Uma pesquisa realizada pela CGTN levanta questões fundamentais sobre o papel da humanidade em um cenário onde as máquinas começam a adquirir capacidade de pensamento. Os autores observam que cada revolução tecnológica sempre foi acompanhada tanto pela expansão das capacidades humanas quanto pela redefinição da própria essência da humanidade, mas a inteligência artificial representa uma mudança mais profunda.
A IA deixa de apenas registrar o que acontece; ela começa a prever o futuro. Ela transcende a mera interpretação do mundo existente, construindo gradualmente uma hierarquia de cenários possíveis até sua concretização. Assim, a previsão se transforma de uma descrição do futuro potencial em uma força ativa que molda os eventos subsequentes.
A questão central que a inteligência artificial nos apresenta não é se as máquinas são capazes de pensar como os humanos, mas sim qual autoridade seus julgamentos estão começando a adquirir. Surgem questões sobre quem confere essa autoridade, quem é responsável por ela e que futuro isso criará para toda a humanidade.
Na Conferência Mundial de Inteligência Artificial e no encontro de alto nível sobre governança global de IA na China, foi apresentada uma concepção de regulamentação da IA que defende a manutenção de uma abordagem centrada no ser humano. O objetivo é que a IA sirva como um poderoso motor para a prosperidade geral e a segurança coletiva, contribuindo para a construção de um sistema justo e equitativo de governança global de IA.
Esta visão visa eliminar não apenas a lacuna nas capacidades tecnológicas, mas também a crescente divergência entre a velocidade do progresso tecnológico e o ritmo de consenso na governança. Como os avanços tecnológicos superam a formação de regras, o poder pode surgir antes que normas adequadas sejam estabelecidas. Portanto, a governança da IA não é apenas gerenciar riscos, mas também encontrar um equilíbrio entre inovação e ordem baseada em regras.
Uma pesquisa online global da CGTN mostrou que 85,4% dos entrevistados acreditam que o rápido desenvolvimento da IA gera novos desafios para a segurança e governança globais. Além disso, 92,6% expressaram preocupação de que deepfakes e desinformação gerados por IA possam minar os fundamentos da confiança social, e 87,8% temem que barreiras tecnológicas e 'muros digitais' possam levar à fragmentação da cooperação científica e tecnológica internacional.
Esses dados indicam que os problemas relacionados à IA ultrapassam há muito o campo puramente tecnológico. O fortalecimento da governança global e a formação de um amplo consenso internacional tornaram-se tarefas comuns na era da inteligência artificial. A pesquisa também revelou que 82,6% dos participantes acreditam que os países em desenvolvimento e o Sul Global devem desempenhar um papel mais significativo na definição das regras de governança da IA para garantir justiça e inclusão no sistema. Ao mesmo tempo, 87,5% esperam que a comunidade internacional trabalhe para promover uma IA acessível e abrangente, prevenindo que a tecnologia se torne uma nova fonte de desigualdade.
Estes resultados refletem não apenas as expectativas gerais do público sobre a governança da IA, mas também um crescente consenso internacional de que o futuro da IA deve ser determinado pela abertura e colaboração, e não por monopólios tecnológicos, nem por restrições regulatórias, mas sim por inclusão e benefícios comuns. Uma civilização que pode ser compreendida, resumida e interpretada exclusivamente através de modelos de IA alheia ainda não alcançou a verdadeira era da inteligência. Um sistema de governança global de IA verdadeiramente justo deve respeitar as diversas trajetórias de desenvolvimento e os sistemas de valores de diferentes países e culturas, garantindo a cada civilização o direito de compreender o mundo através de sua própria estrutura conceitual, treinar sistemas inteligentes sob suas próprias condições e moldar apropriadamente o futuro da IA.
Os valores e modos de pensamento inerentes a diferentes civilizações não são 'ruído' que os algoritmos devem eliminar, mas fontes indispensáveis de sabedoria necessárias à humanidade para navegar em um futuro incerto. O objetivo da governança global da IA não é criar um único modelo 'correto' do mundo, mas garantir que nenhum entendimento único do mundo se torne dominante. A governança não é inimiga da inovação; ela é a segunda criação da inovação. A primeira ocorre no laboratório, onde as máquinas adquirem capacidades; a segunda é realizada através de instituições, normas éticas e cooperação internacional, onde a tecnologia recebe propósito, limites e responsabilidade. Inteligência sem governança é apenas força. No entanto, a inteligência moldada por valores comuns permite que a tecnologia se torne uma força genuína para o bem de toda a humanidade.
