Nos artigos que publicamos hoje,  você vai ler sobre a nova diretoria de MKT da Feevale, a diferença entre gerações e seus impactos no ambiente profissional, a realidade é uma ilusão segundo a ciência, a marca de automóveis mais querida do mundo , NetFlix abre seus dados no mercado brasileiro, o poder da surpresa, guia de uso da IA e The TV Ventures .

Lembramos que a Coluna do Nenê, com seus comentários, notas e opiniões voltará em março ou em alguma edição extraordinária. Até lá fique com os artigos que acreditamos serem os mais pertinentes ao mercado.

Feevale cria Diretoria de Marketing e Relacionamento

O reitor da Universidade Feevale, José Paulo da Rosa, anunciou a criação da Diretoria de Marketing e Relacionamento (DMR), em substituição à Diretoria de Captação e Novos Negócios (DCNN) e à Gerência de Marketing. O objetivo é dar ênfase às ações de captação, comercial e marketing. Claudia Lunkes Schmitt assume a direção, tendo três coordenadores ligados a ela: Bibiana Momberger (Marketing), Vera Carina da Silva (Relacionamento) e André Ricardo Fontoura (Comercial).

Segundo o reitor, a mudança foi necessária, em especial, para promover uma maior interação e diálogo com os diferentes públicos da Feevale e para o alcance das metas estabelecidas para os próximos anos. “As instituições de ensino superior estão enfrentando muitos desafios, e a Feevale precisa se adaptar às necessidades das diferentes partes interessadas, como os estudantes, as empresas e a comunidade. A mudança vai permitir que esta nova diretoria consiga atender a esses diferentes públicos e que a Feevale continue crescendo”, explica José Paulo da Rosa.

Claudia é bacharel e mestre em Administração e especialista em Educação a Distância. É professora da Feevale desde 2005, nos cursos de graduação e pós-graduação, presenciais e EAD. Com experiência em gestão acadêmica, coordenou cursos e setores estratégicos da Instituição, incluindo educação a distância e tutoria. Esteve à frente do curso de Administração por quatro anos, e desde 2018, também é assessora de empreendedorismo no Feevale Techpark.

“Ter uma diretoria de Marketing e Relacionamento bem estruturada é estratégico para conectar a Instituição ao seu público, garantindo não apenas a atração de novos alunos, mas, também, a construção de uma experiência que fideliza e engaja ao longo de toda a jornada acadêmica”, afirma a diretora.

Confira como ficam as áreas:

Marketing – Profissional de marketing e comunicação, com mais de 10 anos de experiência na área, Bibiana Momberger é graduada em Gestão de Marketing e possui MBA em Processos Industriais e especialização em Artes. Passa a coordenar o Marketing, onde há mais de dois anos atua no desenvolvimento de estratégias e projetos institucionais. Sua trajetória inclui a criação e gestão de campanhas, branding e uma abordagem estratégica voltada para o meio digital, com foco em inovação e aprimoramento contínuo.

Relacionamento – Graduada em Pedagogia e especialista em Estratégias de Marketing, com ênfase em Vendas, Vera Carina da Silva é a responsável pelo Relacionamento. Ela trabalha há muitos anos com gestão de equipes em grandes empresas, tendo atuado com diferentes produtos e aprimorado o relacionamento com os clientes das organizações, visando atingir as metas estabelecidas. Também consta, na sua trajetória, assessoria em gestão de pessoas e de conflitos, assim como desenvolvimento de lideranças.

Comercial – Com graduação em Marketing, pós-graduação em Administração de Empresas e pós-MBA em Inteligência Emocional nas Organizações, André Ricardo Fontoura assume o Comercial. Tem sólida experiência em liderança, com atuação destacada nas áreas comercial e de atendimento. Também possui expertise em gestão comercial, educacional e administrativa, além de habilidades em relacionamento e negociação. É orientado para resultados, tendo grande capacidade de persuasão com foco em vendas.

 

Diferenças entre as gerações e seus impactos no ambiente profissional

Por Eliane Cristina

 

As gerações têm características únicas que moldam a maneira como elas interagem com o mundo, tanto no âmbito pessoal quanto profissional. Compreender as diferenças entre as gerações pode ser a chave para melhorar a comunicação, a colaboração e a produtividade em diversos contextos, especialmente no ambiente de trabalho.

Saiba mais sobre as gerações Baby Boomers, Geração X, Millennials, Geração Z e Geração Alfa:

Baby Boomers (1946-1964) – Os Baby Boomers são conhecidos por sua ética de trabalho, compromisso e visão tradicional. Cresceram em um período de prosperidade pós-Segunda Guerra Mundial, valorizando estabilidade, lealdade e hierarquia. Embora se adaptem à tecnologia, ainda preferem comunicação direta e pessoal, sendo mais formais no ambiente de trabalho.

Geração X (1965-1980) – A Geração X, conhecida por sua independência e adaptabilidade, cresceu em um período de incertezas econômicas. Ela valoriza a liberdade e flexibilidade no trabalho, mantendo uma forte ética profissional. Embora tenha sido a primeira a ter acesso à tecnologia, não é completamente imersa nela, equilibrando tradição e inovação.

Millennials (1981-1996) – Os Millennials conhecidos como Geração Y, cresceram com a internet e redes sociais, buscando propósito em suas carreiras. Valorizam o equilíbrio entre vida pessoal e profissional, preferindo experiências a bens materiais. No trabalho, buscam flexibilidade, diversidade e oportunidades de crescimento. São adeptos de novas tecnologias e comunicam-se principalmente de forma digital.

