Large Language Models

Principais notícias

1. 1

   Agentforce da Salesforce enfrenta barreira de adoção; apenas 34% dos clientes adotaram a plataforma

   O que aconteceu: Quando lançou o Agentforce em 2024, o CEO da Salesforce Marc Benioff o posicionou como a plataforma de IA autônoma de ponta da empresa, mas a adoção estagnou. Apenas 34% dos clientes adotaram a plataforma, e analistas estimam que apenas 23 mil dos 150 mil clientes da empresa estão efetivamente usando-a. A ação caiu mais de 50% em relação ao pico de dezembro de 2024, apagando mais de 200 bilhões de dólares (aproximadamente 32 trilhões de ienes) em valor de mercado. Por que é importante: A lenta adoção revela que as empresas não estão prontas para IA agentic — não porque duvidem de seu valor, mas porque sua infraestrutura de dados não está preparada. Pesquisas da KeyBanc e Bernstein identificaram dois entraves principais: muitas empresas lutam com registros de CRM fragmentados e sistemas desconectados, e o Agentforce ainda está em estágios iniciais, com a maioria das implantações ainda limitada a projetos de prova de conceito em vez de lançamentos completos. Para profissionais de marketing, isso significa que investir em qualidade de dados e integração provavelmente renderá melhores retornos do que implantar agentes de IA em dados desorganizados.

   O que acompanhar: A Salesforce está trabalhando para resolver essas barreiras adicionando tecnologia para extrair automaticamente dados de clientes de fontes externas e expandindo recursos de gerenciamento de dados por meio de aquisições como a Informatica. A empresa contesta os relatórios de rebaixamento, com Benioff chamando a avaliação da KeyBanc de "uma má decisão" e citando métricas internas mostrando que o Agentforce é o produto que cresce mais rapidamente na história da empresa. No entanto, uma pesquisa com CIOs descobriu que mais organizações esperam reduzir gastos com Salesforce no próximo ano do que aumentá-los.

2. 2

   Dave Eggers diz à equipe da OpenAI que ChatGPT está 'silenciando uma geração inteira'

   O que aconteceu: O autor Dave Eggers, convidado por Sam Altman para falar a cerca de 200 funcionários da OpenAI, criticou o impacto do ChatGPT na educação. De acordo com o Financial Times, Eggers disse à equipe que a ferramenta tornou a vida dos professores "infinitamente mais difícil" e que estudantes que a usarem para escrever "nunca aprenderão a escrever" e terão "sua voz roubada". Por que é importante: Eggers é uma figura literária proeminente—seu romance The Circle critica a indústria de tecnologia, e ele já chamou a escrita gerada por IA de "pastiche nonsense". Suas observações refletem preocupações crescentes entre educadores e escritores sobre o papel da IA em prejudicar o desenvolvimento de habilidades de escrita e a voz dos alunos, preocupações que ganham peso quando expressas dentro de uma grande empresa de IA.

   Pontos de atenção: A resposta de Altman e se a OpenAI abordará as preocupações de educadores levantadas pela crítica. O histórico de Eggers sugere que ele veio preparado para desafiar a empresa; seu trabalho sem fins lucrativos apoiando escritores e as artes enfatiza seu interesse na questão.

3. 3

   Intel e Google aprofundam parceria em IA para design de chips

   O que aconteceu: Intel e Google Cloud anunciaram na quinta-feira, dia 16, uma parceria expandida, implementando Gemini Enterprise em toda a força de trabalho da Intel e integrando ferramentas de IA agêntica no processo de design de chips da Intel. Por que é importante: A parceria sinaliza o compromisso da Intel em incorporar IA em suas operações de engenharia essenciais. As ferramentas de IA agêntica—sistemas capazes de planejar e executar tarefas de forma autônoma—representam um avanço além da assistência tradicional de IA, potencialmente acelerando o ciclo de design de chips, que é uma alavanca competitiva crítica para os fabricantes de semicondutores.

   O que observar: Os detalhes de como a IA agêntica será implementada nos fluxos de trabalho de design de chips, e se essa parceria resultará em melhorias mensuráveis na velocidade ou qualidade do design que a Intel possa divulgar nos próximos trimestres.

