Direitos autorais, chips próprios e viés em contratação: o que muda para quem decide

Esta semana trouxe três histórias que parecem separadas mas apontam para o mesmo tema central: os custos reais de escalar IA estão subindo, e eles aparecem em lugares onde executivos ainda não olham com atenção suficiente — jurídico, hardware e seleção de pessoas.

Anthropic fecha acordo de US$ 1,5 bilhão e abre um precedente para toda a indústria

A Anthropic encerrou um processo movido por detentores de direitos autorais pagando US$ 1,5 bilhão, o maior acordo do setor até agora. O ponto crítico é que o acordo não resolve a questão de fundo: se é legal usar obras protegidas para treinar modelos. Outros processos seguem em aberto, contra outras empresas. Para quem usa ferramentas de IA em produção, isso importa de duas formas. Primeiro, os custos de litígio vão se refletir no preço dos modelos ao longo do tempo. Segundo, empresas que treinam modelos próprios ou usam dados de terceiros para fine-tuning precisam revisar com advogados o que está no conjunto de treinamento, antes que o regulador ou um tribunal faça essa pergunta. TechCrunch

Google desenvolve chip próprio para rodar o Gemini com mais eficiência

O Google está desenvolvendo um processador dedicado a rodar seus próprios modelos Gemini com menor custo de inferência. A notícia confirma uma tendência que já vinha de OpenAI e Anthropic: as grandes labs estão saindo da dependência de hardware de terceiros para controlar custo e latência em escala. Para empresas clientes, o efeito prático é positivo no médio prazo — inferência mais barata tende a chegar ao preço da API. Mas há um alerta estratégico: quem hoje escolhe fornecedor de IA só pelo modelo disponível vai perceber que a vantagem competitiva migra cada vez mais para quem controla a pilha completa, do chip ao produto. Depender de um único provedor sem plano de contingência é um risco crescente. TechCrunch

Pesquisa mostra que IA contrata com mais viés do que humanos em triagem de currículos

Um estudo publicado pelo MIT Technology Review indica que modelos de linguagem grandes tendem a reproduzir e amplificar vieses humanos durante a triagem de currículos, com frequência maior do que recrutadores humanos nas mesmas condições. O problema não é novo, mas a escala muda o risco: enquanto um recrutador humano enviesado afeta dezenas de vagas, um sistema automatizado mal configurado pode distorcer milhares de decisões por mês sem que ninguém perceba. Empresas que já usam ou planejam usar IA em processos seletivos precisam de avaliação periódica dos outputs por grupos demográficos, não como exercício de conformidade, mas como controle de qualidade de decisão. Deixar esse ponto de lado é exposição legal e reputacional desnecessária. MIT Technology Review

O que você leva desta edição

Os três temas desta semana compartilham uma lição: os custos ocultos da IA estão chegando à superfície. Copyright vira linha no orçamento jurídico. Dependência de hardware vira risco de fornecedor. Viés em triagem vira passivo trabalhista. A pergunta que vale fazer agora, internamente, é simples: quais desses custos já estão mapeados no seu planejamento de IA para os próximos 12 meses?