Paul Krugman - Porque é que toda a gente odeia a IA

Muitos leitores estarão provavelmente parados na cena do vídeo acima: Eric Schmidt, o antigo CEO da Google, fez recentemente um discurso de formatura no qual anunciou a chegada da IA - e foi fortemente vaiado pelos estudantes. Isto não foi um caso isolado. Têm ocorrido vários incidentes semelhantes ultimamente, prova de que muita gente odeia agora genuinamente a IA.

Estaremos a falar de uma minoria barulhenta mas não representativa? Não. Uma sondagem recente do Pew Research Center revelou que os adultos americanos acreditam, por uma margem larga, que a IA será negativa para a sociedade e, por uma margem menor, que será má para eles a nível pessoal.

Mas não se sentirá o público sempre assim perante a inovação? A análise do Pew sobre as suas próprias conclusões deu a entender isso mesmo, declarando que:

"A nova tecnologia é frequentemente recebida com um certo grau de curiosidade, bem como de ceticismo. À medida que mais americanos incorporam a IA nas suas vidas, surgem preocupações generalizadas sobre o seu impacto, a sua velocidade e sobre se o governo a consegue regular adequadamente."

Contudo, as próprias sondagens passadas do Pew sugerem que, historicamente, a maioria dos americanos acolheu bem os avanços nas tecnologias de informação. Uma sondagem de 1999 sobre as atitudes face à internet (que ainda era uma novidade) revelou visões extremamente positivas sobre os computadores e a tecnologia, especialmente entre os utilizadores da internet.

E em 2015, quando as redes sociais eram ainda relativamente recentes, o Pew descobriu que 71% do público afirmava que as empresas tecnológicas "têm um impacto positivo na forma como as coisas estão a correr neste país", com apenas 17% a expressar uma opinião negativa.

O facto é que, no passado, os americanos geralmente recebiam as tecnologias emergentes com otimismo. O que explica, então, a atual hostilidade contra a IA? Permitam-me oferecer várias explicações que não se excluem mutuamente.

Primeiro, tememos que a IA faça coisas terríveis porque as empresas que a vendem nos disseram que ela faria coisas terríveis. No ano passado, por exemplo, o CEO da Anthropic, Dario Amodei, declarou numa entrevista à Axios que a IA poderia eliminar metade dos empregos administrativos de nível de entrada e elevar o desemprego geral para uns impressionantes 20% no espaço de 1 a 5 anos.

Mais recentemente, Amodei e Sam Altman, da OpenAI, tentaram recuar nas suas previsões de um "apocalipse do emprego". Mas por que razão estiveram eles tão dispostos a promover visões apocalípticas em primeiro lugar? A resposta é dinheiro. Eles promoveram a ideia de que tinham uma tecnologia que iria transformar rápida e radicalmente a economia, em parte para deslumbrar Wall Street e garantir financiamento, e em parte para assustar as empresas, levando-as a correr para a adoção da IA por medo de ficarem para trás.

Só tardiamente se deram conta de que declarar que a sua tecnologia iria causar devastação geraria uma reação pública adversa, e que essa reação seria um problema sério. Na verdade, não é apenas o público em geral que está a atacar as empresas que usam ameaças de um apocalipse como estratégia de marketing. Até as grandes corporações dizem que já basta. Satya Nadella, CEO da Microsoft, que se tem mostrado visivelmente relutante em alinhar no fanatismo da IA, disse recentemente ao Wall Street Journal:

"Não se pode dizer, 'olhem, todos os empregos administrativos desapareceram, isto pode até ser uma arma e vamos usar toda a energia disponível para construir centros de dados'."

Segundo, muitas pessoas comuns veem a IA de forma negativa porque sentem que esta lhes está a ser imposta.

É verdade que muitas pessoas utilizam voluntariamente grandes modelos de linguagem (LLMs) por conveniência pessoal ou como ferramenta de produtividade profissional. Mas uma parte significativa do uso da IA não é voluntária. Esta manchete do Wall Street Journal de fevereiro diz tudo: "Empresas obrigam trabalhadores a usar ferramentas de IA".

Porque estão as empresas a fazer isto? Presumivelmente, acreditam que a IA irá aumentar a produtividade. Mas, de igual modo, estão a responder à pressão dos mercados financeiros, que estão a recompensar as empresas que adotam rapidamente a IA, aparentemente sem olhar a resultados demonstrados.

E enquanto os trabalhadores americanos são coagidos a usar a IA, os consumidores americanos estão a ser alimentados à força com IA, queiram ou não. O caso mais dramático é o da Google, que substituiu o seu motor de busca pela IA, sem oferecer a opção de desativar essa função. É preciso recorrer a truques obscuros ou a sites de terceiros para obter os resultados de pesquisa tradicionais.

Portanto, muitas pessoas sentem, com razão, que não estão a ter a liberdade de escolher se querem ou não usar a IA — não usar IA tornou-se difícil, tanto como trabalhador quanto como consumidor.

Terceiro, os centros de dados (datacenters) são uma lembrança altamente visível dos custos da IA. Os centros de dados ocupam extensões enormes de terra — um local proposto no Utah terá o dobro do tamanho de Manhattan. Eles devoram eletricidade e água. Quando geram parte da sua própria energia, criam uma enorme poluição local. Como seria de esperar, há uma oposição intensa à construção de centros de dados. De acordo com uma sondagem da Reuters/Ipsos, 57% os americanos — dois terços dos democratas e metade dos republicanos — opor-se-iam a um centro de dados no seu bairro. Apenas 14% apoiariam.

Quarto, mesmo antes do advento da IA, as empresas tecnológicas já tinham perdido a confiança do público. Ao longo dos anos, o Pew tem questionado regularmente o público sobre as suas opiniões acerca das empresas de tecnologia, perguntando se estas têm um efeito positivo ou negativo "na forma como as coisas estão a correr". Em 2015, a opinião pública sobre as tecnológicas era esmagadoramente positiva. Em 2022, o ano em que o ChatGPT foi lançado, essa boa vontade tinha-se evaporado.

Porque é que os americanos se viraram contra as empresas tecnológicas? Embora isso reflita certamente uma crescente consciencialização dos danos psicológicos e sociais causados pelas redes sociais, muito deve-se também à "merdificação" (enshittification) dos produtos tecnológicos.

Finalmente, a IA está fortemente ligada, na mente do público, aos oligarcas tecnológicos que a estão a impulsionar. Há uma perceção generalizada da crescente concentração de riqueza e poder no topo, e de como isso está a distorcer a nossa política e a prejudicar a nossa sociedade. À exceção dos fiéis do movimento MAGA, os americanos apoiam esmagadoramente políticas governamentais para reduzir a desigualdade de riqueza.

E a IA é amplamente vista, com boas razões, como uma tecnologia que irá aumentar a concentração de riqueza no topo. De facto, como referi, as próprias empresas de IA já nos disseram que a tecnologia terá efeitos extremamente negativos nos trabalhadores.

Existem, portanto, múltiplas razões que se reforçam mutuamente para o público ver a IA de forma negativa. E não, isto não é o ceticismo normal diante da mudança. Esta reação adversa intensa é especial.

E esta reação já está a ter grandes consequências políticas. É verdade que a indústria da IA, fiel ao seu estilo, tem injetado dinheiro nas eleições num esforço para impulsionar políticos amigáveis e derrotar os críticos. Mas a maioria destes esforços falhou. Na verdade, aceitar dinheiro da IA ou estar associado à tecnologia em geral está a começar a parecer politicamente tóxico.

