Listei alguns destes acontecimentos que demonstram que o mercado não aguarda nossa brincadeira nacional de começar o ano só depois do carnaval. Principalmente agora que a velocidade e competitividade dependem de atualizações semanais… Nós, que vivemos de tecnologia, poderíamos acompanhar a integração da IA física e dos novos agentes autônomos que já operam em escala global. Podemos observar que os lançamentos de 2026 já estão com maturidade plena antes mesmo da Gaviões da Fiel entrar no Anhembi…

A guerra dos modelos

A OpenAI iniciou o ano com uma limpeza em seu portfólio de modelos. No dia 13 de fevereiro, a empresa aposentou a família do GPT-4o para focar totalmente na série GPT-5.2. Consequentemente, a maioria dos usuários migrou para sistemas com personalidade mais natural e respostas rápidas. Além disso, o lançamento do GPT-5.3-Codex em 5 de fevereiro trouxe um novo patamar para a codificação autônoma. Este modelo funciona como um agente que executa tarefas complexas de ponta a ponta sem supervisão constante.

Do outro lado, a Anthropic garantiu US$ 30 bilhões em uma rodada de financiamento histórica no dia 12 de fevereiro. Além disso, também fez o lançamento do Claude Opus 4.6 em 05 de fevereiro, que superou o GPT-5.2 em diversos benchmarks profissionais. Ontem, dia 17 de fevereiro, eles anunciaram o Claude Sonnet 4.6 com capacidades de uso de computador aprimoradas.

A guerra destes modelos foi agitada no começo do ano…

Assistentes pessoais e inteligência para dispositivos

O Google transformou o navegador Chrome em uma ferramenta inteligente em 14 de janeiro. A funcionalidade Personal Intelligence agora conecta o Gemini diretamente aos aplicativos do ecossistema Google. Dessa forma, a IA entende o contexto pessoal do usuário para ser um assistente inteligente, e contextualizado, que pode ajudar a planejar viagens e organizar projetos. Além disso, um dia antes, em 13 de janeiro, a Google lançou o Veo 3.1 para criação de vídeos expressivos a partir de imagens de referência.

Outro marco importante ocorreu no universo mobile com a confirmação da parceria entre Apple e Google em 4 de fevereiro. A Siri recebeu uma atualização baseada no Gemini, iniciando sua fase beta de testes.  Assim, a assistente da Apple, agora compreende o conteúdo da tela e executa tarefas entre diferentes aplicativos. Não falo de futurologia, mas olhando nesse sentido, a integração de IA Generativa nos sistemas operacionais parece promissor para o mercado em 2026.

E não para por ai…

A Meta projeta um investimento absurdo de até US$ 135 bilhões em infraestrutura de IA para 2026. Falando em infra para IA, a USP inaugurou em 11 de fevereiro, o maior cluster para IA da América Latina, com 96 GPUs Blackwell B200. A Microsoft anunciou em 29 de janeiro que adicionou mais 227 novas ofertas de IA e ML no Marketplace do Azure. A Amazon facilitou o processo de “serving de modelos” ao anunciar, em 16 de fevereiro, o suporte do Amazon SageMaker Inference para modelos personalizados da família Amazon Nova, e o grande diferencial é a flexibilidade do SageMaker Multi-Model Endpoints e o escalonamento automático.

Feliz ano novo!

Esse tanto de lançamento e investimento no início de 2026 confirma que o ritmo da inovação tecnológica ignora fronteiras culturais ou calendários festivos. Gigantes globais, startups locais e universidades já fizeram seu caminho para um ano de crescimento antes mesmo de anunciarem a vitória da Mocidade Alegre. Não posso deixar de destacar, mesmo que em um contexto pessoal, que “antes de começar o ano” defendi minha Tese de Doutorado.

É claro que é uma brincadeira que o ano começa só depois do carnaval, mas mesmo assim… Feliz ano novo!

A imagem de capa foi criada com o Google Nano Banana 3, com o prompt: Ultra-realistic studio photography of a high-end, modern developer workstation in Brazil. In the foreground, a professional desk calendar clearly displays ‘February 2026’. The dates for Carnival (February 14-17) are not empty; they are filled with handwritten professional notes like ‘GPT-5.3 Deployment’, ‘AWS Bedrock Integration’, and ‘Azure Agentic Scaling’. On the side of the desk, a colorful and ornate Brazilian Carnival mask is pushed away, partially covered by a technical AI research paper titled ‘Neural Networks & Autonomous Agents 2026’. In the background, 4K monitors glow with complex Python code, 3D neural network visualizations, and real-time data dashboards showing ‘Meta Andromeda System’ metrics. Cinematic studio lighting with a ‘tech-blue’ and ‘cool-white’ color palette, shallow depth of field focusing on the calendar, 8k resolution, highly detailed textures of the paper and electronic components

O post E o ano só começa depois do carnaval apareceu primeiro em Diego Nogare.

