AI Highlights — o panorama completo — Notícias diárias de 24/10/2026 (sáb)

A Warp Sciences levantou US$ 215 milhões para construir um laboratório que usa IA e robôs para executar experimentos químicos. No mesmo período, foi noticiado que a American Express cortará 5% de sua força de trabalho, e a Colliers alertou que a falta de talentos em IA pode prejudicar o crescimento na Europa. Em um lugar onde o financiamento e as expectativas são altos, uma reorganização de pessoal e uma escassez de pessoal estão ocorrendo ao mesmo tempo. O que os artigos que leremos nesta meia jornada têm em comum é a visão de que a diferença entre o sucesso e o fracasso depende menos de quanto dinheiro é investido em IA e mais de como o investimento passa pela verificação no local e de quem o conduz. As pesquisas em diagnóstico, classificação de fala e previsão também confrontam os leitores com as diferenças entre resultados em condições adequadas e resultados em ambientes reais.

Parceria com enormes fundos captados em IA para descoberta de medicamentos

A Warp Sciences levanta US$ 215 milhões para construir um laboratório de descoberta de medicamentos com IA (citybiz). Segundo o BRIDGE, a empresa usa IA e robôs para conduzir experimentos químicos voltados à descoberta de medicamentos, e levantou recursos em uma rodada Série A liderada pela Lightspeed. Na fase da Série A, foram captados mais de US$ 200 milhões. O destino dos recursos também é um ponto de interesse. O objetivo não é apenas desenvolver software e modelos, mas também construir laboratórios para realizar de fato os experimentos e automatizar os experimentos químicos.

Outra empresa, a Pathos, empresa de descoberta de medicamentos com IA, levantou US$ 237 milhões com avaliação de US$ 3 bilhões (STAT). A Reuters informa que a Pathos fará parceria com a Bristol Myers e a Tempus AI para avançar no desenvolvimento de medicamentos (Reuters). Aqui, o valor captado e o valor de avaliação incluem os vínculos práticos de uma parceria com uma grande farmacêutica. O motivo da captação de recursos não é apenas a promessa da IA em si. Parece que a avaliação também levará em conta como ela será incorporada ao processo de desenvolvimento das farmacêuticas.

O valor total captado pelas duas empresas chega a US$ 452 milhões. Essa escala mostra que as expectativas em relação à IA para descoberta de medicamentos vão além da superioridade dos algoritmos e se estendem a investimentos em todo o negócio, incluindo equipamentos experimentais e parceiros. O que os leitores devem tirar desses números não é a avaliação alta em si. A questão é se os recursos estão sendo usados na forma de estruturas experimentais automatizadas ou de colaborações com grandes farmacêuticas.

No entanto, todos os materiais apresentados desta vez são anúncios de captação e colaboração, e não relatos sobre resultados de descoberta de medicamentos. Embora os recursos sejam captados primeiro, é necessário confirmar separadamente se os recursos humanos para operar o laboratório e a verificação no local real de desenvolvimento avançarão na mesma velocidade.

Redução de pessoal e escassez de recursos humanos avançam simultaneamente

A American Express vai cortar 5% de sua força de trabalho, segundo o Demokratis.co.id. O motivo indicado na manchete é a compatibilidade com a IA. Essa redução indica que a adoção da IA não apenas melhorou a eficiência operacional, mas também entrou na fase de reorganizar a própria composição do emprego. 5% é uma porcentagem do total de funcionários, não um valor monetário. Um indicador melhor do quão séria é uma empresa do que saber se ela investiu muito em IA é se esse investimento se manifesta em mudanças no quadro de pessoal. Quando os leitores observarem suas próprias empresas e parceiros de negócios, determinar quais funções estão diminuindo e quais estão em demanda é um indicador mais preciso da situação real do que o valor dos orçamentos relacionados à IA.

Por outro lado, não basta apenas falar em excesso de pessoal. Segundo o Data Center Solutions, a gigante de serviços imobiliários Colliers alertou que a falta de talentos em IA pode atrapalhar o crescimento da IA na Europa. O corte de 5% da American Express e o alerta da Colliers são reportagens separadas, divulgadas mais ou menos na mesma época. No entanto, quando colocadas lado a lado, revelam um único quadro. Os empregos existentes estão sujeitos a redução e reorganização, e faltam pessoas para projetar, operar e manter a IA no campo. Já se apontou que a oferta de recursos humanos pode ser o limite máximo para o crescimento na região europeia, o que significa que simplesmente captar recursos não garante crescimento. Ao planejar uma implantação, os leitores precisam verificar primeiro onde irão obter o pessoal, além de garantir equipamentos e contratos.

