FireDAC na Prática: conheça meu livro sobre acesso a dados com Delphi

Um problema de desenvolvimento raramente termina na primeira conversa. Um cliente envia outro detalhe, uma dependência muda ou o teste revela uma condição diferente da prevista. A tarefa passa a incluir não apenas produzir uma resposta, mas acompanhar o que falta, reunir novas informações e reconhecer quando uma decisão precisa voltar ao responsável.

É nesse espaço que entra o Dot da OpenAI. A novidade interessa menos pela aparência personalizável e mais pela proposta de continuidade: atribuir uma responsabilidade à IA e acompanhar sua evolução entre conversas. Isso pode ajudar no desenvolvimento e nas rotinas profissionais, desde que continuidade não seja confundida com autorização irrestrita.

Neste artigo, explico o conceito, sua relação com o Codex, onde o trabalho acontece e como formular uma primeira delegação. Os exemplos são propostas didáticas, não relatos de uma implantação testada. Disponibilidade e comportamento foram conferidos na documentação em 5 de outubro de 2026 e podem mudar.

Uma empresa pode chegar a janeiro de 2027 com o emissor fiscal atualizado e, ainda assim, perder a oportunidade de demonstrar corretamente um crédito ligado ao estoque. O problema não está apenas no cálculo. Está na falta de ligação entre a mercadoria que permanece no depósito, sua aquisição, o tratamento tributário anterior e a regra que permite o aproveitamento.

A Contribuição sobre Bens e Serviços (CBS) substitui as contribuições PIS/Pasep e Cofins na transição federal. Essa mudança não transforma automaticamente todo produto armazenado em crédito. O estoque precisa ser examinado por natureza, origem e situação tributária. Este artigo explica a regra legal e propõe uma preparação conjunta entre contador, empresa e desenvolvedor do sistema de gestão empresarial, chamado ERP.

A análise considera as fontes consultadas em 5 de outubro de 2026. Para o panorama dos documentos e obrigações, consulte o guia da reforma tributária em 2027. Aqui, o foco é o inventário: como produzir evidência antes de aplicar um percentual.

Escolher um modelo de inteligência artificial para programar parece simples até aparecer a conta — ou até o modelo mais barato errar uma alteração delicada. O nome mais novo nem sempre é o melhor para toda tarefa, assim como o maior preço por token não garante o menor custo por solução concluída. E há uma confusão comum: assinatura do ChatGPT ou do Codex não é a mesma coisa que cobrança pela API.

Neste guia, comparo os modelos gerais que a OpenAI apresenta como opções atuais de referência — GPT-6 Astra, GPT-6.1 Sol e GPT-6 Luna — pela perspectiva de quem escreve, revisa, explica e automatiza software. Também explico o que fazer com o GPT-5.3-Codex, que aparece em conversas e artigos recentes, mas foi descontinuado. Os preços são os publicados para a API em 2 de outubro de 2026; confira a página oficial antes de adotar um orçamento, pois modelos e tarifas mudam.

Escolher o modelo é apenas uma parte do trabalho. Para estudar como contexto, dados, ferramentas, permissões, avaliação e custos se combinam em uma solução operável, conheça IA Além da Conversa e leia a degustação gratuita na página do livro. Se o desafio é orientar as alterações de código com requisitos e critérios de aceite, SDD em Delphi oferece um percurso complementar. Essas leituras aprofundam o método, não indicam um fornecedor vencedor.

A virada para 2027 não será uma simples troca de siglas no sistema fiscal. Empresas precisarão conviver com tributos antigos e novos, revisar cadastros e preços, adaptar documentos eletrônicos e conferir uma apuração cada vez mais dependente da qualidade das informações transmitidas. Para quem desenvolve um sistema de gestão empresarial (ERP) ou orienta uma carteira contábil, o problema começa quando essas mudanças são resumidas a uma frase: “em janeiro muda tudo”.

