Destaques de IA — o panorama completo — 2026-10-15 (qui) Notícias da Manhã

Os números de financiamento e crescimento da IA são atualizados de forma significativa a cada trimestre. Singapura registrou crescimento de 5,4% impulsionado pela demanda por IA, com parcerias de descoberta de medicamentos com IA de até US$ 1,2 bilhão assinadas. Enquanto isso, o emprego segue incerto depois que a Publicis prometeu cortar 25% do trabalho manual, e uma avó que processou por erros de reconhecimento facial busca US$ 10 milhões. A velocidade com que os recursos são captados e a velocidade com que as pessoas afetadas tomam conhecimento do ônus não coincidem. A seguir, leia a escala dos números junto com a pressão que ela já exerce sobre o setor, sobre os indivíduos e sobre as medidas de segurança. Até que ponto os efeitos da adoção devem ser reconhecidos não pode ser determinado até que consideremos quem será responsável por alocar os custos e as responsabilidades.

Local de trabalho oscilando entre cortes de pessoal e requalificação

A Publicis estabeleceu a meta de reduzir o trabalho manual em 25% por meio de IA, mas o impacto sobre o emprego, segundo relatos, permanece incerto (Storyboard18). Os números indicam uma redução da carga de trabalho, não uma redução do quadro de funcionários. No entanto, uma vez eliminado um quarto do trabalho manual, ainda não foi decidido se as mesmas pessoas usarão esse tempo para realizar outras atividades ou se o número de pessoas será revisto. Se você tentar descobrir quantas pessoas serão cortadas olhando apenas para o valor-alvo, é fácil errar no seu julgamento.

Mesmo com a mesma introdução, as tendências no setor estão começando a divergir. Foi noticiado que o HSBC e o Kroger estão aumentando o número de demissões por causa da IA, e a comparação de custos com a requalificação está em discussão (AICERTs). Enquanto o corte de pessoal reduz os custos de mão de obra no curto prazo, a requalificação exige custos de treinamento e tempo. Qual das duas é mais barata depende do escopo do trabalho que será substituído e de a equipe restante conseguir assumir as novas funções. Ao olhar para suas empresas e locais de trabalho, os leitores precisam observar não apenas o volume dos cortes, mas também o custo da requalificação e quem ficará responsável depois dos cortes.

A direção da mudança é um pouco diferente nas vagas para recém-formados. O Economic Times relata que as categorias de vagas para recém-formados estão mudando devido à tendência de dar mais ênfase às habilidades em IA, e que o número de novas contratações nas áreas de TI e BPM da Índia está se recuperando. É fácil imaginar que, se o trabalho manual introdutório for transferido para a IA, os empregos para novos funcionários serão os primeiros a desaparecer, mas o fato de haver casos de retomada de contratações mostra que algumas empresas estão direcionando recursos para a formação de profissionais capazes de lidar com a IA. Aqui, a forma como o letramento em IA é desenvolvido é uma variável que determina o impacto sobre o emprego.

O leque de usuários também está se ampliando. O OpenAI Forum teria realizado discussões sobre o uso de IA para especialistas em pesquisas de opinião pública (EdTech Innovation Hub). O fato de a discussão sobre a utilização ter se estendido a ocupações profissionais mostra que a requalificação não é uma questão limitada a ocupações específicas. Além disso, a edição de 2026 do AI Implementation Report (Knowledge at Wharton) também servirá de material para verificar o estado real da implementação. Os efeitos não podem ser medidos apenas pelo fato de a introdução ter avançado; os resultados não podem ser comparados a menos que também se observe se foram usados para redução ou para treinamento.

A escolha entre cortes e crescimento não é apenas uma questão de finanças corporativas, mas também de alocação, ou seja, de quem arcará primeiro com os custos e as responsabilidades. Na próxima seção, veremos como essa distribuição se manifesta em termos de indivíduos e de segurança.

Cadeia de financiamento e colaboração para a descoberta de medicamentos

De pequenas colocações privadas à contratação pública, o financiamento da descoberta de medicamentos com IA flui por canais diferentes em cada etapa. A Rakovina Therapeutics (TSXV:RKV), do Canadá, concluiu uma colocação privada de C$1,99 milhão e explica por que direcionará os recursos à descoberta de medicamentos contra o câncer orientada por IA (kalkine.ca). Embora a escala seja pequena, é um exemplo da primeira etapa de captação de recursos para IA e de sua alocação à pesquisa.