Movimentos para mudar a relação entre as ferramentas e quem as utiliza também estão ocorrendo fora da indústria. A Frieze destacou o pintor David Salle convidando a IA para o seu ateliê. O ateliê é um lugar onde os criadores concluem suas obras com as próprias mãos. A introdução da IA nesse campo pode ser vista, em si, como um sinal de que a divisão de papéis entre quem é responsável pelo trabalho e as ferramentas que o apoiam está sendo reconsiderada. Embora a escala dessas três questões seja diferente: redução de quadros nas empresas, falta de recursos humanos locais e locais de produção individuais, todas têm algo em comum: quem fica responsável por quê, e até que ponto a IA ficará encarregada. Com base nesses fatos, parece que estamos passando para uma etapa em que o sucesso ou o fracasso da implantação é medido não pelo tamanho do valor investido, mas por se os resultados podem ser verificados por meio do uso real no campo e se é possível garantir pessoas capazes de executá-lo. Na próxima seção, veremos até onde essa comprovação avançou.

Começam a surgir verificações que superam os humanos em diagnóstico e previsão

A Microsoft apresentou um estudo mostrando que uma IA modelada com base em um grupo de médicos superou os médicos em precisão diagnóstica (Medical Economics). Diz-se que o projeto usa a IA para reproduzir a forma como o atendimento médico é conduzido, na qual vários especialistas discutem e chegam a uma conclusão. Até agora, o apoio diagnóstico por IA costumava ser tratado como uma ferramenta para auxiliar médicos individuais. Desta vez, o objeto de comparação é o julgamento de médicos individuais, e o eixo de avaliação passou da conveniência do auxílio para a própria precisão diagnóstica. No entanto, esse resultado foi obtido no âmbito de uma pesquisa. Se a mesma precisão se mantém em ambulatórios e atendimentos de emergência reais dependerá de novas verificações.

Os testes de previsão também começaram em áreas próximas à escolha do tratamento. A BostonGene colaborará em uma pesquisa usando sua IA para prever a eficácia e a toxicidade da terapia CAR-T (RegMedNet). Na terapia CAR-T, as decisões de tratamento giram em torno tanto de identificar os pacientes que podem se beneficiar quanto de estimar com antecedência o risco de efeitos colaterais graves. Se o alcance da previsão se ampliar do diagnóstico para a eficácia e a toxicidade do tratamento, a saída da IA deixará de ser apenas um elemento de consideração para os médicos e passará a ser a base para decisões sobre iniciar o tratamento e como conduzi-lo. A forma da pesquisa conjunta indica que o projeto não termina na apresentação de um método, mas entrou na fase de incorporar e verificar dados e conhecimentos do lado clínico.

Também há exemplos fora da medicina em que a IA é responsável pela observação no local. A EdenCore demonstrou sua tecnologia de monitoramento de frutas baseada em IA na FIRA USA (Fruit Growers News). Até agora, a tarefa de observar e entender continuamente a condição das frutas era realizada por pessoas que visitavam os campos. Se a IA for assumir essa observação, o valor de sua adoção dependerá de ela conseguir coletar continuamente informações que possam ser usadas para tomar decisões. Como a tecnologia só foi demonstrada em uma feira, é preciso ver como ela é usada para saber se produzirá resultados no campo.

Embora as áreas sejam diferentes, como diagnóstico, previsão de tratamento e observação de frutas, o que elas têm em comum é que a IA começou a assumir o papel de observação e previsão, que é a porta de entrada para o julgamento humano. Neste caso, a questão não é o desempenho em ambientes de pesquisa ou de exposição, mas se os mesmos resultados podem ser reproduzidos em um ambiente real e se haverá pessoas suficientes para aceitar e usar os resultados.

IA próxima do cotidiano e confirmação em ambiente real

Um modelo de voz de IA que classifica a gravidade da disartria usando gravações do mundo real é destaque no Bioengineer.org. A disartria é uma condição em que a inteligibilidade da fala fica prejudicada. O que chama a atenção neste relato é que ele abrange gravações de ambientes reais, e não áudios coletados em condições predefinidas. Em casa ou em um ambiente de cuidados de enfermagem, não se pode esperar uma sala silenciosa nem um microfone dedicado. A possibilidade de uso nessa situação depende de ser possível classificar com base em falas que contêm ruído ou oscilações do falante. Quem pensa em adotá-lo precisa não apenas olhar os números de precisão, mas também verificar em que condições de gravação essa precisão foi alcançada.

