Chamath Palihapitiya Channel

Isso certamente nos dá algo para pensar.

Neste ano, a CloudBees reuniu insights de mais de 200 líderes de tecnologia de empresas, revelando uma contradição fascinante. Embora 92% desses profissionais tenham se sentido totalmente certos de que o código gerado por IA estava pronto para produção antes do envio, 81% exatamente desse mesmo grupo teve um aumento nos problemas de produção após o lançamento.

Confiar na saída de inteligência artificial evoluiu oficialmente para um risco de negócio quantificável. As diretorias das empresas agora podem avaliar diretamente a confiança de 92% no código gerado por IA em relação à taxa de 81% de problemas em produção para obter uma visão clara e realista de suas operações. Essa dinâmica levanta uma pergunta vital para as organizações: as equipes de desenvolvimento estão apenas se envolvendo em tokenmaxxing sem controle, ou há uma estratégia estruturada em prática que realmente entrega resultados?

Como aponta o estudo, e com o qual nós totalmente concordamos, o principal gargalo operacional mudou: saiu da escrita inicial do código e passou diretamente para sua governança.

Para ajudar as equipes a gerenciar essa mudança de forma proativa, a 8090 Software Factory integra especificamente testes, revisões por pares e aprovações formais diretamente em seus recursos principais. Esse sistema garante o controle de qualidade enquanto gera um registro histórico transparente e fácil de acompanhar para todas as partes interessadas.

Você pode encontrar mais detalhes neste link: http://bit.ly/3UWcTQE

Em geral, é uma abordagem sábia fazer exatamente o contrário sempre que alguém lhe aconselhar simplesmente confiar nos especialistas. Pense na era da Covid, quando depositar fé absoluta em especialistas resultou em uma enorme fraude social que devastou nossa economia e prejudicou significativamente o desenvolvimento de nossas crianças. À medida que avançamos para a era da IA, aplicar essa mesma confiança cega provavelmente levará a consequências que farão nossas experiências anteriores parecerem inteiramente menores em comparação. Portanto, eu altamente recomendo que todos explorem esses novos avanços tecnológicos com um sentimento de assombro, ao mesmo tempo em que se asseguram de manter uma base sólida de dúvida crítica.

Compreender o que um modelo significa no setor bancário é bastante simples. Ele representa a base matemática que sustenta praticamente todas as decisões operacionais, como determinar a elegibilidade para empréstimos, calcular as reservas de capital necessárias e identificar transações potencialmente fraudulentas.

Uma mudança regulatória significativa ocorreu em abril, quando o Fed, o OCC e o FDIC retiraram oficialmente a estrutura que as instituições financeiras têm usado desde 2011 para validar esses processos matemáticos. Embora as regras atualizadas abordem modelos convencionais, elas intencionalmente excluem a IA agentic e a IA generativa. O raciocínio é que a inteligência artificial está avançando rápido demais para ser limitada por diretrizes estáticas. Como resultado, as instituições financeiras agora precisam regular de forma independente o segmento mais rapidamente em desenvolvimento de sua infraestrutura tecnológica. Apesar dessa autonomia operacional, os bancos continuam totalmente obrigados a justificar a governança de sua IA aos examinadores sempre que solicitado.

Se uma fiscalização desse tipo ocorresse amanhã, a maioria das instituições financeiras enfrentaria desafios consideráveis para produzir um registro preciso e reproduzível que detalhe exatamente como a inteligência artificial foi utilizada. Rastrear métodos específicos, os artefatos associados e cada decisão individual influenciada por IA permanece um obstáculo complexo.

Essa lacuna específica de conformidade é exatamente o que a 8090 Software Factory foi criada para resolver. A plataforma incorpora evidências abrangentes e trilhas de auditoria diretamente na própria arquitetura do software. Dessa forma, o sistema garante que cada modificação do sistema e cada escolha orientada por IA possam ser rastreadas de maneira confiável até um requisito que foi explicitamente aprovado por profissionais.