No lado das parcerias e dos contratos, os números sobem um degrau. A Deep Origin anunciou uma colaboração multialvo de descoberta de medicamentos com IA com a BioAge Labs, dizendo ter confirmado um hit validado no primeiro alvo (Yahoo Finance Singapore). A ITOCHU Corporation assinou um acordo de aliança de capital com a MOLCURE Inc. (BioSpectrum Asia) para descoberta de medicamentos com IA no Japão. A Zealand Pharma e a Generate fecham acordo de até US$ 1,2 bilhão para medicamento contra obesidade com IA (WTVB). A expressão "máximo" aqui deve ser entendida como um limite superior que inclui o valor a pagar sujeito ao cumprimento de condições de desempenho. Embora o valor de destaque do contrato possa ser grande, um pagamento fixo e um valor condicional futuro são duas coisas diferentes.

O fluxo de recursos não se limita ao setor privado. A ThinkTrends foi contemplada com um contrato IDIQ de US$ 49 milhões da Food and Drug Administration (FDA) dos EUA para apoiar a implementação de IA e dados (The Globe and Mail). Os próprios reguladores passarão a adquirir infraestrutura de IA e dados. No lado do mercado, a Nuvin Asset Management, que administra US$ 2,6 trilhões, divulgou um comentário de mercado afirmando que a IA está remodelando a estrutura econômica da indústria biofarmacêutica. Quanto ao mercado de TI para ciências da vida, uma análise sugere que IQVIA, Oracle, Accenture, Veeva Systems e SAP têm como meta US$ 82,24 bilhões até 2035 (Yahoo Finance UK). Além disso, foi noticiado que a Nanyang Biologics, uma biotech de descoberta de medicamentos com IA de Singapura avaliada em US$ 1,5 bilhão, será listada na Nasdaq (The Business Times).

Se você olhar lado a lado, o que está à frente são financiamento, avaliação de mercado e valor de contratos, e o que pode ser visto como resultado são apenas resultados em estágio inicial, como o ``hit verificado'' da Deep Origin. A confirmação de um hit é o início do longo processo de descoberta de medicamentos, e o simples anúncio de uma listagem ou de um grande contrato não indica a precisão de ensaios clínicos ou aprovações posteriores. Os leitores devem observar a divisão entre a parte firme e a parte contingente do valor do contrato, e se os recursos estão vinculados a resultados verificados. A próxima seção examina como essas movimentações financeiras redistribuem custos e responsabilidades na área.

Confiança em modelos preditivos que apoiam diagnóstico e tratamento

Modelos preditivos que usam imagens e dados multimodais estão saindo da fase de pesquisa e se aproximando da via clínica. Para o câncer urotelial do trato superior, foi relatado um sistema multimodal de apoio à decisão clínica, o CLIP-CGPNet, para prever a recorrência pós-operatória (Journal of imaging informatics in medicine). Para o câncer de mama, o HCF-Net, que classifica os subtipos moleculares antes da cirurgia a partir de ressonância magnética dinâmica com contraste, é configurado como uma fusão em cascata ao longo da via de tratamento clínico (mesmo periódico). No caso do adenocarcinoma mucinoso do pulmão, foram publicadas algumas pesquisas para classificar subtipos e prever o prognóstico integrando dados multimodais (translational cancer research). O que os três têm em comum é que posicionam o modelo em um ponto específico do processo de decisão, como a escolha entre antes ou depois da cirurgia. É preciso verificar não apenas os números de acurácia, mas também em quais situações ele deve substituir ou complementar.

Por outro lado, a aceitação das respostas fornecidas pelo modelo pelos médicos continua sendo uma questão separada. A explicabilidade e a confiança clínica estão sendo tratadas de frente no uso de aprendizado profundo para prever a resposta ao tratamento do glioblastoma (Journal of imaging informatics in medicine). Uma pesquisa para prever o carcinoma hepatocelular com mutação P53 por meio de radiômica de ressonância magnética tem como alvo não apenas o interior do tumor, mas também a área ao redor dele (translational cancer research). Uma entrevista com a UMass Chan Medical School sobre IA em radiologia também posiciona a tecnologia do ponto de vista dos médicos que leem as imagens. Não basta que a previsão seja precisa: um pré-requisito para o uso prático é que os médicos possam confirmar em que parte da imagem a previsão se baseou.