No lado cotidiano, a IA está se expandindo para os relacionamentos e para a forma como usamos o nosso tempo. A página do Escritório Regional de Desenvolvimento de Hokuriku inclui uma comparação de preços de aplicativos de namorada com IA, a versão gratuita do AI Lover e precauções. O fato de haver artigos comparando a estrutura de preços e o alcance da versão gratuita mostra que esse tipo de aplicativo passou do uso experimental para um estágio em que algumas pessoas o escolhem com base em considerações de custo. Os usuários devem considerar separadamente o que podem começar a usar gratuitamente e o que terão de pagar para continuar. Enquanto isso, o Unite.AI relata que três estudantes do ensino médio lançaram o MyDaye AI. É uma ferramenta para incorporar agendas cheias aos planos diários, e os criadores são de uma geração próxima à dos usuários.

Nas áreas relacionadas às emoções, também podemos falar de carros. O Yahoo! News destacou o Vision Cross Compact da Mazda, que carrega as expectativas para a próxima geração do Mazda 2. Diz-se que este carro está atraindo atenção como um "melhor amigo" equipado com "IA empática". No entanto, essas são expectativas para um carro que ainda está em fase conceitual, e ainda não foi confirmado na condução real como a empatia funciona enquanto se dirige.

Os quatro casos até aqui tratam de situações diferentes: apoio médico, relacionamentos amorosos, tarefas escolares e agendas, e transporte. No entanto, o que todos têm em comum é que a IA passou a ser usada perto dos detalhes e das emoções da vida das pessoas. Nesse caso, a próxima pergunta não é tanto sobre seu alto desempenho, mas sobre quem continuará a usá-la no dia a dia e quem será responsável por ela.

À primeira vista, o volume de financiamento de IA para descoberta de medicamentos, a taxa de redução de pessoal, a comparação da precisão diagnóstica e a classificação com gravações de ambientes reais são temas diferentes. No entanto, o que era comum em cada seção era que os critérios para medir o sucesso ou o fracasso da implementação estavam se afastando dos valores investidos e das expectativas, e se aproximando de demonstrações no campo e da garantia das pessoas que assumirão a liderança. Mesmo que o financiamento seja grande, se o laboratório conseguirá realizar o experimento continua sendo outra questão. Se a precisão obtida no âmbito da pesquisa se mantém em ambulatórios ou em casa exige verificação separada. A mesma situação se reflete no fato de que algumas empresas estão reduzindo sua força de trabalho enquanto outras reclamam da falta de recursos humanos. Em vez de olhar o que foi investido em IA, observar o que pode ser verificado em quais condições e se há pessoas suficientes para lidar com isso dará pistas para decidir sobre uma futura adoção.

P1: Ao usar IA no trabalho do dia a dia, sob quais condições sua precisão e eficácia foram confirmadas, e você consegue explicá-las à luz das condições do seu próprio local de trabalho? P2: Quando uma decisão baseada na saída da IA está incorreta, até onde é possível rastrear de quem é a responsabilidade e os registros de verificação? P3: Além do orçamento relacionado à IA, quantos recursos são alocados para garantir pessoal e realizar demonstrações no local? Você consegue explicar essa alocação como uma decisão de gestão?

Por fim, três perguntas

- Ao usar IA no trabalho em questão, em que condições sua precisão e eficácia foram confirmadas, e é possível explicá-las à luz das condições do seu próprio local de trabalho? Q2: Quando uma decisão baseada em resultados de IA está incorreta, até onde é possível verificar de quem é a responsabilidade e os registros de verificação? Q3: Além do orçamento relacionado à IA, quantos recursos são alocados para garantir pessoal e realizar demonstrações no local? É possível explicar essa alocação como uma decisão de gestão? - Quando uma decisão baseada em resultados de IA está incorreta, até onde é possível verificar de quem é a responsabilidade e os registros de verificação? Q3: Além do orçamento relacionado à IA, quantos recursos são alocados para garantir pessoal e realizar demonstrações no local? É possível explicar essa alocação como uma decisão de gestão? - Além do orçamento relacionado à IA, quantos recursos são alocados para garantir pessoal e realizar demonstrações no local, e essa alocação pode ser explicada como uma decisão de gestão?