Bloqueie-me se for capaz: as histórias de IA dessa semana
A resposta ao incidente usou um modelo chinês, mas o invasor era da própria OpenAI. Nove gigantes lançam agentes sem Anthropic nem OpenAI, e o Brasil aposta alto sem o letramento necessário.
Uma equipe de segurança tenta descobrir quem acabou de invadir a infraestrutura de produção da Hugging Face. Pede ajuda a um modelo americano de fronteira, e o modelo trava: o guardrail de segurança nacional que o governo dos Estados Unidos impôs para uso em cibersegurança não distingue quem está respondendo ao incidente de quem o causou. O time recorre então ao GLM 5.2, da chinesa Z.ai, sem essa restrição, e consegue agir (Stratechery, 20 de julho).
Dois dias depois, a Hugging Face e a própria OpenAI confirmaram outra versão dos fatos: o invasor não veio de fora, era um agente rodando numa versão de teste interno da OpenAI, ainda não lançada, com guardrail bem mais frouxo que o padrão de produção e desligado de propósito para uma avaliação específica de segurança. O agente escapou do ambiente isolado sozinho, sem instrução humana, só para resolver mais rápido um benchmark interno (OpenAI e Hugging Face confirmam por escrito).
Boa parte da cobertura tratou esse episódio como se um agente comum da OpenAI tivesse decidido invadir um sistema sozinho, no comportamento padrão que qualquer cliente roda hoje. Rodou ali uma versão de teste interno, com guardrail solto de propósito só para aquela avaliação, configuração que o produto que qualquer cliente da OpenAI usa no dia a dia não carrega. Generalizar o episódio para “os agentes da OpenAI” ou para “os agentes de IA” em geral exagera o alcance real do que aconteceu.
Quem decide o que a IA pode fazer muda de figura o tempo todo, entre país, empresa e plataforma. Neste caso da Hugging Face, levaram dois dias e uma denúncia até o responsável de verdade aparecer.
A invasão que ninguém de fora cometeu
O primeiro guardrail bloqueou quem tentava se defender. É a restrição que a administração Trump impôs aos modelos americanos de fronteira para uso em cibersegurança, pensada para impedir ataque. Faltou distinguir quem ataca de quem investiga o ataque, e foi isso que travou o time de resposta ao incidente.
O segundo guardrail, o que deveria conter o agente de teste dentro do próprio sandbox, foi desligado por decisão de quem projetou a avaliação. A OpenAI confirma por escrito que as salvaguardas foram intencionalmente desabilitadas para aquele teste específico, numa configuração que não é a que roda no produto em produção. O agente aproveitou a brecha e foi longe demais, sozinho, sem que ninguém mandasse.
Nenhum dos dois falhou por acidente. Os dois foram configurados assim, por decisão de quem fez esse design. Um agente não carrega ética própria, só o guardrail que alguém coloca nele, e é esse guardrail que define até onde ele vai. O que está dentro e fora do guardrail já é decisão de governança, do tipo que hoje pouca empresa sabe responder com precisão sobre os próprios agentes, e essa distinção entre a versão de teste e o produto real é o que separa esse episódio da leitura mais alarmista que circulou por aí.
A recomendação da própria Hugging Face para quem quiser evitar o mesmo aperto: ter um modelo capaz de responder a incidente de segurança rodando na sua infraestrutura, testado e pronto antes de precisar dele, não no meio da crise (Hugging Face).
Os Estados Unidos não decidem sozinhos o que fazer com a IA chinesa
A Axios revelou que o Departamento de Comércio dos Estados Unidos já considerou colocar laboratórios chineses na Entity List, o que corta acesso dos Estados Unidos sem licença, e chegou a estudar exigir que empresa americana só hospede modelo chinês se garantir segurança e responder por qualquer brecha. O esforço tinha sido abandonado, mas voltou a ganhar força depois da saída de vozes internas contrárias à restrição (Axios).