Há um forte elemento de justiça poética nesta reviravolta. A indústria da IA tornou-se deliberadamente ameaçadora como estratégia financeira, acreditando que os mercados recompensariam a aparência de estar na "vanguarda radical". Ao fazê-lo, no entanto, a tecnologia tornou-se altamente impopular. E mesmo numa era em que o dinheiro compra o poder demasiadas vezes, a opinião pública importa.

Fonte

Quem detém mais satélites? Fica claro quem manda na órbita da Terra

O mundo mudou muito nesta última década. E as disputas pelo controlo da informação passaram para o fundo do mar, mas, sobretudo, para a órbita da Terra. Hoje, os satélites tornaram-se a espinha dorsal da moderna economia espacial. Desde a internet de banda larga à observação da Terra, a infraestrutura orbital suporta agora indústrias muito para além do setor aeroespacial. Então, quem tem mais satélites no espaço?

Não há dúvidas que os EUA lideram não só a corrida espacial, mas também o espaço em volta da Terra. Como tal, e na preparação do próximo grande comércio global, são empresas americanas que estão na liderança deste segmento.

Para percebermos, de forma mais concreta, quem domina a órbita do planeta, um gráfico, de autoria da Global X Canada, permite perceber quem detém mais satélites. A informação tira partido de dados da AEI Space Data Navigator.

Que operadores detêm mais satélites?

A SpaceX domina claramente a contagem global de satélites, com 10.262 satélites operacionais. Isso representa mais de 16 vezes os 632 satélites da OneWeb, o segundo maior operador identificado.

Posição Operador de satélites Número de satélitesSpaceX - 10.262 satélites

OneWeb - 632 satélites

National Reconnaissance Office - 285 satélites

Forças Armadas dos EUA - 244 satélites

Forças Armadas da China - 168 satélites

Planet Lab - 144 satélites

Forças Armadas da Rússia - 107 satélites

NASA - 90 satélites

Iridium - 80 satélites

Globalstar - 26 satélites

Outros - 3.409 satélites

Fonte: AEI Space Data Navigator.

O ranking mostra a rapidez com que as redes privadas cresceram desde o início da corrida espacial.

Organizações públicas como a NASA e forças militares nacionais operam agora apenas uma pequena parcela, com apenas 894 satélites entre os proprietários identificados na base de dados.

A vantagem de escala da Starlink

A SpaceX opera a Starlink, a maior frota de satélites alguma vez colocada em órbita. Só a sua dimensão representa cerca de dois terços dos 15.447 satélites apresentados na base de dados.

Em vez de lançar apenas alguns satélites de elevado valor, a Starlink aposta na escala. Como resultado, a rede tornou-se num exemplo marcante da infraestrutura orbital comercial.

Redes comerciais entram em órbita

A diferença entre a SpaceX e os operadores tradicionais assinala um importante ponto de viragem. As empresas passaram a deter e operar redes de satélites numa escala que anteriormente estava reservada aos governos.

Isto é relevante porque os satélites deixaram de ser apenas ativos de investigação governamental de nicho. Estão agora a tornar-se infraestrutura crítica para conectividade, dados e resiliência nacional.

A China já tem mais de 1.300 satélites ativos em órbita e continua a expandir rapidamente a sua presença espacial. Entre eles estão satélites militares, sistemas de navegação BeiDou, observação da Terra, comunicações e futuras redes de internet via satélite para competir com a Starlink. O objetivo de Pequim é claro: transformar o espaço numa infraestrutura estratégica para defesa, tecnologia e influência global.

Investir no espaço

À medida que as redes comerciais crescem, a infraestrutura orbital poderá tornar-se um tema de investimento cada vez mais relevante. Satélites, sistemas de lançamento e serviços espaciais fazem todos parte deste ecossistema em expansão.

A economia espacial já está a avançar para áreas como logística, agricultura, defesa e comunicações. Como resultado, os investidores poderão procurar cada vez mais exposição a empresas que impulsionam estas tendências.

Manlio De Domenico - Resilience, not hype: what we are getting wrong about AI

O texto de Manlio De Domenico em "Complexity Thoughts" propõe uma reflexão crítica e fundamentada sobre o estado atual da Inteligência Artificial, afastando-se do ruído mediático habitual. O autor, um especialista em sistemas complexos, argumenta que o debate público está excessivamente polarizado entre o otimismo tecnológico cego e o medo existencial catastrófico, o que nos impede de ver os riscos reais e imediatos.

O ponto central da análise é a distinção entre a eficiência técnica e a resiliência sistémica. Enquanto a indústria foca em criar modelos de IA cada vez mais potentes e rápidos, De Domenico alerta para a "fragilidade" que estes sistemas podem introduzir na sociedade. De uma perspetiva científica, ele defende que não deveríamos estar apenas preocupados com o que a IA pode fazer, mas sim com a forma como ela interage com as infraestruturas humanas, podendo gerar pontos críticos de rutura se não for integrada com foco na robustez.

Segue a sua análise muito pertinente.

[Fonte, com infográficos e links para artigos científicos] 

If you have followed the recent clash between Anthropic and the Pentagon, you can recognize that it has been framed as a “morality play”: the dispute centered on whether Anthropic would relax safeguards that restrict uses of its models for mass domestic surveillance and fully autonomous weapons. One company resisted, another (openAI) accepted at some point, and the public argument quickly turned into a referendum on corporate ethics.

That matters, but I think it is not the deepest issue: the problem is not only whether one company “bends” and another does not. The deeper problem is that institutions are increasingly willing to delegate strategically consequential functions to systems that are statistical, opaque, fallible and controlled by very few private actors. This is a systems-design problem.

To be clear, I am not arguing that current AI systems are useless, since they are often very useful for uncountable tasks. I am arguing something narrower and more important: public discourse keeps treating performance as if it were understanding, prediction as if it were judgment and scale as if it were intelligence.

Even the scientific language here is far less settled than the marketing of your favorite AI-gurus suggests: I am not the first one to report this, and it is disheartening to being continuously exposed, nearly everywhere, to such a sloppy narrative.

A recent Nature Machine Intelligence editorial noted that terms such as intelligence, embodiment and consciousness are widely used but “notoriously difficult to define”. Melanie Mitchell, another authoritative and scientific voice on this matter, made a related point in Science: debates about AGI are often debates about incompatible concepts of intelligence itself, not merely about engineering timelines.

This is why I remain mostly unconvinced by the familiar apocalyptic narrative according to which AI, by itself, will soon become the agent of our destruction. In previous post I have discussed about this in detail:

Therefore, instead of technological singularity, I would bet on reaching an evolutionary stage in which our society becomes increasingly dependent on a technology that is ultimately unsustainable. This fact will force us to to either simplify our systems or face the potential collapse of our society.

The more plausible risk is more mundane and, for that reason, more dangerous: we are embedding these systems into tightly coupled social, administrative, military and informational infrastructures without first asking what happens when they fail, drift, are gamed or become too central to replace. Three mechanisms matter here.

1. We are confusing prediction with judgment

What is commonly called “AI” today is, in most high-visibility deployments, a family of large language models trained to predict likely continuations of sequences. The transformer architecture that made this leap possible was explicitly designed as a sequence model built around attention mechanisms1. That does not make the systems trivial: on the contrary, it explains why they can be astonishingly capable. But it does mean that we should be precise about what they are doing2 before we let institutions present them as substitutes for strategic reasoning. Let’s not conflate a statistical analysis with a cognitive function.