Descubra mais detalhes visitando este link: http://bit.ly/46q2SOe

A pesquisa conduzida pela McKinsey e pela Oxford representa a análise mais extensa já realizada sobre as principais iniciativas de TI, e os resultados são bastante reveladores. Após revisar mais de 5.400 projetos com orçamentos superiores a US$ 15 milhões, os dados mostraram que, em geral, esses empreendimentos ficam abaixo do valor planejado em 56% enquanto, simultaneamente, excedem seus orçamentos em 45%. Além disso, os atrasos no cronograma são tão graves quanto os excessos financeiros, frequentemente empurrando a realização dos objetivos centrais para trás por vários anos.

Historicamente, as organizações tentaram navegar por essas gigantescas transformações de TI fazendo uma escolha universalmente aceita e se associando a uma empresa que ninguém pudesse contestar. Optar por uma alternativa segura era perfeitamente lógico em uma época em que simplesmente concluir uma entrega era uma grande incógnita. Hoje, porém, a IA alterou completamente o cenário.

Superar esses desafios amplamente difundidos da indústria exige um sistema que permita que você documente claramente suas intenções já no início. Ao estabelecer essa clareza antecipadamente, você pode então aproveitar a IA durante as etapas de execução e verificação para garantir que seu projeto seja concluído exatamente como foi imaginado. Isso assegura que suas entregas finais permaneçam dentro do cronograma, no escopo e perfeitamente alinhadas com seu orçamento.

Na 8090 Software Factory, usamos exatamente essa abordagem como base para cada atendimento ao cliente. Você pode explorar os mecanismos do nosso processo visitando este link: http://bit.ly/4gP9bkq

Se você está procurando uma única imagem que destaque uma grande ameaça para os nossos sistemas atuais, este gráfico específico é o primeiro que me vem à mente. É altamente provável que os observadores não consigam apreciar plenamente a capitalização dos bits quânticos que avançam daqui em diante. Em última análise, é impossível exagerar os profundos efeitos em cascata que esse avanço rápido terá sobre métodos criptográficos inseguros para a computação quântica.

Ao olharmos para as eras do desktop e da Internet, podemos ver que as dinâmicas financeiras seguiram um padrão específico em que as estruturas econômicas iniciais acabaram se invertendo. No fim, as organizações posicionadas mais perto dos consumidores do dia a dia foram as que capturaram as maiores margens de lucro.

Podemos esperar que a Inteligência Artificial siga exatamente essa mesma trajetória. Em vez de perguntar se essa mudança econômica vai acontecer de novo, a única verdadeira incerteza é o quão cedo ela ocorrerá.

Se você alguma vez se vir começando uma declaração com a frase, "Uma coisa vale dizer antes...", geralmente é melhor parar bem ali. Por favor, ignore os comentários adicionais e concentre-se apenas em concluir com sucesso o trabalho em questão.

Embora as aulas de história frequentemente destaquem as tendências de desregulamentação dos anos 1980 e 1990, a realidade é que os marcos regulatórios nunca foram, de fato, simplificados durante essa época. Em vez disso, o volume de restrições continuou a se expandir sem qualquer interrupção real.

No fim das contas, regulações complexas atendem a um único segmento demográfico: os líderes do mercado já estabelecidos. São esses incumbentes que, efetivamente, ditam as diretrizes — seja diretamente, seja por meio de representantes por eles escolhidos.

Quando um mercado opera com menos restrições, ele naturalmente atrai uma concorrência maior, que consistentemente desafia essas forças entrincheiradas. À medida que a dominância dos players estabelecidos diminui, a economia passa a experimentar uma circulação muito mais rápida e vibrante tanto de renda quanto de riqueza.

