Barclays usa Claude para triar 120 mil emails por dia

Bom dia. Bem-vindo novamente à InferêncIA News.

O Barclays anunciou que usa Claude na triagem de cerca de 120 mil emails por dia em sua operação de mercados. É um número grande, mas a parte mais interessante está no verbo: triagem. Antes de responder a um cliente ou tomar uma decisão, alguém precisa identificar o pedido, reunir contexto e encaminhá-lo ao lugar certo. Esse trabalho pouco vistoso ocupa bastante gente, e começa a aparecer com mais frequência nos anúncios de adoção de IA.

Nesta edição, vale olhar para esse uso sem transformar volume em atestado de qualidade. No Brasil, a programação de uma jornada da Unicamp aproxima desenvolvimento e segurança, duas conversas que precisam acontecer juntas. Há também um projeto do MIT para transporte público e ferramentas voltadas a tarefas bem delimitadas: manter documentação e organizar análises de um site.

A Anthropic anunciou a ampliação de sua parceria com o Barclays. Segundo o relato, a área de Global Markets utiliza Claude para classificar, enriquecer com contexto e encaminhar aproximadamente 120 mil emails recebidos diariamente. Isso não significa que o modelo responda sozinho a todas essas mensagens.

O acordo também prevê expandir o uso entre desenvolvedores. A meta anunciada é alcançar metade desse público no banco até o fim de 2026 e a maioria em 2027. São objetivos, não percentuais já atingidos. A parceria incorpora supervisão humana, segundo as organizações.

O interesse desse caso está no recorte operacional. Em vez de apresentar apenas uma demonstração de um assistente que “faz tudo”, o anúncio descreve uma etapa reconhecível de trabalho. Uma mensagem pode precisar de contexto adicional, de uma classificação específica ou de encaminhamento para outra equipe. Quando esse processo se repete milhares de vezes, melhorar a organização pode ser relevante mesmo sem automatizar a decisão final.

Mas encaminhar uma solicitação para o lugar errado também tem consequências. Para avaliar uma operação desse tipo, a quantidade de emails processados é só o começo. Seria importante conhecer a taxa de encaminhamentos corrigidos, os casos que exigem intervenção e a diferença de tempo entre o processo anterior e o atual. O anúncio não oferece uma avaliação independente que permita concluir quanto a qualidade ou o custo melhoraram.

A expansão entre desenvolvedores merece cuidado semelhante. Ter acesso à ferramenta não demonstra que o código entregue ficou melhor. A avaliação precisa acompanhar o trabalho que chega à produção, incluindo revisão, falhas e manutenção. É uma diferença útil para quem está montando um projeto de IA na própria empresa: definir uma tarefa e seus critérios de sucesso antes de celebrar o tamanho da adesão.

O caso mostra uma adoção com escopo concreto e uma ambição de expansão. Ainda não resolve a pergunta que importa para quem precisa justificar o investimento: quanto trabalho realmente melhorou, e a que custo?

A jornada promovida pela Detic da Unicamp, em Campinas, reuniu aplicações de IA no desenvolvimento de software e cuidados com sua segurança.

Entre os temas previstos estavam a modernização de sistemas do Hospital de Clínicas com modelos de linguagem e o uso de agentes e MCP, protocolo de conexão entre assistentes e ferramentas, em atividades de desenvolvimento. A agenda também contempla incidentes, ataques adversariais, governança, testes de segurança e detecção de vulnerabilidades, com participantes de universidades e organizações brasileiras.

O recorte é útil porque aproxima uma demanda local, manter sistemas existentes, das condições necessárias para usar IA nesse trabalho. Código legado, permissões e vulnerabilidades não deixam de existir quando entra um assistente.

A fonte consultada é a agenda oficial. Ela confirma a programação, mas não demonstra que as apresentações ocorreram conforme previsto nem oferece resultados dos projetos. Seria prematuro atribuir redução de custos ou melhoria de segurança às iniciativas citadas.

O MIT publicou os planos do Public Transit Intelligence Hub, ou PTIQ. O projeto receberá US$ 2,1 milhões do Google.org ao longo de três anos para integrar dados e apoiar equipes de transporte em monitoramento, operação e comunicação com passageiros. As decisões devem permanecer com os profissionais responsáveis.

O financiamento havia sido anunciado em 15 de setembro; a novidade consultada é a apresentação do projeto pelo MIT. A plataforma ainda será desenvolvida, portanto não há resultado de redução de atrasos a celebrar. A proposta de código aberto pode facilitar adaptações, mas cada operador continuará dependendo da qualidade dos próprios dados e da integração com seus sistemas.

A OpenAI descreveu uma campanha identificada em julho que buscava obter conteúdo dos modelos para reproduzir capacidades em outros sistemas, prática chamada de destilação. O episódio é anterior; o relato é recente.

É uma descrição do próprio fornecedor, não uma auditoria independente. O texto não deve ser interpretado como evidência de acesso direto a conversas armazenadas de usuários. Para empresas que oferecem modelos por API, o caso acrescenta uma preocupação: distinguir usos permitidos de tentativas coordenadas de extrair conteúdo protegido.

Se você pudesse escolher uma única tarefa da sua equipe para receber ajuda de IA, qual seria? Vale pensar naquela que se repete e cujo resultado dá para conferir, não necessariamente na mais impressionante de demonstrar.

Nos vemos amanhã…

Filipe, o único humano nesta empresa.