AI Highlights — o panorama completo — Notícias diárias de 2026-10-26 (seg)

Enquanto a IA impulsiona os números de emprego, a mesma tecnologia também está por trás de informações eleitorais, conselhos amorosos e sobre criação de filhos, previsões de câncer e operações militares e farmacêuticas. Relata-se que as gigantes de TI cortaram quase 200.000 empregos em todo o mundo, mas a escala dos cortes é apenas parte das mudanças em curso. Apenas 8% dos adultos americanos obtêm informações eleitorais de chatbots de IA, e, se um grande serviço de relacionamento com IA falir, os parceiros dos usuários serão excluídos. Independentemente de os números serem grandes ou pequenos, os humanos recebem cada vez mais respostas da IA e as usam como base para decisões e relacionamentos. O que gostaria que os leitores levassem destas meias-jornadas é a pergunta sobre até onde podemos deixar as coisas por conta da IA e onde devemos traçar a linha. As seções abaixo mostram como a linha se posiciona de maneira diferente em diferentes setores e situações.

Cortes de pessoal saem na frente, e o sistema e a economia vêm atrás

O jornal econômico indiano Livemint informou que as grandes empresas de TI cortaram quase 200.000 empregos no mundo todo devido à transformação por IA. A escala das reduções já superou a de qualquer empresa ou país isolado. A Al Jazeera destacou que o Reino Unido lidera as demissões relacionadas à IA e discutiu os motivos disso. No setor financeiro, o Barclays foi citado como caso de demissões devido à IA e de preocupações excessivas com impostos bancários (Seeking Alpha). Movimentos semelhantes ocorrem em diferentes setores e regiões, como TI, Reino Unido e bancos. Portanto, é necessário enxergar a IA e o emprego não como decisões de gestão de uma única empresa, mas como fenômenos comuns a vários setores.

Esse movimento também está se espalhando para além do emprego. O FMI citou tanto os altos preços da energia quanto a IA como fardos em sua avaliação dos desafios enfrentados pelas economias asiáticas (India Today). Embora a transformação por IA seja uma medida de redução de custos para as empresas, ela também cria um ônus de ajuste para a economia como um todo. Além disso, no caso dos bancos, o tema das demissões é discutido no mesmo contexto da questão institucional dos impostos sobre bancos (Seeking Alpha). Ao ler os planos de redução de uma empresa, a menos que sejam examinados em conjunto com os desdobramentos tributários e regulatórios, não será possível saber se a decisão foi tomada de forma independente ou se foi influenciada pelo sistema.

A mesma tendência está aparecendo em organizações de saúde. Segundo a Hospitalogy, o CEO da Navvis, responsável pela área de saúde, disse que, enquanto o atendimento baseado em valor (VBC) avançou em direção a resultados, o LEAD foi colocado em espera. Ele então fala sobre a preparação para modelos de risco que poderão se tornar obrigatórios. O que está acontecendo aqui não é a IA em si. Os mecanismos de pagamento e avaliação estão mudando, e as organizações estão sendo forçadas a se reestruturar de acordo. Mesmo que a obrigatoriedade seja adiada, a necessidade de estar preparado permanece. Esse ponto se sobrepõe ao exemplo do Reino Unido, onde as reduções de pessoal avançaram mais rápido do que as melhorias institucionais.

Quando dispostos dessa forma, o número de pessoas e a proporção das reduções não são necessariamente resultado das decisões de cada empresa. Eles sofrem influência de condições externas, como a avaliação econômica, o sistema tributário e os métodos de pagamento na área da saúde. Quem observa os números precisa verificar em qual sistema eles foram gerados. A próxima pergunta a ser feita não é tanto o tamanho da redução, mas quanto da tomada de decisão no local, do trabalho criativo e do trabalho clínico deve ser deixado para a IA.

Contextos de informação e educação em que o viés e a confiança são questionados

Apenas 8% dos adultos dos EUA estão usando chatbots de IA para obter informações sobre a eleição de 2026 (Pew Research Center). O número de usuários ainda é pequeno. No entanto, se as respostas recebidas por esse pequeno grupo forem enviesadas, o fato de ser pequeno não é motivo para tranquilidade. Na análise do TechCrunch, diante de uma escolha, o Grok escolheu o Partido Republicano, enquanto a OpenAI escolheu o Partido Democrata. Ambos os modelos costumam ser usados com a suposição de neutralidade. Ainda assim, se forçados, revelam sua posição. O que os leitores devem verificar não é se o chatbot vai responder. Em uma pergunta altamente partidária como uma eleição, a questão é se a resposta pode ser usada como base para tomar decisões.

