Empresas estão contratando novamente, mas em um ritmo menor do que antes. A IA está ajudando as equipes a entregar resultados com um número reduzido de funcionários. A maioria das organizações não está demitindo ou reestruturando, apenas contratando menos do que o planejado. Este cenário sugere que a IA está impactando o mercado de trabalho de forma invisível, um cargo não preenchido por vez.
CEVIU News
As melhores notícias de tecnologia, curadas diariamente para quem vive tech.
18838 notícias encontradas
A Anduril, empresa conhecida por desenvolver armas autônomas como mísseis de cruzeiro, interceptadores de mísseis a jato e drones submarinos, está expandindo significativamente sua atuação no setor espacial. A companhia está adquirindo a ExoAnalytic Solutions, uma firma especializada em inteligência espacial que opera uma vasta rede de sensores para monitorar o movimento de satélites na órbita terrestre. Esta aquisição estratégico-militar representa um salto para a Anduril, pois a transação mais que dobrará o número de seus funcionários dedicados a projetos espaciais. A iniciativa visa acelerar o desenvolvimento da Anduril no apoio a clientes de segurança nacional espacial, fortalecendo suas capacidades em um domínio cada vez mais crítico. ️
Ferramentas baseadas em IA estão transformando o design de anticorpos, que são cruciais em diversas áreas da biologia. Anteriormente, cientistas precisavam rastrear bilhões de candidatos em ensaios laboratoriais para identificar apenas alguns com alta afinidade por um alvo. Com a IA, ligantes adequados podem ser encontrados em dezenas de tentativas, uma redução exponencial de tempo e recursos. Este avanço computacional está abrindo novas fronteiras na biologia, permitindo o projeto de anticorpos originais diretamente em computadores. Entenda como essa tecnologia está mudando fundamentalmente o processo de descoberta e desenvolvimento de novas terapias e diagnósticos, revolucionando a forma como interagimos com os desafios biomédicos.
A IA individual será o principal vetor pelo qual a maioria das empresas no mundo experimentará a magia transformadora da IA. Contudo, a produtividade de indivíduos não se traduz automaticamente em empresas produtivas. Existe uma necessidade latente por inteligência institucional capaz de criar coordenação, identificar sinais relevantes, garantir objetividade, otimizar diferenciais competitivos e escalar o faturamento. As organizações precisam de uma IA institucional desenvolvida sob medida para problemas específicos de domínio, que as IAs individuais possam alavancar como uma ferramenta estratégica.
A Nvidia tem apresentado o NemoClaw a diversos parceiros corporativos, um movimento estratégico antes de sua conferência anual de desenvolvedores na próxima semana. Esse passo indica que a empresa pode estar prestes a lançar uma novidade de peso no ecossistema open source, rivalizando com soluções existentes no mercado.
Para a vasta maioria das chamadas de inference, o modelo de IA é intercambiável , e os clientes decidem sua compra com base no preço .
A Meta está investindo no desenvolvimento de quatro novos chips, parte de um esforço para diversificar suas fontes de hardware e diminuir a dependência de fabricantes de chips externos. Essa iniciativa visa não apenas reduzir custos operacionais, mas também otimizar a infraestrutura para lidar com as crescentes demandas de suas operações em IA. ️
Enquanto desenvolvedores tradicionalmente se orgulham do código que escrevem, uma nova perspectiva surge: a dos construtores que valorizam o que é efetivamente entregue. Essa mudança de foco destaca a importância da criação e do impacto prático, mesmo que a construção seja realizada através do comando estratégico de uma frota de agentes.
Modelos generativos se mostram valiosos quando o custo relativo de codificar a tarefa em um prompt e verificar a saída é baixo, e a metodologia empregada para realizar o trabalho não é um fator crítico. Essa perspectiva ilumina as situações ideais para a adoção eficaz da IA generativa, focando em contextos onde a eficiência do input e a irrelevância do processo são determinantes.
O objeto Temporal do JavaScript, que substitui completamente o objeto Date, permite o gerenciamento de data e hora em diversos cenários. Isso inclui a representação de fusos horários e calendários, conversões de wall-clock time, operações aritméticas e formatação. Sua API é intrincada e poderosa, expondo mais de 200 métodos utilitários através de várias classes. A implementação do Temporal foi um grande desafio, considerada a proposta mais complexa que o JavaScript enfrentou em sua história. Descubra como essa funcionalidade crucial foi desenvolvida e a jornada de 9 anos para resolver de vez os problemas de tempo na linguagem.
Elon Musk revelou um novo projeto conjunto entre a Tesla e a xAI, batizado de 'Macrohard' ou 'Digital Optimus' . O objetivo é criar um sistema capaz de emular as funções de empresas de software, prometendo uma potencial disrupção no setor. A iniciativa combina o Grok da xAI com um agente de IA desenvolvido pela Tesla, que processa vídeo da tela do computador e ações de teclado e mouse em tempo real. Este sistema inovador será executado no chip AI4 interno da Tesla, emparelhado com o hardware de servidor baseado em Nvidia da xAI. Vale notar que a xAI solicitou o registro da marca 'Macrohard' em agosto de 2025, sinalizando a seriedade do empreendimento .