This distinction matters most in high-stakes settings: a system can be extremely effective at generating plausible outputs and still be unreliable in the way that matters for command, surveillance, intelligence triage or decision support in conflict. Anthropic itself justified its refusal in part by arguing that current systems are not reliable enough for fully autonomous weapons. Whatever one thinks of the company, that specific point is hard to dismiss as ideological grandstanding: it is an (honest) engineering claim about failure under uncertainty.

In other words, the relevant question is not whether these systems can impress us, but it is whether they deserve delegation: those are very different thresholds.

2. Centralization turns technical dependence into political dependence

Once a technology becomes infrastructural, governance follows architecture.

If a handful of firms supply the models, the cloud, the interfaces and the update pipeline through which critical institutions operate, then technical concentration becomes a form of political power. Whoever controls access, model behavior, service continuity, pricing and quality of service gains leverage over organizations that can no longer function without that stack.

This is not a speculative concern. In 2025 U.S. negotiators raised the possibility of restricting Ukraine’s Starlink access during broader geopolitical bargaining, and Elon Musk had previously ordered shutdowns of Starlink service in parts of Ukraine’s battlefield. Whatever the specific legal and diplomatic details, the systemic lesson is straightforward: when a critical communications layer is effectively governed by one private actor, questions of sovereignty become entangled with platform discretion.

The same logic applies to AI, and perhaps even more strongly: if strategic analysis, public administration, defense workflows or parts of scientific knowledge production begin to depend on a few model providers, then those providers do not merely sell tools, since they become gatekeepers of cognition at scale. That should trouble democracies regardless of one’s view of any single company.

This is the same systems argument I made in a previous post about conflict propagation:

The real question is often not who is right or wrong in a given episode, but how structure and process determine whether shocks remain local or spread across tightly coupled systems. AI centralization should be read in exactly those terms.

Once a strategic function becomes too dependent on a narrow technological layer, errors, pressures or discretionary choices no longer stay local: they propagate.

3. Hyper-centralization violates the basic logic of resilient systems

From biology to infrastructure, resilience rarely comes from one perfect component: it comes from diversity, redundancy, modularity and hierarchy.

Living systems do not survive because they are optimized around a single response to a single threat. They survive because they preserve multiple partially overlapping ways of functioning. In biology this is often described through modular organization and degeneracy: different components can support similar functions, which makes adaptation possible under shock.

Tightly coupled socio-technical systems become vulnerable when efficiency is purchased at the expense of diversity and replaceability.

This is not just a metaphor imported from biology for rhetorical effect: it is a general principle of complex systems. The classic work on interdependent networks showed how failures can cascade across coupled layers: robustness and resilience depend on architecture, not on optimism.

We have seen this repeatedly. For instance, the CrowdStrike incident showed how a fault in one widely deployed digital layer could propagate rapidly across transportation, finance, communications and resource-management systems. That event is a consequence of digital monoculture and interdependence, not as an isolated software bug.

A different but related example comes from crypto. Even systems built under the banner of decentralization can undergo emergent centralization under stress. The figures below make this visible:

Hype, transaction overload and panic coupled financial activity, online attention and social behavior in ways that produced fragility rather than resilience. Centralization, in practice, can emerge from dynamics even when it was not the design ideal. That is exactly why concentration risk should be treated as a systems property, not only as a market-structure statistic.

I think that this is the point that much of the current AI debate misses: the danger is not only bad outputs, it is in correlated dependence.

The practical implication

It is not “ban AI” nor the equally lazy alternative of “accelerate and adapt”: the relevant priority is to prevent monoculture in critical functions.

That means at least three things:

1. keep humans meaningfully responsible for strategic decisions;
2. avoid single-vendor dependence in essential public and military workflows;
3. design institutions around diversity of tools, auditability, fallback pathways and graceful degradation rather than maximum short-term efficiency.

Of course, the goal is not to stop innovation: it is to stop confusing centralization with progress. Resilient societies are not built by finding one system to trust with everything; they are built by ensuring that no single system, and no single company, becomes too central to fail. “Too big to fail” is not a sign of strength in a healthy society; instead it is evidence that fragility has already been designed into the system.

1 The word sounds cognitive, almost psychological, and that is precisely why it should be handled carefully. In humans, attention is tied to perception, goals, context and conscious or unconscious selection. In transformers, “attention” is simply a mathematical mechanism for weighting relations among elements of an input sequence so that some tokens contribute more than others to the computation of the next token. The name is useful inside machine learning, but misleading in public discourse. It does not mean the system is focusing, understanding or attending in any human-like sense: it means that a function is assigning weights in a high-dimensional space to improve a statistical prediction.

2 The simplest way to explain a language model is to start from a Markov chain. In a Markov chain, the next state depends on the current state according to transition probabilities. For text, a toy version would say: after “good”, the word “morning” may be more likely than “screwdriver”. This is a bit crude, of course, because natural language depends on much longer context.

A large language model generalizes that idea: instead of using only the immediately previous token, it converts many tokens into numerical representations in a high-dimensional space, then uses attention mechanisms to estimate which parts of the context matter most for predicting the next token. The training objective remains predictive: given context, assign probability to the next token. In practice, repeating this at scale yields systems that can summarize, translate, code and maintain long-range coherence surprisingly well.

That is the source of their “power”: it is not, by itself, proof of understanding, judgment or intelligence in any settled scientific sense. This fact is so clear to the vast majority of computer scientists that my comment about this matter deserves no more than a footnote.

The gap between “very good at prediction” and “deserves strategic delegation” is precisely the gap that public discourse keeps trying to erase.

IA, geopolítica e fraude marcam cibersegurança em 2026

A cibersegurança em 2026 está a evoluir num contexto marcado pela aceleração da Inteligência Artificial (IA), pelo aumento das tensões geopolíticas e por desigualdades crescentes no acesso a recursos e competências, segundo o Global Cybersecurity Outlook 2026. O relatório do Fórum Económico Mundial conclui que a colaboração continua a ser um fator determinante para reforçar a resiliência coletiva num ambiente cada vez mais fragmentado.

Uma das principais conclusões do estudo, que se baseia num inquérito global a mais de 800 líderes de cibersegurança, executivos de topo e decisores públicos de 92 países, complementado por workshops e entrevistas com especialistas do Fórum Económico Mundial, revela que a IA assume um papel central na chamada “corrida ao armamento” da cibersegurança. Cerca de 94% dos inquiridos identificam a IA como o principal motor de mudança na cibersegurança no próximo ano. Embora a tecnologia esteja a ser usada para melhorar a deteção e resposta a incidentes, 87% dos participantes consideram as vulnerabilidades associadas à IA o risco de cibersegurança com crescimento mais rápido em 2025. Em paralelo, a percentagem de organizações que avaliam a segurança das suas ferramentas de IA subiu de 37% em 2025 para 64% em 2026.

Geopolítica no centro do risco

O relatório indica que a geopolítica surge como outro fator estruturante, com 64% das organizações já a considerarem ataques motivados por fatores geopolíticos nas suas estratégias de mitigação de risco. Entre as maiores organizações, 91% ajustaram as suas estratégias de cibersegurança em resposta à volatilidade geopolítica. Apesar disso, a confiança na preparação nacional para responder a grandes incidentes continua a diminuir, com 31% dos inquiridos a manifestarem baixa confiança na capacidade dos seus países para lidar com ataques a infraestruturas críticas.