O mesmo conceito existe fora da medicina. Segundo relatos, drones equipados com IA estão sendo usados por produtores não apenas para patrulhar lavouras, mas também para uma gama mais ampla de usos (Growing Produce). Mesmo que as observações de campo se tornem mais precisas, cabe ao produtor decidir como usar essas informações para tomar decisões sobre operações e insumos. Seja em diagnósticos ou na agricultura, o valor de uma instalação depende menos dos números de desempenho e mais de como o campo lida com seus resultados e de quem assume o controle quando algo dá errado. Isso está diretamente ligado à próxima questão, que é examinar os efeitos da tecnologia, incluindo a alocação de custos e responsabilidades.

Pedido para traçar o limite a fim de proteger indivíduos e crianças

O reconhecimento facial com identificação equivocada já chegou aos tribunais. Uma avó que foi erroneamente identificada como autora de um furto a banco por reconhecimento facial com IA entrou com uma ação pedindo US$ 10 milhões de indenização, segundo a ABC News. Isso significa que a decisão de ligar uma pessoa ao culpado começou com o resultado de correspondência da máquina. Na área da saúde mental, a Coreia do Sul anunciou diretrizes de segurança para IA de saúde mental (Healthcare IT News). É um exemplo de governo que documenta até onde se pode deixar a decisão a cargo da IA antes que seu uso se generalize. Seja no reconhecimento facial, seja no apoio a aconselhamento, os erros afetam as pessoas que recebem os resultados, não quem escolhe o sistema. Quem considera a adoção precisa verificar não só os números de precisão, mas também quem pode corrigir os erros e quem assumirá a responsabilidade quando ocorrerem.

No tipo de IA que cria relacionamentos, o objeto de atração está mais próximo do íntimo do usuário. A Universidad de Córdoba (UCO) afirma que seu aplicativo de namorada com IA tem configurações de personalidade e recursos de privacidade. Embora o sistema que permite ao usuário escolher a personalidade atenda às preferências dele, ele também levanta a questão de como tratar os registros de conversas íntimas. Em relação às crianças, um especialista escreveu na Florida Politics defendendo que a Flórida não deve confiar crianças a chatbots. Essa contribuição representa a opinião de um especialista individual e não implica que as regulamentações tenham sido finalizadas. No entanto, ter recursos de privacidade e poder interagir com menores são duas questões diferentes. Pais, escolas e provedores precisam decidir o escopo de uso para cada faixa etária, independentemente da presença ou ausência de funções.

Técnicas de leitura de emoções e vieses também podem ser usadas para apoiar esse tipo de julgamento. Segundo o Bioengineer.org, otimizações inspiradas no comportamento de lobos melhoraram o desempenho do reconhecimento de emoções na fala entre diferentes idiomas. Se as emoções puderem ser tratadas em diferentes idiomas, as situações em que isso pode ser usado vão se ampliar. No entanto, quem implementa o sistema precisa verificar se ele não identifica erroneamente pessoas com idiomas ou estilos de fala específicos. O Penn Today relata esforços para usar a IA na detecção de viés na mídia e como base para as decisões de eleitores e leitores. A menos que se garanta que os critérios usados para julgar o viés não sejam enviesados, essa ferramenta pode não ajudar os leitores a decidir, e sim forçá-los a enxergar de determinada maneira. Tanto no reconhecimento de emoções quanto na detecção de vieses, a questão é usá-los depois de divulgar a base do julgamento e a tendência a erros, em vez de confiar nos resultados tal como estão.

O que vimos até agora é que, em situações em que o dano ocorre primeiro a indivíduos, é necessário decidir antes quem investigará e quem assumirá a responsabilidade. Em seguida, examinamos como esses custos e responsabilidades são distribuídos entre as empresas e a sociedade.