Um sistema de detecção de anomalias nativo do BigQuery pode identificar perdas silenciosas de dados ao monitorar o volume de ingestão em centenas de tabelas, utilizando apenas recursos integrados como logs do INFORMATION_SCHEMA e a função IA.DETECT_ANOMALIES. Implementado como um único modelo dbt, ele detecta quedas anormais no volume de dados sem a necessidade de tooling externo ou regras por tabela. Este sistema ajuda equipes a identificar falhas parciais de pipeline que as verificações tradicionais de sucesso de pipeline não conseguem capturar. ️
A análise de falhas em um agente de analytics e a correção de problemas em testes, regras de seleção de datas, documentação e, principalmente, no modelo de dados subjacente, aumentaram a confiabilidade de 45% para 86%. Os resultados indicam que a maior parte dos ganhos na engenharia de contexto provém de modelos de dados mais claros, regras explícitas e melhor documentação, em vez de arquiteturas de agente complexas.
O LinkedIn implementou uma arquitetura robusta que utiliza uma camada de transformação declarativa, Temporal para orquestração, Kafka para streaming e Espresso para persistência. Com suporte a modelos partner-push (BuildIn) e LinkedIn-pull/push (BuildOut), e fluxos idempotentes, seguros e observáveis, a plataforma conseguiu reduzir o tempo de integração de parceiros em 72%, ampliar a cobertura de dados em 4x e aumentar a completude dos dados. Essa abordagem estabeleceu uma base estável e governada para recursos como o Hiring Assistant do LinkedIn.
Para gerenciar o tráfego extremo de "hot-keys" em contas de pagamento de alta atividade, que anteriormente atingia limites de processamento sequencial de 3–4 operações/segundo por conta e causava tempos de processamento de várias horas para jobs em lote, a Uber implementou uma arquitetura de três serviços. Esta solução agrupa atualizações financeiras em janelas de aproximadamente 250 ms, usando Redis para coordenação e enfileiramento, com uma gravação atômica por lote. Além disso, ela descarrega logs de auditoria imutáveis de forma assíncrona.
Contratos de dados tradicionais e políticas de governança, concebidos para supervisão humana, são amplamente invisíveis para consumidores de máquina alimentados por IA . Isso expõe as organizações a erros não detectados e violações de políticas. Controles de contratos como SLAs de frescor, restrições de uso, limites de qualidade e definições semânticas são tipicamente armazenados em arquivos de configuração e documentação, tornando-os inacessíveis a agentes autônomos no momento da consulta. Elementos críticos de governança devem transicionar de especificações legíveis por humanos para metadados legíveis por máquina, consultáveis e políticas de runtime aplicáveis.
Inserções em tabelas Distributed do ClickHouse podem parecer bem-sucedidas instantaneamente, mas se acumulam silenciosamente como arquivos .bin em uma fila em disco que nunca alcança as tabelas ReplicatedMergeTree subjacentes. Isso resulta em perda permanente de dados e linhas ausentes. As causas principais incluem a indisponibilidade do ClickHouse Keeper, que coloca as réplicas em modo somente leitura e interrompe os flushes em segundo plano. Além disso, blocos de inserção superdimensionados podem anular o flush, bloqueando toda a fila de processamento. ️
O Apache Airflow 3.2 adiciona suporte assíncrono nativo ao PythonOperator, permitindo que cargas de trabalho de I/O de alto throughput sejam executadas de forma concorrente dentro de um único worker, eliminando a sobrecarga do triggerer. Quando combinada com a Iteração Dinâmica de Tarefas (Dynamic Task Iteration), essa abordagem melhora drasticamente o desempenho para tarefas de micro-batch, como chamadas de API ou transferências SFTP, oferecendo escalabilidade aprimorada.
A Tenable Research revelou nove vulnerabilidades críticas de cross-tenant, batizadas de "LeakyLooker", no Google Looker Studio. ️ Essas falhas expunham dados de organizações em BigQuery, Sheets e outros conectores GCP à exfiltração e manipulação. Atacantes puderam explorar a manipulação de credenciais e vetores de SQL injection para acessar, modificar ou roubar dados com zero ou um clique, rompendo os limites de confiança estabelecidos pelas plataformas de BI. O Google já remediou todas as vulnerabilidades. ️
O DuckDB v1.5.0 apresenta avanços significativos, incluindo uma CLI retrabalhada, suporte para o tipo VARIANT (com armazenamento binário para compressão aprimorada e desempenho de query), e a elevação de GEOMETRY a um tipo nativo principal com 'column shredding' automático, reduzindo o armazenamento em até 3x. Otimizações notáveis de concorrência e agregação resultam em um aumento de 17% na vazão TPC-H SF100 e agregação até 40% mais rápida.