AI Technology Archives - Página 2 de 15

Como os assistentes de saúde AI (e o GEO) transformarão a experiência dos pacientes e dos profissionais de saúde, e o que as empresas farmacêuticas precisam fazer para participar ativamente dessa transformação

Um paciente acorda com dores recorrentes nas costas e pergunta a um assistente do AI o que fazer. O aplicativo verifica seu histórico, registra uma prescrição anterior e sugere a troca por um anti-inflamatório diferente. Sua molécula não é mencionada. Quando o paciente vai ao médico naquela tarde para pedir uma receita, o enquadramento já está definido.

O AI está realmente ficando mais barato? A ilusão do custo do token

Imagine um CFO analisando os gastos trimestrais de cloud. A equipe de AI apresenta um gráfico convincente: os custos de inferência por token caíram 75% ano a ano. Os modelos são mais rápidos, as APIs são mais baratas e o fornecedor está oferecendo descontos por volume. Tudo aponta para a economia. Então, chega a fatura real e o total é maior que o do último trimestre.

Dimensionando a colaboração Data na era AI

O novo e-book do Artefact, Scaling Data Collaboration in the AI Era, explora como as organizações podem obter maior valor ao eliminar os silos do data e permitir a colaboração contínua entre as equipes. À medida que a adoção do AI se acelera, o sucesso não depende apenas da tecnologia, mas da capacidade de conectar o data, as pessoas e os processos de forma eficaz. O e-book destaca como as abordagens modernas de colaboração data possibilitam insights mais rápidos, governança mais forte e resultados mais impactantes orientados para o AI, transformando o data em um verdadeiro ativo estratégico.

People Analytics além da previsão de rotatividade: Aplicações potenciais do AI em RH

O setor de Recursos Humanos está passando por uma mudança fundamental, deixando de ser um centro de custos reativo para se tornar um impulsionador proativo de valor. No entanto, muitas organizações continuam ancoradas em uma abordagem minimalista da análise de pessoas. Embora o AI generativo e os agentes autônomos estejam ganhando força em toda a empresa, o uso do data pelo RH ainda se limita à previsão básica de rotatividade.

Da intuição às cidades algorítmicas: Como o AI decidirá o que a Grã-Bretanha construirá e se isso funcionará

Durante décadas, o placemaking na Grã-Bretanha foi regido tanto pelo julgamento quanto pela metodologia. Os profissionais falam de "caráter", "vibração" e da elusiva "sensação" de uma paisagem urbana; qualidades refinadas por meio da experiência, do uso humano e do instinto profissional, em vez de métricas formalizadas. O praticante bem-sucedido geralmente era aquele que tinha visto lugares suficientes para reconhecer o que funcionava, mesmo quando os mecanismos causais permaneciam parcialmente intangíveis.

Navegando pelo novo padrão RICS AI: O que isso significa para os topógrafos

A AI está reformulando a prática profissional em todo o ambiente construído, e a profissão de topógrafo não é exceção. Com a Royal Institution of Chartered Surveyors (RICS) tendo publicado seu primeiro padrão profissional Responsible Use of Artificial Intelligence in Surveying Practice (em vigor a partir de 9 de março de 2026), a questão para muitas empresas não é mais se envolver com a AI, mas como fazê-lo de uma forma que seja compatível, considerada e profissionalmente defensável.

O paradoxo do código aberto

A Red Hat construiu um negócio de $34 bilhões com base no Linux. A IBM a comprou. O que o negócio validou foi uma hipótese que se manteve por quatro décadas: a de que as empresas que extraem enorme valor do código compartilhado, por interesse próprio, continuariam financiando os projetos dos quais dependiam. Essa hipótese agora está sob estresse. Não porque alguém tenha decidido parar de financiar o código-fonte aberto. Porque o setor que mais o financiou - SaaS - está sendo desmantelado pelo setor que mais depende dele - AI.

Parte 2: Da memória à navegação: Dimensionamento de agentes autônomos além da recuperação

Em um artigo anterior, explorei como oito equipes de pesquisa independentes convergiram para o mesmo insight: em vez de criar sistemas de memória em torno do modelo, treine o próprio modelo para gerenciar a memória como uma habilidade aprendida. O treinamento pós-memória - usando o aprendizado por reforço na fase pós-treinamento - produz agentes que decidem o que armazenar, excluir, consolidar e recuperar, tudo otimizado para a conclusão da tarefa.

Parte 1 | Treinamento pós-memória: Ensinando os agentes a lembrar, não apenas a recuperar

O treinamento pós-memória tem sido meu foco principal nos últimos meses. Se você acompanhou meus textos recentes sobre gerenciamento de contexto, arquiteturas de memória e a questão recorrente de por que os agentes se degradam depois dos 50 anos, este artigo é o ponto de convergência desses tópicos. O padrão original era bastante claro. Oito equipes de pesquisa independentes chegaram à mesma conclusão: parar de criar sistemas de memória em torno do modelo e treinar o próprio modelo para gerenciar a memória como uma habilidade aprendida. Essa convergência foi significativa.