Analisei este guia abrangente da Towards AI que mapeia as ferramentas essenciais para quem deseja sair do básico e dominar a produtividade em várias áreas. O texto explora desde os modelos de linguagem que lideram o mercado, como o ChatGPT e o Claude 3.5, até soluções especializadas em geração de imagens (Midjourney), vídeos (Sora e Runway) e produtividade empresarial.

Mais do que uma lista, é um roteiro para entender quais ecossistemas realmente entregam valor em um mar de novas aplicações, focando em usabilidade e resultados práticos para iniciantes e profissionais. Inclusive, acredito que este tipo de conhecimento ajuda a evitar o FOMO da nossa frente.

E porque estou falando disso?

É complicado quando estamos apenas “tentando acompanhar” a evolução da IA, com o tanto de oferta para integrar essas ferramentas no seu fluxo de decisão estratégico…

TIvemos sorte de viver isso, o ano de 2025 consolidou uma mudança clara: saímos da curiosidade para a utilidade prática. Mas, com milhares de apps surgindo semanalmente, o ruído pode ser ensurdecedor. Por isso compartilho esse guia que faz uma curadoria precisa do que realmente importa hoje.

De LLMs avançados que agora possuem raciocínio lógico apurado a ferramentas de criação visual que estão redefinindo o marketing digital, contudo, o foco mudou para a interoperabilidade. Não basta usar a IA; é preciso saber qual peça se encaixa em qual parte do seu processo.

Para facilitar sua navegação, destaquei três grupos que achei mais interessantes do guia:

Grandes Modelos de Linguagem + Raciocínio (LLMs):

• Ferramentas: ChatGPT-5.1, Gemini 3, Claude 4.5.
• Funcionalidades: Atuam como assistentes universais para resolução de problemas complexos. Fazem análise de grandes volumes de dados (com janelas de contexto de milhões de tokens) e automação de tarefas baseadas em texto e código.

Criação e Geração Visual (Multimodal):

• Ferramentas: Midjourney v7, Sora 2, Runway Gen-4.
• Funcionalidades: Transformam prompts simples em imagens artísticas de alta resolução e vídeos cinematográficos. Permitindo que marcas e criadores produzam conteúdo visual de nível profissional em minutos, sem equipes de produção tradicionais.

Produtividade e Gestão Inteligente:

• Ferramentas: Notion AI, Otter.ai, Motion.
• Funcionalidades: Focam na organização do dia a dia. Automatizam a transcrição e o resumo de reuniões, organizando bases de conhecimento e gerenciando calendários de forma autônoma para priorizar tarefas de alto valor.

Te convido a ler o relatório completo da Towards AI aqui neste link: https://pub.towardsai.net/top-ai-tools-of-2025-a-beginner-friendly-guide-to-the-best-ai-apps-4d520a15edb0

O post [Micro-blog] Catadão de ferramentas de IA de 2025 apareceu primeiro em Diego Nogare.

O FOMO surgiu como uma ansiedade social na era digital. É uma sensação que a constante exposição às atividades alheias impulsionou. Inicialmente, essa sensação tinha ligação com as redes sociais. Contudo, rapidamente se expandiu para o ambiente corporativo, influenciando decisões estratégicas e, consequentemente, a pressão para não ficar para trás tornou-se um fator decisivo.

A velocidade da informação no mundo moderno acelera a percepção de que a inovação é constante e que novas tecnologias surgem a todo momento. Além disso, a cobertura intensa da mídia e publicações em redes sociais, sobre o sucesso de poucos projetos de IA bem-sucedidos, alimenta a ideia de que todos precisam seguir o mesmo caminho. Assim, a pressão do mercado faz com que muitos líderes passem a agir rapidamente.

Contudo, ao se renderem ao FOMO, empresas frequentemente iniciam projetos de IA sem uma compreensão clara de como eles se alinham aos objetivos de negócio. Em vez disso, a adoção de tecnologias se torna um fim em si mesma, gerando custos elevados e desalinhamento estratégico. De fato, a ausência de uma visão clara é prejudicial a longo prazo.

Os impactos negativos do FOMO em projetos de IA

A pressão para “ter IA” antes dos concorrentes pode levar a consequências sérias:

• Direcionamento inadequado de investimentos em soluções genéricas;
• Desperdício de recursos financeiros e humanos em iniciativas sem retorno claro;
• Frustração da equipe e liderança pela falta de resultados tangíveis;
• Falta de valor real de negócio, transformando a IA em um custo, não um ativo;
• Dificuldade em escalar e manter a implementação de sistemas sem bases sólidas.