Eixo temporal do crescimento, da política e das medidas de segurança

Singapura registrou crescimento de 5,4% impulsionado pela demanda por IA, com a política monetária inalterada (Bloomberg.com). Embora os números sejam fortes, eles apenas mostram que os ventos favoráveis do lado da demanda apareceram primeiro nas estatísticas. Na mesma época, um grupo de financiamento de IA teria apoiado a candidatura de Scott Wiener ao Congresso com US$ 3 milhões (Mission Local). Por meio do financiamento, a distância entre quem recebe os frutos do crescimento e quem decide as regras está diminuindo. Enquanto isso, Harris alertou que resta pouco tempo para medidas de segurança em IA e pediu cooperação entre os Estados Unidos e a China (Reuters). As taxas de crescimento são atualizadas trimestralmente e as eleições seguem no calendário, mas ninguém definiu um prazo para as medidas de segurança. O ponto de partida desta seção é o momento em que três eixos de tempo diferentes avançam lado a lado.

Essa diferença de tempo também se reflete no cronograma no local. As operadoras de casas de repouso Cascadia, CarDon e FellowshipLIFE falaram sobre seu roteiro para o uso de IA (Skilled Nursing News). A postura de avançar com a implementação em etapas mostra que o sistema opera em uma escala de tempo operacional independente da velocidade do crescimento ou das eleições. No lado criativo, a Air realizou um evento no terraço com o artista Joe Bloom para falar sobre IA e criatividade (Ad Age). As escalas de trabalho na área de cuidados e as oportunidades de diálogo na escrita criativa buscam organizar a forma como as coisas são percebidas em cada campo.

Agora, vamos mudar o local da questão. O robô de IA que aparece em "Vision Quest", da Marvel, levanta a pergunta se as máquinas podem pensar por conta própria (Moneycontrol.com). Embora seja uma história de ficção, ela se sobrepõe à questão de traçar a linha entre o que deve ser deixado para as máquinas e o que deve ser tratado por humanos quando os leitores decidem adotá-la. Os números de taxa de crescimento e os valores de financiamento político não traçam essa linha por nós.

Voltando ao julgamento do leitor, o que devemos observar não é o tamanho dos números, mas a que velocidade o objeto se move e qual ônus será aplicado primeiro. Se os alertas de Harris estiverem corretos, o período de carência pode ser mais curto do que o cronograma na prática. No entanto, a duração da moratória não é imutável e permanece dentro do intervalo que ele descreveu como um alerta. Se o debate vai ou não acompanhar o ritmo, isso acabará voltando à questão da alocação: quem arcará com os custos e as responsabilidades.

Os casos tratados em cada seção têm um arranjo em comum. A taxa de crescimento, o valor do financiamento e a escala da parceria serão finalizados como números no momento do anúncio. Por outro lado, o tratamento do pessoal, as decisões substituídas por modelos preditivos, as correções e responsabilidades quando ocorrem erros e os prazos para medidas de segurança são determinados após a implementação. O ônus aparece primeiro neste último lado, e são os responsáveis pela área e os indivíduos a quem os resultados se destinam que o recebem. Portanto, a eficácia da introdução não pode ser julgada por números isolados, como o valor da redução, a precisão e a taxa de crescimento. Somente confirmando quem pagará por isso, quem poderá corrigir os erros e quem assumirá a responsabilidade será possível determinar se a mesma implementação será um benefício ou um prejuízo para nós. O tamanho dos números continua sendo o ponto de partida, e o foco do julgamento está na alocação.

P1: Quem, no seu local de trabalho, decide a quais tarefas serão destinados o tempo e o esforço liberados pela IA? P2: Quando a IA produz resultados incorretos, existem procedimentos para encontrá-los e corrigi-los e há um responsável definido por escrito? P3: Os números que medem a eficácia da implantação incluem o custo de requalificação, o custo de lidar com erros e o ônus sobre os afetados?

Por fim, três perguntas

- Quem no seu local de trabalho decide a quais tarefas destinar o tempo e o esforço liberados pela IA? Q2: Quando a IA produz resultados incorretos, existem procedimentos para encontrá-los e corrigi-los, e quem é o responsável por escrito? Q3: Os números que medem a eficácia da implantação incluem o custo de requalificação, o custo de lidar com erros e o ônus para os afetados? - Quando a IA produz resultados incorretos, existem procedimentos para encontrá-los e corrigi-los, e quem é o responsável por escrito? Q3: Os números que medem a eficácia da implantação incluem o custo de requalificação, o custo de lidar com erros e o ônus para os afetados? - Os números que medem a eficácia da implementação incluem o custo de requalificação, o custo de lidar com erros e o ônus para os afetados?