Financiamento da Ambi AI coloca US$ 26 milhões em um assistente que está sempre ouvindo

O financiamento da Ambi AI deu à Mistlabs US$ 26 milhões para criar um assistente que escuta ao longo do dia, lembra do contexto e age antes que os usuários peçam. A empresa afirma que seu software consegue acompanhar conversas entre dispositivos Apple e apresentar informações úteis enquanto os acontecimentos ainda se desenrolam. Essa promessa cria um conflito imediato: uma assistência melhor exige acesso mais profundo à vida privada.

O ex-executivo da Plaud, Peter Mo, lidera a Mistlabs como cofundador e CEO. Sua nova empresa está indo além dos resumos de reuniões em direção à inteligência ambiente, ou seja, softwares que interpretam continuamente o ambiente ao redor. Os primeiros aplicativos Ambi oferecem suporte a iPhones, Macs e Apple Watches.

A aposta maior não é simplesmente que as pessoas precisem de mais um anotador com IA. A Mistlabs acredita que um assistente se torna mais útil quando conhece as conversas, a agenda, os documentos, os relacionamentos e o trabalho recorrente de uma pessoa. Plaud, Apple, Granola, Otter e vários fabricantes de dispositivos vestíveis estão explorando partes desse mesmo território.

A questão é se a Ambi consegue transformar contexto contínuo em ajuda no momento certo sem fazer com que todos ao redor se sintam monitorados. Essa tensão determinará se o produto se tornará uma camada útil de trabalho ou mais um experimento ambicioso de dispositivo vestível com IA.

O financiamento da Ambi AI apoia software e um novo dispositivo vestível

Os US$ 26 milhões importam porque a Mistlabs está financiando tanto um produto de software já disponível quanto uma expansão mais arriscada em hardware.

A Mistlabs anunciou o financiamento em 12 de outubro de 2026. Segundo a reportagem inicial sobre o financiamento da Ambi AI, a empresa levantou o dinheiro em várias rodadas. A Luminous Ventures e a fabricante original de design Huaqin lideraram o investimento.

A empresa descreve o financiamento mais recente como uma rodada Pré-A. Ela planeja usar parte do capital para desenvolver um dispositivo vestível independente com microfones, uma câmera, um alto-falante e uma tela. Esse dispositivo daria à Ambi maneiras adicionais de observar o ambiente de um usuário e apresentar informações.

A Ambi está começando com hardware Apple existente, em vez de esperar por esse dispositivo. Seus aplicativos chegarão ao iPhone, Apple Watch, Mac e MacBook. Segundo o anúncio de lançamento da empresa, o software oferece suporte a dispositivos com iOS 18.

Essa sequência reduz uma parte do risco da startup. A Mistlabs pode estudar como as pessoas usam assistência ambiente antes de fabricar e distribuir hardware dedicado. Também pode determinar se a memória entre dispositivos cria valor suficiente para justificar mais um objeto no corpo do usuário.

Os aplicativos existentes podem funcionar como anotadores de reuniões, mas o modo opcional Listening da Ambi reúne contexto além de chamadas agendadas. O modo Recording salva explicitamente o áudio para uso posterior. Já o modo Listening oferece suporte à transcrição ao vivo e a contexto contínuo enquanto o recurso está ativo.

A Ambi então aplica esse contexto ao que a empresa chama de Routines. Uma Routine atribui trabalho recorrente a vários agentes de IA, que são processos de software projetados para lidar com tarefas específicas. A Mistlabs afirma que esses agentes podem pesquisar concorrentes, verificar alegações, organizar informações e preparar materiais de acompanhamento.

Considere um gerente de produto discutindo concorrentes durante uma reunião. A Ambi poderia transcrever a discussão enquanto agentes separados comparam produtos e verificam informações públicas. Antes do fim da reunião, o sistema poderia preparar um rascunho de proposta no Mac do usuário.

Esse exemplo continua sendo um cenário apresentado pela empresa, não um resultado medido de forma independente. Ainda assim, ele mostra o que a Mistlabs quer que investidores e usuários entendam. O produto deve transformar contexto capturado em trabalho enquanto a conversa está acontecendo.

Assistentes tradicionais de reuniões geralmente produzem transcrições, resumos e itens de ação após uma chamada. A Ambi quer encurtar a distância entre ouvir informações e agir sobre elas. O dispositivo vestível planejado estende essa abordagem a contextos em que um laptop está ausente ou é inconveniente.

