, querem ter o direito de participar das decisões sobre qualquer iniciativa de automação e implantação de inteligência artificial, segundo o Financial Times. Eles também reivindicam o pagamento de um bônus equivalente a um terço do lucro anual da montadora, o que corresponderia a aproximadamente US$ 27 mil (R$ 149 mil) para cada um dos 73 mil funcionários da empresa.

"Estamos preocupados com nossos empregos", disse um integrante do sindicato ao Financial Times. "As notícias e os vídeos mostrando que os robôs estão se tornando mais habilidosos deixam os trabalhadores apreensivos em relação ao futuro."

A preocupação dos metalúrgicos tem fundamento. Em janeiro, a Hyundai anunciou que começará a utilizar os robôs humanoides Atlas, desenvolvidos por sua subsidiária Boston Dynamics, em sua fábrica no estado da Geórgia, nos Estados Unidos, a partir de 2028.

Na ocasião, o sindicato declarou que "nenhum robô que utilize novas tecnologias" seria aceito sem um acordo prévio com os trabalhadores. No entanto, em maio, a Hyundai revelou a investidores a real dimensão de seus planos: a montadora pretende usar 25 mil robôs humanoides em suas fábricas de veículos.

De acordo com a Hyundai, os robôs serão responsáveis apenas por tarefas pesadas e perigosas que os trabalhadores não desejam realizar. O sindicato, porém, rebate que a iniciativa provocará demissões.

O pedido de um bônus elevado ocorre em um momento em que funcionários de outros grandes conglomerados industriais sul-coreanos, como a Samsung, negociaram bonificações expressivas após os lucros extraordinários gerados pela inteligência artificial.

"Acho que o sindicato entende que muitas de suas reivindicações são pouco realistas", afirmou Kim Pil-soo, professor de engenharia automotiva da Universidade Daelim, ao Financial Times. "Mas os trabalhadores sentem uma certa injustiça depois que os funcionários da Samsung receberam bônus maiores."

Os robôs humanoides estão começando a ganhar espaço em ambientes de trabalho reais. No mês passado, a Japan Airlines anunciou que passará a utilizar robôs para o manuseio de bagagens no Aeroporto de Haneda, em Tóquio, um dos mais movimentados do mundo. Já os Correios estatais da China começaram a empregar robôs humanoides na triagem de correspondências.

As montadoras também estão aderindo à tendência. A BMW, por exemplo, está testando robôs humanoides em sua fábrica de Leipzig, na Alemanha. Um executivo da empresa chegou a afirmar que essa tecnologia representa "o futuro da produção automotiva".

En la era de los algoritmos y la inteligencia artificial, el Primero de Mayo se erige como un recordatorio no solo de la lucha por condiciones de trabajo justas, sino de la vigencia de esos reclamos ante nuevos desafíos tecnológicos. Debemos garantizar que la promesa de la innovación digital no se traduzca en una regresión de los derechos laborales en América Latina.

Governo quer investir US$ 6 bilhões para evitar dependência de China e EUA
Consórcio de empresas como Sony e SoftBank deve desenvolver modelo soberano de IA