Na era da inteligência artificial, a governança da IA abrange mais do que apenas a prosperidade geral e a segurança coletiva; ela diz respeito à nossa capacidade comum de moldar o futuro. Uma ordem de IA verdadeiramente justa deve fazer mais do que apenas garantir a distribuição dos benefícios do progresso tecnológico para todos. Ela também deve garantir que cada país e cada civilização tenha voz na definição das regras e na determinação da direção do futuro da IA. O futuro não deve ser um modelo predefinido gerado por um sistema, mas um rascunho inacabado, escrito coletivamente pela humanidade, que permanece aberto à revisão por todas as partes. O fato de as máquinas terem começado a pensar marca um marco na história da tecnologia, e a capacidade da humanidade de assumir responsabilidade coletiva e manter a liberdade de escolha é um sinal de progresso civilizacional.
Para a maioria das pequenas e médias empresas (PMEs), a implementação de inteligência artificial não é seguir tendências da moda, mas sim uma vantagem estratégica que ajuda a resolver tarefas diárias de negócios com recursos limitados. Durante a sessão Google Gemini MSME Sparks 2026, Mai Kim, especialista em IA aplicada e engenheira de clientes do Google Cloud JAPAC, demonstrou como as empresas podem criar agentes inteligentes para atendimento ao cliente em menos de uma hora, usando o Gemini Enterprise para experiência do cliente, sem escrever uma linha de código.
Esses agentes de IA são capazes de automatizar respostas a consultas de clientes fora do horário de trabalho, rastrear pedidos, gerenciar devoluções ou qualificar potenciais clientes. Assim, pequenas empresas podem superar barreiras estruturais e organizacionais, oferecendo uma experiência de serviço de nível corporativo mesmo trabalhando com equipes pequenas.
A sessão refletiu uma tendência mais ampla na área de IA corporativa. De acordo com o Google Cloud, cerca de 75% de seus clientes já utilizam produtos de IA, e os modelos da empresa processaram mais de 16 bilhões de tokens por minuto através da API dos clientes em 2026. Isso indica que os agentes de IA deixaram de ser experimentais e se tornaram ferramentas práticas para empresas de qualquer tamanho.
Mai Kim observou que, na era guiada por IA, os clientes esperam muito mais, passando de simples chatbots para um atendimento e compras profundamente personalizados. Ela deu exemplos de agentes que podem analisar receitas manuscritas e adicionar instantaneamente os ingredientes necessários ao carrinho do cliente, ou processar pedidos de texto se o cliente estiver atrasado. Seu objetivo é garantir a resolução rápida das dúvidas necessárias.
Tradicionalmente, para atender a essas expectativas, as PMEs precisavam de investimentos significativos em tecnologia e equipes de suporte ao cliente. A visão do Google Cloud visa eliminar esse obstáculo.
Durante a apresentação, Kim mostrou um agente de IA multimodal capaz de processar interações de voz, entender intenções do cliente, realizar raciocínios em diálogos complexos e obter informações de negócios atuais — tudo isso através de uma interface de autoatendimento. Ela relatou que a criação desse agente levou menos de uma hora, destacando o progresso na IA moderna, que acelera o desenvolvimento através de configuração rápida usando linguagem natural e ferramentas visuais.
No exemplo de uma marca D2C em crescimento, este agente, criado em 60 minutos, podia lidar com consultas, sugerir produtos complementares, processar devoluções de pedidos e encaminhar questões complexas a um representante humano. O resultado foi um aumento na velocidade do atendimento, melhoria na estabilidade e redução de custos operacionais — vantagens críticas para pequenas empresas.
