Marcus Mendes

Seguindo aqui, a Wikipedia anunciou que ela está banindo artigos que sejam gerados, escritos, editados por IA no site, por enquanto só em inglês, que é onde fica mais fácil de fazer esse tipo de controle. E ela falou que isso está acontecendo porque estava aparecendo um monte de artigo lá gerado por IA e eles tendem a violar políticas básicas de conteúdo da Wikipedia.

Então, agora não pode mais fazer isso. Vamos ver se vai ser basicamente um teste para inglês para depois eles provavelmente expandirem isso para o resto do mundo. Volta a contribuição de open source que está bagunçada por conta de um uso exagerado de IA. As pessoas até bem intencionadas, mas mandando correções de pedidos, de contribuição, etc., que ultrapassam o quanto dá para adotar e ver se está certo e que às vezes não tem nem muito a ver com o projeto. São umas sugestões que não têm nada a ver. Então, a equipe já também está banindo

Isso, e o GitHub falou que a partir de agora, as interações lá com o GitHub Copilot vão passar a ser usadas para treinar modelos de IA. Existe um risco, porque mesmo que você esteja usando um repositório que é privado, se você usar o GitHub Copilot e isso for usado para treinar, problema, né?

Eles falaram que isso vai passar a valer a partir do dia 24 de abril. Quem não quiser tem que fazer opt-out. E eu vou prever aqui, Fabrício. Até o dia 24 de abril a gente vai falar que o GitHub adia os planos de colocar isso no ar, porque a implicação de privacidade disso é enorme, sendo o GitHub a língua franca de repositório do mundo. Mas nesse momento, se você não quiser que as suas interações com o GitHub Copilot sejam usadas para treinar modelos futuros do GitHub...

Harness Design for Long-Running Application Developments. Basicamente, é um approach novo de engenharia que usa uma estrutura de múltiplos agentes e tem um gerador e um avaliador de agentes. Foi feito lá pelo pessoal da Entropic, o pessoal que trabalha específico no Cloud,

para poder não só analisar, mas melhorar o desempenho para, por exemplo, design de front-end e também desenvolvimento de aplicações que têm um horizonte mais comprido para cumprir a tarefa. Existe um agente avaliador, ele fica calibrado com uns critérios específicos para dar a nota,

E, a partir disso, dá o feedback para o agente gerador. Então, tu é o avaliador, analisa o que a gente está fazendo, dá essa nota, informa basicamente para esse agente e, com isso, vai calibrando e, aos pouquinhos, faz uma vez, faz duas, faz mil, faz seis mil, faz um milhão, vai trazendo melhoras iterativas, tanto na qualidade do design, quanto também na originalidade

do que está sendo criado, que é um aspecto muito interessante de você mensurar para melhorar a originalidade partindo da premissa de que tudo que um LLM faz é uma combinação do que está no material de treinamento. Não tem ideias essencialmente novas. Outro assunto que a gente falou bastante aqui a respeito na nossa entrevista de quarta-feira com o Adrian.

E, com isso, eles conseguiram resolver problemas que até tocam na parte de um viés de autoavaliação. Então, dele ignorar os próprios problemas para tentar passar melhor ali num teste. E, com isso, o resultado mesmo, lá, finalzinho, empacotado, foi um resultado melhor. Eles falaram de mais rico, que é uma coisa meio... Não é muito bem definido o que significa, mas na stack inteira da aplicação. Então, curti. É bem técnico, tá?

