Pulse: o dia em IA, uma leitura por tela
PIPE FAPESP: como empresas de IA de SP podem captar recursos não reembolsáveis — com apoio da Capivarafy
Programa da FAPESP oferece até R$ 1,5 milhão por projeto, sem juros e sem diluição de participação. Consultoria Capivarafy, do especialista em editais Felipe Souza, aposta em startups de inteligência artificial para transformar boas ideias em propostas aprovadas. Empresas paulistas de base tecnológica têm à disposição uma das fontes de capital mais vantajosas do país: […]
Ler a matéria
A próxima geração de startups talvez não venda software; vai vender trabalho feito
Os anúncios do Oracle AI World 2026 mostram como agentes de IA começam a executar processos empresariais, além de auxiliar usuários. O artigo analisa os impactos dessa transformação no modelo SaaS e as oportunidades para startups brasileiras criarem soluções especializadas, integrarem sistemas e gerarem valor com conhecimento de mercado.
Ler a matéria
Como o token chinês fecha a conta brasileira
A partir de reuniões com Z.ai e Moonshot em Pequim, o autor analisa como os modelos de IA chineses podem mudar os custos do desenvolvimento de software no Brasil. O artigo compara gastos com tokens e trabalho humano, discute aplicações de modelos de pesos abertos e aborda desafios de infraestrutura, proteção de dados e geopolítica.
Ler a matéria
Agentes, voz e capital social: o que vem depois da IA que responde
A partir do iRTE 2026, em Pequim, Rodrigo Terron analisa como agentes de IA transformam a execução de tarefas e o valor das conexões humanas. O artigo aborda capital social, IA conversacional, autonomia e confiança, além de discutir infraestrutura e oportunidades para empreendedores brasileiros.
Ler a matéria
14 aprendizados de uma semana na China
Visitas a empresas de tecnologia na China rendem 14 aprendizados sobre inteligência artificial, robótica e inovação. O artigo conecta formação, agentes de IA, infraestrutura e desenvolvimento de produtos a oportunidades para empreendedores e negócios no Brasil.
Ler a matéria
Fabio Akita lança livro gratuito que examina limites e usos da IA
Fabio Akita disponibilizou gratuitamente “Competente o Suficiente”, livro sobre os limites e usos da inteligência artificial, agentes, aprendizado e mercado de trabalho. A versão preliminar está disponível em português e inglês, com leitura online e download em EPUB e PDF. A produção contou com rascunhos gerados por IA e revisão do autor.
Ler a matéria
Quem decide onde sua empresa vende quando a IA vem ativada por padrão?
A ativação automática do checkout no AI Mode e no Gemini para lojas Shopify elegíveis nos Estados Unidos coloca a governança de IA na agenda empresarial. O artigo defende decisões explícitas sobre adesão a canais, execução comercial e confirmação de compras, com responsabilidades e métricas que considerem a qualidade das recomendações, a experiência do cliente e os resultados da operação.
Ler a matéria
Os mitos sobre IA que podem custar caro às empresas
A evolução da inteligência artificial é real, mas também alimenta mitos sobre o que os sistemas conseguem fazer. Entenda como expectativas irreais sobre modelos e agentes de IA podem afetar investimentos, projetos e decisões nas empresas.
Ler a matéria
McDonald’s planeja usar IA na operação de restaurantes
O McDonald’s planeja adotar o ArchIQ, sistema com inteligência artificial para apoiar a operação de seus restaurantes. A iniciativa faz parte de um programa de modernização que prevê novos equipamentos, treinamento de funcionários e apoio financeiro aos franqueados.
Ler a matéria
GPT-6 Sol e Luna trazem preços menores. A pergunta útil seria quanto disso vira economia por entrega aprovada
A queda nos preços dos modelos GPT-6 Sol e Luna e Claude Opus 5.5 pode reduzir os gastos com IA. Mas, para medir a economia real, é preciso considerar novas tentativas, conferência e correções até a entrega ser aprovada.
Ler a matéria
IA é prioridade para 74% dos empreendedores iniciantes, aponta pesquisa
Pesquisa GEM 2024/2025 divulgada pelo Sebrae/CE mostra que 74% dos empreendedores brasileiros em estágio inicial consideram a inteligência artificial uma prioridade. O estudo também aponta desafios para a adoção da tecnologia e traz dados sobre empreendedorismo sênior.