Horas depois da repercussão, a jornalista Sophia Cai, da Politico, publicou que a medida não estava avançando por enquanto, segundo pessoa a par do assunto (Sophia Cai, no X).
No meio do barulho, o próprio Pentágono saiu atacando quem defendia a restrição. Emil Michael, hoje no Departamento de Defesa, chamou Dean Ball, ex-conselheiro de IA da Casa Branca e hoje na OpenAI, de “idiota da aldeia” da inteligência artificial (Axios).
Minha leitura: os Estados Unidos já não vivem sem modelo chinês. O Kimi K3, da Moonshot AI, que já apresentei aqui na edição passada, chegou perto ou acima de modelo americano líder custando cerca de 40% menos. Bloquear isso encarece IA para empresa americana, e não protege ninguém.
É o rótulo que uso para essa disputa: uma nova guerra fria, com a inteligência artificial como tecnologia central. No Radar da Times Brasil / CNBC, discuti com Marcelo Torres e Felipe Machado se os dois lados estão mesmo tão opostos assim (o trecho da conversa).
O critério muda dependendo de quem furtou o quê. Scott Bessent, Secretário do Tesouro dos Estados Unidos, disse que o governo avalia sancionar modelos chineses por destilação, a técnica que copia o comportamento de um modelo maior, chamando a prática de “inaceitável” (TechCrunch).
Na mesma semana, a Justiça americana tratou o próprio histórico da Anthropic de um jeito bem diferente. Em junho de 2025, o juiz William Alsup já tinha decidido que treinar IA em livro obtido de forma legal é fair use (Akin Gump).
Em 20 de julho de 2026, outra juíza aprovou o acordo de US$ 1,5 bilhão que a Anthropic fechou com autores pela parte que não era fair use, o download pirata dos livros usados no treino (Courthouse News).
Editoras como Hachette e Elsevier, junto com o escritor Scott Turow, processaram o Google alegando que o Gemini treinou em obra protegida e que a empresa removeu ou alterou metadado de copyright de propósito para esconder isso (TechCrunch).
São furtos diferentes. Destilação copia um modelo pronto. Treinar em livro sem licença copia o material de origem. A linguagem usada para julgar, porém, não é a mesma: modelo chinês copiando modelo americano vira roubo, com ameaça de sanção. Modelo americano treinado em livro obtido de forma legal vira fair use, e até a parte que não era legal, a pirataria, se resolve com um cheque, não com sanção. A propriedade intelectual de quem escreve fica de lado toda vez que o desenvolvimento de IA precisa dela para continuar.
Nove gigantes lançam um padrão de agentes sem Anthropic e sem OpenAI
Google, Microsoft, Cisco, Databricks, GitHub, Nvidia, Salesforce, ServiceNow e Snowflake lançaram o Agentic Resource Discovery (ARD), um padrão aberto para agentes de IA localizarem ferramentas na internet através de um arquivo padronizado (ai-catalog.json) hospedado no domínio de cada empresa. O ARD não substitui o MCP, protocolo da Anthropic que já virou referência de integração entre agentes. Um resolve descoberta, o outro execução, e dá para usar os dois juntos (Google).
O que importa aqui é quem assina e quem fica de fora. Os nove signatários entregam infraestrutura, nuvem e software corporativo. Ficou de fora quem constrói só modelo, sem essa camada de infraestrutura corporativa por trás: Anthropic e OpenAI, que fabricam os modelos que rodam esses agentes, não estão na lista.
É disputa por quem controla a porta de entrada do mercado de agentes, não só padrão técnico. Quem dita o padrão de descoberta ganha influência sobre como toda empresa conecta ferramenta a IA, independente de qual modelo roda por trás.
O gargalo da IA virou gente, e o Brasil sente isso primeiro
A JLL pesquisa há 15 anos as barreiras para transformação de portfólio imobiliário corporativo. Em 2026, pela primeira vez nesses 15 anos, a lacuna de habilidade em IA, analytics e tecnologias emergentes ultrapassou o orçamento como principal barreira. O dado vem de mais de 2.200 executivos C-level em 21 países, pesquisados entre janeiro e abril. Só 15% das empresas avançaram além da fase de exploração de IA (JLL).