A fraude digital assume também um peso crescente, visto que cerca de 73% dos participantes afirmam que eles próprios ou alguém do seu círculo foi afetado por fraude digital em 2025. Para os CEO, este tipo de fraude tornou-se a principal preocupação, superando o ransomware, enquanto os responsáveis de segurança continuam a destacar o ransomware e os riscos na supply chain como ameaças prioritárias.

O relatório evidencia ainda um fosso persistente na resiliência entre organizações e regiões. Embora 64% das entidades indiquem cumprir os requisitos mínimos de resiliência, apenas 19% consideram ultrapassar esse patamar. A escassez de competências em cibersegurança continua a ser um dos principais fatores de desigualdade, afetando sobretudo pequenas organizações, o setor público e regiões como a América Latina, Caraíbas e África subsaariana.

Ao longo de cinco edições, o Global Cybersecurity Outlook tem documentado a crescente interligação entre cibersegurança, economia e geopolítica. A edição de 2026 reforça que a cibersegurança deixou de ser uma função exclusivamente técnica para se tornar uma prioridade estratégica e económica, com impacto direto na confiança, na inovação e na estabilidade social.

O estudo conclui que reforçar a resiliência exige uma abordagem que vá além do investimento tecnológico, assente numa governação eficaz, no desenvolvimento de competências, na partilha de informação e na cooperação entre os setores público e privado, considerados essenciais para enfrentar um cenário de ciberameaças cada vez mais complexo e global.

Google admite o óbvio: se a bolha da IA rebentar, ninguém se safa

Sundar Pichai, CEO da Alphabet, decidiu finalmente dizer aquilo que toda a gente no setor sabe, mas poucos admitem… Se a bolha da inteligência artificial rebentar, não há empresa que escape. Nem a Google.

Esta afirmação foi feita numa entrevista à BBC, numa altura em que as ações da Alphabet já duplicaram em sete meses e levaram a empresa aos 3.5 mil milhões de dólares em capitalização de mercado.

Curioso, porque Pichai descreveu o momento como “extraordinário”, mas avisa que há “irracionalidade” clara no mercado.

Aliás, comparou diretamente este ciclo ao final dos anos 90, quando o entusiasmo com a Internet levou a valorizações absurdas, seguidas de colapsos, falências e despedimentos. Segundo ele, a IA vai seguir o mesmo padrão… É revolucionária, sim, mas o dinheiro está a cair demasiado depressa, demasiado cedo.

OpenAI, 1.4 mil milhões e um alerta… Que ninguém quer ouvir ou sequer pensar nisso.

Grande parte deste exagero vem, claro, da corrida entre gigantes.

A OpenAI comprometeu-se com um pacote de investimento absolutamente louco de 1,4 biliões de dólares em infraestrutura nos próximos oito anos. Para comparação, espera faturar 13 mil milhões este ano.

É aí que entra a frase de Sam Altman que já corre a indústria inteira: os investidores estão “overexcited” e “alguém vai perder uma quantia fenomenal de dinheiro”.

Há quem diga que a Google está a tentar posicionar-se do lado certo da história, preparando terreno para quando este castelo de cartas começar a abanar. Mas… Quem estará bem no meio de tudo isto?

A posição da Google: vantagem? Talvez, mas sem escapatória.

Apesar do aviso, Pichai defende que a Google está melhor preparada do que os rivais.

O que faz algum sentido, visto que a Google não é apenas IA. Tem chips próprios, vários hardware que vai desde IoT a smartphones e portáteis, YouTube, etc… A Nvidia, OpenAI, Meta ou Anthropic dependem muito mais de terceiros, o que deixa a Google numa posição teoricamente mais estável.

Ainda assim, Pichai não pinta um cenário cor-de-rosa. Fala dos problemas de precisão dos modelos, diz que as pessoas não devem confiar cegamente nas respostas da IA e lembra que a tecnologia é útil, mas não infalível.

Além disso, assume sem rodeios que a IA está a arruinar os objetivos climáticos da empresa.

Os centros de dados para treinar modelos consomem quantidades absurdas de energia e isso já atrasou as metas ambientais da Alphabet. A promessa continua a ser chegar a emissões zero em 2030, mas o discurso já está cheio de avisos.

Conclusão

Mesmo com todos estes alertas, Pichai trata a IA como “a tecnologia mais profunda na qual a humanidade já trabalhou”. Não esconde o lado transformador, mas admite as dores de crescimento.

Dito tudo isto, no fundo, o que esta entrevista revela é simples.

A Google está no topo da onda, mas, se isso correr mal, ninguém sai limpo.

4 carreiras que a Inteligência Artificial não vai conseguir matar

A Inteligência Artificial vai salvar a economia?

Fonte: Vicente Ferreira

É difícil discutir o futuro da economia sem que surja o tema da inteligência artificial. A tecnologia tem avançado a um ritmo impressionante e já se tornou um dos temas centrais do debate público. Multiplicam-se as notícias e artigos sobre o potencial de modelos como o ChatGPT, os impactos na forma como trabalhamos e os postos de trabalho que poderão ser substituídos. Ao mesmo tempo, o investimento canalizado para construir centros de dados está a atingir níveis historicamente elevados e o setor tem sido um dos principais motores do crescimento económico de países como os Estados Unidos.

Esta dinâmica tem sido alimentada pelas promessas dos seus promotores. Sam Altman, CEO da OpenAI, disse que “as ferramentas superinteligentes podem acelerar de forma massiva as descobertas científicas e a inovação”, ao passo que Elon Musk, detentor da xAI, prometeu que a sua empresa iria, já este ano, desenvolver um modelo “mais inteligente que o humano mais inteligente”. Todos partem do pressuposto que a IA é a chave para aumentar a produtividade e impulsionar o crescimento das economias.

No entanto, a generalidade das pessoas parece estar mais pessimista em relação ao futuro da economia do que noutros contextos comparáveis, como o da ascensão da Internet na viragem do século. Além disso, têm surgido receios de estarmos perante uma bolha especulativa à beira de rebentar. Para saber o que nos espera, é preciso perceber o que explica o crescimento impressionante da IA, de que forma está a mudar a economia e como se distribuem os ganhos (e os custos) da tecnologia.

Muito barulho por nada?

Nos últimos anos, as cinco maiores empresas tecnológicas – Alphabet, Amazon, Apple, Meta e Microsoft – viram a sua cotação disparar no mercado financeiro. A Nvidia, que fabrica os chips necessários para os centros de dados, tornou-se recentemente a primeira empresa americana com valor de mercado superior a cinco biliões de dólares, enquanto a cotação da Microsoft e da Apple já supera os quatro biliões de dólares.

O entusiasmo dos investidores parte de um pressuposto central: o de que a IA vai permitir aumentar a produtividade da maioria dos setores da economia, passando a ser altamente procurada pelas empresas. Mas, até agora, a realidade não tem correspondido às expectativas. Na verdade, é difícil vislumbrar melhorias na produtividade, que continua a crescer a um ritmo modesto e ainda está longe dos níveis registados na década antes da crise financeira de 2008.

Embora a IA esteja presente em muito do que fazemos hoje em dia, desde pesquisas em motores de busca como o Google aos chatbots com quem interagimos no apoio ao cliente, um relatório recente do MIT concluiu que 95% das empresas que incorporaram a IA não estão a obter qualquer retorno. O cenário começa a parecer-se com o que se verificou após o início da expansão dos computadores, na década de 1980, quando Robert Solow, um dos economistas mais influentes no estudo do crescimento económico, disse que “vemos os computadores em todo o lado menos nas estatísticas da produtividade”.