Ler a matéria
Conselho da ONU debate riscos da inteligência artificial
O Conselho de Segurança da ONU reuniu representantes de empresas de inteligência artificial e pesquisadores para discutir os riscos da tecnologia à segurança global. Os participantes defenderam cooperação internacional e medidas para acompanhar o desenvolvimento de sistemas avançados.
Ler a matéria
Lula defende regulação global de Big Techs e IA
Lula defendeu na Assembleia Geral da ONU a regulação internacional das Big Techs e da inteligência artificial, com regras de transparência, limites éticos e responsabilização das empresas.
Ler a matéria
Trump anuncia mudança do nome da IA nos EUA
Donald Trump anunciou na ONU que o governo dos Estados Unidos passará a usar o termo “superinteligência” no lugar de inteligência artificial em documentos oficiais.
Ler a matéria
Consultoria estratégica em IA: quando é melhor parar
A consultoria estratégica em IA deve ir além da adoção de novas tecnologias. O verdadeiro valor está em analisar resultados, custos e riscos para decidir quais projetos escalar, redesenhar ou interromper.
Ler a matéria
GEO no Brasil precisa de dados abertos e resultados que possam ser verificados
A discussão sobre Generative Engine Optimization, ou GEO, avançou rapidamente no Brasil. Empresas começaram a buscar maneiras de aparecer nas respostas produzidas por ferramentas como ChatGPT, Claude, Gemini e Perplexity. O problema é que boa parte das análises ainda circula sem informações suficientes sobre a coleta, o tamanho da amostra e os critérios utilizados. Um percentual isolado ou uma captura de tela mostra apenas o resultado de determinado momento. Sem o denominador, o modelo consultado, a pergunta utilizada e a data da execução, não é possível saber se aquele número representa um padrão ou apenas uma resposta pontual. Foi para enfrentar essa limitação que estruturei um programa de pesquisa voltado à visibilidade de entidades brasileiras nos modelos de linguagem. O trabalho reúne papers, estudos em desenvolvimento, código aberto e um dataset atualizado continuamente. GEO, neste caso, significa otimização para motores generativos. O conceito não tem relação com geografia, geomarketing ou geoprocessamento. Seu objetivo é estudar como marcas, empresas, produtos e outras entidades aparecem nas respostas geradas por sistemas de inteligência artificial. Um índice para acompanhar as respostas das IAs O principal conjunto de dados do programa é o Brasil GEO Index. Em 9 de setembro de 2026, o índice acumulava 88.911 respostas produzidas por seis modelos de linguagem sobre 127 entidades. Desse total, 32.094 respostas mencionaram alguma entidade da amostra, resultando em uma taxa agregada de citação de 36,1%. O intervalo de confiança de 95% ficou entre 35,8% e 36,4%. Esse dado é importante porque evita que a taxa seja apresentada como uma medida absoluta e permite estimar a margem de variação do resultado. Das 127 entidades monitoradas, 111 são reais e 16 são fictícias. As entidades fictícias funcionam como controles de calibração, ajudando a identificar situações nas quais os modelos citam organizações que não existem. Elas não entram nos rankings públicos. As entidades reais estão distribuídas entre quatro verticais: fintech, varejo, saúde e tecnologia. A metodologia utiliza perguntas relacionadas à compra ou à escolha de empresas dentro dessas categorias. A unidade de medida é a menção nominal da entidade na resposta. O índice não mede tráfego, clique, posição no Google ou conversão. Ele registra exclusivamente se a organização foi citada pelo modelo diante de uma pergunta previamente definida. Cada modelo produz um cenário diferente Os resultados mostram por que não se deve falar em visibilidade nas IAs como se todos os motores funcionassem da mesma maneira. No recorte de setembro, o Perplexity apresentou taxa de citação de 74,7%. O Claude chegou a 42,5%, enquanto o ChatGPT registrou 35,2%. O Groq ficou em 29% e o Gemini, em 20,4%. O Grok, incorporado posteriormente à série, apresentou 46,6% em uma base ainda menor. A diferença entre os extremos ultrapassa 50 pontos percentuais. Parte dessa distância pode ser explicada pelo funcionamento de cada plataforma. O Perplexity, por exemplo, realiza