A Mistlabs afirma que a Ambi também pode continuar o trabalho após uma reunião. Ela pode detectar um fato ausente, reconhecer um novo desenvolvimento ou lembrar o usuário de que um projeto precisa de atenção. A memória permite que a mesma tarefa transite entre um Mac, telefone e relógio.

A empresa tem mais de 50 funcionários em San Francisco, Pequim, Xangai e Shenzhen. Está contratando profissionais de go-to-market e engenheiros que possam trabalhar em modelos de reconhecimento de fala. Essa presença geográfica dá à Mistlabs acesso a conhecimento especializado em software e hardware, mas também torna uma governança de dados transparente especialmente importante.

Por que a IA ambiente está indo além das anotações de reuniões

A Ambi chega enquanto empresas de IA competem para controlar o contexto que chatbots comuns nunca veem.

Um chatbot geralmente conhece o que um usuário digita em uma conversa e qualquer coisa anexada deliberadamente a ela. Isso basta para responder perguntas, redigir textos ou analisar um documento. É menos útil para antecipar o que alguém precisa durante um dia de trabalho em transformação.

Sistemas ambientes tentam fechar essa lacuna. Eles coletam sinais de conversas, agendas, mensagens, telas, arquivos e serviços conectados. Um modelo pode então relacionar uma discussão atual a uma decisão anterior ou a uma tarefa inacabada.

Essa abordagem transforma o contexto no ativo central do produto. Modelos melhores continuam importantes, mas muitos desenvolvedores de assistentes podem acessar modelos fundamentais semelhantes. A distinção mais difícil é se um produto conhece o histórico do usuário e consegue recuperar o detalhe certo no momento certo.

Mo explorou essa ideia enquanto trabalhava na Plaud. Em sua anterior filosofia sobre contexto, ele argumentou que modelos de linguagem precisam de contexto abundante e sinais claros de intenção humana. Ele também rejeitou a gravação indiscriminada 24 horas por dia, pois inferir intenção após a captura pode produzir resultados piores.

A Ambi se aproxima mais da consciência contínua, ao mesmo tempo em que mantém um controle explícito para o Listening. Isso cria uma mudança relevante de ênfase. O assistente foi projetado para perceber situações sem exigir uma nova sessão de gravação para cada conversa.

O momento também reflete um movimento mais amplo na IA de consumo. Smartphones, relógios, computadores e dispositivos vestíveis dedicados dão suporte cada vez maior à transcrição ao vivo e à memória persistente. A Apple adicionou recursos de inteligência de áudio à sua plataforma de relógios, enquanto startups continuam experimentando pingentes e assistentes de desktop atentos à tela.

Cada produto busca um limite viável. Pouco contexto deixa o assistente genérico e reativo. Captura excessiva gera ansiedade, exposição legal, custos de processamento e grandes repositórios de informações sensíveis.

O design entre dispositivos da Ambi tenta tornar o contexto portátil. Uma tarefa poderia começar durante uma conversa capturada por um relógio, continuar em um telefone e aparecer depois em um Mac. O usuário não precisaria reconstruir a situação para cada dispositivo.

É também por isso que sistemas pessoais de conhecimento se tornaram importantes. Um segundo cérebro útil faz mais do que acumular arquivos. Ele precisa conectar o trabalho atual a conversas, decisões e materiais de origem anteriores sem sobrecarregar o usuário.

A Ambi adiciona uma camada proativa a esse conceito. Em vez de esperar por uma busca, ela tenta decidir quando o conhecimento armazenado é relevante. Essa decisão é tecnicamente mais difícil e socialmente mais arriscada do que produzir uma transcrição.

Um assistente que interrompe com frequência demais se torna ruído. Um que espera tempo demais oferece pouca melhoria em relação à busca comum. Seu valor depende de relevância, timing e uma compreensão precisa dos objetivos do usuário.

A Mistlabs também imagina comunicação entre agentes Ambi independentes. Em uma reunião futura, o agente de cada participante poderia representar as prioridades dessa pessoa. Os agentes poderiam identificar pontos em comum, sinalizar divergências e sugerir resultados aceitáveis.

