Eu fiquei com uma dúvida meio incômoda: se a IA tira a vaga de entrada, de onde vai sair o próximo sênior?

O novo recorte do Stanford Digital Economy Lab encontrou um buraco de 19% no emprego de jovens de 22 a 25 anos nas funções mais expostas à IA. Não é um apocalipse geral de empregos. É uma porta de entrada ficando mais estreita.

Antes de congelar vaga júnior, eu faria uma coisa: abriria o Stanford Canaries Dashboard e separaria o trabalho que a IA faz sozinha daquele em que ela ajuda alguém a aprender mais rápido. Automatizar tarefa chata faz sentido. Automatizar o começo da carreira inteira é economizar folha e parcelar a falta de gente boa no futuro.

https://digitaleconomy.stanford.edu/project/indicators/canaries-dashboard/

Eu fiquei pensando no que vale mais na corrida da IA: encontrar energia nova ou usar melhor a que já existe. A Emerald AI levantou US$ 150 milhões para fazer data centers reduzirem consumo quando a rede aperta, sem parar o trabalho crítico.

O teste mais forte cortou 25% da potência por três horas. É sinal real, mas não prova os 100 GW que a empresa estima tornar disponíveis. Minha decisão prática seria cobrar três provas antes de comprar a promessa: carga deslocada, resultado preservado e economia dividida em contrato.

Se funcionar em contrato, energia flexível reduz fila de conexão e custo de pico: https://www.gustavocaetano.com/blog/emerald-ai-energia-flexivel-data-centers?utm_source=telegram&utm_medium=channel&utm_campaign=blog_emerald_ai_20260827&utm_content=telegram_blog_divulgacao #PenseSimples

Eu acho mais interessante uma frase do anúncio do que a compra da DuckLabs pela AWS: o código do DuckDB continua MIT e a propriedade intelectual segue com uma fundação independente.

Promessa de comprador é bonita. Licença, governança e plano de saída são o que salvam seu produto numa segunda-feira ruim. Se minha empresa dependesse de um projeto open source, eu faria uma visita hoje à DuckDB Foundation e responderia: quem controla o código, consigo manter um fork e quanto custa trocar?

Open source não elimina dependência. Só dá uma porta de saída, se você souber onde ela está.

https://ducklabs.com/news/2026/08/26/ducklabs-to-join-aws

Eu tenho uma implicância com empresa que paga o modelo mais caro pra tudo. É como mandar o diretor buscar café porque ele é o melhor profissional da sala.

O Experiential me chamou atenção porque coloca os modelos atrás de uma porta só e permite limitar quem usa o quê e quanto pode gastar. Se fosse no meu time, eu faria assim: pegaria uma rotina repetitiva, colocaria um teto pequeno e compararia custo, tempo e correção humana contra o modelo caro.

Se o resultado empatar, o modelo menor fica com o trabalho chato. Inteligência boa também é saber onde não gastar inteligência cara.

https://github.com/experientiallabs/experiential

Eu tenho uma regra meio antipática: se alguém entrega algo feito com IA e não consegue explicar a decisão, a entrega não está pronta. “O Claude fez” é só uma versão elegante de “não sei o que mandei pro cliente”.

Isso vale para uma proposta comercial, um relatório ou uma mudança no produto. Eu faria um teste simples com qualquer coisa produzida no Claude: pediria ao autor para defender uma escolha e apontar onde aquilo pode quebrar. Se não conseguir, volta pro rascunho.

Claude pode acelerar o trabalho. Não pode virar álibi. A assinatura continua sendo de gente.

https://www.manager.dev/newsletter/the-i-don-t-know-claude-wrote-this-pandemic

Eu confesso que aquisição de empresa de IA me interessa menos pelo cheque e mais pelo que pode parar de funcionar depois. A OpenAI anunciou que pretende tirar seus modelos do Cursor após a compra pela SpaceX. O contrato deu prazo. Não deu imunidade pra quem montou uma rotina crítica ali.

Eu faria uma pergunta meio chata pro time: se essa ferramenta mudar de dono amanhã, qual trabalho para? Escolheria uma rotina importante, exportaria o que precisa e testaria uma alternativa enquanto está tudo funcionando.

Plano B ensaiado é bem mais barato que migração feita no susto.

https://openai.com/index/our-decision-on-cursor-following-its-acquisition-by-spacex/

Eu não acho que um restaurante precise de mais um chatbot. Precisa aparecer na busca, receber pedidos diretos e fazer o cliente voltar. Foi isso que me chamou a atenção na Owner.com, agora avaliada em US$ 2,3 bilhões.

Se eu fosse testar uma IA assim, não mediria emails escritos ou cliques. Compararia margem por pedido, recorrência e custo total por oito semanas. Minha decisão prática: só automatizar o que deixa prova no caixa.

O caso mostra por que IA vertical pode valer mais que conversa bonita: https://www.gustavocaetano.com/blog/owner-ai-restaurantes-negocios-locais?utm_source=telegram&utm_medium=channel&utm_campaign=blog_owner_ai_20260831&utm_content=telegram_blog_divulgacao #PenseSimples

Eu desconfio de toda ferramenta de IA que promete memória infinita. Empresa também precisa saber esquecer.

