Databricks vale US$ 188 bi, Google redesenha a busca e empresas ainda confundem chatbot com agente

Quatro histórias desta semana mostram como a distância entre o que as empresas dizem sobre IA e o que realmente fazem continua larga. Mas também mostram onde as apostas certas estão sendo feitas — e por quem.

Databricks chega a US$ 188 bilhões apostando em IA de código aberto

A empresa de dados que até pouco tempo era conhecida só por engenheiros de dados se tornou uma das favoritas do mercado de IA corporativa. A nova avaliação de US$ 188 bilhões reflete, em parte, uma aposta concreta: modelos de IA de pesos abertos para programação custam significativamente menos para operar do que modelos proprietários, e a Databricks publicou pesquisa própria para demonstrar isso. Para empresas que já têm infraestrutura de dados e querem reduzir dependência de fornecedores como OpenAI ou Anthropic, essa equação começa a fazer sentido financeiro. A trajetória da Databricks é um lembrete de que o valor na cadeia de IA está migrando para quem controla os dados e a camada de integração, não necessariamente quem constrói o modelo. TechCrunch

Google muda a caixa de busca pela primeira vez em 25 anos

Por um quarto de século, o retângulo branco do Google foi o ponto de entrada da internet para bilhões de pessoas. Agora a empresa está reformulando essa interface para acomodar respostas geradas por IA em vez de listas de links. A mudança não é cosmética: sinaliza que o Google aceita que o comportamento de busca está mudando e que o modelo de negócio baseado em cliques em links patrocinados precisa evoluir junto. Para empresas com estratégia de presença digital baseada em SEO tradicional, esse é o sinal mais concreto até agora de que o canal está em transição estrutural, não passando por um ajuste temporário. VentureBeat

Empresas estão chamando chatbots de agentes e o problema é mais sério do que parece

Um levantamento com 101 empresas revelou algo que muitos suspeitavam, mas poucos admitiam abertamente: boa parte do que o mercado chama de "agente de IA" é, na prática, um chatbot com nome novo. O estudo identificou que a orquestração de agentes reais está se concentrando em plataformas dos próprios provedores de modelos, com Claude liderando entre as escolhas para tarefas que exigem múltiplos passos. O problema central não é tecnológico, é de definição e expectativa. Empresas que vendem ou compram "agentes" sem clareza sobre o que isso significa vão desperdiçar orçamento e, pior, perder tempo que poderiam estar usando para implementar automações que funcionam de verdade. VentureBeat

O problema real dos agentes de IA nas empresas não é a recuperação de dados, é a confiança neles

O mesmo levantamento com 101 empresas trouxe outro dado que merece atenção separada: a maioria já adotou RAG (recuperação de informações externas pelo modelo) como forma padrão de alimentar agentes com contexto de negócio, mas a infraestrutura que sustenta isso está sendo construída mais rápido do que pode ser verificada. Em outras palavras, os agentes respondem com base em documentos internos que ninguém auditou com cuidado. O risco não é técnico no sentido de o sistema cair. É operacional: um agente que responde com confiança usando dados desatualizados ou incorretos pode causar decisões ruins em escala. Antes de ampliar o uso de agentes, vale perguntar: meus dados internos estão prontos para ser consultados por uma IA que age com autonomia? VentureBeat

Governadora de Nova York usa IA para revisar toda a regulamentação do estado

Kathy Hochul anunciou que está usando IA para analisar cada norma regulatória do estado de Nova York, buscando identificar regras redundantes ou desatualizadas. É um uso concreto de IA em gestão pública de larga escala, e o que torna o caso interessante não é a tecnologia em si, mas a aplicação: revisão sistemática de um volume de documentos que seria proibitivo para equipes humanas em prazo razoável. Qualquer empresa com volumes grandes de política interna, contratos, manuais de compliance ou processos documentados pode fazer o equivalente. A pergunta útil aqui não é "como o governo usa IA" — é "quais são os meus acervos de documentos que ninguém lê, mas que deveriam estar sendo revisados regularmente". The Verge

O que fica desta edição é um padrão que aparece em histórias diferentes: a IA está avançando mais rápido na camada de infraestrutura e interfaces do que na clareza de como as empresas a estão usando. Databricks cresce porque entrega algo concreto. Google muda porque precisa. Mas a maioria das empresas ainda está no estágio de nomear coisas, não de construí-las. Definir com precisão o que você está implementando e garantir que os dados por trás disso são confiáveis vale mais, neste momento, do que qualquer nova ferramenta.