A empresa afirma que essas interações operariam dentro de permissões concedidas pelos usuários. No entanto, a negociação entre agentes está prevista para os próximos meses, portanto seu comportamento ainda não foi estabelecido por meio de uso público amplo.

Se o conceito funcionar, as reuniões poderão ganhar uma segunda camada computacional. As pessoas conduziriam a conversa visível enquanto seus assistentes comparam contexto privado e avaliam possíveis compromissos. Esse arranjo exigiria controles claros sobre o que cada agente pode revelar.

A ideia também levanta questões básicas de autoridade. Uma sugestão é diferente de uma decisão, e uma conta conectada não autoriza automaticamente uma ação externa. A Ambi precisará manter esse limite claro à medida que passar de apresentar informações para agir pelos usuários.

Ambi vs Plaud é, na verdade, IA proativa versus captura deliberada

A distinção mais importante entre Ambi e Plaud não é software contra hardware, mas contexto inferido contra gravação intencional.

A Plaud construiu sua identidade em torno de dispositivos dedicados de gravação e inteligência de conversas. Uma pessoa ativa um gravador, captura uma reunião e recebe uma transcrição ou resumo após o processamento. A ação física fornece um forte sinal de que a conversa importa.

A Ambi quer reduzir esse atraso. Mo disse ao TechCrunch que a inteligência frequentemente permanece presa em uma tela ou só chega após gravação, transferência, upload e processamento. A Mistlabs está projetando seu sistema para fornecer orientação enquanto um evento ainda está acontecendo.

Isso torna a Ambi mais proativa, mas também remove parte da fricção útil. Pressionar um botão de gravação comunica intenção ao produto e, muitas vezes, ao usuário. A escuta persistente pede que o software determine quais momentos merecem atenção.

A diferença fica visível em uma reunião. Um anotador convencional cria um registro e identifica itens de ação depois. A Ambi afirma que pode verificar fatos, recuperar conhecimento anterior e reunir material antes de os participantes saírem da sala.

Suas capacidades planejadas para desktop acrescentam outra fonte de contexto. A Mistlabs afirma que o aplicativo de desktop observará a atividade de trabalho e salvará elementos importantes na memória. Isso colocaria a Ambi mais próxima de assistentes atentos à tela, como Littlebird e Minimi.

Uma janela de contexto mais ampla pode melhorar a continuidade. O assistente pode conectar um compromisso verbal a uma alteração em uma planilha ou a um e-mail anterior. Também pode interpretar mal um pensamento inacabado e preservar uma inferência imprecisa.

A própria documentação de privacidade da Ambi reconhece que sua memória pode ser incompleta ou incorreta. A memória pode conter preferências, contexto recorrente, fatos pessoais, histórico de relacionamentos e informações sobre outras pessoas. Os usuários podem solicitar correção ou exclusão quando necessário.

Essa admissão importa porque sistemas proativos agem com base em sua interpretação dos acontecimentos. Um resumo falho de reunião é inconveniente. Uma memória falha usada para recomendar uma ação pode influenciar decisões futuras sem tornar o erro original evidente.

A Mistlabs também precisa provar que a assistência em tempo real melhora o trabalho, em vez de fragmentar a atenção. A checagem de fatos ao vivo parece útil durante uma análise de concorrentes. Sugestões constantes durante uma negociação sensível podem distrair participantes ou levá-los a se ancorar em resultados incertos do modelo.

Os casos de uso mais fortes provavelmente terão limites identificáveis. Preparação para vendas, pesquisa de produtos, acompanhamentos de rotina e acompanhamento de projetos contêm necessidades recorrentes de informação. Os usuários conseguem avaliar se um alerta está ligado a um objetivo definido.

Casos de uso mais fracos pedirão que a Ambi interprete situações sociais ambíguas. Tom, sarcasmo, confidencialidade e brainstorming informal são difíceis de avaliar de forma confiável até mesmo para as pessoas. Um sistema de IA que opera com contexto parcial enfrenta uma incerteza ainda maior.

A continuidade entre dispositivos também depende de integrações. A política da Ambi cita possíveis conexões com Google Calendar, Gmail, Google Drive, Google Docs, Google Sheets, Slack e Lark. Cada conector acrescenta contexto útil e mais uma superfície de permissões.

