O que ficou de fora dos posts do Google I/O
Se você já leu os posts do Dia 1 e Dia 2 no blog, esse e-mail traz um ângulo diferente. Mesmos fatos, outras conclusões. E tem um bônus no final sobre quantum computing que não entrou nos artigos.
Cheguei de Mountain View há poucos dias. Dois dias no Google I/O a convite do próprio Google, como parte de um grupo de builders brasileiros reunido para ter acesso direto a sessões, painéis e conversas com engenheiros e VPs. O conteúdo editorial é meu.
Os anúncios, qualquer um que acompanhou o keynote já viu: Gemini Spark, óculos de realidade aumentada, agentes autônomos, vídeo por conversa, Antigravity no Search. A lista é longa e vou deixar os links para quem quiser aprofundar.
O que não estava no livestream foi o que mais ficou comigo.
Numa das sessões abertas de perguntas e respostas com os VPs do Google, o tema do feedback de usuários de fora dos EUA veio à tona. Josh Woodward, VP de Google Labs e Gemini, mencionou o Brasil de forma específica: o engajamento brasileiro com geração de imagens foi uma das surpresas que influenciou decisões de produto. O Brasil não é só um número em dashboard de mercado para o Google.
Isso confirmou algo que já suspeitava: a escala do nosso engajamento com IA tem peso na agenda de prioridades dessas empresas.
No segundo dia, ouvi Demis Hassabis, fundador do Google DeepMind e Nobel de Química de 2024, falar com a mesma voz de quem está resolvendo equações de longa data. A missão que ele descreveu para o DeepMind não é liderar o mercado de IA generativa. É resolver todas as doenças humanas usando IA.
Não disse isso como retórica de palco. Disse como problema de engenharia com prazo.
O AlphaFold já dobrou a estrutura de 200 milhões de proteínas e colocou tudo de graça na internet. Isso acelerou anos de pesquisa em doenças que antes levavam décadas para avançar. A pergunta que orienta o DeepMind agora é: quais outros problemas intratáveis têm essa mesma estrutura?
Quando perguntaram sobre AGI, ele deu o número que todo mundo esperava: “por volta de 2030, com margem de um ano.” Mas o critério que ele usa para definir AGI é o que vale guardar. Não é benchmark de exame, não é taxa de aprovação em testes padronizados. É o que ele chama de “teste Einstein”: a IA conseguiria produzir descobertas científicas originais equivalentes às que Einstein publicou em 1905? Quatro papers que mudaram a física, escritos entre os 25 e 26 anos.
A pergunta real não é “quando a IA vai passar em provas”. É quando ela vai fazer perguntas que nenhum humano pensou em fazer.
Na sessão de robótica física, aprendi algo que mudou minha percepção.
Os vídeos de cem robôs dançando sincronizados que circulam nas redes são engenharia de locomoção bem resolvida. O desafio de verdade não é fazer o robô caminhar. É fazer o robô abrir uma garrafa.
Abrir uma garrafa exige tato. Você sente quando a pressão está certa antes de ver o resultado. Modelos de robótica são treinados em dados visuais porque há muito mais imagem disponível do que dados de toque. E simular a física do contato com precisão suficiente para treinar destreza ainda está fora do alcance.
Qualquer criança aprende a descascar um ovo entre dois e cinco anos. Robôs humanoides ainda não chegaram lá.
Estimativa honesta dos pesquisadores: 5 a 10 anos para robôs em ambientes domésticos, começando pelas tarefas mais simples. E quem vai desbloquear esse salto são os mesmos modelos de vídeo que entendem física do mundo real, os mesmos que o Gemini Omni usa para manter consistência em vídeos gerados por conversa.
Ainda sobre o que ficou comigo: no vídeo que postei no Instagram logo depois de testar o Gemini Omni, dei uma foto minha e pedi que criasse um vídeo. No resultado, eu falo com a minha própria voz.
De onde o modelo tirou a voz?
De amostras que o Google já tem em outros produtos. Sem pedir permissão explícita. Sem anunciar. É um exemplo direto de como os dados que deixamos em serviços conectados vão sendo usados para personalizar a experiência, sem que a gente perceba o momento exato em que isso aconteceu.
Não estou dizendo que é errado. Estou dizendo que é o mundo em que já estamos.
Há uma reflexão que trouxe do Google I/O e que conecta tudo isso.
Muita gente tem falado que “engenharia de contexto vai matar a engenharia de prompt”. Quem fala isso não entende nem uma nem outra: engenharia de prompt está dentro da engenharia de contexto. São camadas, não concorrentes.