A utilização limitada da IA até agora prende-se com o fosso entre as promessas dos criadores e as aplicações verdadeiramente úteis que tem. Em traços gerais, a IA generativa consiste em identificar padrões em bases de dados cada vez mais abrangentes e gerar textos, imagens ou extrapolações a partir desses dados. E isso envolve limitações significativas. Longe de possuírem capacidade de raciocínio próprio, os modelos atuais reproduzem os padrões dos dados com que são treinados. Produzem informações, imagens ou linhas de código com base em todas as informações, imagens e linhas de código que já foram publicadas (por pessoas reais). São o que alguns críticos apelidam de “papagaios estocásticos”.

Mesmo nestas tarefas, ainda está por provar que o recurso à IA facilite o trabalho das pessoas. Os modelos de IA continuam a ser influenciados pelos enviesamentos dos próprios dados que utilizam, o que significa que contribuem para perpetuar ideias comuns, mas não necessariamente corretas, ou para tomar decisões discriminatórias através dos algoritmos. Além disso, os chatbots também podem contribuir para espalhar informações falsas e, de acordo com uma investigação recente, o ritmo a que produzem desinformação tem aumentado. Um estudo de vários meios de comunicação europeus concluiu que os modelos de IA cometem erros em quase metade das vezes quando lhes são perguntadas informações da atualidade, chegando a inventar informação.

É por isso que, entre os economistas que se têm debruçado sobre o tema, não há consenso sobre o possível impacto da IA na economia. Dois dos estudos mais influentes chegam a conclusões diametralmente opostas: o primeiro, realizado por economistas da Goldman Sachs (Joseph Briggs e Devesh Kodnani), estima que a produtividade e o PIB dos EUA possam aumentar 15% com a adoção generalizada da tecnologia; o segundo, de Daron Acemoglu, vencedor do equivalente ao Nobel da Economia no ano passado, aponta para um crescimento de pouco mais de 1% do PIB nos próximos dez anos.

A diferença está nos detalhes: Briggs e Kodnani assumem que a IA pode substituir 25% das atuais tarefas e reduzir custos de forma substancial, ao passo que Acemoglu projeta potencial para automatizar apenas 4,6% das tarefas. Como há demasiada incerteza envolvida, é difícil saber que hipóteses são mais realistas e prever o papel que a IA pode desempenhar no futuro. Apesar disso, há riscos reais no presente que não têm merecido atenção suficiente por cá.

Até quando dura o hype?

Não seria de esperar que a adoção de uma nova tecnologia disruptiva fosse imediata. Todas as inovações radicais levam tempo até serem incorporadas na economia. A tecnologia pode estar disponível, mas enquanto as empresas não descobrirem o que fazer com ela nem adaptarem a produção, os ganhos são limitados. Além disso, se já é difícil fazer previsões sobre a economia em tempos normais – os economistas que o digam –, é ainda mais difícil prever de que forma novas tecnologias podem transformá-la. A grande questão é saber até quando durará o entusiasmo dos mercados se os resultados tardarem em aparecer.

Entre 2024 e 2025, as gigantes tecnológicas investiram mais de 750 mil milhões de dólares em centros de dados e têm planos para gastar mais 3 biliões até ao final da década – mais ou menos o equivalente ao PIB de França. Só no segundo trimestre deste ano, as big five investiram mais de 100 mil milhões de dólares, dando um grande contributo para o crescimento do PIB dos Estados Unidos. Só que não se vislumbram receitas que permitam compensar este investimento: uma análise da S&P Global prevê que a receita total do mercado de IA pode chegar aos 85 mil milhões de dólares em 2029. Mesmo nesse cenário, continuaria muito longe de compensar.

O problema acentua-se pelo facto do crescimento da IA estar assente numa lógica de financiamento circular em torno de empresas-chave como a Nvidia, que fabrica chips, a Oracle, que fornece a capacidade de computação, e a OpenAI, que desenvolve modelos de IA (como o ChatGPT). Recentemente, a Nvidia anunciou um investimento de 100 mil milhões de dólares na OpenAI, que, por sua vez, compra os chips da Nvidia para fornecer os seus centros de dados; no dia seguinte, a OpenAI assinou um acordo com a Oracle (de 300 mil milhões de dólares) para a construção de centros de dados, sendo que a Oracle adquire chips à Nvidia.

Este exemplo pode parecer significativo, mas é apenas a ponta do icebergue: os investimentos cruzados entre a Nvidia, a OpenAI e a CoreWeave (que também fornece capacidade de computação) atingem 1 bilião de dólares, com as empresas a atuarem simultaneamente como investidoras e clientes umas das outras. Como explica a economista Grace Blakeley, “todas reportam aumentos da receita, da cotação na bolsa e dos preços das respetivas ações, mas o dinheiro está essencialmente a mover-se em círculos”.

As comparações com a bolha do dot-com são inevitáveis. Na década de 1990, as empresas emergentes da Internet também atraíram enorme interesse dos investidores e as cotações bolsistas dispararam antes da bolha rebentar em 2000. O investimento moveu-se sobretudo pelas expectativas sobre o futuro, tal como agora, mas não havia ganhos visíveis que o justificassem. Quando os Estados Unidos aumentaram as taxas de juro e os investidores se viraram para opções mais estáveis, a bolha rebentou e muitas empresas faliram.

Se é verdade que a Meta, a Microsoft ou a Amazon parecem estar menos endividadas do que as empresas tecnológicas que alimentaram a bolha dos anos 90, também há outras que estão a acumular enormes dívidas para financiar esta aposta. Há fontes contraditórias sobre o papel dos fundos de investimento e de outras instituições da finança-sombra no financiamento da corrida à IA. A opacidade destes fundos, que estão à margem da regulação bancária, faz com que seja difícil avaliar a exposição dos bancos e perceber se o fim da bolha implicará uma crise relativamente circunscrita (como a do dot-com) ou uma crise sistémica como a de 2008.

E se corre “bem”?

Apesar dos sinais de uma bolha especulativa, há quem argumente que nem tudo é necessariamente um problema. Há vários exemplos ao longo da história de bolhas especulativas que, apesar de terem rebentado, provocando perdas para os investidores e, por vezes, empurrando as economias para crises, deixaram inovações e infraestruturas que se revelaram fundamentais no longo prazo. Na década de 1840, o desenvolvimento da ferrovia também esteve associado a uma bolha que veio a rebentar, mas a rede de caminhos de ferro construída revelou-se um benefício inequívoco. A própria bolha do dot-com deixou como legado os cabos de fibra ótica que hoje suportam vários serviços digitais.

A investigação de economistas como Carlota Perez ou Chris Freeman sugere que, em todas as grandes revoluções tecnológicas do passado, as primeiras décadas são marcadas por turbulência. Perez vê a IA como um novo passo na era das tecnologias de informação e comunicação e compara o atual período de transição a outras ondas do passado – como a da máquina a vapor ou a da eletricidade –, também marcadas por tensões sociais, destruição de empregos e criação de novas atividades.

No entanto, mesmo que a IA consiga impulsionar a produtividade nos próximos anos, é preciso perceber quem ganha com isso. O que a experiência histórica nos ensina é que, por si só, as inovações tecnológicas não significam benefícios para todos. O desenvolvimento da IA surge numa economia cada vez mais desigual, dominada por grandes multinacionais que operam em setores fortemente concentrados e dominam os mercados, enquanto o declínio dos sindicatos e o aumento da precariedade deixaram os trabalhadores numa posição fragilizada. Neste contexto, a tecnologia está a ser usada como forma de pressão sobre os trabalhadores, para que aumentem o ritmo de trabalho, assumam mais tarefas e aceitem a compressão dos salários e a vigilância algorítmica.