No entanto, enquanto nossos sistemas regulatórios continuarem a se tornar cada vez mais convolutos, aqueles que já estão no topo continuarão a colher os benefícios. Eles continuarão a lucrar sem precisar demonstrar habilidade genuína ou colocar esforço de verdade, o que, em última instância, parece uma forma altamente ilógica de operar.

Se você já se perguntou como o dinheiro que você paga à Anthropic está sendo utilizado, talvez ache as iniciativas mais recentes deles bastante interessantes. Esperamos que você apoie a visão deles. Com base em informações divulgadas por Will, do Politico, as disputas políticas sobre inteligência artificial agora estão se estendendo com força às eleições de meio de mandato. Curiosamente, a Anthropic, que é uma das organizações mais proeminentes do setor, está destinando milhões para alertar os eleitores sobre a tecnologia exata que ajuda a desenvolver.

A organização Public First Action, que recebe apoio financeiro da Anthropic, lançou seu primeiro grande esforço para a eleição geral. Eles investiram na compra de uma nova campanha de transmissão de US$ 2,5 milhões, projetada para apoiar a senadora republicana Ashley Moody em toda a Flórida.

Apesar de ser financiado por uma empresa de inteligência artificial, esse novo spot de televisão começa com um aviso sério. Ele afirma que a inteligência artificial está transformando nossas vidas, avançando mais rápido do que qualquer um consegue controlar, e chegando para nossos empregos. O comercial destaca os perigos de vozes clonadas e rostos roubados, junto com alertas diretamente de inventores de inteligência artificial. Em seguida, ele passa a elogiar a senadora Ashley Moody por defender legislação que mira deepfakes. O artigo original também incentiva os leitores a assistir ao anúncio.

Esse comercial recente é uma peça-chave da campanha política mais ampla da Anthropic. A empresa está destinando milhões para defender regulamentações mais rigorosas de inteligência artificial. Com essas ações, a Anthropic pretende neutralizar grupos políticos rivais que são apoiados por investidores e líderes da OpenAI, os quais, por sua vez, defendem uma abordagem regulatória muito mais leve.

Imagine um ser extraterrestre chegando à Terra com um pedido fascinante. Suponha que eles peçam para ver um único gráfico que represente a força motriz fundamental por trás de todo e qualquer feito do nosso passado e de todo o nosso futuro.

O que exatamente você escolheria para apresentar a eles?

Pessoalmente, eu compartilharia o gráfico exibido abaixo. Eu acredito firmemente que a humanidade acabará por resolver todos os desafios que enfrentamos, desde que sustentemos o progresso mostrado neste gráfico.

A Matemática para Construir versus Comprar Software Agora Fortemente Favorece Construir

Durante toda a duração da onda de SaaS, adquirir software existente sempre foi a opção mais acessível e rápida em comparação com desenvolver o que você precisava do zero. Hoje, porém, navegar esse ciclo de compras continua ficando cada vez mais complicado.

Esse processo é intricado por razões bem compreendidas. É necessário envolver partes interessadas separadas para conduzir a análise de segurança, negociar os termos e aprovar o risco. A Gartner observa que o grupo de compra para uma aquisição complexa de software corporativo agora envolve de 6 a 10 pessoas. Como resultado dessas dinâmicas de equipe, 77% dos compradores descrevem sua compra mais recente como muito complexa ou difícil.

Graças à IA, o lado do desenvolvimento dessa equação mudou materialmente. O argumento mais antigo para comprar tecnologia era que ela oferecia um caminho mais rápido, mas isso simplesmente não é mais verdade. Uma avaliação padrão de compra rotineiramente exige dois ou três trimestres apenas para superar a fase de procurement. Dentro exatamente desse mesmo intervalo de tempo, o fluxo de trabalho personalizado que você deseja agora pode ser especificado, construído, testado e já estar em produção.

Criamos a Software Factory para capacitar grandes empresas a aproveitar a economia desinflacionária da IA. Ao alavancar essa tecnologia, estamos tornando a decisão entre construir e comprar muito mais competitiva do que tem sido historicamente.