Na área da educação, os números mostram que falta preparo. As políticas de IA das escolas do estado de Washington continuam na era de 2010 e despreparadas para o futuro (The Seattle Times). Embora os alunos já tenham acesso à IA generativa, os regulamentos escolares ainda se baseiam em uma linguagem escrita numa época em que a IA não era comum. Se a política estava ultrapassada, os professores não teriam escolha a não ser tomar decisões individuais, e o que permitiriam e pediriam aos alunos mudaria de sala de aula para sala de aula. A confiança aqui não é a confiança na saída da IA em si. É a confiança em saber se a organização que decide como usá-la está acompanhando a situação real.

Movimentos relacionados à segurança também começam a ganhar forma em resposta aos ataques. Após o ataque ao Hugging Face, houve uma série de movimentações em torno da segurança da IA. O Tech Xplore organiza seu andamento em ordem cronológica. Com a infraestrutura compartilhada de modelos e ferramentas publicamente disponíveis sendo alvo, a segurança deixou de ser apenas uma questão interna das empresas desenvolvedoras. A questão é como traçar a linha entre o que os usuários devem verificar por conta própria e o que deve ficar a cargo do operador da infraestrutura.

Em trabalhos criativos, há exemplos em que a responsabilidade é claramente indicada. A Creative Assembly nega a presença de arte de IA na versão completa de Total War: Shogun 2 e assume a responsabilidade (Simulation Daily). O importante aqui é que ela reconheceu ter usado algo criado por IA e, em seguida, demonstrou disposição para assumir a tarefa. O ponto em comum entre modelos enviesados, políticas escolares desatualizadas, medidas de segurança adotadas após o ataque e empresas de produção que admitiram responsabilidade é que a confiança não se constrói com desempenho, mas com clareza sobre quem é responsável por quê. Para decidir o escopo do trabalho a ser confiado, a pessoa que irá assumi-lo precisa estar visível. Na próxima seção, veremos como essa linha é traçada em contextos mais pessoais, emocionais e clínicos.

O preço de confiar suas emoções e relacionamentos à IA

A questão de se as máquinas têm emoções está provocando um debate sobre IA, segundo a MarketWatch. Embora esse debate não tenha sido resolvido, os relacionamentos estão sendo construídos do lado dos usuários sem esperar por uma conclusão. Segundo o New York Post, um grande serviço de namorados de IA está falindo e os namorados de IA dos usuários devem ser excluídos. A pessoa com quem o usuário trocava palavras diariamente desaparece por causa da situação financeira da empresa operadora. Independentemente de os sentimentos serem genuínos ou não, a responsabilidade de manter o parceiro é da empresa, e, se a empresa quebra, o relacionamento acaba. O The Malaysian Reserve informou que a IA está mudando a maternidade para pior. Quanto mais situações em que consultas e decisões sobre a criação dos filhos são confiadas à IA, mais as interações entre pais e filhos, que normalmente deveriam ser concentradas, podem se tornar menos eficazes. Este artigo trata dessas mudanças como um problema.

Há também avanços na capacidade das máquinas de ler emoções. Segundo o The Decoder, a Block anunciou uma nova IA chamada Dessa, que aprende exclusivamente a partir de áudio. Diz-se que a própria voz captura emoções que não podem ser captadas por meio da transcrição. Há margem para que seja usada em situações como call centers e entrevistas, nas quais o julgamento não pode ser feito apenas com base no conteúdo das palavras. No entanto, não fica claro, a partir dessa reportagem, quem usa as emoções lidas a partir da voz e com que finalidade. Quanto mais precisas se tornam as leituras, maior é o risco de que aqueles que recebem os resultados os utilizem como material para fazer julgamentos sobre as pessoas.

Por outro lado, também há maneiras pelas quais a IA pode apoiar as relações entre as pessoas. O Oncology Nursing News apresenta um exemplo de como modelos de IA de risco de câncer de mama podem ser usados na triagem e na orientação de pacientes conduzida por enfermeiros. Aqui, a IA serve apenas para estimar o risco, e o enfermeiro é responsável por explicar a situação à paciente e atender às suas preocupações. Enquanto AI Lover e Dessa dependem da IA para interpretar seus relacionamentos e emoções, neste caso a IA prepara os materiais para o diálogo entre pessoas.