Boa. E antes da última notícia do estudo, eu falei, Cláudio, você fez três gols aí. Que música você quer no Fantástico? Ele falou, We Are The Champions. Não vou botar para tocar aqui para não tomar strike de nada, mas está aí até outras opções. I Have The Tiger, Living On A Prayer. O Cláudio está roqueiro hoje. Mas para finalizar aqui os estudos da semana, eles publicaram uma versão atualizada do relatório de índice econômico de...

o impacto, qual o perfil das pessoas que estão usando o Cloud para fins profissionais, de onde elas vêm, qual o perfil de uso, as tarefas, as áreas que as pessoas estão usando. E eles notaram umas coisas que eu achei interessantes, como, por exemplo, o uso...

do Clod para coisas que estão relacionadas a trabalho caiu de novembro de 25 para fevereiro de 26, enquanto o uso para tarefas pessoais aumentou e eu vou chutar que vai ultrapassar em breve, porque em novembro de 25 o uso para trabalho era 46% e caiu para 45%. Só caiu 1%.

mas de tarefas pessoais foi de 35% para 42%. Então, já já vai ultrapassar. Isso, óbvio, é um resultado direto dessa adoção, esse boom de usuários consumidor final que teve o Cloud nos últimos, sei lá, três, quatro semanas. Então, bem interessante essa mudança. Eles falaram também...

que estão notando, isso até alternou nos últimos, eles estão publicando isso desde janeiro de 25, aí teve em março de 25, agosto, novembro, e agora fevereiro de 26. Eles medem a diferença de uso entre automação e aumentação. A automação é falar, faz para mim, a aumentação é, me ajuda a fazer. E nesse momento, o uso para aumentação está maior do que automação. E é engraçado porque isso era invertido até pouco tempo.

Então, as pessoas têm usado mais o Clod para elas tentarem fazer junto com ele, as próprias fazerem com a ajuda dele e não falar para o Clod fazer sozinho. Outro ponto que é bem interessante. Mais um que eles falaram. A concentração de atividades diminuiu. Estão usando o Clod para fazer mais coisas. Então, no fim do ano passado, as 10 tarefas mais comuns de fazer com o Clod correspondiam a 24% de todo o uso do Clod.

Então, se você pegar os 10 pedidos a mais, 24% das pessoas só faziam esses pedidos. Caiu para 19%. Isso quer dizer o quê? Que está mais distribuído, está mais variável o que as pessoas estão fazendo. Agora, as top 10 tarefas correspondem, entre aspas, só a 19%, e não um quarto, praticamente, do quanto as pessoas estão usando. E até o próprio...

A frequência de uso e a aplicação de uso também está ficando mais variada. E tem uma diferença entre usar na API e usar no cloud final. Isso está no relatório, para não falar muito de número aqui, tem essa diferença. Mas nos dois era um uso muito mais profissional. Matemática, código, engenharia, ciência. E agora...

por conta desse boom de usuários mais finais que estão utilizando o Cloud, isso está um pouquinho mais variado para tarefas que têm um pouco mais a ver com design, inspeção artística, relacionada a vendas, trabalho de dia a dia de escritório, administração, atividade física. Então está ficando um pouquinho mais variado. Ainda assim, tudo que tem a ver com computação e matemática, esmagadora a maioria, mas está esmagando cada vez menos.

Está ficando um pouco mais difuso esse uso, o que é excelente, eu acho. Porque não é que está me preocupando, mas me chama a atenção como o foco de todo mundo dos laboratórios de fronteira, com muitos motivos bons, positivos, passou a ser muito para computação e matemática e código. Todo modelo que é anunciado tem esse foco. O treinamento é feito em cima disso, o foco é feito em cima disso, o exemplo de uso é feito em cima disso e tem ganhos enormes, mas não representa o total da população humana.

Então, ver que está sendo usado para mais tarefas pode incentivar a voltar a investir nesse uso e no resultado, melhora de desempenho para mais tarefas também. Vamos ver. Mas tudo isso, tenho certeza, é impacto direto desse boom para o usuário final que saiu no Cloud nas últimas duas, três semanas. E é claro que o relatório com o resto todo dos insetos é enorme. Vocês encontram aqui na descrição. Com certeza. E Cloud Code. O nome Cloud Code fez muito barulho por causa de todo mundo falando sobre isso.