Hoje o radar veio cheio de lançamento de modelo grande — GPT-5.6, ChatGPT Work, Muse Spark 1.1. Mas o que me prendeu de verdade foi um benchmark bem mais discreto, sobre contabilidade.

Vi um benchmark essa semana que me fez parar pra pensar sobre onde estamos com IA aplicada a finanças.

Um modelo aberto, o GLM 5.2, foi testado numa tarefa bem específica: classificar lançamentos de IVA, aquele trabalho estruturado que qualquer contador conhece de cor. O resultado chegou perto da precisão de um profissional humano.

Não é um modelo generalista “conversando bem” sobre contabilidade. É acurácia numa tarefa financeira estruturada, do tipo que sustenta processos inteiros de back office.

Isso me interessa direto porque atuo do lado de produto em crédito, e boa parte do que movimenta recebíveis, duplicatas e operações estruturadas também é feito de tarefas assim: repetitivas, baseadas em regra, com dado limpo o suficiente para automatizar de verdade.

Durante um bom tempo, o discurso em produto foi “IA assistindo o analista”. Um resultado como esse aponta pra outra fase: tarefas inteiras migrando para automação de alta confiança, com supervisão humana entrando principalmente nas exceções.

Isso muda o desenho do produto. Muda o nível de controle e auditoria que a gente precisa construir junto. E muda a régua de expectativa de quem opera o processo no dia a dia.

Não acho que isso substitui julgamento humano em decisão de crédito mais complexa. Mas em processo estruturado, a régua do que já é automatizável mudou de novo, e rápido.

Para quem ficou curioso e quer ver o benchmark completo, deixo o link aqui: Ler mais

O resto do radar

GPT-5.6 — redefine o baseline de capacidade e custo por token que PMs usam para decidir qual modelo embutir em produto. Ler mais

ChatGPT Work — eleva a régua do que se espera de um agente de produtividade que age em apps conectados, não só responde perguntas. Ler mais

Muse Spark 1.1 (Meta) — mais uma opção de modelo via API para avaliar antes de trocar de fornecedor em produtos com IA. Ler mais

Zoom adquire Common Room — exemplo de M&A para incorporar agentes de IA em plataforma de produto existente, sem construir do zero. Ler mais

Context.dev (YC S26) — resolve infraestrutura de dados web para agentes e RAG, reduzindo tempo de build de features com IA. Ler mais

Frugon — ferramenta prática para controlar custo de inferência à medida que o uso de IA e agentes escala em produto. Ler mais

Lucid — observabilidade e controle do raciocínio de modelos, cada vez mais crítico para qualidade e previsibilidade de produtos com IA. Ler mais

Radware (Agentic AI Protection) — segurança e governança de agentes autônomos vira requisito de produto, não diferencial opcional. Ler mais

IA no LinkedIn (Pangram) — dados concretos sobre saturação de conteúdo gerado por IA ajudam a pensar detecção, confiança e diferenciação em produtos sociais e de conteúdo. Ler mais

Foi isso que pegou minha atenção hoje. Nos vemos amanhã.