Geração Z (1997-2012) – A Geração Z é a mais jovem e já está entrando no mercado de trabalho. Eles cresceram em um mundo completamente digital, com smartphones e redes sociais sendo parte integral de suas vidas desde a infância. A Geração Z é caracterizada pela habilidade em multitarefas, pensamento crítico e pelo desejo de ser ouvida. Eles tendem a ser mais pragmáticos do que os Millennials e estão muito focados em segurança financeira e estabilidade. Além disso, buscam empresas que compartilhem seus valores e que se preocupem com questões sociais, ambientais e de inclusão. No trabalho, preferem ambientes dinâmicos, flexíveis e que promovam a inovação.

Geração Alfa (2013 em diante) – A Geração Alfa cresce em um mundo totalmente digital, com acesso a tecnologias avançadas como inteligência artificial e realidade aumentada desde cedo. São altamente conectados e têm uma forte consciência social e ambiental.

Saiba como as diferentes gerações interagem no mercado de trabalho

Em um mercado de trabalho cada vez mais diversos, entender as diferentes gerações é essencial para promover a colaboração e o respeito mútuo. A troca de experiências entre as gerações pode enriquecer as equipes, pois cada uma traz uma perspectiva única. Enquanto os Baby Boomers podem ensinar a importância da dedicação e da disciplina, os Millennials e a Geração Z podem oferecer novas maneiras de trabalhar, mais digitais e colaborativas.

Embora as gerações possam ter diferentes visões e valores, o que importa é como essas diferenças podem ser aproveitadas para o crescimento pessoal e profissional. Ao entender o que define cada uma dessas gerações, podemos criar ambientes mais inclusivos, colaborativos e inovadores.

 

A realidade é uma ilusão segundo a ciência

Por O Cafezinho

 

Todos têm seu exemplo favorito de um truque que funciona de forma confiável para realizar determinada tarefa, mesmo que não entendam completamente o porquê.

Antigamente, poderia ser bater no topo da sua televisão quando a imagem ficava borrada. Hoje em dia, pode ser desligar e religar o computador. A mecânica quântica — a teoria mais bem-sucedida e importante na física moderna — é assim. Ela funciona maravilhosamente, explicando coisas desde lasers e química até o bóson de Higgs e a estabilidade da matéria. Mas os físicos não sabem por quê. Ou pelo menos, se alguns de nós acham que sabem o porquê, a maioria dos outros não concorda.

Segundo a revista Nature, a característica singular da teoria quântica é que a maneira como descrevemos os sistemas físicos é distinta do que vemos ao observá-los. As regras didáticas da mecânica quântica, portanto, precisam invocar processos especiais para descrever ‘medidas’ ou ‘observações’, diferentemente de todos os quadros anteriores da física. Como campo, a física não tem consenso sobre o porquê disso, ou o que isso significa.

Os primeiros indícios de comportamento quântico na natureza vieram nos trabalhos dos físicos Max Planck em 1900 e Albert Einstein em 1905. Eles mostraram que certas propriedades da luz poderiam ser melhor explicadas imaginando que ela vinha em pedaços discretos, semelhantes a partículas, em vez das ondas suaves que o eletromagnetismo clássico descreve.

Mas suas ideias não chegaram a descrever uma teoria completa. Foi o físico alemão Werner Heisenberg quem, em 1925, apresentou pela primeira vez uma versão abrangente da mecânica quântica.

Mais tarde naquele ano, Max Born e Pascual Jordan seguiram o trabalho com Heisenberg, e Erwin Schrödinger logo produziu uma formulaação independente da teoria. Portanto, é justo celebrar 2025 como o verdadeiro centenário da teoria quântica.

Embora tal comemoração possa apontar com razão para uma ampla variedade de sucessos experimentais impressionantes, deve deixar espaço para reconhecer as questões fundamentais que permanecem sem resposta. A mecânica quântica é um castelo bonito, e seria bom sermos tranquilizados de que ele não está construído sobre areia.

Ruptura com o passado

Desde que Isaac Newton formulou a mecânica clássica no século XVII, as teorias da física seguiram um padrão definido. Você tem um sistema sob consideração: talvez um planeta orbitando uma estrela, ou um campo elétrico ou uma caixa de gás.

Em qualquer momento no tempo, o sistema é descrito pelo seu ‘estado’, que inclui tanto a configuração atual do sistema quanto sua taxa de mudança; para uma única partícula sem características distintivas, isso equivale à sua posição e velocidade (ou, equivalentemente, momento).

Então, você tem equações de movimento, que nos dizem como o sistema evoluirá, dado o seu estado presente. Essa receita básica funcionou para tudo, desde a gravidade newtoniana até as teorias da relatividade de Einstein, que, como a teoria quântica, são produtos do início do século XX. Mas com o advento da mecânica quântica, a receita de repente falhou.

O fracasso do paradigma clássico pode ser atribuído a um único conceito provocativo: medição. A importância da ideia e prática de medição foi reconhecida por cientistas ativos desde que existem cientistas ativos. Mas nas teorias pré-quânticas, o conceito básico era dado como garantido. Quaisquer quantidades fisicamente reais que uma teoria postulasse eram assumidas como tendo valores específicos em qualquer situação particular.

Se você quisesse, poderia ir e medir essas quantidades. Se você fosse um experimentalista desleixado, poderia ter erros de medição significativos ou perturbar o sistema enquanto o medisse, mas esses não eram recursos inevitáveis da própria física. Tentando mais, você poderia medir as coisas tão delicada e precisamente quanto desejasse, pelo menos no que diz respeito às leis da física.

A mecânica quântica conta uma história muito diferente. Enquanto na física clássica uma partícula, como um elétron, tem uma posição e momento real e objetivos em qualquer momento dado, na mecânica quântica essas quantidades, em geral, não “existem” de forma objetiva antes dessa medição. Posição e momento são coisas que podem ser observadas, mas não são fatos pré-existentes. Isso é uma distinção considerável.

