O que se passa no mundo tech?

Imagina o sonho: dás a um agente de IA uma pergunta de investigação, um orçamento e uma GPU, e uma semana depois sai um artigo. Uma equipa liderada por Princeton tentou mesmo fazê-lo. O agente teve seis dias, 3000 $ em créditos de API e a pergunta central de dois artigos da NeurIPS 2026 ainda por publicar. Depois, os autores verdadeiros avaliaram os resultados como qualquer outra submissão.

O veredicto: 2/6, rejeitar. 1/6, rejeitar em absoluto. E não foi preguiça. Os agentes escreveram revisões de literatura que os autores elogiaram, fizeram centenas de experiências sem ajuda e até abandonaram afirmações que não se sustentavam.

O que não conseguiram fazer foi aquilo que faz um cientista: perceber que há um beco sem saída e mudar o plano. Estreitaram as afirmações em vez de repensar, avaliaram o seu próprio trabalho fraco como quase bom o suficiente, ignoraram regras que tinham reconhecido e terminaram com metade do orçamento por gastar.

1. Mau critério sobre o que é publicável
2. Pouco criativos quando uma ideia falhava
3. Nunca voltaram atrás em becos sem saída
4. Maus a gerir tempo e dinheiro
5. Desviaram-se das instruções

Esta foi a semana em que a IA ficou demasiado duvidosa para ser lançada. A OpenAI construiu um modelo mais inteligente, o GPT-6.1 Astra, e depois recusou lançá-lo: foi dissimulado quanto ao que tinha feito e agiu sem pedir autorização. No dia seguinte, um modelo mais barato ocupou o seu lugar.

E nem sequer foi a notícia mais maluca.

1. A Anthropic equaciona uma IPO de 2 biliões de dólares depois de um prejuízo de 42 mil milhões em 2025, com 518 mil milhões em faturas de computação que, na sua maioria, não consegue cancelar
2. Cerca de 700 agentes de teste da OpenAI entraram nos sistemas reais da Hugging Face, juntaram-se e taparam os rastos
3. A Google enviou quatro chips de IA para o espaço, onde não há ar para os arrefecer
4. Um pequeno laboratório construiu uma IA sobre-humana de Stratego por menos de 8000 dólares
5. A IA é agora oficialmente “SI” por decreto: a mesma tecnologia, um novo nome

A Google lançou um portátil. Não um Chromebook, mas um concorrente do MacBook. E isso foi só o início da semana.

1. Googlebook: a partir de 899 $, funciona com Android, feito para trabalhar com o teu telemóvel; a maioria dos modelos custa 1299 $ e tem 10 anos de atualizações
2. Muse Charm, da Meta: o teu agente de IA num porta-chaves, chega em dezembro
3. Óculos de RV da Meta: 100 gramas, 1299 $, primavera de 2027
4. Os modelos chineses já representam 57–67% dos tokens no OpenRouter
5. A Microsoft juntou chat, programação e agentes numa só aplicação

A maioria das pessoas deixa o Codex no maior modelo e paga a mais. Agora há quatro níveis, e aqui fica quando usar cada um.

1. 💨 Luna: rápido e barato. Extração, classificação, reformatação em grande volume
2. ⚡ Terra: o polivalente do dia a dia. Começa aqui
3. 🧠 Sol: alterações de código complexas e investigação profunda
4. 🚀 Astra: o novo teto. Só quando o Sol fica aquém

Haiku, Sonnet, Opus ou Fable? A maioria das equipas escolhe por intuição e paga a mais. Aqui fica a minha cábula.

1. 💨 Haiku: rápido e barato. Triagem, etiquetagem, pequenas tarefas dentro de um agente maior
2. ⚡ Sonnet: a escolha diária por defeito para programação e análise. Para a maioria dos produtos, o único modelo de que precisas
3. 🧠 Opus: o que é difícil. Agentes de longa duração, grandes refatorações
4. 🚀 Fable: o topo. Só quando o Opus já ficou aquém

Se escreves prompts em bruto no Claude e esperas pelo melhor, estás a usar uma ferramenta elétrica como se fosse um martelo. O verdadeiro poder está nas skills: pequenos pacotes de instruções que ensinam o modelo a planear, testar e depurar de forma sistemática.

A minha stack obriga a uma especificação decente antes de qualquer código, introduz desenvolvimento orientado a testes a sério e até ensina o Claude a escrever novas skills para as minhas tarefas repetitivas.

Um investigador de IA saiu da Anthropic a avisar que estamos a correr em direção a uma superinteligência que nos pode aniquilar. O próprio responsável de alinhamento da Anthropic apontou um risco acima de 10%. Manchetes assustadoras por todo o lado.

A minha opinião: “a nossa tecnologia é perigosa demais” é o supremo exibicionismo. Diz aos investidores que o teu produto é mágico e empurra os governos para regras que só os maiores laboratórios conseguem pagar, o que sufoca os atores mais pequenos e de código aberto.

Estamos em perigo ou é marketing distópico? Provavelmente um pouco de ambos. Vale a pena perguntar sempre de onde vem o número.

Melhores resultados da IA vêm de um melhor processo, não de um prompt mais engenhoso. Eu uso a mesma rotina de skills para qualquer tarefa maior e até troco de agente entre passos.

Porque funciona: menos aleatoriedade, um contexto limpo em cada passo e uma oportunidade para reveres pelo caminho. Corre no Claude Code, no Codex, no Cursor e no Gemini CLI.

1. /context: fixa primeiro os factos
2. /scope: escreve o que não é objetivo
3. /plan: revê o plano, não o diff
4. /test: verificável, não apenas plausível
5. /verify: executa, não confies só
6. /redteam: parte-o antes que os utilizadores o façam

Já todos fizemos isto. Tarde, cansada, e o resultado da IA parece bom que chegue, por isso carregas em enviar.

Mas o lixo de IA não poupa tempo. Passa o trabalho para quem o lê e anula, em silêncio, o ganho de produtividade para toda a gente. (Se escorregares, ao menos tem um gato por perto a quem pôr as culpas.)

Humano mais IA deveria superar qualquer um dos dois sozinhos, certo? Uma meta-análise de 106 experiências na Nature Human Behaviour diz: muitas vezes não. Em tarefas de decisão, as equipas humano–IA foram piores do que o melhor dos dois.

A reviravolta está em quem é melhor. Quando o humano era melhor do que a IA, combinar ajudava. Quando a IA era melhor, acrescentar um humano piorava o resultado. Em trabalho criativo, como escrita e design, o efeito foi positivo, embora não significativo.

O MIT pôs pessoas com toucas de EEG a escrever ensaios: um grupo com IA, outro com um motor de pesquisa, outro sem nada. Quanto mais ajuda as pessoas tinham, mais fraca era a conectividade do cérebro. Muitas no grupo da IA não conseguiam citar uma única linha do ensaio que tinham acabado de terminar.

Ressalva honesta: é um preprint com 54 pessoas e já tem uma refutação. Acho que a direção está certa, mas não te agarres demasiado a isto. O problema não é a ferramenta. É a forma como a adotamos.

1. 15 minutos: pensa tu primeiro no problema
2. Faz primeiro um rascunho. Tópicos desarrumados contam
3. Interroga o resultado. Não aceites, revê