Outro fator crítico é o consumo de recursos naturais. Os centros de dados de IA exigem enormes quantidades de energia e água para processamento e arrefecimento. Atualmente, os centros de dados já consomem mais energia do que países inteiros como a Alemanha ou a França e estão a provocar pressão sobre a oferta existente, contribuindo para um aumento significativo dos preços da eletricidade nos EUA. Com a escala dos investimentos realizados e projetados até 2030, estima-se que a procura de energia possa aumentar em 165%. Tendo em conta o atraso na transição energética, esta expansão está a ser alimentada em larga medida por combustíveis fósseis, o que explica porque é que empresas como a Google, a Microsoft ou a Amazon estão a aumentar as emissões de carbono devido aos projetos de IA, contrariando o compromisso com a neutralidade carbónica, bem como a planear investimentos em centrais nucleares.

Os centros de dados têm gerado preocupação entre as populações, não apenas devido à enorme quantidade de energia que requerem, mas também às necessidades de consumo de água. Cada centro de dados chega a consumir quantidades de água equivalentes ao consumo de cidades com 50 mil habitantes, o que coloca uma enorme pressão sobre este recurso. Nos EUA, já se registaram problemas de escassez de água e subidas dos preços em alguns estados. No México, o estado de Querétaro tornou-se um polo estratégico para centros de dados e as empresas têm extraído água subterrânea para arrefecer os servidores, enquanto bairros inteiros enfrentam cortes frequentes no abastecimento doméstico. Para lá das promessas sobre a desmaterialização da economia, os recursos naturais continuam a ser um foco de disputas.

Mudar o chip

Em Portugal, a chegada de centros de dados de grandes empresas de tecnologia tem sido vista como uma oportunidade de modernização económica. O acesso a energia limpa e barata, a localização geográfica e a segurança são fatores que tornam o país atrativo para este tipo de investimentos. Apesar disso, o papel dos centros de dados na economia continua a ser pouco discutido e o tema só ganhou atenção mediática quando o maior investimento planeado – o da construção do centro de dados de Sines, da Start Campus – se viu envolvido numa investigação do Ministério Público que levou à queda do governo anterior.

Tanto o governo anterior como o atual acolheram de forma entusiástica este investimento devido à criação de postos de trabalho e ao potencial da economia digital. No entanto, há alguns motivos para pôr em causa os benefícios anunciados, como alertou Ricardo Paes Mamede. Os benefícios do centro de dados de Sines para a economia portuguesa não são assim tão óbvios, uma vez que os lucros serão repatriados e que os centros dependem essencialmente de equipamento eletrónico que deverá ser importado do estrangeiro. Em relação ao impacto ambiental, o centro de Sines promete usar água do mar, com dessalinização, mas desconhecem-se os contornos de outros projetos anunciados (como o do Fundão ou o de Abrantes). De resto, as grandes empresas já estão a inundar a rede elétrica com pedidos para ligação que, de acordo com um administrador da EDP, representam uma mudança “transformacional face à procura que temos tido historicamente”, colocando uma pressão significativa sobre a energia nacional.

O caso português parece ter semelhanças com o de Aragão, no nordeste de Espanha. A corrida à instalação de centros de dados transformou a região de Aragão num dos epicentros europeus da IA, com a Microsoft e a Amazon a investir milhares de milhões de euros para adquirir terrenos e construir centros. Embora as autoridades celebrem os investimentos e a possibilidade de colocar o país na liderança da transição digital europeia, a comunidade local tem-se mostrado preocupada com a pressão sobre os recursos, numa região onde os verões cada vez mais secos e a escassez de água têm afetado a agricultura. Além da água, os centros poderão vir a necessitar de mais energia do que toda a que é atualmente consumida na região, o que pode revelar-se contraditório com as metas de transição energética.

Em países como a Irlanda ou os Países Baixos, projetos de novos centros de dados foram suspensos ou adiados recentemente, uma vez que, embora possam criar emprego e atrair capital, colocam pressão sobre os recursos e levantam preocupações sobre o impacto ambiental. Os casos de Portugal e Espanha mostram como esta tensão é particularmente visível nas economias semi-periféricas, onde a chegada de multinacionais é muitas vezes apresentada como sinónimo de progresso inevitável. Na ausência de planeamento, o investimento estrangeiro é encarado como um fim em si mesmo. Enquanto os interesses privados das multinacionais que pretendem aceder a terrenos, energia barata e água são claros, o interesse público permanece difuso e pouco debatido.

Os investimentos astronómicos no desenvolvimento da IA são possíveis porque, nos últimos anos, as multinacionais tecnológicas têm acumulado enormes lucros, monopolizado o acesso aos nossos dados pessoais e pago taxas efetivas de imposto bastante inferiores às da maioria das empresas, o que lhes permitiu consolidar o poder que detêm e a capacidade de influenciar comportamentos individuais e coletivos. A verdade é que temos muito pouco controlo sobre os investimentos e, por isso, pouco voto na matéria sobre os objetivos prosseguidos, que tanto podem ser socialmente úteis – substituir tarefas penosas, reduzir o tempo de trabalho ou descobrir novos medicamentos – como ser pouco interessantes ou até nocivos para a sociedade. Sem socializar os ganhos da tecnologia, é tudo menos garantido que se traduzam em melhorias da qualidade de vida. O entusiasmo dos mercados tem enviesado o debate público e ofuscado as principais questões em aberto. É preciso mudar o chip.

Fontes: 

The Economist (aqui e aqui, respetivamente)

Notícias: Washington Post, New York Times, Bloomberg; Fonte do gráfico: Bloomberg

Bloomberg

Christopher Mims

Entrevista

This Tech Founder's $1.3B Company Is Taking On Apple and Samsung

Principais Recursos dos Bilionários

Continuando a minha reflexão sobre os bilionários aqui elenco os principais recursos que os leva a alimentar esta gigante riqueza.

1. Capital financeiro

Uma parte grande da riqueza deles está investida em ações, participações em empresas, títulos, fundos, e outros instrumentos financeiros.

Esse capital financeiro dá-lhes poder para influenciar mercados, fazer aquisições, e multiplicar a riqueza através de investimentos.

2. Participações em empresas (empresas próprias ou holdings)

Muitos bilionários são fundadores ou detêm participações significativas em grandes empresas (tecnologia, indústria, energia, etc.).

Por exemplo, setores como finanças, bebidas e tecnologia são dominantes entre as origens da riqueza bilionária.

Esses ativos empresariais lhes dão controlo direto sobre cadeias produtivas, decisões estratégicas e inovação.

3. Propriedade imobiliária

Muitos bilionários investem em imóveis comerciais, terrenos, edifícios residenciais — uma parte importante do seu portfólio de riqueza é tangível.

A valorização das propriedades também contribui para o crescimento patrimonial.

4. Recursos naturais

Alguns controlam minas, terras agrícolas, reservas de petróleo ou outros recursos naturais, que são ativos físicos estratégicos.

Por exemplo, bilionários no setor energético ou de mineração tiram parte de sua fortuna da extração e gestão desses recursos. (No caso de Rinat Akhmetov, ele tem empresas em mineração e energia.)

5. Capital humano

Embora não seja “dono” de pessoas no sentido absoluto, muitos bilionários controlam grandes empresas que empregam dezenas de milhares de pessoas. Isso lhes dá poder sobre a direção estratégica, mas também sobre talento, inovação e produção.