A implicação mais vívida dessa situação é o princípio da incerteza de Heisenberg, introduzido em 1927, que diz que não há estado em que um elétron possa estar para o qual possamos prever perfeitamente tanto sua posição quanto seu momento com antecedência.

Em vez disso, a teoria quântica descreve o estado de um sistema em termos de uma função de onda, um conceito introduzido por Schrödinger em 1926, junto com sua famosa equação que descreve como o sistema muda ao longo do tempo. Para nosso único elétron, a função de onda é um número atribuído a cada posição em que podemos observar o elétron — uma onda, em outras palavras, que pode estar principalmente localizada perto de um núcleo atômico ou espalhada amplamente pelo espaço.

Onde as coisas ficam complicadas é na relação entre a função de onda e quantidades observáveis, como posição e momento, que podemos querer medir. A resposta foi sugerida por Born logo após o artigo original de Schrödinger. De acordo com a interpretação de Born, nunca podemos prever precisamente o resultado de uma medição quântica.

Em vez disso, podemos determinar a probabilidade de obter qualquer resultado específico para a posição de um elétron, por exemplo, calculando o quadrado da função de onda nessa posição. Essa receita completamente derrubou o ideal de um universo determinístico e mecânico que prevaleceu desde os tempos de Newton.

Em retrospecto, é impressionante quão rapidamente alguns físicos foram capazes de aceitar essa mudança. Alguns, mas não todos. Luminárias como Einstein e Schrödinger ficaram insatisfeitos com o novo consenso quântico. Não é que eles não entendessem, mas achavam que as novas regras deveriam ser degraus para uma teoria ainda mais abrangente.

A aparência de indeterminismo é frequentemente retratada como sua principal objeção à teoria quântica — “Deus não joga dados com o Universo”, na frase memorável de Einstein. Mas as preocupações reais iam mais fundo. Einstein, em particular, se preocupava com a localidade, a ideia de que o mundo consiste em coisas existindo em locais específicos no espaço-tempo, interagindo diretamente com coisas próximas. Ele também estava preocupado com o realismo, a ideia de que os conceitos da física se mapeiam em características verdadeiramente existentes do mundo, em vez de serem meras conveniências calculatórias.

A crítica mais afiada de Einstein apareceu no famoso artigo EPR de 1935 — nomeado após ele e seus coautores Boris Podolsky e Nathan Rosen — com o título “a descrição mecânico-quântica da realidade física pode ser considerada completa?”. Os autores responderam a essa pergunta negativamente, com base em um fenômeno quântico crucial que destacaram e que se tornou conhecido como emaranhamento.

Se temos uma única partícula, a função de onda atribui um número a todas as posições possíveis em que ela pode estar. De acordo com a regra de Born, a probabilidade de observar essa posição é o quadrado do número. Mas se temos duas partículas, não temos duas funções de onda; a mecânica quântica dá um único número para cada configuração simultânea possível do sistema de duas partículas. À medida que consideramos sistemas cada vez maiores, eles continuam sendo descritos por uma única função de onda, até a função de onda de todo o Universo.

Como resultado, a probabilidade de observar uma partícula em algum lugar pode depender de onde observamos outra partícula, e isso permanece verdadeiro não importa o quão distantes elas estejam. A análise EPR mostra que poderíamos ter uma partícula aqui na Terra e outra em um planeta a anos-luz de distância, e nossa previsão para o que mediríamos sobre a partícula distante poderia ser “imediatamente” afetada pelo que medimos sobre a partícula próxima.

As aspas servem para nos lembrar que, de acordo com a teoria especial da relatividade, nem mesmo o conceito de “ao mesmo tempo” está bem definido para pontos distantes no espaço, como Einstein sabia melhor do que ninguém. O emaranhamento parece ir contra os preceitos da relatividade especial, implicando que informações viajam mais rápido que a luz — como mais o poderia a partícula distante “saber” que acabamos de realizar uma medição?

Não podemos realmente usar o emaranhamento para comunicar grandes distâncias. Medindo nossa partícula quântica aqui, agora sabemos algo sobre o que será observado longe, mas qualquer pessoa que esteja realmente longe não tem acesso ao conhecimento que temos, então nenhuma comunicação ocorreu. Mas há pelo menos uma certa tensão entre como a teoria quântica descreve o mundo e como pensamos que o espaço-tempo funciona na relatividade einsteiniana.

Reivindicando a realidade

Tentativas de resolver essa tensão proliferaram, sem consenso claro à vista. De fato, desacordos significativos permanecem em torno da questão mais central que podemos imaginar: a função de onda quântica deve representar a realidade ou é apenas uma ferramenta que usamos para calcular a probabilidade de resultados experimentais?

Essa questão dividiu fundamentalmente Einstein e o físico dinamarquês Niels Bohr em debates famosos que tiveram ao longo de décadas sobre o significado da mecânica quântica. Einstein, como Schrödinger, era um realista convicto: ele queria que suas teorias descrevessem algo que poderíamos reconhecer como realidade física.

Bohr, junto com Heisenberg, estava disposto a abandonar qualquer discussão sobre o que estava “realmente acontecendo”, concentrando-se em fazer previsões sobre o que acontecerá quando algo for medido.

Essa última perspectiva deu origem a interpretações “epistêmicas” da teoria quântica. As visões de Bohr e Heisenberg tornaram-se conhecidas como a interpretação de Copenhague, que é muito próxima do que os físicos ensinam nos livros didáticos hoje.