O CardGo apareceu com uma ideia mais simples: cartões de contexto que você escolhe antes de conversar com ChatGPT, Claude ou Gemini. Eu faria um cartão curto com tom, produto e restrições públicas. Dados de contrato, pessoas e senhas ficam fora. Testa o mesmo pedido em duas IAs e compara o retrabalho.

Guarda essa pergunta: isso evita repetir ou só espalha contexto? Memória boa não precisa guardar tudo.

https://cardgo.ai/

Eu gosto da ideia de colocar a IA no servidor da empresa, mas isso não torna o sistema privado por mágica. Se o modelo ou uma ferramenta continua na nuvem, parte dos dados ainda pode sair pela porta.

Eu faria um piloto de sete dias com documentos sem informação sensível. Mediria três coisas: onde cada dado fica, o custo por tarefa concluída e se a resposta ajuda alguém a decidir. Minha decisão prática: só ampliar depois de desenhar esse caminho inteiro.

Escrevi sobre o AnythingLLM e o teste dos três C: https://www.gustavocaetano.com/blog/anythingllm-ia-privada-open-source?utm_source=telegram&utm_medium=channel&utm_campaign=blog_anythingllm_20260901&utm_content=telegram_blog_divulgacao #PenseSimples

Eu desconfio quando uma empresa mede adoção de IA pelo volume de uso. É um ótimo jeito de premiar quem gasta token e chamar isso de produtividade.

Segundo o relato oficial da Sierra, foram 75 mil sessões para mais de 600 pessoas e 70% dos PRs passam pelo Pinecone, seu agente de IA. O detalhe bom é que ela mesma admite: sessão é atividade, não resultado. Eu faria o teste do Pinecone em um processo só e cobraria uma mudança de verdade: venda fechou mais rápido, cliente resolveu na primeira resposta ou revisão terminou antes.

Se a IA não muda o desfecho, o gráfico só ficou mais moderno.

https://sierra.ai/blog/ai-pilling-our-company-lessons-learned

Eu fiquei pensando numa pergunta simples: como uma IA sabe que acertou? No RLVR, ela tenta uma resposta, recebe uma correção automática e aprende com o resultado. Funciona bem quando existe gabarito, teste de código ou outra prova objetiva.

O risco é premiar o atalho. Uma consulta pode rodar sem erro e ainda devolver o número errado. Se fosse no meu time, eu usaria três perguntas: o resultado é verificável, a prova representa o trabalho real e alguém vigia formas de enganar a régua?

Expliquei o RLVR e o teste dos três V aqui: https://www.gustavocaetano.com/blog/o-que-e-rlvr-na-ia?utm_source=telegram&utm_medium=channel&utm_campaign=blog_rlvr_20260902&utm_content=telegram_blog_divulgacao #PenseSimples

Eu tenho uma implicância com agente de IA que ganha acesso de adulto e supervisão de estagiário. Normalmente a conversa começa no ganho de velocidade e termina, tarde demais, no backup.

Eu usaria o I Have Been Clawed antes de liberar um agente novo. O índice juntou casos documentados de agentes que apagaram dados, vazaram segredos, gastaram dinheiro e prometeram o que alguém depois precisou cumprir. O risco fica bem menos abstrato ali: escolha um caso parecido com a sua rotina e teste permissão, backup e limite de gasto.

Aprender com o prejuízo dos outros costuma ser a automação mais barata.

https://ihavebeenclawed.com/

Eu não avaliaria um agente de IA apenas pelo que ele responde. Quando ele lê arquivos, chama ferramentas e altera sistemas, uma resposta errada pode virar incidente. A HiddenLayer acaba de captar US$ 100 milhões para proteger exatamente essa passagem da resposta para a ação.

Se fosse no meu time, eu faria um teste simples: consigo descobrir tudo a que o agente tem acesso, bloquear uma ação proibida e reconstruir o caminho depois da tentativa? Se uma dessas respostas for não, eu não ampliaria a autonomia ainda.

Expliquei os sinais reais, o hype e o teste dos três I aqui: https://www.gustavocaetano.com/blog/hiddenlayer-seguranca-agentes-ia?utm_source=telegram&utm_medium=channel&utm_campaign=blog_hiddenlayer_20260903&utm_content=telegram_blog_divulgacao #PenseSimples

Eu desconfio de ranking em que você pode pagar para parecer desejado. O OutFund me chamou atenção porque deixa o próprio fundador colocar dinheiro no projeto para subir na lista. É crowdfunding com um espelho meio generoso.

Eu faria uma conta simples no OutFund antes de chamar aquilo de validação: dinheiro de terceiros de um lado, dinheiro do próprio bolso do outro. Só o primeiro diz algo sobre demanda. A pergunta que eu guardaria é: quantas pessoas pagaram, não apenas quanto entrou?

Ranking compra visibilidade. Pagamento de terceiros comprova interesse.

https://outfund.me/about/