A empresa afirma que os usuários controlam essas permissões e podem revogar o acesso dos conectores. A desconexão interrompe acessos futuros, mas informações importadas anteriormente seguem regras de retenção separadas. Compradores empresariais vão querer respostas exatas sobre exclusão, registros de acesso e controles administrativos.

Ambi vs Plaud representa, portanto, duas formas de criar assistência personalizada. A captura deliberada produz um registro mais restrito, porém mais claro. A coleta ambiente fornece um contexto mais rico, mas exige mecanismos mais robustos de filtragem, divulgação e correção.

É provável que o mercado comporte as duas abordagens. Alguns usuários preferirão um dispositivo visível, ativado para conversas importantes. Outros aceitarão uma consciência persistente por software se suas recomendações economizarem tempo de maneira consistente.

A Mistlabs precisa demonstrar que o contexto adicional produz mais do que resumos mais longos. Se a Ambi apenas registrar mais material, os usuários herdarão uma carga maior de revisão. O produto só terá êxito se converter esse material de forma confiável em ações oportunas e verificáveis.

A Privacidade É o Teste do Produto, Não uma Nota de Rodapé

Um assistente que está sempre ouvindo não pode terceirizar a confiança para uma tela de configurações nem tornar quem o usa o único responsável pelo consentimento de todas as outras pessoas.

O recurso Listening da Ambi vem desativado por padrão, segundo Mo. Os usuários podem iniciá-lo, pausá-lo ou interrompê-lo dentro do aplicativo. A Mistlabs também afirma que o produto não salva o áudio original do Listening após o fim da sessão.

Essa proteção não significa que nada permaneça. A Ambi pode reter transcrições, recapitulações, resumos, itens de memória, tarefas e outros conteúdos derivados enquanto uma conta estiver ativa. Essas saídas podem revelar o conteúdo de uma conversa mesmo depois que o áudio bruto desaparece.

A política de privacidade da empresa informa que o áudio do Listening é enviado a serviços em nuvem para transcrição e processamento por IA. A Soniox realiza o reconhecimento de fala em tempo real. OpenAI, Anthropic e Google estão entre os principais provedores usados no processamento por IA, enquanto o Google Cloud fornece a infraestrutura.

A Mistlabs diz que não usa conteúdo privado para treinar ou desenvolver o serviço geral. Também alerta que a ausência de treinamento de modelos não significa que os provedores não recebam nem retenham informações. Essa distinção merece atenção de organizações que avaliam implantações sensíveis.

A política afirma que gravações salvas permanecem até que o usuário as exclua ou encerre a conta. Transcrições, resumos, memória, tarefas e outros conteúdos salvos são geralmente retidos enquanto a conta estiver ativa. Registros operacionais podem permanecer por 180 dias.

A Ambi afirma que a exclusão da conta remove as informações da conta, o conteúdo armazenado e os registros operacionais vinculados sob seu controle. Dados do Google obtidos anteriormente são excluídos em até 30 dias após a desconexão, salvo se a lei exigir retenção.

Essas são divulgações substanciais, mas não resolvem o problema mais difícil. Uma pessoa próxima a um usuário da Ambi pode nunca ver a política, abrir o aplicativo ou saber que suas palavras estão se tornando memória pesquisável.

Mo reconheceu essa limitação. Ele disse que os usuários precisam informar outras pessoas sobre a captura ambiente e classificou a divulgação como um problema ainda não resolvido em toda a indústria. Também observou que uma empresa não consegue impedir plenamente que um usuário esconda intencionalmente a captura.

Isso é honesto, mas deixa uma lacuna entre a capacidade do produto e o consentimento social. Um botão pode autorizar o acesso ao microfone para o titular da conta. Ele não pode estabelecer automaticamente uma permissão significativa de colegas, clientes, familiares ou desconhecidos.

Disputas existentes mostram por que essa lacuna importa. Uma ação judicial sobre privacidade de notetaker em 2026 acusou a Granola de gravar conversas sem o consentimento de todos os participantes. Um caso separado envolvendo a Otter levantou preocupações relacionadas.

As alegações nesses casos não constituem conclusões contra a Ambi. Elas demonstram o ambiente jurídico no qual qualquer assistente ambiente ingressa. As exigências de consentimento podem variar por jurisdição, e conversas no trabalho podem envolver informações confidenciais, privilegiadas ou reguladas.