buscas na web antes de elaborar a resposta, enquanto outros modelos podem depender mais intensamente de conhecimento previamente incorporado ou de diferentes mecanismos de recuperação. Isso significa que uma marca pode ser frequentemente recomendada por um sistema e praticamente invisível em outro. Uma taxa geral, sem a separação por motor, esconde esse comportamento. Também é necessário informar o modelo exato utilizado. Atualizações de versão podem alterar as respostas, as fontes recuperadas e a frequência com que determinadas entidades aparecem. O nome comercial da plataforma, sozinho, não descreve completamente a medição. Como os dados são coletados A coleta segue um protocolo pré-registrado. A taxonomia, as consultas e a temperatura são definidas antes da execução das rodadas. Isso reduz o risco de modificar o experimento depois que os resultados já são conhecidos. A janela confirmatória v2 foi iniciada em 23 de abril de 2026. O protocolo contempla quatro verticais, 48 consultas por vertical, cinco modelos simultâneos e duas coletas diárias. Uma rodada completa pode produzir cerca de 960 observações. Cada coleta gera um commit acompanhado de um manifesto SHA-256. Esse procedimento cria uma trilha de integridade e permite verificar se os arquivos foram modificados. O código, os protocolos e os dados brutos ficam disponíveis em um repositório público. Dias sem coleta permanecem em branco. Os valores não são projetados nem preenchidos por interpolação. Essa escolha preserva o que efetivamente foi observado, mesmo que produza uma série com lacunas. A abertura dos dados também permite que outras pessoas refaçam os cálculos, questionem os critérios ou desenvolvam análises diferentes a partir do mesmo material. Pesquisa verificável não exige concordância com todas as conclusões. Exige acesso às evidências utilizadas para chegar até elas. Os estudos produzidos a partir do índice O programa de pesquisa reúne trabalhos em diferentes estágios de desenvolvimento. Entre eles estão papers com DOI publicados na SSRN, um registro no Zenodo e working papers disponibilizados para consulta. O primeiro trabalho, Algorithmic Authority, documentou um ciclo de implementação realizado em março de 2026. Durante sete dias, o projeto acumulou 206 commits em oito repositórios, além de 92 páginas indexáveis e 29 tipos de marcação Schema.org. O estudo também apresentou conceitos relacionados à citabilidade algorítmica, à consistência das entidades e ao chamado paradoxo da excelência invisível. Esse paradoxo ocorre quando uma organização possui qualidade reconhecida em sua área, mas não fornece sinais digitais suficientes para ser recuperada e citada por sistemas generativos. Outro trabalho, Three Ways to Fail to Conclude, analisou 7.052 respostas de quatro modelos sobre 69 entidades. Em vez de esconder as limitações encontradas, o estudo publicou os problemas que impediam determinadas conclusões. Essa etapa revelou três falhas no pipeline inicial: baixa potência estatística para testar uma hipótese, desativação de uma entidade fictícia utilizada como controle e instrumentação assimétrica. A versão seguinte foi reimplementada com 217 testes automatizados. Publicar resultados nulos e erros metodológicos é parte do processo. Em um campo recente, explicar por que uma conclusão não pode ser sustentada é tão relevante quanto divulgar um resultado positivo. O efeito da entidade-âncora Um dos achados mais importantes surgiu no working paper The Anchor-Entity Effect, elaborado com 62.820 observações. O estudo identificou que uma única empresa pode concentrar uma parcela muito grande das menções de determinada categoria. No segmento de fintechs, uma entidade respondeu por 49,7% das citações. Quando ela foi retirada da análise, a aparente vantagem do setor se reduziu de forma significativa. Esse resultado mostra que médias por segmento devem ser interpretadas com cuidado. Uma categoria pode parecer muito visível porque uma única marca domina as respostas, enquanto as demais empresas continuam pouco mencionadas. Para quem toma decisões de negócio, essa diferença é relevante. A liderança de uma vertical não significa necessariamente que todas as organizações daquele mercado estejam bem representadas