Google I/O e Build voltam com IA multimodal cada vez mais próxima do 'assistente perfeito'

Maio de 2026 trouxe novamente as grandes conferências de desenvolvedores, com o Google I/O e a Microsoft Build mostrando o quanto a inteligência artificial multimodal havia avançado em apenas um ano (The Verge cobriu ao vivo os principais anúncios de ambos os eventos).

O Google apresentou uma nova geração do Gemini capaz de processar áudio, vídeo e texto simultaneamente em tempo real, permitindo que o assistente ajudasse usuários em tarefas práticas do cotidiano apenas apontando a câmera do celular para o ambiente ao redor.

A empresa também expandiu significativamente o chamado Project Astra, projeto que buscava criar um assistente universal capaz de entender o contexto do mundo físico e responder de forma proativa, sem precisar de comandos explícitos constantes.

A Microsoft, na Build, reforçou sua aposta em agentes corporativos totalmente integrados ao pacote Office, capazes de organizar reuniões, redigir relatórios completos e até negociar prazos com outros agentes de IA de empresas parceiras.

Esse avanço rumo à comunicação entre agentes de diferentes empresas levantou discussões sobre padrões de interoperabilidade, um tema técnico que ganhou repercussão inesperada fora dos círculos especializados de tecnologia.

A Anthropic lançou nova geração da família Claude, reforçando sua liderança percebida em tarefas de programação complexa, um nicho que a empresa continuava cultivando com sucesso entre desenvolvedores profissionais.

Em cibersegurança, cresceram os relatos de ataques direcionados especificamente a agentes de IA corporativos, explorando brechas na comunicação entre diferentes sistemas automatizados de empresas parceiras.

No Brasil, o governo federal anunciou expansão do programa de capacitação em inteligência artificial para servidores públicos, buscando modernizar processos administrativos com uso responsável da tecnologia.

A União Europeia avançou com diretrizes específicas sobre uso de agentes autônomos de IA em transações financeiras, exigindo camadas adicionais de verificação humana para operações acima de determinado valor.

A Apple, às vésperas de sua própria conferência de desenvolvedores, enfrentou nova rodada de expectativa sobre se finalmente entregaria a experiência completa de IA generativa prometida havia mais de dois anos.

No campo científico, pesquisadores usaram os avanços em IA multimodal para desenvolver ferramentas de diagnóstico médico por imagem ainda mais precisas, auxiliando radiologistas na detecção precoce de doenças complexas.

A Meta apresentou atualização significativa de seus óculos inteligentes, incorporando capacidades multimodais semelhantes às do Project Astra, intensificando a disputa direta com o Google nesse formato de dispositivo.

Do lado dos consumidores, cresceu a adoção de assistentes de IA multimodal para tarefas domésticas, como identificar ingredientes na geladeira e sugerir receitas automaticamente com base no que está disponível.

No mercado de trabalho, um estudo do MIT sugeriu que agentes de IA capazes de executar tarefas completas, e não apenas responder perguntas, estavam começando a substituir funções inteiras em áreas como suporte técnico de nível básico.

A Samsung anunciou parceria ampliada com o Google para integrar o Gemini multimodal em toda sua linha de eletrodomésticos e dispositivos móveis, reforçando a aposta conjunta das duas empresas nesse formato de assistente.

Em regulação, autoridades sul-coreanas avançaram com uma estrutura própria de governança de IA, buscando equilibrar apoio à indústria local de chips e eletrônicos com proteção a direitos de consumidores.

Do lado acadêmico, um levantamento internacional mostrou aumento expressivo de cursos universitários voltados especificamente à criação e supervisão de agentes autônomos de IA, uma área profissional em rápida consolidação.

A OpenAI anunciou melhorias significativas na capacidade multimodal do ChatGPT, buscando não ficar para trás na disputa direta com o Gemini nesse quesito específico de percepção do mundo real.

Maio de 2026 mostrou que a fronteira da inteligência artificial já não está mais só em responder perguntas de texto, está em perceber, entender e agir sobre o mundo físico de forma cada vez mais natural.

Junho se aproximava com a WWDC da Apple prometendo, mais uma vez, ser o grande teste para saber se a empresa finalmente havia alcançado os concorrentes na corrida da IA generativa.