Além disso, muitas das suas empresas dependem de capacidades técnicas, científicas e de gestão — ou seja, eles investem (e captam) talento.

6.Influência política e institucional

Bilionários muitas vezes têm ligações políticas, institucionais ou contato direto com decisores. Essa influência permite moldar políticas, regulamentos e leis que podem favorecer os seus negócios ou proteger o seu capital.

Também podem usar lobbies para manter vantagens competitivas ou para criar barreiras à entrada de novos concorrentes.

7. Acesso a infraestruturas críticas

Eles podem financiar ou controlar infraestruturas como data centers, redes de telecomunicação, energia, logística, etc. Esse é um recurso estratégico porque dá poder sobre recursos que sustentam a economia moderna.

No campo digital, por exemplo, gigantes tecnológicos (alguns bilionários) controlam plataformas, dados e serviços essenciais — o que lhes dá grande poder sobre a “economia da atenção” e dos dados.

8. Propriedade intelectual

Patentes, direitos de autor, marcas registradas são ativos intangíveis muito valiosos. Bilionários em tecnologia, farmacêutica ou biotecnologia frequentemente detêm patentes que lhes garantem receitas futuras e vantagem competitiva.

9. Redes de capital social

Além do capital formal (dinheiro, ativos), há recurso social: os bilionários geralmente têm redes poderosas de influenciadores, outros bilionários, políticos, investidores. Essas redes são um recurso estratégico porque permitem parcerias, financiamento, influência e acesso privilegiado a oportunidades.

10. Estruturas offshore e otimização fiscal

Muitos usam jurisdições fiscais favoráveis para armazenar parte de sua riqueza, o que lhes permite preservar capital, reduzir impostos e reinvestir de forma eficiente.

Isso também significa que parte da sua riqueza está “fora do radar” direto de muitos sistemas fiscais nacionais.

Fontes: Relatório Oxfam 2024 e Relatório Oxfam 2025

O que a Grokipedia diz sobre Sánchez ou Feijóo? As diferenças entre a nova enciclopédia de Elon Musk e a Wikipédia tradicional

"Diga a verdade, toda a verdade e nada além da verdade." Sob esse lema, o bilionário Elon Musk anunciou o lançamento da Grokipedia , uma nova enciclopédia online gratuita com a qual espera desafiar a Wikipédia, que ele criticou em diversas ocasiões por ser, em sua opinião, excessivamente tendenciosa em relação à ideologia woke e aos princípios progressistas . Lançada esta semana com mais de 800 mil artigos (ainda muito longe dos mais de 7 milhões que a Wikipédia possui em inglês), a intenção de Musk é expandir seu acervo usando seu modelo de Inteligência Artificial (Grok) e, aos poucos, conquistar a adesão dos usuários.

Por ora, as diferenças e nuances ideológicas já são mais do que evidentes em alguns artigos, a começar por aquele que se refere ao próprio Musk. Segundo a Wikipédia, ele "apoia figuras, causas e partidos políticos de extrema-direita em todo o mundo", enquanto para a Grokipedia, ele "influenciou debates mais amplos sobre progresso tecnológico, declínio demográfico e vieses institucionais (...) em meio a críticas da media tradicional, que apresenta uma cobertura consistentemente de esquerda".

Essas inconsistências também são observadas em artigos que fazem referência a Donald Trump, Joe Biden e outras figuras públicas, como George Floyd , cuja morte nas mãos da polícia desencadeou uma onda de protestos antirracistas nos EUA . Sobre Floyd, a Wikipédia inicia seu artigo afirmando que ele "era um homem afro-americano que foi morto por um policial branco em Minneapolis" após ser preso "depois que um funcionário de uma loja suspeitou que Floyd estivesse usando uma nota falsa de 20 dólares". A introdução da Grokipedia é bem diferente: "Ele era um americano com uma longa ficha criminal que incluía condenações por roubo à mão armada, posse de drogas e furto no Texas, de 1997 a 2007".

Existem também diferenças nas definições do movimento feminista Me Too ou simplesmente na palavra "gênero" em referência ao sexo biológico de uma pessoa. De acordo com a Wikipédia, "género é o conjunto de aspectos sociais, psicológicos, culturais e comportamentais de ser homem (ou masculino), mulher (ou feminina) ou um terceiro género", e enfatiza que "embora o género frequentemente corresponda ao sexo biológico, uma pessoa transgénero pode se identificar com um género diferente do sexo que lhe foi atribuído ao nascer". A Grokipedia, por outro lado, afirma que "género se refere à classificação binária dos seres humanos como masculino ou feminino de acordo com seu sexo biológico, definido pelo tipo de gâmetas produzidos e pela anatomia reprodutiva associada". Afirma ainda que "evidências empíricas apoiam o sexo biológico como um binário estrito em humanos, com distúrbios do desenvolvimento sexual (condições intersexuais) afetando aproximadamente 0,018% dos nascimentos e representando anomalias de desenvolvimento, e não terceiros sexos viáveis".

Mas as diferenças entre a Grokipedia e a Wikipédia também são evidentes em artigos que se referem à Espanha , a começar pelo que menciona o primeiro-ministro, Pedro Sánchez. Aqui estão alguns exemplos (comparando a versão em inglês da Wikipédia, já que a Grokipedia está disponível apenas em inglês):

Pedro Sánchez

O artigo da Grokipedia enfatiza, em seus parágrafos iniciais, que sob sua liderança, a Espanha experimentou um "crescimento do PIB superior à média da zona do euro nos últimos anos", mas também cita sua "relutância em cumprir as metas de gastos com defesa da OTAN , o que diferencia a Espanha de seus aliados em termos de compromissos de segurança". Menciona ainda "as recentes investigações de corrupção envolvendo sua esposa" e que ele aceitou uma lei de anistia "para permanecer no poder".

A Wikipédia, por outro lado, não menciona as investigações judiciais sobre o círculo de Sánchez até depois dos primeiros 20 parágrafos e salienta que as acusações contra a sua esposa foram feitas pelos Manos Limpias, "um sindicato de extrema-direita".

Alberto Núñez Feijóo

No caso de Alberto Núñez Feijóo, a Wikipédia menciona, em seus parágrafos iniciais, a infame foto dele com o narcotraficante Marcial Dorado , "amplificada por adversários políticos durante a campanha de 2023", e indica posteriormente que o líder do PP "negou qualquer irregularidade, afirmando que os contatos foram casuais e anteriores à sua presidência, e que não havia acusações legais contra ele". A Wikipédia, que dedica cinco parágrafos a essa fotografia em sua versão em espanhol, mal a menciona em inglês, afirmando apenas que "em 2013, membros da oposição pediram sua renúncia após a publicação de fotografias de meados da década de 1990 nas quais ele aparecia com Marcial Dorado, que mais tarde foi condenado por narcotráfico".

Santiago Abascal

A Wikipédia o define como "um político espanhol que é presidente do Vox, um partido político de extrema-direita, desde 2014", enquanto a Grokipedia não menciona o Vox e afirma que ele o fundou "para defender a unidade constitucional espanhola, o controle rigoroso da imigração ilegal, a defesa das estruturas familiares tradicionais e o liberalismo econômico", além de mencionar que ele recebeu "duras críticas da grande mídia e de instituições de esquerda".