Não muda tudo ao mesmo tempo, nem da mesma maneira para todos. Algumas obrigações começaram em 2026; outras têm marco em janeiro de 2027; determinadas regras de validação entram depois. Uma nota técnica publicada também não significa que todos os seus campos sejam imediatamente obrigatórios em produção.

Este guia organiza a transição nacional e aprofunda cinco documentos: Nota Fiscal Eletrônica (NF-e), Nota Fiscal de Consumidor Eletrônica (NFC-e), Conhecimento de Transporte Eletrônico (CT-e), Conhecimento de Transporte Eletrônico para Outros Serviços (CT-e OS) e Nota Fiscal de Serviços Eletrônica (NFS-e). O objetivo é permitir que contador, empresa e desenvolvedor localizem a obrigação e a transformem em trabalho verificável.

Data de corte: 5 de outubro de 2026. Datas futuras abaixo são marcos documentados nessa data, não confirmação de implantação real. Regras locais, regimes setoriais e novos atos podem exigir complementação. Este é um guia nacional de consulta, não uma promessa de esgotar todas as situações tributárias possíveis.

A entrada da inteligência artificial na rotina de trabalho criou uma possibilidade concreta para líderes: gastar menos energia na organização inicial de informações e mais energia naquilo que exige presença, critério e responsabilidade. O problema começa quando essa possibilidade é confundida com autorização para transferir decisões à ferramenta.

Uma resposta bem redigida, uma lista de prioridades aparentemente coerente ou um resumo de reunião não são, por si só, bons julgamentos. São materiais de trabalho. Podem acelerar uma análise, revelar lacunas e oferecer opções. Ainda assim, não conhecem por completo a história da equipe, os compromissos assumidos, as relações de confiança, os riscos de uma escolha nem os efeitos que uma mensagem terá sobre pessoas específicas.

Usar IA com maturidade na liderança depende menos de descobrir o comando perfeito e mais de estabelecer fronteiras claras: o que a tecnologia pode preparar, o que o líder precisa verificar e aquilo que continua indelegável. Essa distinção protege a qualidade das decisões e evita que a eficiência operacional seja conquistada à custa de responsabilidade humana.

Conheça o livro e leia uma degustação: acesse a página oficial de Liderança Ampliada.

Durante os últimos anos, inteligência artificial aplicada a software tornou-se quase sinônimo de grandes modelos de linguagem, os LLMs. Quando um sistema precisa classificar uma solicitação, escolher uma ferramenta ou avaliar um texto, tornou-se comum enviar um prompt a um modelo generativo e pedir uma resposta em JSON. Essa solução funciona, mas levanta uma pergunta importante: se o programa precisa somente de uma decisão, por que utilizar um mecanismo projetado principalmente para gerar linguagem?

O Jev, apresentado pela TypeSafe AI em setembro de 2026, parte dessa pergunta. Em vez de escrever uma explicação, ele recebe informações sobre um caso e responde a perguntas delimitadas com valores tipados e probabilidades. A proposta chama atenção pelo custo e pela velocidade divulgados, mas o aspecto mais interessante é arquitetural: o modelo não recebe autoridade sobre o fluxo; ele fornece julgamentos que o código pode combinar, limitar e encaminhar para revisão.

Neste artigo, explicarei o paradigma que sustenta o Jev, suas três primitivas, uma integração prática e os critérios para escolher entre Jev, LLM, regras determinísticas e classificadores tradicionais. Também examinarei limitações e pesquisas iniciais, porque saída estruturada, confiança e baixo custo não tornam uma decisão automaticamente correta.

A escolha entre uma decisão tipada e uma resposta gerada só faz sentido dentro do processo que utilizará o resultado. IA Além da Conversa aprofunda a arquitetura ao redor dos modelos: contexto, ferramentas, permissões, avaliação e operação. Conheça a proposta e leia a degustação gratuita para avaliar como definir essas fronteiras no seu projeto. Para registrar comportamentos esperados, exceções e critérios de aceite em uma implementação Delphi, SDD em Delphi oferece um percurso complementar. São conexões de método, não uma afirmação de que os livros ensinam especificamente o Jev.