Versões modernas incluem QBism, abreviação de “quantum Bayesianism”, e a mecânica quântica relacional. Ambas as interpretações enfatizam como os estados quânticos não devem ser considerados por si mesmos, mas apenas em relação a um observador, ao processo de medição e às mudanças de conhecimento durante esse processo.

Uma coisa boa sobre as abordagens epistêmicas é que as preocupações sobre influências mais rápidas que a luz desaparecem. Quando um observador faz uma medição, ele atualiza seu conhecimento; nada fisicamente viaja de uma partícula emaranhada para outra. Uma desvantagem é que essas abordagens deixam completamente em aberto a questão do que a realidade realmente é, o que é (ou deveria ser, presume-se) importante para a física.

Isso é especialmente problemático dado que a função de onda certamente age como uma coisa física em certas circunstâncias. Por exemplo, a função de onda pode interferir consigo mesma, como demonstrado no experimento da dupla fenda. Uma função de onda que passa por duas fendas estreitas, recombinando-se do outro lado, interferirá construtiva ou destrutivamente dependendo das oscilações da onda. Isso certamente soa como o comportamento de algo fisicamente real.

A alternativa é uma abordagem ôntica, aceitando que o estado quântico representa a realidade (pelo menos em parte). O problema aí é que nunca “vemos” a função de onda em si; só a usamos para fazer previsões sobre o que vemos. Podemos pensar na função de onda como representando uma superposição de muitos resultados de medição possíveis. Mas é difícil resistir, uma vez que fizemos uma medição e registramos um resultado, pensar nesse resultado como o que é real, e não na abstrata superposição de possibilidades que o precedeu.

Existem vários modelos ônticos da mecânica quântica que reconciliam a centralidade das funções de onda com sua relação complicada com as observações. Em modelos de onda-piloto ou variáveis ocultas, desenvolvidos abrangentemente pela primeira vez por David Bohm no início da década de 1950, as funções de onda são reais, mas também existem graus de liberdade extras representando as posições reais das partículas, e são esses últimos que são observados.

Na interpretação everettiana, ou de muitos mundos, introduzida pouco depois por Hugh Everett, os observadores se entrelaçam com os sistemas que medem, e todos os resultados permitidos são realizados em ramos separados da função de onda, que são interpretados como mundos paralelos. Em modelos de colapso objetivo de vários tipos, a função de onda ocasionalmente se ajusta (violando a equação convencional de Schrödinger) para parecer com a realidade semiclássica que observamos.

Embora essas abordagens sejam frequentemente pensadas como interpretações concorrentes da mecânica quântica, essa é uma concepção errônea, porque são teorias físicas distintas.

Modelos de colapso objetivo têm uma variedade de consequências experimentais explícitas; mais dramaticamente, violando o princípio de conservação de energia quando a função de onda entra em colapso objetivamente, algo que pode ser observável em sistemas atômicos ultrafrios.

Testes estão em andamento, mas nenhuma evidência desses efeitos foi encontrada até agora. Até onde alguém sabe, não há experimento que pudesse distinguir entre abordagens everettianas e de onda-piloto. (Defensores de cada uma tendem a argumentar que a outra é simplesmente mal definida.)

Então, os físicos não concordam sobre o que exatamente é uma medição, se as funções de onda representam a realidade física, se existem variáveis físicas além da função de onda ou se a função de onda sempre obedece à equação de Schrödinger. Apesar de tudo isso, a mecânica quântica moderna nos deu algumas das previsões mais testadas com precisão em toda a ciência, com a concordância entre teoria e experimento se estendendo por muitas casas decimais.

A teoria dos campos quânticos relativísticos, a base de toda a física de partículas moderna, deve contar entre os maiores sucessos da mecânica quântica. Para acomodar o fato observado de que partículas podem ser criadas ou destruídas, junto com as simetrias da relatividade, seu ponto de partida são campos quânticos que se estendem por todo o espaço.

As regras da teoria quântica implicam que pequenas vibrações nesses campos naturalmente parecem ser coleções de partículas individuais. As influências iteradas dessas vibrações umas sobre as outras levam a uma profusão de fenômenos observáveis que foram fantástica e espetacularmente confirmados por experimentos, desde como os quarks são confinados para formar prótons e nêutrons até a existência do bóson de Higgs.

Essa partícula surge de vibrações em um campo de Higgs que permeia todo o espaço, que dá massa a outras partículas e explica por que a força nuclear fraca tem um alcance tão curto. De acordo com a teoria do inflacionismo cosmológico, a origem das estrelas e galáxias pode até ser rastreada até pequenas variações quânticas na densidade do Universo primitivo.

Mas nem tudo está resolvido

Mas por todos os seus sucessos, a teoria dos campos quânticos tem seus próprios enigmas. Infamemente, um cálculo direto das correções quânticas à probabilidade de espalhamento de duas partículas frequentemente resulta em respostas infinitamente grandes — não é uma característica que você deseja que uma probabilidade tenha.

A física moderna se acostumou com esse problema usando “teorias de campo efetivas”, que tentam descrever processos apenas em energias e momentos (relativamente) baixos, e das quais as problemáticas infinitudes estão totalmente ausentes.

Mas esse quadro ainda nos deixa com problemas de “naturalidade”. Na abordagem de teoria de campo efetiva, os parâmetros que observamos em energias baixas representam os efeitos combinados de processos não observáveis em energias muito altas.

Essa compreensão nos permite prever quais valores naturais deveriam ter parâmetros como a massa do Higgs ou a densidade de energia do vácuo. Mas os valores observados desses números são muito mais baixos do que o esperado — um problema que ainda aguarda uma solução convincente.

