A semana de 17 a 23 de outubro mostrou que a discussão sobre inteligência artificial está mudando. O foco já não está apenas em qual modelo responde melhor. As empresas começaram a disputar quem consegue conectar contexto, manter agentes trabalhando por mais tempo e operar tudo isso com custo, controle e confiabilidade.
Essa mudança importa para qualquer empresa de software. Gestão precisa enxergar uso e retorno. Vendas e suporte dependem de histórico confiável. Desenvolvimento precisa colocar agentes em produção sem perder previsibilidade. E o ERP continua sendo o lugar onde uma sugestão de IA encontra regras, permissões e consequências reais.
Notion amplia a autonomia dos agentes e coloca custo e controle no centro
Em 19 de outubro, a Notion anunciou uma nova estrutura para seus agentes. Segundo a empresa, eles agora têm computador e navegador próprios, conseguem trabalhar em tarefas por até 24 horas e contam com um modo de revisão com verificações de segurança. A atualização também trouxe um roteador de modelos chamado Auto, integração por MCP melhorada, opção de usar modelos contratados pelo cliente e um centro de comando para acompanhar uso e limites.
A novidade mais relevante não é o número de horas. É a combinação de autonomia com administração. Um agente que pesquisa, navega e produz entregas durante um dia inteiro precisa ter dono, orçamento, escopo e critérios de interrupção. Sem isso, a automação apenas transforma pequenas decisões pouco visíveis em um processo longo e difícil de auditar.
Na prática, uma equipe comercial pode usar um agente para consolidar atas, oportunidades e pendências antes de uma reunião. O suporte pode reunir histórico de chamados e documentação. O desenvolvimento pode preparar uma análise extensa. Mas a liberação de acesso, a fonte oficial e a aprovação final ainda precisam estar claras. A Notion informa que parte dos recursos, como o AI Command Center, ainda chegará depois; portanto, disponibilidade e condições comerciais devem ser conferidas antes de desenhar o processo.
Fonte: Notion — Agents, rebuilt to do more for less.
Zoom quer transformar conversas dispersas em trabalho executável
No dia 20, a Zoom apresentou uma camada unificada de contexto. A proposta é conectar reuniões, ligações, conversas, documentos e dados de aplicativos externos para que pessoas e agentes não percam o histórico quando o trabalho muda de canal. A empresa também anunciou controles administrativos, rótulos de sensibilidade e recursos de proteção que chegam em momentos diferentes.
Para gestão e vendas, o valor está em reduzir a distância entre o que foi discutido e o que realmente entra no CRM, na proposta ou no plano de ação. Para o suporte, significa preservar decisões tomadas em reunião e relacioná-las ao atendimento. Em projetos de ERP, essa continuidade pode ajudar a separar uma conversa inicial de uma regra aprovada, evitando que uma observação informal vire requisito definitivo.
O risco também fica mais evidente: contexto unificado amplia a utilidade e, ao mesmo tempo, a superfície de acesso. Antes de habilitar esse tipo de recurso, vale definir quais reuniões podem alimentar a IA, por quanto tempo os registros ficam disponíveis e quais informações devem permanecer fora do alcance de agentes. A própria Zoom indica datas distintas para vários controles, então governança não pode ser presumida apenas porque o recurso principal foi anunciado.
Fonte: Zoom — Unified Context Layer.
llm-d 1.0 leva a inferência distribuída para uma fase mais operacional
Também em 20 de outubro, os participantes do projeto llm-d anunciaram a versão 1.0. Criado por Red Hat, IBM, Google Cloud, CoreWeave e NVIDIA e hoje governado pela Cloud Native Computing Foundation, o projeto busca organizar a execução distribuída de grandes modelos em ambientes de produção.
MATERIAL PRÁTICO
Quer aplicar IA no seu trabalho?
Tenha acesso gratuito a 50 prompts prontos para usar e adaptar.