O elemento central da sessão foi a plataforma Gemini Enterprise para experiência do cliente do Google. Esta plataforma unificada combina serviços de IA para atendimento ao cliente, comércio eletrônico e busca em um ecossistema único. Em vez de tratar o suporte ao cliente como uma função isolada, a plataforma conecta todas as etapas da jornada do cliente: desde a busca pelo produto e compras até o suporte pós-venda e análise de desempenho.
O pacote oferece seis funcionalidades chave, incluindo Customer Experience Agent Studio, Agent Assist, Customer Experience Insights, agentes prontos para compras e pedidos de comida, e Vertex AI Search. Isso permite que as empresas não desenvolvam cada funcionalidade do zero, mas usem componentes de IA prontos, adaptando-os aos seus produtos, clientes e fluxos de trabalho.
Uma das principais vantagens da plataforma é a capacidade de equilibrar automação e intervenção humana. Enquanto os agentes de IA podem resolver tarefas rotineiras autonomamente, a função Agent Assist vai além, apoiando representantes humanos durante a conversa, fornecendo respostas contextuais. Como Kim demonstrou, essa função fornece conhecimento relevante e orientação em tempo real.
Além disso, o Customer Experience Insights ajuda os negócios a monitorar métricas chave de desempenho, como satisfação do cliente, qualidade das respostas e desempenho dos agentes, através de um painel de controle integrado, levando a um suporte mais eficaz com equipes pequenas.
Pequenas empresas muitas vezes hesitam em adotar a IA devido a limitações de orçamento, experiência técnica e tempo de implementação. Kim enfatizou que o Gemini Enterprise foi criado para eliminar essas barreiras, oferecendo ferramentas intuitivas de baixo e zero código, permitindo que as organizações criem agentes de IA de alta qualidade sem a necessidade de equipes de desenvolvimento especializadas.
Em vez de gastar meses em desenvolvimento ou contratar engenheiros de IA dedicados, as equipes de negócios podem criar, testar, refinar e implantar agentes conversacionais usando fluxos de trabalho visuais. Essa democratização da IA pode ser particularmente valiosa para PMEs que buscam competir com empresas muito maiores, que tradicionalmente tiveram maior acesso a recursos tecnológicos. Ao automatizar interações repetitivas com clientes, as empresas podem aumentar tanto a eficiência operacional quanto a satisfação do cliente.
Uma parte significativa da sessão foi dedicada ao Customer Experience Agent Studio — um ambiente de desenvolvimento visual usado para a demonstração. Os usuários não precisam começar do zero; eles podem simplesmente descrever o propósito de seu agente de IA em uma ou duas frases. Em seguida, o Gemini gera automaticamente instruções, fluxo de trabalho, ferramentas e estrutura de diálogo para o agente. Kim declarou: «Usamos IA para criar um agente de IA, não para escrever código».
Os desenvolvedores podem configurar adicionalmente o agente, definindo seu papel, comportamento, fluxos de tarefas e lógica de tomada de decisão, além de adicionar fontes de conhecimento opcionais para melhorar a compreensão contextual. A plataforma também suporta inúmeras integrações, permitindo conectar agentes ao Google Search, APIs abertas, Salesforce, ServiceNow e funções personalizadas.
Outras funcionalidades apresentadas na sessão incluíram variáveis globais entre agentes, mecanismos de proteção personalizáveis para bloquear conversas indesejadas, suporte multilíngue, configuração de voz, seleção de modelos e parâmetros avançados de diálogo. Para garantir a prontidão para produção, o Agent Studio fornece ferramentas de avaliação integradas. As empresas podem comparar as respostas da IA com os resultados esperados usando avaliações baseadas em padrões ouro ou simular interações realistas com clientes por meio de cenários, ajudando a identificar casos extremos antes do lançamento. Essas ferramentas de teste integradas permitem que as equipes aumentem a precisão e reduzam o risco de alucinações ou respostas inconsistentes.