O que o debate confunde é o que realmente importa, que é a engenharia. Não no sentido de ter diploma de engenharia, mas no sentido de pensar em processos que podem ser descritos com precisão suficiente para funcionar.
Quando o carro substituiu a carroça, colocar o carro nas mesmas estradas com os mesmos pontos de parada entregou uma performance um pouco melhor. Quando as estradas foram redesenhadas para o carro, a logística inteira mudou de escala.
Muita gente está usando IA como uma carroça mais rápida. Tem gente tão perdida que está colocando o cavalo pra dirigir o carro porque não entendeu o que fazer com eles. A vantagem competitiva vem de repensar o processo.
O Google I/O me confirmou isso. O Gemini Spark não espera você abrir o app para perguntar como está sua agenda. Ele age antes. O Antigravity não devolve um link de dashboard de fitness quando você pesquisa. Ele constrói o dashboard para você, com as academias do seu bairro, sincronizado com seu calendário.
A interface entre a IA e o trabalho está mudando de pergunta-e-resposta para delegação com supervisão. E quem vai usar isso bem não é quem souber mais sobre modelos. É quem souber descrever bem o que quer, calibrar o nível de autonomia que faz sentido, e corrigir quando o resultado não bateu com a intenção.
Isso é engenharia. E ainda é raro.
Os dois posts completos com todos os anúncios do evento estão aqui, com os ângulos que importam para quem toma decisões nas empresas:
Google I/O 2026 Dia 1: o que cada anúncio significa para executivos e gestores
Google I/O 2026 Dia 2: o que vi, ouvi e senti no segundo dia
Bônus: quantum computing
Não fui a essa sessão presencialmente, mas assisti depois no YouTube e vale muito o registro. Hartmut Neven, fundador do Google Quantum AI, e James Manyika, presidente de pesquisa do Google. Não entrou nos posts porque o tema é específico demais para o público geral, mas para quem acompanha tecnologia de perto vale o registro.
O chip Willow, que o Google apresentou em 2024, tem 105 qubits e consegue fazer em minutos uma computação que o maior supercomputador do mundo levaria 10 septilhões de anos para concluir. Isso não é velocidade. É uma classe diferente de problema.
O que ficou comigo não foi o número impressionante. Foi a honestidade sobre o que ainda não funciona. Hartmut foi direto: quantum computing vai ser sempre uma ferramenta especialista, não vai substituir computação clássica para a maioria das tarefas. O valor está nos problemas que computadores clássicos estruturalmente não conseguem resolver, simulação de moléculas para desenvolvimento de medicamentos, design de baterias, criptoanálise.
Sobre criptografia: o Google publicou um alerta de que empresas precisam migrar para sistemas pós-quânticos até 2029. O prazo não é conservador. Em 2019, estimava-se que seria preciso um computador de 20 milhões de qubits para quebrar a criptografia RSA-2048. No ano passado, esse número caiu para 1 milhão. Dois meses atrás, para criptografia de curva elíptica, o limiar caiu para algumas centenas de milhares. O calendário está se comprimindo.
Para quem trabalha com segurança da informação ou governa sistemas que dependem de criptografia: isso entra na agenda antes de virar obrigação regulatória.
A sessão completa está no YouTube, vale 40 minutos: Building the quantum-AI future with Hartmut Neven and James Manyika
Se você ainda não tem o meu livro de engenharia de prompts, atualizei ele em abril de 2026 com novos capítulos sobre Claude, Gemini e uso avançado em contexto profissional. É gratuito: interney.net/livro-ia
Até a próxima.
Edney "InterNey” Souza
Grande Edney, eu concordo demais com a ideia de repensar o processo em vez de usar IA como carroça mais rápida. Fiquei pensando num desdobramento a partir de um detalhe que você mesmo levantou: a voz do Gemini Omni vinda de amostras de outros produtos, sem permissão explícita.
Quando o agente age antes de você pedir, com dados que você nem lembra ter deixado, a fronteira do processo deixa de ser clara. Você não desenhou aquele passo, ele apareceu. E aí tem uma inversão interessante: a IA não está só executando o processo que você repensou, ela está repensando o processo por você, em silêncio. Calibrar autonomia, nesse mundo, vira menos ajuste de produtividade e mais a decisão de até onde você ainda quer enxergar o que foi automatizado.
Talvez seja por isso que essa engenharia ainda é rara. Ela exige a fricção que o modo carroça promete eliminar, e parte dessa fricção é justamente insistir em ver o que o agente preferiria resolver sem te mostrar.
Abraço e bom retorno de Mountain View.
InterNey é muito bom. Tive que subscrever