Como: http://bit.ly/3RNjXya

A fase pós-lançamento de uma plataforma de software, na prática, responde por 50 a 80% do custo total de sua vida útil. Curiosamente, o modelo de serviços tradicional é estruturado para ser encerrado exatamente quando esse período altamente caro começa.

Assim que um projeto é lançado, os típicos integradores de sistemas realocam suas equipes de entrega para atender totalmente novos clientes. Essa prática garante que os criadores originais por trás do seu design central fiquem completamente fora de cena muito antes de ser necessária a manutenção contínua e quando os anos mais custosos começam. É preciso se perguntar quem estará lá para ajudá-lo três anos depois, quando as regulamentações de conformidade mudarem ou quando o fluxo de trabalho fundamental do seu sistema se tornar obsoleto.

Rompe com esse ciclo padrão: a 8090 mantém total responsabilidade pelo seu código de produção muito além da data inicial do go-live. Garantimos que seu software permaneça constantemente atualizado e perfeitamente adaptado ao seu cenário de negócios em evolução.

Saiba mais visitando https://bit.ly/4zhwMBA

Estamos observando um passo incrivelmente positivo à frente para o setor. À medida que os custos financeiros de diferentes modelos vão se alinhando gradualmente, a progressão natural envolve uma mudança para planos de controle e “harnesses” de terceiros independentes. Alguns exemplos notáveis que estão liderando essa iniciativa incluem a 8090 Software Factory, a Palantir e o Hermes da Nous.

Considerando o horizonte dos próximos 36 meses, é altamente provável que toda empresa exija acesso a um “harness” de terceiros, combinado com a flexibilidade para utilizar qualquer modelo de forma quase intercambiável. Essa mudança ocorrerá à medida que as organizações se tornarem plenamente conscientes das vulnerabilidades relacionadas ao vazamento de dados e de PI (propriedade intelectual). No fim, as empresas precisam manter soberania absoluta sobre seu julgamento codificado, o que torna essa abordagem adaptável essencial.

Anualmente, a Gallup avalia a distribuição de funcionários sob gerentes individuais na força de trabalho americana. Ao longo da década em que vem monitorando esse indicador, a proporção recentemente passou pela sua mudança mais rápida, subindo de 11 para 12 subordinados diretos em apenas um ano. O catalisador por trás dessa tendência é um argumento familiar em discussões sobre reestruturação corporativa. As organizações vêm eliminando de forma consistente funções de gerência intermediária e alocando o restante do pessoal entre um grupo menor de líderes existentes.

De acordo com a pesquisa da Gallup, o engajamento dos funcionários atinge seu nível ideal quando um gerente supervisiona uma equipe de oito ou nove pessoas. Nesse tamanho, o supervisor mantém a capacidade de monitorar os projetos em andamento com precisão e oferecer feedback construtivo e genuíno. Porém, quando o número de subordinados diretos cresce além de quinze, o engajamento cai drasticamente.

Hoje, a questão crucial já não é apenas o volume de indivíduos atribuídos a um cargo específico de gestão em um organograma. Em vez disso, o foco precisa mudar para compreender a proporção da semana do funcionário que é dedicada a tarefas que exigem julgamentos humanos complexos, e não a atividades rotineiras que apenas mantêm o negócio funcionando.

As empresas que atualmente estão ganhando vantagem competitiva conseguiram eliminar completamente tarefas repetitivas das agendas da sua força de trabalho humana. Ao fazer isso, elas garantem que os profissionais que permanecem na equipe estejam dedicando seu tempo a relacionamentos com clientes, conversas mais sutis que requerem um toque humano e a inovação estratégica que, em última instância, impulsiona o sucesso no mercado.