Então, há o maior problema de todos: a dificuldade de construir uma teoria quântica fundamental da gravidade e do espaço-tempo curvo. A maioria dos pesquisadores na área imagina que a própria mecânica quântica não precisa de modificação; simplesmente precisamos descobrir como encaixar o espaço-tempo curvo na história de maneira consistente. Mas parecemos estar longe desse objetivo.

Enquanto isso, as inúmeras manifestações da teoria quântica continuam a encontrar aplicação em um número crescente de tecnologias relativamente terrenas. A química quântica está abrindo caminhos no design de medicamentos avançados, materiais exóticos e armazenamento de energia.

A metrologia quântica e a sensoriamento estão possibilitando medições de quantidades físicas com precisão sem precedentes, até e incluindo a detecção da minúscula oscilação de um pêndulo causada por uma onda gravitacional passando gerada por buracos negros a um bilhão de anos-luz de distância. E, é claro, os computadores quânticos prometem realizar certos cálculos em velocidades que seriam impossíveis se o mundo seguisse princípios clássicos.

Tudo isso aconteceu sem nenhum acordo completo sobre como a mecânica quântica, em seu núcleo, realmente funciona. Historicamente, avanços na tecnologia muitas vezes facilitaram — ou até necessitaram — melhorias na compreensão fundamental. Continuamos inventando novas maneiras de bater no aparelho de televisão chamado realidade, mantendo-nos otimistas de que uma imagem borrada eventualmente entrará em foco.

 

Saiba quais são as principais empresas na corrida da inteligência artificial

Por  Redação com AFP

 

Após o lançamento do ChatGPT no final de 2022, a Inteligência Artificial (IA) generativa foi rapidamente implantada em grandes empresas dos EUA, às quais estão sendo adicionados rivais europeus e chineses.

Antes da cúpula de IA em Paris que vai ocorrer entre 10 e 11 de fevereiro, estas são as principais empresas na corrida pela Inteligência artificial:

OpenAI, a pioneira – A OpenAI, empresa americana na vanguarda da IA generativa, fez seu nome ao lançar o ChatGPT, o chatbot (robô de conversação). A ferramenta, que democratizou o uso da IA, atraiu investimentos espetaculares.

Desde sua criação, a OpenAI levantou cerca de US$ 20 bilhões (117 bilhões de reais) em investimentos, principalmente da gigante Microsoft, sua principal acionista.

De acordo com informações do Wall Street Journal no final de janeiro, a start-up está em negociações para levantar mais US$ 40 bilhões (234 bilhões de reais).

Sam Altman, cofundador da OpenAI, preside a empresa, apesar de ter sido demitido por um curto período.

A OpenAI é uma empresa registrada sem fins lucrativos, que está se movendo em direção a uma mudança de governança para se tornar uma empresa com fins lucrativos.

Anthropic, a rival americana – Fundada em 2021 por Dario e Daniela Amodei, dois ex-membros da OpenAI, a Anthropic afirma que seu modelo de IA, Claude, tem barreiras de segurança mais rígidas do que seus concorrentes.

Embora a empresa não tenha conseguido atrair tanto capital quanto a OpenAI, ela está atraindo o interesse de grandes empresas de tecnologia.

No final de novembro, a Amazon investiu US$ 4 bilhões (23,4 bilhões de reais), elevando seu investimento total para US$ 8 bilhões.

A Anthropic levantou fundos no total de US$ 12,9 bilhões (75 bilhões de reais) desde sua criação, incluindo mais de US$ 3 bilhões da Alphabet, a empresa matriz do Google.

MetaAI – A chegada do ChatGPT aguçou o apetite dos gigantes da tecnologia, que embarcaram em uma corrida rumo à inovação com meios financeiros colossais.

Em fevereiro de 2023, a Meta abriu seu modelo Llama para pesquisadores, antes de evoluí-lo para o Llama 2 e depois para o Llama 3, e promover sua ferramenta de conversação MetaAI nas plataformas do grupo (Facebook, Instagram, Whatsapp e Threads).

Uma interface que permanece inacessível na Europa, devido a um quadro regulamentar “incerto”.

O presidente da empresa, Mark Zuckerberg, anunciou no final de janeiro sua intenção de investir até 65 bilhões de dólares por ano, principalmente em IA.

Google Deepmind – Na esteira da OpenAI, o Google lançou em março de 2023 o Bard, sua ferramenta de conversação aberta ao público, que em fevereiro de 2024, após uma evolução de seu modelo, passou a se chamar Gemini.

“Não divulgamos números precisos” sobre os valores totais investidos em IA, disse Demis Hassabis, chefe da subsidiária Deepmind do Google, especializada em pesquisa de inteligência artificial, em abril de 2024.

Mistral AI, a aposta francesa  –Fundada por vários pesquisadores franceses (Arthur Mensch, Guillaume Lample e Timothée Lacroix) que trabalharam nos laboratórios de pesquisa de gigantes dos EUA, a Mistral entrou no cenário da IA em maio de 2023.

A equipe dessa start-up, então desconhecida do público em geral, anunciou uma primeira captação de recursos de 100 milhões de euros (605 milhões de reais) e imediatamente se posicionou como uma alternativa europeia aos gigantes dos EUA. Sua ferramenta de conversação, chamada “Le Chat”, foi lançada em fevereiro de 2024.

Ao mesmo tempo, a empresa revela uma parceria com a Microsoft, que está fazendo um investimento de 15 milhões de euros (90 milhões de reais). Em meados de janeiro, a AFP e a Mistral anunciaram um acordo que permite que o robô conversacional da start-up utilize as notícias da agência para responder às solicitações de seus usuários.