Analisando lado a lado, confiar ou não o seu trabalho à IA não depende apenas do desempenho dela. Antes de usar o dispositivo, é preciso verificar se aquele a quem ele foi confiado não vai desaparecer por causa da falência da empresa operadora, quem receberá as informações obtidas a partir de vozes e palavras, e se restará algum ser humano. Essa verificação servirá de base para determinar o escopo das decisões e do trabalho criativo que serão confiados à IA.

A precisão da previsão no tratamento do câncer avança com imagens e dados

No câncer de mama, foram feitas tentativas de estimar a presença ou ausência de metástase antes da cirurgia. Foi relatado um estudo sobre o uso de IA para prever a metástase do câncer de mama antes da cirurgia por meio da interpretação de imagens de ultrassom (Bioengineer.org). Outro estudo apresenta um framework de ensemble por empilhamento estático calibrado para prever a mortalidade por câncer de mama (Archives of Breast Cancer). Calibração é o processo de verificar se as probabilidades produzidas pelo modelo correspondem à frequência real de ocorrência. Como está relacionada a se os valores previstos podem ser lidos como probabilidades, é tão importante quanto a acurácia ao explicar aos pacientes ou discutir planos de tratamento. No campo das imagens patológicas, o SCLC-SBT, um transformer bilinear espectral para classificar imagens de tecido de câncer de pulmão de pequenas células, foi publicado na Scientific Reports. Mesmo que o tipo de imagem mude, não são apenas os números de acurácia que importam, mas também a forma de interpretar o resultado.

Há também estudos que pedem verificação em várias instituições. A estratificação do risco prognóstico de glioma por meio de um modelo baseado em patologia também identificou genes-chave e vias biológicas envolvidos no prognóstico, e foi publicada como um estudo multicêntrico na Acta Neuropathologica Communications. No câncer gástrico, diz-se que a radiômica de aprendizado profundo de TC em dois campos, que inclui o tecido adiposo visceral, melhorou a previsão pré-operatória de metástase em linfonodos. Este também é um estudo multicêntrico (European journal of radiology). No carcinoma hepatocelular, há estudos que usam radiômica de RM para prever a expressão de FAP e o microambiente tumoral imunossupressor. Esses desenhos de estudo buscam verificar se os dados de outros hospitais confirmam os resultados, em vez de se basearem nos resultados de um único hospital. O que os leitores devem observar não é o tamanho do valor mais alto, mas o quanto os resultados mudam quando a instituição muda.

A unidade de análise foi reduzida à célula. No câncer de bexiga, integramos transcriptômica de célula única/espacial e aprendizado de máquina para demonstrar as assinaturas moleculares e os principais genes de risco de células epiteliais malignas com alta capacidade de células-tronco (Discover Oncology). O scGlycoAI é uma estrutura que usa aprendizado de máquina para analisar dados de glicanos e de sequências de RNA de células individuais, determinar o tipo de célula e buscar glicanos associados à malignidade (Glycobiology). Das imagens às células, os alvos da previsão estão se expandindo a cada tipo de dado. No entanto, o que esses artigos indicam é a possibilidade de que as previsões se confirmem, e se estão ou não em um nível utilizável na prática clínica exige confirmação separada. O que está sendo medido agora não é o desempenho em si, mas a distância até a qual se pode confiar nas previsões. A questão de quem traça essa linha, e como, aparece da mesma forma fora do tratamento médico.

A introdução na área avançará por setor, com base em evidências

A Força Aérea dos EUA planeja usar IA para apoiar o reabastecimento aéreo, segundo o Military Times. O reabastecimento aéreo é uma missão com procedimentos operacionais detalhados e padrões de segurança. Usá-la como apoio é diferente de confiar toda a missão à IA. O outro caso é a descoberta de medicamentos. Segundo um artigo introdutório publicado pela Unisba Media em 14 de abril, às 16:00, a Novo Nordisk e a OpenAI firmaram uma parceria para descoberta de medicamentos com IA. O mesmo artigo menciona também a saída oficial de Gianandrea, chefe de IA da Apple. Os setores militar e farmacêutico têm padrões diferentes a seguir e custos de falha diferentes. Mesmo assim, os lugares onde a IA pode ser usada limitam-se a processos que podem ser apoiados dentro do fluxo de trabalho existente.