nas inteligências artificiais. O que os dados permitem concluir O Brasil GEO Index não pretende explicar sozinho toda a relação entre marcas e modelos generativos. Ele oferece um recorte definido, com perguntas, entidades, plataformas e períodos documentados. Dentro desse recorte, os dados já permitem observar alguns padrões. A taxa de citação varia consideravelmente entre os modelos. Os resultados também mudam conforme a vertical, o idioma e a presença de entidades dominantes. Por isso, qualquer afirmação sobre visibilidade em IA deveria informar, no mínimo, a pergunta realizada, a plataforma, a versão do modelo, a data da coleta, o número de respostas e o critério usado para reconhecer uma citação. Sem essas informações, o resultado pode servir como exemplo, mas dificilmente deve ser tratado como evidência de um comportamento recorrente. Uma base brasileira para uma discussão global Ferramentas internacionais já trabalham com centenas de milhões de prompts. Elas oferecem uma visão ampla do mercado global, mas nem sempre disponibilizam um recorte brasileiro acompanhado de protocolo pré-registrado e dados brutos abertos. O Brasil GEO Index ocupa essa lacuna em uma escala menor e mais específica. Seu foco está em entidades brasileiras, perguntas relacionadas ao mercado nacional e um processo que possa ser auditado por pesquisadores, profissionais e empresas. Outras iniciativas também ajudam a ampliar o campo. O naia Index, por exemplo, oferece rankings mensais de marcas recomendadas pelo ChatGPT e pelo Gemini no Brasil. Essa leitura de mercado complementa a abordagem acadêmica e experimental do Brasil GEO Index. Quanto mais bases transparentes existirem, melhor será a discussão. Nenhuma fonte deve ser tratada como suficiente para responder sozinha a todas as perguntas sobre GEO. GEO não pode depender de prints A visibilidade de uma marca em sistemas generativos não é fixa. Ela pode mudar com a atualização de um modelo, a reformulação de uma pergunta, a entrada de novas fontes na web ou alterações nos mecanismos de busca e recuperação. Por isso, GEO precisa ser acompanhado como uma série, não como uma fotografia isolada. O objetivo de manter papers, código, protocolo e dados disponíveis é permitir que os números sejam conferidos antes de serem reproduzidos. Uma medição útil deve mostrar não apenas o percentual final, mas também o caminho percorrido até ele. O campo ainda está sendo construído. Quanto mais cedo adotarmos critérios verificáveis, menor será o espaço para conclusões baseadas apenas em exemplos convenientes. GEO pode se tornar uma disciplina relevante para estratégia, comunicação e tecnologia, mas sua credibilidade dependerá da qualidade e da transparência dos dados que sustentam cada afirmação.
Ler a matéria
Quem faz o quê quando uma marca quer ser citada por IA no Brasil
A visibilidade de marcas em mecanismos como ChatGPT, Gemini, Claude e Perplexity exige a integração de três frentes: estrutura de SEO, monitoramento contínuo das respostas e governança da entidade. O artigo explica como Hedgehog Digital, NAIA e Brasil GEO atuam nessas camadas e apresenta métricas, responsabilidades e critérios que empresas devem avaliar antes de contratar projetos de SEO e GEO.
Ler a matéria
SEO e GEO ganham papéis distintos na visibilidade das marcas em inteligências artificiais
Entenda como Brasil GEO, NAIA e Hedgehog Digital dividem as estratégias de medição, governança e execução para melhorar a visibilidade das marcas nas respostas de inteligências artificiais.
Ler a matéria
Freio não é frescura. É o que deixa você acelerar!
O artigo apresenta um framework de seis etapas para criar um Centro de Excelência em IA com autoridade, governança, equipe multidisciplinar, seleção de projetos e métricas voltadas à redução de riscos e à geração de valor para o negócio.
Ler a matéria
Quem responde pela marca quando a IA recomenda?
A presença das marcas nas respostas de inteligência artificial exige mais do que monitoramento. O artigo mostra como AI Visibility, GEO, SEO e governança podem integrar mensuração, responsabilidades e execução para corrigir informações, fortalecer a autoridade digital e transformar recomendações das IAs em resultados de negócio.
Ler a matéria