A sessão confirmou uma tese importante para as PMEs: a criação de aplicativos baseados em IA não exige mais grandes orçamentos, equipes de engenharia especializadas ou meses de desenvolvimento. Graças a plataformas como o Gemini Enterprise, as empresas podem se concentrar cada vez mais na definição de problemas dos clientes, em vez de escrever código. Para as PMEs que buscam melhorar a interação com o cliente, automatizar o suporte rotineiro e proporcionar uma experiência mais rápida e personalizada, os agentes de IA tornam-se uma possibilidade prática, e não uma tecnologia experimental. À medida que o ecossistema de IA do Google evolui, as oportunidades para pequenas empresas ficam mais claras: não apenas adotar a IA, mas usá-la como um amplificador, permitindo que pequenas equipes ofereçam uma experiência de atendimento ao cliente em escala corporativa.
A equipe Xiaohongshu Engine apresentou o sistema HELMSMAN na conferência OSDI 2026. Este sistema é uma solução de alto desempenho e custo-efetiva para busca de vizinho mais próximo aproximada (vector approximate nearest neighbor search), desenvolvida especificamente para arrays NVMe SSD totalmente baseados em memória flash.
O HELMSMAN substituiu a infraestrutura anterior da Xiaohongshu, que consistia em aproximadamente 35.000 núcleos de CPU e 350 TB de memória RAM (DRAM), totalizando cerca de 40 servidores totalmente baseados em memória flash. Isso permitiu uma redução nos custos de hardware superior a 90%, mantendo a latência em nível de milissegundos para serviços da empresa, como busca, recomendações e publicidade. Esses serviços processam centenas de bilhões de vetores de alta dimensão com milhões de requisições por segundo.
A ideia principal é que os métodos ANNS clusterizados são uma arquitetura mais adequada para os modernos arrays SSD de alta velocidade, em contraste com os métodos ANNS baseados em grafos. Sistemas de grafos que utilizam DRAM e SSD, como o DiskANN, sofrem de dependência de E/S sequencial, pois a leitura de um SSD determina o próximo vizinho a ser visitado, o que impede a saturação da largura de banda do SSD. Os sistemas clusterizados, por outro lado, leem clusters de candidatos em paralelo, o que corresponde às capacidades de E/S paralela dos SSDs.
Os sistemas tradicionais de clusterização SPANN enfrentavam três problemas em ambientes de produção: baixa largura de banda devido aos custos de sobrecarga da pilha de E/S Linux, estratégias de busca não adaptativas que escaneavam muito ou muito pouco dependendo da complexidade da consulta, e construção lenta de índice em um único processador, que não conseguia escalar para centenas de bilhões de vetores. O HELMSMAN elimina esses obstáculos graças a três inovações:
Primeiro, há uma pilha de armazenamento especializada para ANNS que contorna os caminhos padrão de E/S do Linux, gerenciando as filas NVMe diretamente no espaço do usuário. Isso reduziu os custos de sobrecarga de software que anteriormente consumiam até 58% da latência total. Segundo, foi implementado um mecanismo hierárquico de aprendizado para poda de busca, que prevê adaptativamente o número ideal de clusters para varredura com base na complexidade da consulta, tamanho top-k e distribuição dos centroides. Terceiro, foi introduzido um pipeline de construção distribuída acelerado por GPU, que permite reconstruir índices em escala de bilhões de vetores em apenas algumas horas, o que corresponde à atualização de modelos em minutos para sistemas de recomendação e publicidade.
Testes de produção demonstraram a eficácia do sistema. O HELMSMAN proporciona uma melhoria de throughput de 2 a 16 vezes em comparação com sistemas existentes DRAM-SSD, incluindo DiskANN e SPANN, atingindo até 85% da capacidade de implantação puramente in-memory, mantendo SLAs de latência média e de cauda dentro de milissegundos. A capacidade de reconstruir índices em escala de 10 bilhões de vetores em horas torna o HELMSMAN prático para ambientes de trabalho onde modelos de incorporação e dados vetoriais são atualizados frequentemente. A implantação da Xiaohongshu abrange diversas áreas de negócios, incluindo busca, recomendações, publicidade, segurança de conteúdo e pipelines RAG.