A divulgação visível é especialmente difícil para softwares que funcionam sem um bot de reunião. Um bot que entra em uma chamada de vídeo oferece aos participantes um sinal evidente. Um aplicativo que escuta por meio de um telefone, laptop, relógio ou futuro wearable pode permanecer invisível.

A Mistlabs não detalhou publicamente quais indicadores seu hardware planejado usará. Seu conceito de dispositivo inclui uma câmera e microfones, o que aumenta a necessidade de sinais inequívocos de captura. Um ícone minúsculo ou uma animação breve pode não informar todas as pessoas ao alcance.

A criptografia também precisa de maior especificidade. A TechCrunch informou que a Mistlabs disse criptografar dados, mas não descreveu o método de criptografia. Avaliadores empresariais perguntarão se o conteúdo é criptografado em trânsito, em repouso e de ponta a ponta.

Eles também vão querer saber quem controla as chaves, quais administradores podem acessar conteúdo derivado e como incidentes são registrados. Essas perguntas determinam se “criptografado” representa uma arquitetura significativa ou uma declaração genérica de segurança.

As operações internacionais do produto acrescentam outra consideração. A Ambi afirma que seus principais servidores e armazenamento ficam nos Estados Unidos. Sua política declara que funcionários na China têm acesso restrito a identificadores vinculados à conta e a informações de uso.

Acesso restrito não é acesso anônimo, como a própria política observa. Clientes empresariais desejarão controles exigíveis, trilhas de auditoria, detalhes do processamento regional e respostas claras sobre suporte remoto.

A privacidade é, portanto, parte da experiência central do usuário da Ambi. As pessoas não construirão uma memória valiosa se evitarem o produto durante conversas importantes. As organizações não permitirão uma implantação ampla se a divulgação e a retenção criarem riscos não gerenciados.

A Mistlabs pode fortalecer a confiança com indicadores visuais e sonoros persistentes, avisos aos participantes, controles específicos por reunião, padrões de retenção curtos e ferramentas acessíveis de exclusão. Também pode oferecer às organizações políticas que desativem a escuta em contextos protegidos.

O sistema deveria facilitar o consentimento, e não apenas lembrar o titular da conta de obtê-lo. É um problema de design exigente, mas a proposta de valor da Ambi o torna inevitável.

Mais Contexto Não Garante Melhor Julgamento

A Ambi ainda precisa provar que o contexto contínuo melhora decisões em vez de multiplicar erros apresentados com confiança.

Modelos fundacionais podem gerar informações imprecisas ou incompletas, e a política da Ambi afirma isso diretamente. O uso em tempo real torna esses erros mais difíceis de inspecionar porque se espera que o produto responda enquanto uma conversa continua.

Um resumo tradicional de reunião pode ser revisado depois. Uma recomendação ao vivo pode moldar imediatamente a próxima frase, posição de negociação ou atribuição de tarefa. Os usuários precisam de uma forma rápida de distinguir evidências recuperadas de interpretações do modelo.

A checagem de fatos durante reuniões ilustra o desafio. Um agente pode pesquisar fontes públicas e encontrar material relevante. Ainda assim, precisa determinar se a fonte é atual, se a alegação corresponde à discussão e se a incerteza deveria impedir uma interrupção.

Redigir uma proposta antes do fim da reunião cria um risco semelhante. A velocidade parece atraente, mas o documento pode transformar ideias provisórias em compromissos aparentes. A revisão humana continua necessária antes que o trabalho chegue a clientes ou colegas.

A memória aumenta as consequências porque os erros podem persistir. Um perfil incorreto das prioridades de um cliente pode influenciar várias reuniões futuras. Um rótulo de relacionamento equivocado pode afetar quais informações o assistente decide apresentar.

Ferramentas de correção, portanto, precisam fazer parte do uso normal. Os usuários deveriam poder verificar por que um item entrou na memória, editá-lo, definir uma expiração ou excluí-lo de raciocínios futuros. A exclusão deve remover inferências relacionadas quando for tecnicamente possível.

A assistência proativa também precisa de um limiar mensurável de relevância. Se a Ambi produzir alertas demais, os usuários a silenciarão. Se esperar por uma certeza quase total, poderá parecer pouco diferente das ferramentas de anotação existentes.