Quero acessar os promptsA versão reúne recursos para múltiplos clientes compartilharem infraestrutura, atualizações sem interrupção, roteamento que reaproveita contexto e prioridades diferentes para cargas sensíveis à latência. Em termos simples, o desafio deixa de ser apenas obter uma resposta do modelo: passa a ser atender muitos usuários e agentes sem desperdiçar memória, processamento ou tempo.
A IBM apresentou resultados de demonstrações e casos ligados ao projeto, inclusive reduções de custo e aumento de vazão em cargas específicas. Esses números dependem de hardware, modelo, padrão de tráfego e configuração; servem como sinal de potencial, não como orçamento pronto. Para uma software house ou fornecedor de ERP, a decisão entre API externa e infraestrutura própria deve considerar volume estável, sensibilidade dos dados, equipe de operação, tolerância a indisponibilidade e custo total de manter o ambiente.
Fonte: IBM — llm-d 1.0.
NVIDIA lança observabilidade específica para fábricas de IA
Em 22 de outubro, a NVIDIA apresentou o Minerva, uma plataforma de AIOps voltada a grandes ambientes de IA. Ela combina telemetria de GPUs, rede, armazenamento, agendadores e cargas de trabalho para relacionar uma queda de desempenho ao componente que pode estar causando o problema.
A mensagem prática é importante mesmo para empresas que nunca terão milhares de GPUs. Sistemas de IA precisam ser observados de ponta a ponta. Não basta saber que a API respondeu. É preciso acompanhar latência, erros, consumo, filas, versões de modelo, qualidade da saída e impacto no processo atendido.
Em um suporte automatizado, por exemplo, a aplicação pode estar disponível e ainda assim piorar porque a base de conhecimento ficou desatualizada. Em um ERP, uma integração pode responder rápido, mas gerar retrabalho se o agente usar contexto incompleto. A observabilidade técnica precisa ser ligada a indicadores do negócio. Só assim a equipe distingue uma falha de infraestrutura de uma regra mal definida ou de uma resposta que exige revisão.
Fonte: NVIDIA — Minerva para observabilidade de infraestrutura de IA.
A adoção de IA por pequenas empresas ganha uma iniciativa de US$ 500 milhões
Ainda no dia 22, o Goldman Sachs anunciou um compromisso de US$ 500 milhões para ampliar seu programa voltado a pequenas empresas e criar um instituto dedicado à adoção de IA. A iniciativa reúne Anthropic, Google, Meta e OpenAI em treinamentos, pesquisa e apoio à aplicação prática.
Uma pesquisa divulgada junto ao anúncio ouviu mais de 2.400 participantes do programa: 86% disseram usar IA, mas apenas 15% afirmaram tê-la plenamente integrada às operações centrais. O recorte é específico e não descreve todo o mercado, mas expõe uma lacuna conhecida: experimentar uma ferramenta é bem diferente de redesenhar um processo.
Para empresas de software, isso abre duas frentes. A primeira é interna: escolher poucos fluxos com dados disponíveis, responsável definido e resultado mensurável. A segunda é comercial: clientes menores vão precisar menos de discursos genéricos e mais de integração, segurança, treinamento e acompanhamento. Quem transformar IA em rotina confiável terá vantagem sobre quem apenas acrescentar um botão ao produto.
Fonte: Goldman Sachs — Small Business AI Institute.
O que fica desta semana
Os anúncios apontam para a mesma direção. A IA está saindo da caixa de conversa e entrando no fluxo contínuo de trabalho. Para isso funcionar, quatro elementos precisam caminhar juntos: contexto de qualidade, permissões mínimas, infraestrutura observável e controle de custo.
A melhor pergunta para a próxima semana não é qual agente parece mais impressionante. É qual processo tem informação confiável, limite claro e alguém responsável por validar o resultado. É nesse ponto que a novidade tecnológica começa a produzir valor de verdade.
PRÓXIMO PASSO
Leve esta ideia para a prática
Tenha acesso gratuito a 50 prompts para gestão, suporte, vendas, desenvolvimento, produto e implantação.
Quero acessar os prompts








