O que 30 dias de posts salvos me disseram sobre IA

Tenho o hábito de salvar posts no LinkedIn quando alguma coisa parece densa o suficiente para merecer atenção depois. Não é curadoria intencional — é mais um reflexo. Salvo, fecho a aba, e raramente volto.

Dessa vez voltei. Depois de 30 dias, olhei para o conjunto e tentei entender o que o acúmulo dizia. Não post por post, mas como padrão. Classifiquei os itens por tema com ajuda de um modelo de linguagem e li os agrupamentos. O que apareceu não foi hype — foi infraestrutura em formação, com os custos e as arestas que acompanham qualquer infraestrutura nova.

Cinco temas se repetiram com frequência suficiente para merecer descrição.

1. O custo de usar mal as ferramentas

Um dos posts mais circulados no período foi o de Ruben Hassid, que começa com um diagnóstico direto: "You're paying $20/month for Claude. But you're burning through it by 2 pm." A razão não é o plano — é o hábito. Cada mensagem de follow-up relê a conversa inteira. A mensagem 30 custa 31 vezes mais do que a mensagem 1. O mesmo PDF vai para cinco chats diferentes. O modelo mais poderoso é acionado para revisar gramática.

Alena Panshina aprofundou o mesmo problema pelo lado técnico: 9.900 desenvolvedores votaram em uma técnica de Claude Code que corta custos em até 75%, que consiste basicamente em escrever prompts sem formatação elaborada — o que ela chamou de "escrever como um homem das cavernas". O ponto não é irônico. É que o modelo não precisa de apresentação para funcionar. Contexto bem estruturado importa mais do que estilo.

Esses dois posts juntos indicam algo além da economia de tokens: ferramentas de IA já têm usuários suficientes para gerar um mercado secundário inteiro de dicas de uso eficiente. Isso é um sinal de maturidade, ainda que seja maturidade de consumo, não de domínio.

2. Agentes saíram do slide de apresentação

Shubham Saboo publicou dois posts que mostram a extensão do que está se chamando de agente hoje. No primeiro, um agente de IA avaliou mais de 740 vagas de emprego, gerou 100 currículos adaptados por ATS e resultou em uma contratação para uma posição de Head of Applied AI. O repositório foi aberto depois. No segundo, agentes do OpenClaw entram em chamadas no Google Meet com rosto, voz clonada e memória do que foi trabalhado anteriormente.

No Brasil, Arthur Farache contou como começou tentando automatizar a própria rotina e terminou configurando múltiplos agentes no OpenClaw com arquivos de SOUL.md e SKILLS. A observação dele é útil: a qualidade do agente depende diretamente da qualidade da descrição que você escreve para ele. Não é diferente de escrever uma boa instrução para qualquer sistema.

O time da CyberAgent, criadora da plataforma de blog Ameba, documentou no Chrome for Developers a transição de detecção manual de erros em tempo de execução para um workflow automatizado com o Chrome DevTools MCP server. O resultado: cobertura de auditoria em 100% dos 236 componentes do design system Spindle, o que antes levava dias de trabalho manual passou a ser feito em uma hora, com o agente identificando o erro, aplicando a correção e verificando o resultado em loop fechado. Isso é agente em produção.

3. MCP: um protocolo que ainda confunde, mas já funciona

O Model Context Protocol apareceu em pelo menos quatro posts distintos no período. Jaco Silvis descreveu o lançamento de MCP servers gerenciados pelo Google Cloud para BigQuery, Cloud SQL e Spanner: uma interface padronizada que permite a agentes de IA explorar esquemas e executar queries sem precisar de integrações individuais por API. A justificativa dele para CTOs era segurança e contenção de sprawl arquitetural.

Femke Plantinga tratou de uma confusão frequente: MCP e Agent Skills não são alternativas — resolvem problemas diferentes dentro do mesmo ecossistema. MCP é um gateway padronizado para dados e ferramentas externas. Skills são capacidades reutilizáveis dentro de um agente. A pergunta certa não é escolher um, mas entender onde cada um opera.

Num registro mais prático, uma publicação anônima no feed descreveu o OpenRAG, construído sobre Langflow, Docling e OpenSearch: um único comando (uvx openrag) para subir ingestão de documentos, busca semântica e chat com IA, sem integrações improvisadas. Aberto, funcional, sem gambiarra.

