Uma startup captou US$ 30 milhões para ensinar robôs a lavar louça, fazer smoothies e lavar carros — filmando pessoas no trabalho. 🤖🧵 A pergunta é: os dados do cotidiano serão a próxima infraestrutura bilionária da IA física?

Imagem indisponível

A Maxinsights diz ter acumulado mais de 2 milhões de horas de filmagens em residências, restaurantes e hotéis. Mais de 5.000 prestadores, em seis países, usam câmeras no corpo e luvas com sensores. Quem imaginava que colocar pratos na lava-louças viraria ativo de IA?

O dinheiro explica a pressa: investidores aplicaram US$ 47,4 bilhões em IA física no 1º semestre de 2026, quase 4 vezes o volume do semestre anterior. Mas de que adianta financiar hardware avançado se faltam dados para fazê-lo funcionar no mundo real?

Imagem indisponível

A tese é direta: modelos de linguagem aprenderam com décadas de textos na internet; robôs não têm um “arquivo” equivalente de mãos, objetos, erros e improvisos cotidianos. Só que filmar trabalho real resolve a lacuna técnica sem criar uma nova lacuna de direitos?

Segundo a empresa, 1,5 milhão de horas já estão prontas para modelagem e mais de 30 clientes usam a base. A Maxinsights afirma ter fornecido 200 mil horas para o GENE-26.5, da Genesis AI, e ser grande fornecedora do Dyna-2. Dados viraram vantagem competitiva?

Imagem indisponível

A automação pode reduzir tarefas repetitivas e ampliar produtividade. Mas quais ocupações serão transformadas primeiro? Trabalhadores que geram os dados terão consentimento claro, remuneração justa e proteção de imagem — ou só receberão o impacto quando os robôs chegarem?

O ponto decisivo talvez não seja se robôs aprenderão tarefas humanas, mas sob quais regras. Se a experiência de milhões de pessoas treina máquinas valiosas, transparência, governança de dados e divisão dos ganhos não deveriam fazer parte do modelo de negócio?

Imagem indisponível