Formas como podemos ajudar sua organização

Aproximando-se da Singularidade da Inteligência Artificial

A teoria predominante sobre esse fenômeno se desdobra por meio de uma sequência distinta de eventos. Primeiro, a humanidade desenvolve com sucesso uma Inteligência Geral Artificial. Segundo, esse novo sistema criado alcança domínio na área de pesquisa em inteligência artificial. Terceiro, o sistema utiliza sua expertise para projetar uma versão ainda mais capaz de si mesmo. Quarto, essa iteração aprimorada passa a construir um sucessor extraordinariamente superior. Quinto, esse ciclo de retroalimentação continua a acelerar a uma taxa sem precedentes.

Ao analisar as mais recentes conquistas e funcionalidades técnicas que surgem de múltiplas instalações de pesquisa ao longo das últimas semanas, fica bastante evidente que já estamos seguramente posicionados dentro desse ciclo contínuo.

Podemos esperar que os próximos 18 meses sejam absolutamente extraordinários. A partir daqui, o mecanismo de autoaperfeiçoamento recursivo está bem posicionado para impulsionar as capacidades tecnológicas a uma velocidade estonteante. Como resultado direto dessa evolução rápida, os custos marginais associados à operação de todos esses modelos eventualmente cairão para algo em torno de ~$0.

Em um lado positivo, podemos nos confortar ao saber que todo o nosso gasto com tokens está sendo direcionado para uma causa verdadeiramente valiosa.

Elon estava absolutamente certo em sua visão inicial para uma IA americana acessível. Liberar o Grok como um projeto de código aberto poderia representar um xeque-mate estratégico para ele. A argumentação aqui é bastante convincente. Ao tornar o Grok de código aberto, as margens de lucro naturalmente são eliminadas da camada do modelo fundamental. Em vez disso, elas são redistribuídas para baixo, em componentes de infraestrutura como chips e CSPs, e para cima, no setor de aplicações. Considerando que ele já controla a construção de um enorme data center, possui uma IA de inferência de próxima geração e é dono do Cursor, que opera como a aplicação mais utilizada, essa ação provavelmente geraria uma margem maior para ele. Seguindo essa lógica, o conceito de eventualmente realocar esses data centers para o espaço se torna uma estratégia ainda mais prática.

Estou me preparando para assumir como cohost do @SquawkCNBC agora mesmo. Você pode acompanhar o programa no intervalo das 7h às 9h (horário do Leste dos EUA). Estou absolutamente animado(a) para colocar tudo em movimento!

Se você tem acompanhado a discussão em andamento sobre sistemas americanos de código fechado versus modelos abertos de código chinês, temos alguns dados preliminares empolgantes para compartilhar com você.

Recentemente, realizamos um piloto inicial focado em atualizar uma aplicação de PHP para Next.js. Os resultados mostraram que combinar o Software Factory da 8090 com o Opus 4.8 foi 1,5x mais rápido e, ao mesmo tempo, 1,4x mais barato do que depender apenas do Opus 4.8.

Também testamos nosso Software Factory em conjunto com o modelo GLM 5.2, mais acessível. Essa combinação gerou uma impressionante redução de 16,4x nas despesas, embora tenha operado 3x mais lento do que usar o Opus 4.8 sozinho.

Nesta fase, esses resultados são apenas indicativos, com um tamanho de amostra de n=1 por braço. Para nossos próximos passos, pretendemos executar esses testes novamente sob controles adequados. Vamos utilizar de 10 a 15 tarefas de modernização legada relevantes para compradores, que estão sendo projetadas atualmente em conjunto com nossas equipes de Vendas e GTM.

Aguardem mais atualizações em breve. Enquanto isso, esses dados levantam uma pergunta bastante importante sobre estratégia financeira. Dado o enorme ganho de custo das opções de código aberto, por que qualquer empresa pública americana continuaria a consumir o capital dos acionistas com modelos caros de código fechado?

Para explorar isso com mais profundidade, nossos testes futuros vão se concentrar na avaliação de modelos de código aberto americanos, especificamente com foco na Nvidia.