O que esses posts têm em comum é que o MCP deixou de ser conceito e passou a ter implementações concretas em escala — Google Cloud, design systems, RAG em produção. A confusão em torno do protocolo ainda existe, mas o protocolo já existe antes dela.

4. IA como viabilizador de criação

Meng To, da Design+Code, publicou sobre uma ferramenta que gera interfaces com um design system inteiramente expresso como prompts — pares de fontes, sistema de cores, espaçamento, sets de ícones, botões, exemplos de Three.js. Tudo copiável. A proposição é que o design system como prompt torna as explorações com Gemini mais precisas porque o contexto está estruturado de forma que o modelo consegue respeitar.

Gábor Pribék, da equipe de product design da Spline, foi mais direto sobre o que a IA muda no trabalho criativo: não é o one-shot com o prompt perfeito, é o nível de detalhe que se consegue incluir depois. WebGPU, screen space reflections, depth of field, ambient occlusion, áudio espacial procedural — ele adicionou cada um desses elementos iterativamente. O modelo não substituiu o julgamento de craft; liberou tempo para exercê-lo.

Rodrigo Rodrigues resumiu a mudança de forma mais econômica: "Se eu dependesse do caminho tradicional, esse projeto não existiria. Mas com a inteligência artificial o jogo mudou. Um projeto que custaria milhares. Com IA, custou clareza, e execução." A frase tem o mérito de nomear o custo real: clareza. A IA não elimina a necessidade de saber o que se quer fazer.

5. Voz voltou — e desta vez com infraestrutura

Deedy Das, da Menlo Ventures, escreveu sobre o Wispr Flow: uma ferramenta de ditado que atinge uma taxa de 85% de zero edições necessárias. Voz é aproximadamente três vezes mais rápida do que digitação em mobile e desktop. O detalhe que ele menciona — um engenheiro que conectou um pedal de foot switch para acionar o Wispr sem interromper o fluxo de trabalho — ilustra bem o que acontece quando a precisão chega ao ponto em que as pessoas começam a integrar a ferramenta ao ambiente físico.

Oliver Molander compartilhou uma atualização da ElevenLabs com a afirmação direta de que seus agentes de voz estão passando no Teste de Turing. O modelo conversacional v3 com ultra-baixa latência e controle fino de expressividade é o que sustenta essa afirmação. Feito na Europa.

Voz como interface de produtividade não é ideia nova. O que mudou é que a cadeia — latência, precisão, naturalidade — ficou funcional o suficiente para uso diário sem fricção de correção constante.

Uma nota sobre o Brasil

Fabiano Fabricio referenciou o Anthropic Economic Index, publicado em março de 2026: uma pesquisa com milhões de conversas reais mapeando o uso de IA por profissão em 116 países. O Brasil está na posição 61, com índice de uso de 0,79x — 21% abaixo do esperado para a população ativa. Quando usa, os padrões de uso se concentram em tarefas operacionais e de escrita, não em automação ou raciocínio.

Não é um dado surpreendente, mas é um dado concreto. E dados concretos são mais úteis do que as afirmações genéricas de adoção acelerada que circulam em paralelo.

O que o conjunto diz

Nenhum desses posts, isolado, diz muita coisa. O padrão aparece quando se olha para os 30 dias juntos: o debate sobre IA no LinkedIn está menos centrado em capacidades do modelo e mais centrado em como operar com o que já existe. Custo de uso, arquitetura de agentes, protocolo de integração, interface de voz — são conversas de quem está usando, não de quem está esperando para ver.

Há uma exceção que vale nomear. Cezar Taurion escreveu sobre o Moltbook — apresentado como uma "rede social para inteligências artificiais" onde agentes interagiriam de forma emergente e autônoma. Sua crítica foi precisa: "Grande parte das alegações associadas ao Moltbook confunde conceitos fundamentais. LLMs não possuem agência no sentido forte do termo." A distância entre o que é descrito tecnicamente e o que é vendido narrativamente ainda existe. Saber distinguir os dois continua sendo o trabalho.

Sobre o autor

Bolívar Alencastro

Product Designer em São Paulo que salva posts para não perder o fio e, quando volta para ler, tenta separar infraestrutura de narrativa.