4. 4

   Demanda por CPUs deve disparar com IA agêntica; AMD melhor posicionada

   O que aconteceu: Conforme a IA se torna mais agêntica (capaz de raciocínio autônomo), a proporção de processadores gráficos para processadores centrais em data centers deve mudar de 8-para-1 no treinamento para 4-para-1 na inferência e 1-para-1 para agentes de IA, com a Nvidia prevendo que isso poderia se tornar um mercado de $200 bilhões (約32兆円) nos próximos anos. AMD, Arm Holdings e Intel estão posicionadas para se beneficiar, mas a AMD emerge como a candidata mais forte devido sua liderança em CPUs de data center, sua nova arquitetura Venice com até 256 núcleos projetada para IA agêntica, e sua aquisição da empresa de otimização de memória MEXT. Por que importa: CPUs lidam com o raciocínio sequencial que permite que agentes de IA parem e pensem antes de agir—uma carga de trabalho fundamentalmente diferente do poder computacional bruto que GPUs fornecem. A AMD já lidera o mercado de CPUs de data center e possui dois acordos massivos com OpenAI e Meta, além de se beneficiar do mercado de inferência em expansão com suas GPUs. Em contraste, a Intel enfrenta um negócio de chips de computador mais amplo estagnado e uma operação de foundry em dificuldades, enquanto a Arm corre o risco de competir contra seus próprios clientes e enfrenta restrições de capacidade de fabricação.

   O que acompanhar: A Arm projetou que o mercado de CPUs de data center alcançaria $100 bilhões (約16兆円) nos próximos cinco anos e acreditava que poderia capturar 15% de participação de mercado, o que equivaleria a $25 bilhões (約4兆円) em receita em 2031, sendo $15 bilhões (約2.4兆円) de CPUs. O lançamento da arquitetura Venice da AMD e a execução de sua estratégia de inferência de GPU serão indicadores críticos de sua capacidade de capturar participação no mercado de IA agêntica.

5. 5

   Modelo de IA Kimi K3 levanta questões de fronteira após estreia robusta

   O que aconteceu: O Kimi K3, novo modelo de IA da China, obteve 57 pontos no índice de inteligência Artificial Analysis—um ponto à frente do Claude Opus 4.8, dois atrás do Sol e três atrás do Fable—provocando comparações com o impacto recente de mercado do DeepSeek e especulações sobre possíveis quedas de ações do Google, SpaceX e Nvidia. Por que importa: A força do modelo está levando a uma reavaliação das suposições existentes sobre desenvolvimento e competição em IA; o autor observa que a pontuação pode superestimar as capacidades, mas sinais de verificação independente nos próximos dias clarificarão sua verdadeira posição em relação aos modelos líderes.

   O que observar: Uma análise completa do Kimi K3 está prevista para início da próxima semana; as reações de mercado e a validação por terceiros do desempenho real do modelo contra sistemas líderes ajudarão a estabelecer se isso representa uma mudança significativa de fronteira.

6. 6

   GPT-5.6 Pro resolve problema de teoria da complexidade de 30 anos

   O que aconteceu: O GPT-5.6 Pro da OpenAI provou que um problema aberto há 30 anos na teoria da complexidade—se duas formas de especificar sistemas de fechamento finito definem a mesma família—é coNP-completo. A prova foi gerada através do ChatGPT e verificada pelo autor, que publicou o trabalho em 18 de julho de 2026. Por que é importante: O resultado resolve uma questão de longa data que bloqueava o progresso em três campos conectados: Análise Formal de Conceitos, teoria de banco de dados (dependências funcionais) e enumeração de conjuntos fechados irredutíveis a partir de implicações lógicas. Estabelece que nenhum algoritmo de tempo polinomial pode resolver este teste de equivalência em geral, a menos que P seja igual a NP—uma impossibilidade fundamental que afeta pesquisadores e profissionais em lógica, banco de dados e IA.

   O que acompanhar: O autor assume total responsabilidade pelas afirmações matemáticas e pelo manuscrito final, e publicou a prova como um artigo revisado por pares. Isto marca um marco na descoberta matemática assistida por IA, onde um grande modelo de linguagem contribuiu com a prova central de um problema descrito como "amplamente em aberto" em uma conferência importante (ISAAC 2025) apenas meses antes.