A IA aprendeu a fazer. Falta decidir quem responde por isso

A Anthropic entrega 5% das ações e compra legitimidade

A Anthropic vai colocar 5% das suas ações num novo fundo de benefício público, o Anthropic Public Benefit Fund, sujeito a aprovação dos acionistas. O anúncio foi feito a 18 de outubro e noticiado pelo Wall Street Journal e pela CNBC. A fatia aumenta à medida que a avaliação da empresa subir.

O ponto sensível está no destino do dinheiro. O fundo admite distribuições diretas às populações afetadas pela disrupção laboral, algo que nenhum concorrente colocou por escrito. A Anthropic não fixou valores nem critérios de elegibilidade.

O gesto tem duas leituras. Uma é filantrópica: quem constrói a tecnologia que desloca trabalho financia a transição. A outra é estratégica: as empresas de IA precisam de boa vontade pública quando negociam infraestrutura, energia e regras. Fica a dúvida de desenho: um fundo privado resolve a redistribuição, ou apenas a adia?

O laboratório que faz agentes perde os seus júniores

O relatório interno da Anthropic sobre a sua força de trabalho dá o número mais duro da semana. A fatia de júniores nas contratações técnicas caiu de 27% para 9%. Nos departamentos técnicos, passaram de 21% para 14% desde o início de 2025, enquanto a empresa triplicava de tamanho.

O estudo, assinado por Wilmers, Catipon, Massenkoff e McCrory, descreve o efeito por dentro. Num inquérito de abril de 2026, 20% dos funcionários disseram que passaram "de fazer trabalho para gerir Claudes". Um engenheiro falou de "um exército de Claudes, cada um a pedir a minha atenção". As sessões do Claude passam cerca de 80% do tempo paradas à espera de input humano. Em agosto, as horas de agentes interativas ultrapassaram as horas de funcionários numa proporção de seis para uma.

O gargalo, diz o documento, é a atenção e o julgamento humanos. As commits por engenheiro, com Claude Code em uso diário, estão cinco vezes acima do nível de seis meses antes — com a ressalva de que mais código não significa melhor código. Um terço dos gestores de machine learning e um quinto dos gestores de engenharia admitiram contratar menos por causa da IA. A empresa que cria o deslocamento é a mesma que o documenta e a mesma que propõe compensá-lo.

Mercury 3 e DeepSeek mudam a factura dos modelos

A Inception lançou a 19 de outubro o Mercury 3, o primeiro modelo de difusão de texto com ambição de fronteira. Em vez de escrever token a token, rascunha a resposta inteira e refina todas as posições em paralelo. O resultado são 1 068 tokens por segundo em GPUs da Nvidia, contra cerca de 240 do Claude Haiku 5.5 e 130 do GPT-6 Luna.

A Inception afirma que ganha em oito de doze testes aos dois modelos de referência, com contexto de um milhão de tokens. A vantagem mais larga aparece em código: 51,1 no SWE-Bench Atlas, contra 33,3 do GPT-6 Luna. Perde no DeepSWE e num teste de contexto longo, e nenhum grupo independente publicou ainda os seus próprios resultados.

O preço explica o interesse: 0,10 dólares por milhão de tokens de entrada e 0,35 de saída no lançamento. A API é compatível com a da OpenAI e está disponível na Inception, OpenRouter, Baseten e Vercel.

No mesmo dia, a DeepSeek publicou os pesos do V4.1-Flash-1017 no Hugging Face sob licença MIT. O modelo marca 77,0 no DeepSWE v1.1 e chega com as APIs de Search e Fetch abertas, a 0,75 dólares por mil chamadas. Duas empresas diferentes, uma só consequência: a margem passa a depender do produto, não do modelo.

Os agentes saem do chat e o travão é humano

A 15 de outubro, a OpenAI atualizou a extensão do ChatGPT para o Chrome. O assistente lê separadores abertos, preenche formulários, descarrega ficheiros e envia mensagens a partir de uma barra lateral, em sites com sessão iniciada.