A empresa não divulgou benchmarks independentes para precisão de recomendações, correção de memória, qualidade de interrupções ou conclusão de tarefas. O financiamento valida o interesse dos investidores, mas não valida esses resultados de produto.

A negociação entre agentes introduz outra camada de incerteza. Cada assistente pode deter informações incompletas e inferir prioridades de maneira diferente. Dois sistemas que trocam conclusões podem amplificar erros sem que nenhum participante veja as evidências subjacentes.

Controles de permissão podem restringir o que um agente compartilha, mas permissão não é o mesmo que precisão. Os usuários precisarão de registros sobre quais informações foram transferidas entre agentes, qual recomendação cada sistema produziu e quem aprovou qualquer ação.

Há também um risco estratégico de plataforma. Atualmente, a Ambi depende de dispositivos Apple para seu alcance inicial. Execução em segundo plano, acesso ao microfone, notificações e comportamento entre dispositivos continuam sujeitos aos limites técnicos e de política da Apple.

A Apple também está desenvolvendo suas próprias capacidades de áudio ambiente. Uma proprietária de plataforma pode integrar escuta, transcrição e memória mais profundamente ao sistema operacional do que um aplicativo externo. Ela também pode alterar permissões de formas que restrinjam produtos de terceiros.

A Mistlabs acredita que hardware dedicado acabará oferecendo mais controle e contexto mais rico. No entanto, hardware introduz problemas de fabricação, bateria, térmica, distribuição, suporte e aceitação social. Esses desafios prejudicaram vários lançamentos de dispositivos de IA.

O envolvimento da Huaqin pode ajudar a Mistlabs a navegar pela fabricação. Isso não garante que as pessoas carregarão outro dispositivo, especialmente se telefones e relógios já fornecerem grande parte do sensoriamento necessário.

O wearable independente, portanto, precisa oferecer uma vantagem clara. Microfones melhores, por si só, não justificariam a mudança. O produto precisa de continuidade mais robusta, sinais de consentimento mais claros, apresentação útil ou capacidades que sistemas operacionais móveis não conseguem suportar.

O Que Observar Após o Financiamento da Ambi AI

O próximo teste não é outro anúncio de financiamento, mas evidências de que as pessoas confiam o suficiente na Ambi para mantê-la ativa durante trabalhos importantes.

O primeiro sinal é o uso sustentado de Listening e Routines. A Mistlabs deveria divulgar com que frequência os usuários ativam a captura ambiente, por quanto tempo a mantêm em funcionamento e se sugestões proativas levam ao trabalho concluído. Muitos downloads com pouca escuta contínua enfraqueceriam a tese central do produto.

O segundo sinal é a qualidade dos controles de consentimento e memória da Ambi. Observe indicadores visíveis de captura, notificações aos participantes, políticas administrativas, configurações granulares de retenção e registros de auditoria. Controles claros fortaleceriam o argumento de que a assistência ambiente pode coexistir com a privacidade no trabalho.

O terceiro sinal é o wearable independente. A Mistlabs afirma que planeja lançar seu próprio hardware após o lançamento em dispositivos Apple. Seu design deverá revelar se o sensoriamento dedicado produz assistência significativamente melhor ou apenas amplia a coleta de dados.

Os recursos planejados de agente para agente merecem o mesmo escrutínio. Uma demonstração útil deve mostrar permissões, evidências, ações propostas e aprovação humana. Uma demonstração de negociação bem produzida sem esses controles deixaria as questões mais importantes sem resposta.

Desenvolvedores e compradores corporativos também devem examinar a arquitetura por trás de cada afirmação. Eles precisam saber qual processamento ocorre localmente, qual conteúdo chega aos provedores de nuvem, como a memória é corrigida e como a exclusão se propaga.

Profissionais do conhecimento enfrentam uma decisão mais pessoal. Eles devem comparar o valor da recuperação automática de informações com o custo social de ouvir conversas na presença de outras pessoas. O ponto de partida mais seguro é um fluxo de trabalho delimitado, no qual os participantes entendam o que a ferramenta faz.

O financiamento da Ambi AI dá à Mistlabs os recursos para perseguir uma ideia atraente: um assistente que entende o trabalho enquanto ele acontece. Também eleva o padrão que a empresa precisa cumprir. Orientação em tempo real justificaria um microfone ambiente nas suas reuniões e que provas você exigiria antes de ativá-lo?