Alguns dias depois, na reunião de cúpula de Davos, a empresa indicou que estava considerando a possibilidade de entrar no mercado de ações para manter sua independência. No total, a start-up francesa arrecadou mais de 1 bilhão de euros (6,05 bilhões de reais).

A onda de choque da Deepseek –  A start-up chinesa Deepseek revelou seu robô de conversação R1 no final de janeiro, marcando uma entrada dramática no cenário global de IA e fazendo com que as avaliações do mercado de ações de vários gigantes dos EUA, incluindo a fabricante de chips Nvidia, despencassem.

A causa? O custo mínimo desse novo player. A Deepseek disse que gastou apenas US$ 5,6 milhões (32,8 milhões de reais) para desenvolver seu modelo, um valor muito distante dos padrões dos EUA.

Sam Altman, da OpenAI, disse estar “impressionado”, mas também “rejuvenescido” pela concorrência. Sua empresa, no entanto, acusou “empresas chinesas e outras” de copiar modelos de IA desenvolvidos por empresas americanas.

Aibaba, um novo gigante na corrida – O gigante chinês do comércio eletrônico Alibaba, o mais recente participante na corrida pelas ferramentas de conversação, lançou o Qwen2.5-Max na quinta-feira.

Disponível para desenvolvedores por enquanto, o modelo avançado de Inteligência Artificial seria capaz de superar as capacidades dos modelos existentes, de acordo com o grupo.

Entenda o vocabulário da inteligência artificial

O sistema ChatGPT, que funciona graças à IA, explica o significado: aquilo que “permite que uma máquina simule certos aspectos da inteligência humana, como a capacidade de aprender, resolver problemas ou interagir com seu ambiente de forma autônoma”.

Inicialmente, a IA funciona ingerindo grandes quantidades de dados, que são tratados usando física estatística.

A IA abrange ciência da computação, matemática, linguística, psicologia, neurociência e filosofia.

É usada em pesquisa de tumores, reconhecimento facial, robôs conversacionais, tradução de idiomas, previsão de falhas industriais e direção autônoma.

Algoritmo

É uma série de etapas ou instruções que um programa de computador segue para obter um determinado resultado.

O algoritmo é a base de como um computador funciona. Algoritmos fornecem à IA regras de funcionamento que a ajudam a atingir um determinado resultado. Mas, diferentemente de um simples programa de computador, o algoritmo permitirá que o sistema aprenda sozinho.

Aprendizagem automática

O princípio da aprendizagem automática é inspirado no funcionamento do cérebro humano. E particularmente das redes neurais, nas quais o aprendizado reforça as conexões entre certos neurônios e as enfraquece entre outros.

Essa aprendizagem pode ser supervisionada, para que o sistema aprenda a classificar novos dados de um modelo, por exemplo, para detectar spam em um e-mail.

A aprendizagem também pode ser não supervisionada, quando a máquina descobre padrões ou categorias nos dados que são invisíveis à primeira vista, permitindo, por exemplo, que um comerciante online detecte tendências de compra.

Essa aprendizagem também pode ser de reforço, com um método repetitivo de tentativa e erro no qual o sistema é penalizado ou recompensado dependendo do resultado de suas escolhas, a fim de aprender e melhorar seu desempenho.

Por exemplo, um veículo autônomo cujo objetivo final seria chegar a um local o mais rápido possível, mas com segurança, e que aprenderia a não ultrapassar o sinal vermelho, correndo o risco de perder um pouco de tempo.

Aprendizagem profunda

Aprendizagem profunda é um subdomínio da IA que recebe esse nome devido ao equivalente a um empilhamento de camadas de neurônios artificiais. Partindo de dados brutos, o sistema os analisará camada por camada, processando parâmetros cada vez mais abstratos.

É a grande invenção de Geoffrey Hinton, vencedor do Prêmio Nobel de Física de 2024, junto com John Hopfield, pioneiro das redes neurais na década de 1980.

“Quantas mais camadas houver, mais complexo o comportamento pode ser, e quanto mais complexo o comportamento pode ser, mais fácil é aprender efetivamente um comportamento desejado”, explica Francis Bach, diretor do laboratório de aprendizagem estatística SIERRA, na Escola Normal Superior Francesa.

Essas descobertas deram um salto gigantesco na década de 2010, graças ao aumento da potência de cálculo dos computadores e à abundância de dados para “alimentar” os modelos. Os resultados potenciais são importantes para o avanço da ciência: por isso, o Prêmio Nobel de Química de 2024 premiou pesquisadores que usam aprendizagem profunda para criar e prever estruturas de proteínas.

Chatbots e outros grandes modelos de linguagem

Produtos de destaque da IA generativa, os grandes modelos de linguagem (LLM) estão no centro de ferramentas como ChatGPT (da OpenAI) ou Gemini (do Google).

Capazes de escrever uma redação, responder a uma pergunta sobre direito ou dar uma receita de torta de maçã, eles trabalham com modelos estatísticos, o que não lhes permite ser infalíveis. Os chatbots ou assistentes de conversação também podem servir como interlocutores para visitantes de um site.

Invisíveis, mas muito presentes, os mecanismos de recomendação sugerem, por exemplo, um filme ou uma música a um usuário com base na semelhança do seu perfil com o de outros clientes. A IA também é encontrada no software de navegação ou na proposta automática de correção ortográfica.

IA geral

É o Santo Graal da disciplina: uma máquina capaz de replicar todas as capacidades cognitivas humanas.

Seus promotores, como OpenAI ou Anthropic, veem o feito ao seu alcance, usando montanhas de dados para alimentar os LLM e enormes capacidades computacionais para processá-los. Seus detratores continuam apontando os limites dessa técnica, e especialmente sua incapacidade de raciocinar.