A Anthropic seguiu por outra via. Em trabalho com investigadores de Harvard, o Claude desenhou circuitos quânticos com menos recursos do que as melhores versões publicadas, em oito tarefas, com reduções entre 4,1 e 39 vezes na métrica de portas de Toffoli multiplicada por qubits. A empresa descreve o trabalho como realizado "em grande parte sozinho". Relatos da mesma semana mostram o Claude Code a retirar 25 aplicações pré-instaladas de uma televisão Xiaomi via ADB, com o número do modelo como única indicação.

O contrapeso vem do Google DeepMind. Um estudo com agentes concluiu que uma única indicação errada dada pelo utilizador corta a taxa de sucesso quase para metade. O mesmo trabalho comparou simulações multiagente de 16 dias: a cidade do Grok colapsou em quatro dias, a do Claude construiu um mecanismo democrático. Modelos mais capazes não eliminam o erro de quem os orienta — amplificam-no mais depressa.

Na Europa, 42% das PME usam IA e metade aponta o custo

O Eurobarómetro publicado a 14 de outubro dá a fotografia europeia. 42% das pequenas e médias empresas e das mid-caps da União já usam inteligência artificial ou gestão algorítmica; outros 21% planeiam fazê-lo. O uso concentra-se no apoio ao cliente (47%), na monitorização de desempenho (36%) e na organização de turnos (30%).

As barreiras são práticas: 50% apontam os custos de investimento, 49% a incerteza jurídica e 48% a falta de conhecimentos. E há um dado que contraria o alarmismo: 90% das empresas afirmam que as decisões continuam a ser tomadas por pessoas e apenas 2% operam em regime totalmente automatizado.

Em Portugal, o retrato mistura indicadores. O país está entre os melhores na segurança digital e no desenvolvimento da IA, mas o custo do acesso à Internet pesa e desceu uma posição no ranking de qualidade de vida digital da Surfshark. Na mesma semana, a MEO, a NOS e a Vodafone anunciaram APIs de rede no GSMA Open Gateway para verificar identidades, detetar trocas de SIM e travar fraude.

O quarto relatório anual da Wharton School, com 1 416 responsáveis e trabalhadores norte-americanos, mostra onde o retorno falha. 62% usam IA todos os dias e 91% várias vezes por semana, mas só 7% acertam nos três critérios de sucesso: provar valor, transformar fluxos de trabalho e alinhar a organização.

🧰 Toolkit: IA no Terreno

• Mercury 3: difusão a 1 000+ tokens por segundo, API compatível com OpenAI e 0,10 dólares por milhão de tokens de entrada.
• DeepSeek V4.1-Flash-1017: pesos abertos MIT no Hugging Face e Search/Fetch API a 0,75 dólares por mil chamadas.
• Claude Code: agente de terminal que executa tarefas no sistema, inclui limpeza de software pré-instalado via ADB.
• ChatGPT Work (Chrome): lê separadores, preenche formulários e descarrega ficheiros em sites com sessão iniciada.
• Granola: notas de reunião que passam a incluir os diapositivos e gráficos partilhados no ecrã.
• QA.tech: agentes que testam apenas o que mudou num site e reportam erros antes do cliente.
• Lucebox: compilações quantizadas do DeepSeek V4.1-Flash para placas AMD Radeon AI PRO.

O padrão da semana não está em nenhum anúncio isolado. Está na distância entre a velocidade com que os modelos passaram a executar e a lentidão com que as organizações aprendem a medir, contratar e responder por essa execução. Um modelo a mil tokens por segundo serve de pouco numa empresa onde 7% dos projetos provam valor e metade ainda trava no custo. A IA deixou de ser um problema de capacidade e passou a ser um problema de contabilidade: quem paga o deslocamento, quem assina a decisão e quem verifica o resultado. Enquanto essas três respostas não existirem por escrito, o fundo de 5% da Anthropic será a exceção e não a regra — e a próxima vaga de modelos chega antes da próxima regra.

#IAPortugal #noticiasIA