O ChatGPT tem um recurso pouco conhecido chamado Mapas, que usa a localização do usuário para ajudar a descobrir lugares próximos. A ferramenta combina o mapa com a conversa do ChatGPT para buscar estabelecimentos, pontos de interesse e outras informações sobre uma determinada região.
O ChatGPT tem um recurso pouco conhecido chamado Mapas, que usa a localização do usuário para ajudar a descobrir lugares próximos. A ferramenta combina o mapa com a conversa do ChatGPT para buscar estabelecimentos, pontos de interesse e outras informações sobre uma determinada região.
Depois de compartilhar a localização, o usuário pode perguntar o que há por perto, pedir recomendações ou consultar informações, como notícias e previsão do tempo. Também é possível selecionar um ponto específico no mapa e conversar com o ChatGPT sobre o local, seja para encontrar restaurantes e atrações ou conhecer outras opções nas proximidades.
As buscas podem ser adaptadas ao que o usuário procura. É possível, por exemplo, pedir restaurantes próximos, encontrar cafés abertos, procurar atrações turísticas ou buscar lugares com determinadas características. O recurso também pode ajudar na escolha entre diferentes estabelecimentos a partir das informações apresentadas no mapa.
Como usar o Mapas do ChatGPT para descobrir lugares? Para acessar o recurso pelo computador, siga estes passos:
Solicite indicações de lugares para o ChatGPT em determinada região.
Como o recurso Mapas funciona? O Mapas do ChatGPT precisa de acesso à localização para funcionar. Depois de autorizar o recurso, basta selecionar um ponto no mapa e fazer uma pergunta sobre o local.
Em contexto
- Tema: Inteligencia Artificial — IA aplicada al negocio: casos, límites, costos y gobierno.
- Fonte: Canaltech
- Publicado: 10/10/2026
Continuar lendo na fonte original →
Trecho publicado automaticamente pelo radar do site. O texto completo pertence ao veículo e está vinculado acima.
Why it matters
Adopting AI in a company is less like buying software and more like hiring someone. You have to teach it the context, review its work at the start, and define what it can sign off alone and what it cannot. The stories worth reading are the ones showing somebody solving that part, not the announcement part.
I always separate two things that get mixed up: the demo and the operation. A demo needs to work once with someone watching. An operation needs to work a thousand times with nobody watching, with odd cases, dirty data, at two in the morning. The gap between the two is where the budget goes.
What usually goes wrong
What I see fail most is the expectation. Somebody saw a flawless demo and asked for the same thing in their area within a month, without considering the demo ran on clean data prepared for the occasion. When the real pilot shows uneven results, the unfair conclusion is that the technology does not work.
What to watch
- Where the data ends up and under what contract, especially when customer information is involved.
- Whether the organisation can change provider without rebuilding everything, which is the proof it did not get locked in.
- Which concrete process is touched and how it is measured before and after; with no baseline there is no result, only opinion.
How I read this entry
I would use it for a talent conversation rather than a purchasing one. The capability that needs installing is not operating a tool, which changes every six months, but framing the problem well and judging the answer. That one stays in the house.
The original story is published in another language; the excerpt is quoted as the publisher delivers it and the commentary is written in English.
Comments
No comments yet. Yours can be the first.
Living through this in your own team?
Open the chat and tell me how you're handling it. I'm interested in comparing notes.