Arnaldo Otegi

"Na sua juventude, foi membro da ETA, uma organização armada separatista, e foi condenado. Participou ativamente nas negociações de paz malsucedidas em Loyola e Genebra em 2006, bem como nas negociações subsequentes que culminaram no cessar-fogo definitivo da ETA em 2011 e no seu desarmamento completo em 2017", afirma a Wikipédia no seu primeiro parágrafo. No entanto, as ligações do líder do EH Bildu à ETA são detalhadas muito mais extensivamente na Wikipédia: "Ele é um político separatista basco e antigo membro da ETA , o grupo armado nacionalista basco responsável por mais de 800 mortes na sua campanha pela independência de Espanha. Juntou-se à ETA na adolescência, durante a transição espanhola para a democracia na década de 1970, participou nas suas operações de comando e fugiu para França em 1977 para evitar a prisão, antes de ser encarcerado pelo seu envolvimento num rapto."

Franco

Ambas as enciclopédias online definem Franco como um ditador, embora a Grokipedia afirme que sua liderança "pôs fim à instabilidade política e à violência revolucionária da Segunda República Espanhola , que testemunhou greves generalizadas, incêndios de igrejas e assassinatos cometidos por milícias de esquerda".

Ler mais: 

A Grokipedia tem menos de uma semana e já está gerando controvérsia: é racista, transfóbica e adora Elon Musk.

Chaves para atrair os nossos jovens talentos, mantê-los no nosso País e outros a regressar Portugal

Portugal precisa acreditar mais no potencial empreendedor dos jovens. A falta de espírito empreendedor mata a inovação, a geração de empregos, a capacidade enriquecimento da população como um todo. Enfim, a solução não está no Estado, mas nas pessoas.

O empresário tem que trabalhar para tornar a sua empresa num ambiente amigável, motivador e positivo para todos os seus empregados. E tenha em mente as chaves que atraem e satisfazem especialmente a Geração Z e Millennials. Reuni o plano de ação em dez áreas muito práticas.

1. Assegurar horários de trabalho flexíveis

Os jovens de hoje não compartimentam as suas vidas, eles vivem-nas como um todo. É por isso que os horários fixos os estão a restringir e a repelir. Têm de se sentir no controlo do seu tempo e definir o seu dia de trabalho de acordo com as suas necessidades e circunstâncias pessoais. Isto permite-lhes conciliar o trabalho com a sua vida privada, satisfazer o seu desejo de outras experiências fora do trabalho e sentir-se muito mais felizes no dia-a-dia. Como resultado, a sua motivação e empenho são melhorados. Sempre que possível, não tente restringir as suas almas livres ou deixarão de ser criativos, produtivos e envolvidos.

2. Apostar no teletrabalho

O tempo é mais do que dinheiro para eles. Consideram-no o seu bem mais precioso. Eles não estão dispostos a perdê-lo ou desperdiçá-lo. Também o sabe, a deslocação pendular – especialmente em algumas grandes cidades – é um ladrão de tempo e experiência. É por isso que preferem evitá-los e trabalhar a partir de casa sempre que possível. Acolhem bem as fórmulas híbridas, mas não estão dispostos a abdicar desses momentos únicos por uma mera rotina. Portanto, o teletrabalho é um bem inquestionável para eles. Preferem ir fisicamente à empresa apenas em caso de necessidade. A sua empresa está preparada para satisfazer esta procura fundamental para atrair jovens talentos?

3. Oferecer numerosas oportunidades pessoais

Eles querem crescer, desenvolver-se e evoluir, e estão conscientes disso diariamente. Assim, a sua organização deve tornar-se uma fonte permanente de novas possibilidades de crescimento e desenvolvimento. É um fator de diferenciação fundamental quando escolhem uma empresa em detrimento de outra. O conformismo é alheio à sua natureza. Eles querem melhorar como profissionais enquanto fazem o seu trabalho.

4. Pagar uma remuneração justa e necessária

Todos nós trabalhamos para ganhar dinheiro. No entanto, a vida dos jovens de hoje não gira apenas em torno do trabalho. Trata-se de uma mudança de atitude muito clara e inegável. É por isso que não estão satisfeitos com um salário que lhes permita satisfazer as suas necessidades básicas. Eles também querem viajar, divertir-se, conhecer pessoas interessantes, socializar e ser felizes. Não é surpreendente, portanto, o facto de termos mencionado alguns parágrafos atrás: a maioria deles está a planear mudar de emprego dentro de dois anos. E a melhoria do seu salário é uma das principais razões.

5. Praticar a remuneração emocional

No entanto, a secção anterior não é apenas económica. Estes profissionais também valorizam muito outros complementos não monetários para a sua remuneração. Por exemplo, são estimulados por seguros médicos, descontos em ginásios, lojas ou infantários, viagens gratuitas…

6. Ser uma referência para a inclusão, diversidade e tolerância

Se não partilharem a essência da empresa, desistirão dela. Aspetos como a tolerância, diversidade e inclusão são pilares da sua existência e da sua forma de pensar. Não toleram a desigualdade e a injustiça, e não perdoam aos seus empregadores por isso. Exigem que todas as pessoas tenham igualdade de oportunidades na sua empresa. Independentemente da sua origem, etnia, sexo, idade e preferência sexual.

7. Proporcionar formação inovadora e personalizada

Lembre-se desta ideia: eles querem melhorar, desenvolver-se e crescer como um todo. Eles precisam de aprender coisas novas. Se eles sentirem que isto não está a acontecer, os jovens abandonarão a empresa. Por isso, implementar uma estratégia global para estimular e reforçar o talento. A formação mais recente tem de ser uma parte regular do seu trabalho. Deve ser adaptado às características específicas de cada empregado.

8. Gerar contactos e networking

De volta à órbita do desenvolvimento profissional, todos nós sabemos que a nossa rede de contactos é essencial. Os jovens também estão cientes disto. Encontrar pessoas importantes, esfregar ombros com referências sectoriais, ter líderes estimulantes e aproveitar as sinergias derivadas é muito estimulante e atrativo para estes profissionais. Não hesite em encorajar este clima de inter-relação e facilitar estes contactos.

9. Criar e consolidar um ambiente de trabalho positivo

Os jovens de hoje são sociais, solidários e de espírito aberto por natureza. E, não se esqueçam, são experienciais e hedonistas. Se não se sentirem à vontade com o ambiente e a relação com os colegas, despedir-se-ão do trabalho. Deve fomentar uma cultura de empresa baseada na colaboração, comunicação, tratamento impecável e um bom ambiente. A interfuncionalidade, a escuta empática e a preocupação sincera com as pessoas são valores essenciais para recrutar este talento e mantê-los à vontade.

10. Recrutar os melhores

O recrutamento de jovens talentos alimenta-se a si próprio. Se contratar trabalhadores brilhantes – zetas ou milenares – e os fizer sentir-se bem, eles atrairão os seus pares. Há muitas empresas com um espírito jovem, atual, renovado, empenhado e motivador para este segmento da força de trabalho. Todos eles têm uma equipa humana que é uma referência, facilitadora e admirável para os jovens de hoje.

É o primeiro passo: recrutar os melhores. Então a sua organização deve acolhê-los, acompanhá-los, motivá-los, estimulá-los e encorajá-los a atuar no seu melhor. Quando se trata de jovens talentos, a questão é ainda mais exigente. Porque este sector da população é muito mais fiel às suas expectativas, critérios e desejos do que os seus anciãos. Se quiser continuar a beneficiar deles, tem de os fazer sentir realizados, reconhecidos e altamente valorizados. Além disso, é preciso contribuir para os tornar mais felizes.