O Brasil envelhece diante dos nossos olhos e o mercado de trabalho é um dos espaços onde essa transformação aparece de forma mais evidente. Há uma década, a presença da população com 60 anos ou mais ainda era tratada como uma questão periférica no debate econômico. Hoje, tornou-se elemento central para compreender o país, especialmente em um ano de eleições presidenciais.
Levantamento da Nexus, com base em dados do IBGE, mostra que a geração 60+, ou geração prateada, cresceu 37% nos últimos dez anos, passando de 25,7 milhões para 35,2 milhões de brasileiros. No mesmo período, a população total aumentou apenas 4,7%. Mais revelador ainda é que o número de idosos ocupados no mercado de trabalho cresceu 53%, alcançando 8,7 milhões de pessoas. O país não apenas envelhece: envelhece trabalhando.
Essa mudança transforma a economia e também a lógica político-eleitoral. O Brasil de 2026 será disputado em uma sociedade mais velha, pressionada por desafios previdenciários e cada vez mais dependente da permanência da geração 60+ na atividade econômica. O envelhecimento deixa de ser apenas uma pauta social para se tornar um tema eleitoral.
Os indicadores, porém, revelam um paradoxo. A taxa de desemprego entre trabalhadores com 60 anos ou mais caiu para 2,2% no quarto trimestre de 2025, a menor da série histórica. Mas isso não significa melhores condições de trabalho. O mesmo levantamento mostra que 53% dessa população atuam na informalidade, ante 38% da média nacional. Em muitos casos, o idoso permanece ativo porque precisa complementar a renda da aposentadoria, e não por escolha.
Esse talvez seja o principal retrato do envelhecimento brasileiro: uma geração que continua trabalhando sobretudo por necessidade econômica. Enquanto muitos jovens ainda conseguem adiar a entrada definitiva no mercado em busca de qualificação, trabalhadores 60+ frequentemente migram para ocupações precárias, autônomas e sem proteção trabalhista.
Os rendimentos reforçam esse cenário. Entre 2016 e 2025, a renda média real dos jovens cresceu 15,4%, enquanto a dos trabalhadores da geração prateada caiu 4,2%. Em outras palavras, o Brasil envelhece trabalhando mais e ganhando relativamente menos.
Esse contexto tende a pressionar o debate eleitoral de 2026. Durante décadas, campanhas presidenciais concentraram suas propostas na juventude, no primeiro emprego e na ascensão econômica das novas gerações. Essa agenda continuará importante, mas já não explica sozinha o país real.
O eleitorado também envelheceu. Dados da Nexus, com base no Tribunal Superior Eleitoral, mostram que os eleitores com 60 anos ou mais cresceram 74% entre 2010 e 2026, enquanto o eleitorado total avançou apenas 15%. Hoje, cerca de um em cada quatro votos pertence à geração prateada. Em eleições cada vez mais polarizadas e decididas por margens estreitas, compreender as demandas desse grupo deixa de ser estratégia segmentada e passa a ser condição para qualquer projeto político competitivo.
Isso significa ampliar o debate para além da Previdência. Empregabilidade sênior, requalificação profissional, combate ao etarismo, adaptação dos ambientes de trabalho, inclusão digital, políticas de cuidado e novos modelos de proteção social tendem a ocupar espaço crescente na agenda pública.
O envelhecimento da força de trabalho não representa uma transição passageira, mas uma característica permanente da economia brasileira. Em um país onde a população jovem cresce cada vez menos, a sustentabilidade econômica dependerá da capacidade de manter trabalhadores maduros produtivos, qualificados e protegidos. O espelho do Brasil está mais prateado —e compreender essa transformação será decisivo para quem pretende governar o país nos próximos anos.

Esta não é uma história sobre IA, diz ela. "O gênio saiu da lâmpada: está aqui, é uma ferramenta eficaz, você pode usá-la ou não", afirma Brockovich com naturalidade. Trata-se das estruturas gigantescas que estão sendo construídas para abrigar as vastas instalações de computação que a IA exige. Esses data centers, diz ela, se estendem por "centenas e centenas de hectares". Em maio, Utah aprovou um centro com o dobro do tamanho de Manhattan.

Alguns dos e-mails que Brockovich recebe de pessoas próximas aos data centers expressam genuína perplexidade: “Por que eu não sabia disso? Como essa construção simplesmente começou? Por que estou recebendo agora um aviso da prefeitura de que isso já foi aprovado, sendo que eu nem sequer tive voz na decisão?” Outros refletem preocupações sobre o impacto dos centros: “E quanto aos nossos recursos? O que está acontecendo com a água? Quem está pagando por toda essa energia e eu vou arcar com essa conta? Qual será o impacto futuro dessas monstruosidades na saúde? O que vai acontecer com a vida selvagem?”

A partir dos e-mails, Brockovich criou um mapa dos principais centros de dados de IA nos EUA, tanto os que estão em operação quanto os em construção, sobrepondo-os às localizações onde membros da comunidade enviaram e-mails expressando preocupações. Este documento de código aberto é alarmante: em 24 de junho, 33 centros de dados de IA estavam concluídos e operacionais, 68 estavam em construção e 41 estavam em fase de planejamento. Além disso, foram recebidos 7.005 relatos por meio do formulário online , ou seja, tudo o que se sabe sobre eles é o que as pessoas viram. Como diz o título de uma postagem em seu blog no Substack: “Se os centros de dados são tão importantes, por que estão sendo construídos em segredo?”

“Está acontecendo em todos os estados dos EUA, em vários condados, áreas rurais, fazendas, ranchos e bairros. As pessoas observam a natureza porque a respeitam, porque precisam dela. E estão vendo-a ser destruída”, diz Brockovich. Ela ouviu relatos de pessoas dizendo: “Estou preocupado porque é aqui que as águias-carecas fazem seus ninhos”, “Estou vendo a vida selvagem desaparecer”, “Estou vendo animais mortos”. Algumas comunidades ficam sabendo da existência de um centro meses depois de sua aprovação; outras não ouvem nada a respeito e assistem à construção de um enorme edifício.