“Os LLM não funcionam como humanos, pois são ‘máquinas para produzir senso comum’”, o que está além do alcance das máquinas, explica Maxime Amblard, professor de ciência da computação na Universidade de Lorraine.

 

Nada de Ford, Volkswagen ou Tesla. Marca automotiva mais valiosa do mundo é conhecida e querida pelos brasileiros

Por Alisson Ficher

 

Em 2025, a Toyota consolida sua posição como a marca automotiva mais valiosa do mundo, alcançando US$ 66 bilhões em valor de marca. Enquanto isso, a Tesla, de Elon Musk, sofre uma queda de 26%, caindo para a quarta posição no ranking. O que está por trás dessa reviravolta no mercado automotivo global?

Em um mercado automotivo global em constante transformação, onde inovações tecnológicas e estratégias de mercado redefinem o valor das marcas, uma gigante japonesa se destaca de maneira surpreendente.

Enquanto algumas empresas enfrentam desafios e veem seus valores de marca diminuírem, outras consolidam sua posição de liderança, conquistando a preferência dos consumidores e investidores.

De acordo com o relatório de 2025 da Brand Finance, a Toyota reafirmou sua posição como a marca automotiva mais valiosa do mundo, alcançando um valor de US$ 66 bilhões, o que representa um aumento de 11% em relação ao ano anterior.

Em contraste, a Tesla sofreu uma queda de 26% em seu valor de marca, sendo agora avaliada em US$ 43 bilhões, o que a coloca na quarta posição do ranking.

Ranking das marcas automotivas mais valiosas em 2025

Toyota – Japão

Mercedes-Benz – Alemanha

Hyundai Group – Coreia do Sul

Tesla – Estados Unidos

BMW – Alemanha

Porsche – Alemanha

Volkswagen – Alemanha

Honda – Japão

Ford – Estados Unidos

Audi – Alemanha

Fatores que impulsionam o sucesso da Toyota

A Toyota tem se destacado por sua abordagem estratégica que combina inovação tecnológica com uma forte reputação de confiabilidade.

A empresa investe significativamente em pesquisa e desenvolvimento, especialmente em tecnologias de veículos híbridos e elétricos, atendendo às demandas crescentes por soluções de mobilidade sustentável.

Além disso, a Toyota mantém uma presença global robusta, com uma rede de produção e distribuição eficiente que lhe permite atender a diversos mercados com eficácia.

Desafios enfrentados pela Tesla

A Tesla, apesar de ser pioneira no mercado de veículos elétricos, enfrenta desafios que impactam seu valor de marca.

A linha de veículos da empresa está envelhecendo, e a falta de atualizações significativas tem afetado a percepção dos consumidores.

Além disso, as declarações públicas de Elon Musk, que muitas vezes geram polarização, podem influenciar negativamente a imagem da marca, especialmente fora dos Estados Unidos.

No mercado europeu, a Tesla perdeu terreno para concorrentes como Mercedes-Benz e a chinesa BYD.

Embora mantenha uma base de clientes leais nos Estados Unidos, a empresa precisa inovar continuamente para sustentar seu valor de marca.

Metodologia da Brand Finance

A Brand Finance avalia o valor das marcas com base em uma combinação de fatores, incluindo desempenho financeiro, investimentos em marketing, percepção dos consumidores e acordos de licenciamento.

Essa abordagem abrangente oferece uma visão detalhada da força e do valor das principais marcas automotivas no cenário global.

Perspectivas futuras para o mercado automotivo

O mercado automotivo global está em uma fase de transição, com um foco crescente em sustentabilidade e inovação tecnológica.

As montadoras que conseguem equilibrar tradição e inovação, atendendo às demandas dos consumidores por veículos ecológicos e tecnologicamente avançados, estão em posição de fortalecer seu valor de marca nos próximos anos.

A capacidade de adaptação às mudanças nas preferências dos consumidores e às regulamentações ambientais será crucial para o sucesso contínuo no setor automotivo.

A liderança da Toyota como a marca automotiva mais valiosa do mundo em 2025 destaca sua capacidade de inovação e adaptação às demandas do mercado.

Enquanto isso, a queda no valor de marca da Tesla ressalta os desafios que as empresas enfrentam em um setor altamente competitivo e em rápida evolução.

As montadoras que equilibram inovação tecnológica com uma forte reputação de confiabilidade estão bem posicionadas para prosperar no futuro do mercado automotivo global.

Você acredita que a Tesla conseguirá recuperar sua posição no ranking das marcas automotivas mais valiosas nos próximos anos? Deixe sua opinião nos comentários!

Netflix abre dados do mercado brasileiro para atrair anunciantes

Por Wesley Gonsalves

 

A Netflix abriu o número de assinantes de seu serviço pela primeira vez — parte de uma ofensiva para atrair marcas e consolidar sua aposta na transmissão de eventos ao vivo, especialmente esportivos e musicais, fontes a par do assunto disseram ao Brazil Journal.

A gigante do streaming disse que tem 12 milhões de usuários de seu serviço com anúncios no Brasil. Conforme divulgado recentemente, a plataforma já tem 70 milhões de usuários ativos mensais globalmente neste modelo.

Para vender espaço publicitário em suas transmissões ao vivo, a Netflix passou os últimos meses visitando agências e anunciantes. Os pacotes de mídia variam de R$ 5 milhões a R$ 30 milhões, segundo fontes visitadas pela Big  Tech.

A receita com a assinatura com anúncios ainda é pouco expressiva para a Netflix, o que justifica a busca pela receita publicitária, co-CEO Ted Sarandos disse numa conferência do UBS no final de 2024, quando a empresa completou dois anos do plano com anúncios.

