O radar de hoje veio carregado de lançamento de modelo — Qwen, Gemini, GLM — mas o que ficou comigo foi uma notícia de infraestrutura, não de modelo novo. Separei a edição para falar de criptografia homomórfica e por que isso importa pra quem trabalha com dado sensível em crédito.

Toda vez que alguém me pergunta por que IA ainda anda devagar dentro de banco, a resposta quase sempre é a mesma: dado sensível.

Trabalho com produtos de crédito estruturado há anos e sei bem o peso disso. Recebível, duplicata, informação de tomador — é tudo dado que não pode simplesmente circular por qualquer modelo de IA sem uma camada séria de proteção.

Em resumo

  • A criptografia totalmente homomórfica permite que um modelo processe dados criptografados sem nunca ver o conteúdo real.
  • O servidor calcula em cima do dado cifrado e devolve um resultado também cifrado, que só o dono da chave consegue decifrar.
  • Essa infraestrutura pode destravar o uso de IA em setores regulados, como saúde, financeiro e crédito, hoje travados pelo risco de expor dados sensíveis a terceiros.
  • Para produto, o próximo passo é acompanhar a maturidade e a viabilidade em escala, não prometer produção imediata.

O que a criptografia homomórfica muda

Essa semana o Google detalhou um avanço que me deixou animado: criptografia totalmente homomórfica (FHE) rodando de forma prática, via um compilador open-source chamado HEIR. Na prática, isso permite que um modelo de IA processe dados criptografados sem nunca “ver” o conteúdo real. O servidor calcula em cima do dado cifrado e devolve um resultado também cifrado, que só o dono da chave consegue decifrar. Para quem quiser entender a parte técnica, o Google publicou os detalhes sobre como tornar a IA privada prática com criptografia homomórfica.

Parece coisa de ficção científica, mas é infraestrutura de verdade acontecendo agora. E é o tipo de peça que destrava setor regulado — saúde, financeiro, crédito — hoje travado justamente pelo risco de expor dado sensível a terceiros para ganhar inteligência.

O trade-off entre privacidade e inteligência aplicada

Do lado de produto, isso muda a conversa. Boa parte do meu trabalho em crédito estruturado passa por desenhar processo pensando em como proteger o dado enquanto ainda se tira valor dele. A gestão de produtos com IA em setores regulados precisa lidar com esse equilíbrio desde o desenho do caso de uso, e não só depois que a solução está pronta.

Se essa camada de criptografia amadurecer e ficar viável em escala, esse trade-off entre privacidade e inteligência aplicada fica bem menor. Antes de pensar em colocar a tecnologia em produção, a matriz de risco de IA ajuda a organizar o impacto, a evidência e o nível de controle que cada caso exige.

Não é sobre colocar isso em produção amanhã. É sobre acompanhar de perto, porque esse tipo de infraestrutura muda o que vai ser possível construir daqui a dois, três anos — e quem entende cedo sai na frente na hora de desenhar produto. É também uma discussão de governança de IA: a proteção do dado precisa fazer parte da arquitetura e das decisões do produto, não ser um detalhe posterior.

O resto do radar

Alibaba lança Qwen3.8-27B em pesos abertos — amplia as opções de modelos abertos competitivos, viáveis para rodar localmente, para avaliar trade-offs de custo, privacidade e performance frente a APIs fechadas. Ler mais

Gemini 3.7 Flash acelera coding e agentes — preço pela metade do Flash anterior mostra que “agente rápido e barato” virou vetor competitivo central para produtos de IA. Ler mais

GLM-5.3 da Z.ai quase alcança fronteira em cibersegurança — labs chinesas estão fechando gaps em domínios especializados, não só em preço, algo a monitorar ao avaliar modelos abertos. Ler mais

OpenAI e Anthropic cortam preços diante de rivais chineses — desloca a competição de “melhor benchmark” para “quanto trabalho útil cada dólar de inferência compra” — muda como precificar features de IA. Ler mais

Writer lança Palmyra X6 e corta custo de agentes — mostra que a camada de orquestração (memória, roteamento, retries) pode pesar tanto quanto o modelo na economia unitária de produtos agenticos. Ler mais

Deltix usa IA para testes de software — exemplo do avanço de agentes de IA em fluxos de QA, relevante para acelerar ciclos de release e reduzir custo de qualidade. Ler mais

Mole, agente de pesquisa profunda para terminal — ilustra a proliferação de agentes especializados fora dos chatbots tradicionais, útil para prototipagem rápida e automação interna. Ler mais

Como maximizar sessões do Claude Code — traz práticas concretas de gestão de custo de tokens para quem usa ou avalia ferramentas agenticas de coding no time de produto. Ler mais

Por que o Opus 5 parece pior no dia a dia — expõe o gap entre métricas de benchmark e percepção real de qualidade — risco central ao comunicar e lançar novas versões de modelo. Ler mais

Fico de olho em como essa camada de privacidade evolui — é o tipo de peça que muda o que dá pra construir em crédito daqui a um tempo.