As implicações para custo e escalabilidade vão além da Xiaohongshu. A infraestrutura de busca vetorial é um dos centros de custo de crescimento mais rápido para plataformas de internet, pois a recuperação baseada em embeddings está se tornando universal para busca, recomendações e recursos baseados em IA. A dependência de DRAM foi um fator estrutural de aumento de custos, já que a escala de vetores dobra anualmente. O HELMSMAN prova que o ANNS de alto desempenho em armazenamento flash padrão é viável em produção, mesmo para cenários de serviço online mais sensíveis à latência, potencialmente mudando a economia da infraestrutura para todo o setor. O estudo também levanta questões sobre se outros componentes de IA limitados pela memória podem obter benefícios semelhantes do design conjunto da pilha de armazenamento em vez de apenas expandir a DRAM.
A equipe da Tencent WorkBuddy apresentou a Miora, sua primeira plataforma especializada de agente de design. Após o término do período de teste beta fechado, a plataforma está agora disponível para todos os usuários em miora.design.
A Miora é uma plataforma completa que abrange áreas como branding, desenvolvimento de interface de usuário (UI), comércio eletrônico e criação interativa de conteúdo. Ela suporta funcionalidade multimodal e uma vasta biblioteca de habilidades. Esta plataforma expande o portfólio de produtos de inteligência artificial da Tencent, levando-o além da codificação e agentes de trabalho para o campo do design criativo.
A plataforma cobre cinco áreas principais de design: branding, cinema e criatividade, publicidade de e-commerce, jogos interativos e aplicativos web. Cada área possui seus próprios modelos de habilidades e fluxos de trabalho. A interface segue o padrão de design WorkBuddy e se destaca por seu alto nível de refinamento. A barra lateral esquerda contém módulos para criação, inspiração, habilidades e memória. A área central de chat permite inserir solicitações de design em linguagem natural.
Ao lado do mascote Miora, há um seletor de cena que permite a troca instantânea entre domínios e atualiza dinamicamente a biblioteca de modelos abreviados. Na parte inferior, há um painel de configuração onde estão disponíveis dois níveis de modelo base do agente: Standard (para tarefas simples), Pro (para a maioria dos casos de uso) e Max (para projetos complexos de identidade visual da marca). Há também um painel separado de geração multimodal, permitindo aos usuários selecionar modelos individuais para imagens, vídeo, UI e 3D, incluindo GPT-image-2, Seedance 2.0, Kling, Vidu Q3 e outros.
O sistema de habilidades da Miora transforma fluxos de trabalho de design genéricos em modelos executáveis. Por exemplo, no modo de branding, os usuários podem ativar habilidades para criar um caso visual completo da marca, gerar personagens da marca ou criar logotipos. A arquitetura de habilidades foi projetada para ser extensível: cada modelo inicia um agente de tarefa verticalmente configurado, que gerencia o processo desde a análise dos requisitos até a geração do resultado. Os usuários podem escolher o modo 'Perguntar' (Ask mode), no qual o agente confirma a direção do design antes de executar, ou a execução automática para acelerar as iterações.
A entrada da Tencent no mercado de agentes de design é um passo estratégico em meio à crescente concorrência entre agentes de código e de vídeo. O domínio de agentes de design é definido como uma das quatro categorias principais de agentes, juntamente com agentes de trabalho, de código e de vídeo. A Tencent possui vantagens significativas graças à infraestrutura e à base de usuários do WorkBuddy, ao vasto ecossistema de modelos da Tencent, incluindo os modelos fundamentais HY, e às parcerias com fornecedores líderes de geração multimodal, bem como à profunda experiência em design de produtos, o que se reflete na experiência de usuário polida da Miora.
Assim como outras plataformas de agentes, a Miora enfrenta o problema da 'última milha': os designs gerados por IA ainda exigem vetorização manual e retoques profissionais em ferramentas como Adobe Illustrator antes do uso final. Atualmente, a plataforma opera com formatos de imagem rasterizados, mas não suporta formatos vetoriais, incluindo SVG, PSD e AI. No entanto, a Miora marca um passo importante para a democratização das capacidades de design profissional, reduzindo a barreira para startups e pequenas equipes na criação de identidades visuais de qualidade que antes exigiam a contratação de agências ou designers seniores. A entrada da Tencent no segmento de agentes de design indica uma consolidação do nível de plataforma do ecossistema de agentes de IA em torno de vários grandes sistemas operacionais de agentes, nos quais são então construídos agentes de domínio especializados.