O movimento da Netflix acontece na esteira de duas transmissões bem-sucedidas de esportes: a luta entre Mike Tyson e Jake Paul e o especial de Natal da NFL, que contou com Beyoncé ao vivo.

Agora, a Netflix quer ampliar sua presença em esportes e está negociando direitos de competições de futebol, lutas e futebol americano, além de eventos no Brasil.

Ainda longe dos números apresentados por Globo e YouTube – que vêm disputando quem tem mais visualizações na internet – a Netflix está tentando crescer sua base com os eventos de esporte para atrair mais anunciantes.

Apesar dos 12 milhões de assinaturas no formato, a empresa argumenta que sua base real de impacto publicitário seria de 36 milhões de espectadores, já que cada residência tem em média três telespectadores.

 

O Poder da Surpresa: Encante e Conquiste

Por Beto Carvalho via LinkedIn

 

No palco da comunicação, capturar a atenção é o primeiro ato. E nesse cenário, a surpresa surge como um protagonista de destaque. Ela quebra a monotonia, instiga a curiosidade e, como um passe de mágica, direciona – ou redireciona – o foco da plateia.

Imagine entrar em uma conversa com uma ideia preconcebida do tudo que possa esperar. A mente, nesses casos, é capaz até de elaborar as cenas e os diálogos que se sucederão. Mas, de repente, algo inesperado acontece! Uma reviravolta positiva, uma gentileza fora do script, um valor agregado inesperado, uma ideia inovadora. A surpresa quebra o padrão, amplia a percepção de valor e injeta emoção na narrativa. Emoção que desencadeia envolvimento, que fomenta a atenção.

Surpreender positivamente é como adicionar um tempero especial, mesmo a um prato já saboroso. A surpresa intensifica a experiência e deixa uma lembrança marcante. Em relacionamentos, profissionais ou pessoais, esse elemento surpresa funciona como um ímã. Demonstra atenção, criatividade e a habilidade de ir além do esperado. Num mundo cada vez mais previsível, a capacidade de encantar com a imprevisibilidade é um diferencial poderoso.

Pense em como você pode incorporar a surpresa em suas interações. Um elogio sincero, um pequeno gesto de carinho, uma solução criativa para um problema, enfim, algo que não esteja dentro da caixinha do esperado. Pequenas atitudes que quebram a rotina e geram conexões genuínas.

Surpreenda para encantar; encante para conquistar. Afinal, uma das magias da comunicação reside na arte de despertar emoções.

 

Você já usou alguma ferramenta de inteligência artificial?

 Por  Wlamir Lino via LinkedIn

 

Provavelmente, sim. As mudanças tecnológicas têm ocorrido numa velocidade impressionante, e embora essa aceleração possa parecer desafiadora, ela também nos inspira, abrindo possibilidades quase infinitas.

Nesse cenário, acredito que nós líderes, temos a responsabilidade de nos atualizarmos constantemente e incluirmos o uso da IA em nossa rotina, como parte do autodesenvolvimento.

Recentemente, li um material bastante interessante produzido pela Accenture / Microsoft sobre práticas recomendadas para Conselheiros de Administração sobre tema IA.

O guia destaca vários pontos importantes, e alguns deles me chamaram especialmente a atenção:

Desenvolvimento de habilidades e capacitação: a gestão deve investir em treinamento para garantir que as equipes estejam preparadas para utilizar a IA de forma mais eficiente e ética.

Planejamento operacional: é essencial criar estratégias, alocar recursos e definir cronogramas que assegurem uma implementação eficaz das iniciativas relacionadas à IA.

Deixarei o link do material no final do post para quem quiser se aprofundar.. Vale a leitura, há muitos insights valiosos!

No setor de OOH, vejo a inteligência artificial ocupando um espaço muito grande e atuando como aliada para elevarmos a experiência e os resultados a um novo patamar. Desde a coleta e análise de dados, passando pela otimização de campanhas, a segmentação de públicos e locais até a criação de conteúdos dinâmicos e personalizados, as possibilidades são imensas.

Sem falar no ganho de eficiência e redução de custos que a tecnologia pode proporcionar, principalmente na otimização e automação de processos.

Acredito que a inovação sempre esteve no DNA do nosso setor, e agora, com a IA, podemos potencializar ainda mais essa essência.

Mas, para isso, a gestão precisa estar muito atenta e presente. Devemos liderar pelo exemplo, mostrando que a aprendizagem e o uso da tecnologia são ferramentas essenciais para acompanhar a velocidade das mudanças.

E você, o que acha de tudo isso? Como a IA tem impactado seu setor ou sua empresa? Me conte as suas experiências e desafios ! Adoro ouvir outras perspectivas sobre esse tema tão atual.

Segue o LINK do guia Accenture/ Microsoft

 

The TV Ventures

Por RBS Ventures via LinkedIn

 

No dia 29 de fevereiro, Maurício Sirotsky Neto, membro do Conselho do Grupo RBS e sócio-fundador da RBS Ventures, participou do The TV Ventures, evento transmitido para Alemanha, Inglaterra, Chile, Panamá, Peru, México, El Salvador e Brasil. Durante a participação, ele apresentou os cases da RBS Ventures e abordou o avanço do Media for Equity no Brasil, destacando como essa estratégia tem impulsionado startups ao oferecer mídia em troca de participação acionária.
The TV Ventures é uma plataforma e evento focado em explorar o modelo de investimento Media for Equity além de promover eventos virtuais que promovem discussões e insights sobre como os grupos de mídia podem diversificar suas fontes de receita, ao mesmo tempo em que as startups podem expandir sua presença no mercado e crescer com o apoio desses grupos.