My 2 cents

Considero, pelo menos por agora, esta tendência perigosa. A adoção impulsiva de IA, acelerada pelo FOMO, pode complicar o seu progresso real. Certamente, o valor não está apenas em ter a tecnologia, mas em usá-la estrategicamente. Empresas que priorizam objetivos claros sobre a novidade construirão uma base sólida para a inovação sustentável e se destacarão no mercado.

Sua empresa está perseguindo a próxima grande novidade em IA ou construindo um futuro inteligente e estratégico? Qualquer duvida, me mande uma mensagem e te ajudo com isso!

O post [Micro-blog] Como o FOMO impacta a implementação de projetos de IA nas empresas apareceu primeiro em Diego Nogare.

Os pilares da criação

Os Foundational Models são como os grandes tabuleiros ou as estruturas pré-montadas de LEGO, treinados com quantidades absurdamente gigantescas de dados para executar diversas tarefas. Além disso, a capacidade de serem multi-modal significa que podem trabalhar com texto, imagens, áudio e vídeo simultaneamente, criando experiências ainda mais ricas.

Tipos de modelos GenAI

O panorama dos modelos GenAI divide-se principalmente em três categorias:
– Modelos Proprietários: Desenvolvidos por empresas, como o GPT-4 da OpenAI, geralmente com acesso via APIs e maior controle de qualidade;
– Modelos Open Source: Código e pesos abertos, permitindo personalização e inovação comunitária, como o Llama da Meta;
– Modelos Open Science: Foco na pesquisa e colaboração acadêmica, promovendo transparência e avanço do conhecimento.

Desafios e responsabilidades

À medida que a GenAI evolui, e já era de se esperar, surgem desafios significativos. A governança sobre quem controla e como se usa essa tecnologia é um destes desafios. Igualmente, a segurança dos dados e a prevenção de abusos são preocupações crescentes. Por isso, é fundamental mitigar o viés nos dados de treinamento, para que os modelos não perpetuem ou amplifiquem preconceitos existentes.

Esta compreensão básica de GenAI é, na minha visão, o ponto de partida para qualquer profissional que almeje utilizar isso no dia a dia. Seja desenvolvendo novas aplicações, otimizando processos ou mesmo criando arte, o domínio desses conceitos permite navegar e contribuir ativamente para a próxima era da inovação tecnológica.

Prepare-se para montar seu próprio futuro com os blocos da GenAI: qual será sua primeira criação?

O post [Micro-blog] A moda é GenAI e aqui estão os conceitos essenciais para você começar apareceu primeiro em Diego Nogare.

Tradicionalmente, o avanço científico dependia de longos ciclos de tentativa e erro. Agora, com o uso de modelos preditivos, a IA analisa grandes volumes de dados para identificar padrões complexos, que seriam invisíveis ao olho humano. Consequentemente, essa capacidade acelera a formulação e a validação de novas hipóteses científicas.

Da simulação molecular ao medicamento

No setor farmacêutico, por exemplo, algoritmos de aprendizado profundo simulam interações moleculares para prever a eficácia de compostos contra doenças, antes mesmo dos testes em laboratório. Além disso, a IA otimiza o design de ensaios clínicos, identificando os perfis de pacientes mais adequados e, assim, aumentando as taxas de sucesso.

Inovação em materiais sustentáveis

De forma semelhante, na ciência dos materiais, a IA projeta novos compostos com propriedades específicas sob demanda. Assim, a tecnologia está na vanguarda da criação de soluções para desafios globais, como:

• Baterias mais eficientes e seguras para veículos elétricos;
• Polímeros biodegradáveis para combater a poluição plástica;
• Ligas metálicas mais leves e resistentes para a indústria aeroespacial.

No entanto, essa automação gera um debate crucial. A confiança cega em modelos de IA, sem a devida validação por especialistas, pode levar a conclusões equivocadas ou a resultados enviesados. Portanto, o equilíbrio entre a capacidade da ferramenta e a supervisão humana permanece essencial.

O impacto dessa tendência vai muito além dos laboratórios. Afinal, acelerar a P&D significa trazer medicamentos que salvam vidas ao mercado mais rapidamente e desenvolver os materiais sustentáveis que o planeta necessita. Para as empresas, representa uma vantagem competitiva imensa; para a sociedade, um salto qualitativo em saúde e sustentabilidade.

Até onde a colaboração entre a intuição humana e o poder computacional da IA nos levará na próxima década?

O post [Micro-blog] Inteligência artificial na descoberta científica: acelerando o futuro da inovação apareceu primeiro em Diego Nogare.