Na cirurgia médica, a justificativa para a sua adoção começa a ser mostrada em números. Uma revisão sistemática publicada na Cureus resume as evidências clínicas prospectivas da orientação digital intraoperatória assistida por robô na cirurgia de câncer de próstata e na cirurgia de câncer de rim. Um desenho prospectivo é aquele em que as condições são definidas e os pacientes são acompanhados antes de os resultados serem conhecidos. Esses estudos têm um peso diferente, como base para julgamento, do que slogans publicitários ou casos observados em retrospecto. Atualmente, há trabalhos em andamento para confirmar a eficácia da orientação intraoperatória em cada órgão, a próstata e o rim.

Quando esses três casos são colocados lado a lado, há pontos em comum na forma como a adoção avança. A Força Aérea está começando pelo apoio ao reabastecimento aéreo, a Novo Nordisk está começando por uma parceria de descoberta de medicamentos, e a cirurgia está começando pela orientação intraoperatória em cirurgias assistidas por robô. Em todos os casos, os alvos são divididos em partes da operação e os resultados são verificados dentro desse escopo. Ao analisar a implementação da IA no campo, é mais útil para os leitores julgar observando em quais processos ela é usada e que tipo de verificação foi realizada, em vez de se foi declarado que a IA será usada. Processos que foram extensivamente verificados fornecem fundamentos para ampliar o escopo de responsabilidade, enquanto processos que passaram por pouca verificação continuam sendo tratados com cautela. A próxima pergunta é onde traçar a linha em que as pessoas não abrem mão do julgamento final, mesmo após a verificação.

O que todas as seções tinham em comum era que os resultados eram determinados não pela introdução da IA em si, mas por onde delimitar o escopo daquilo que é confiado a ela. A dimensão das demissões chamou a atenção, mas os mesmos movimentos estavam se espalhando por vários setores e regiões, impondo um ônus de ajuste à economia como um todo. Em contextos de informação e educação, levantaram-se questões sobre o viés nas respostas e sobre atrasos na organização dentro das escolas, mesmo que o número de usuários fosse pequeno. Na área das emoções e dos relacionamentos, a situação de gestão da empresa operadora influenciou as relações entre os usuários. No tratamento do câncer, condições para a leitura dos resultados, como calibração e verificação multicêntrica, foram tratadas junto com a precisão. Nas áreas militar, farmacêutica e cirúrgica, a introdução concentrou-se em processos que podiam ser apoiados dentro dos procedimentos existentes, e as evidências estavam se acumulando. Em vez de decidir se usamos ou não a IA, agora precisamos decidir, em cada situação, o que confiar à IA e o que manter em nossas mãos.

P1: Em quais processos do seu trabalho você usa a saída da IA como base para decisões, e quem tem um sistema para perceber quando a saída está incorreta? P2: Quais padrões e procedimentos são usados para verificar vieses e erros na saída da IA antes e depois da introdução, e há registros mantidos? P3: Qual foi a base para decidir o escopo a ser confiado à IA? Houve condições definidas e quem será responsável por revisar o escopo quando a situação do negócio ou do cliente mudar?

Por fim, três perguntas

- Quais processos no seu trabalho dependem diretamente do resultado da IA para tomar decisões, e quem tem um sistema para perceber quando esse resultado está incorreto? Q2: Quais padrões e procedimentos são usados para verificar vieses e erros no resultado da IA antes e depois da introdução, e os registros são mantidos? Q3: Qual foi a base para decidir o escopo a ser confiado à IA? Houve alguma condição, e quem será responsável por revisar o escopo quando a situação do negócio ou do cliente mudar? - Quais padrões e procedimentos são usados para verificar vieses e erros no resultado da IA antes e depois da implementação, e os registros são mantidos? Q3: Qual foi a base para decidir o escopo a ser confiado à IA? Houve alguma condição, e quem será responsável por revisar o escopo quando a situação do negócio ou do cliente mudar? - Qual foi a base para decidir o escopo a ser confiado à IA, e as condições e a responsabilidade pela revisão do escopo foram definidas para quando a situação do negócio ou do cliente mudar?