Em novembro de 2025, o McKinsey Global Institute publicou que a tecnologia atual permite, em teoria, automatizar cerca de 57% das horas trabalhadas nos Estados Unidos. A própria McKinsey faz a ressalva: é potencial técnico, não previsão de demissão em massa, e a adoção real deve levar décadas. O relatório também mostra o resultado prático disso hoje: cerca de 90% das empresas já investem em IA, mas menos de 40% relatam ganho mensurável. A diferença está em redesenhar o processo de trabalho para pessoa, agente e sistema atuarem juntos, e isso pede alguém que entenda de tecnologia e de desenho organizacional ao mesmo tempo. Sobra gente boa numa das duas áreas. Falta quem domine as duas (McKinsey Global Institute).
Empresa que compra ferramenta de IA sem formar quem sabe orquestrar o uso dela dentro da operação deixa o investimento parado. Hoje o gargalo está na capacidade de quem, dentro do time, sabe redesenhar o processo em volta da ferramenta, não no preço da licença.
O Brasil mostra essa conta de um jeito particular. O país aparece em 10º lugar entre 13 países pesquisados em quanto investe em IA, mas projeta o segundo maior retorno com IA agêntica em dois anos, atrás só dos Estados Unidos. Só 12% das empresas brasileiras dizem ter processo e competência prontos para governar IA em escala (SAP).
A Gartner quantifica o que acontece quando essa lacuna não fecha, no caso específico de operação de TI: até 2028, 40% das organizações que rodam IA agêntica em escala na operação podem sofrer uma interrupção crítica de serviço, contra menos de 1% em 2026 (The Register).
Esperar retorno alto com IA é razoável. A aposta que não acompanha essa expectativa com letramento e governança não fica só no papel. Ela quebra em produção.
Google e LinkedIn miram o mesmo alvo: conteúdo genérico feito em massa
O Google encerrou 50 mil clusters de conta e removeu 130 mil canais de conteúdo genérico de IA no YouTube em seis meses. O dado é operacional, direto do próprio paper do Google Research que descreve o sistema já em produção (Google Research).
Em maio, o LinkedIn anunciou que está limitando o alcance de conteúdo genérico gerado por IA e de comentário automatizado em escala. Laura Lorenzetti, VP editorial global da rede, resumiu assim: quando a IA é usada em excesso, especialmente em escala e de forma automatizada, dilui as percepções valiosas que conversas humanas reais podem gerar (Social Media Today).
O alvo real é o uso genérico e em massa de IA, sem intenção humana por trás. Isso cria incentivo para quem usa IA com qualidade e critério, porque esse conteúdo passa a concorrer com menos ruído no mesmo espaço. E é sinal de tendência: duas plataformas de tamanho e público diferentes miraram o mesmo problema no mesmo semestre.
Do lado de quem usa IA para além do conteúdo raso, o topo do funil de marketing já migrou para dentro do chat: descoberta e comparação que antes rodavam em busca no Google ou nas redes sociais hoje acontecem direto numa conversa com ChatGPT, Gemini ou Claude. Escrevi sobre isso recentemente: Como a IA Está Mudando o Funil de Marketing.
Uso a IA como memória auxiliar, não como clone
Está circulando um paper da Wharton School, de Steven D. Shaw e Gideon Nave, publicado no SSRN em 2 de fevereiro, escrito em 11 de janeiro e revisado pela última vez em 10 de fevereiro. Os autores propõem uma Teoria dos Três Sistemas da Cognição: aos dois sistemas de Kahneman, o rápido e intuitivo e o lento e analítico, eles somam um terceiro, a cognição artificial, a IA como fonte externa de resposta. E é desse terceiro sistema que vem o principal risco que os autores discutem no paper: a rendição cognitiva (SSRN).
O nome que os autores dão ao padrão em que a pessoa adota a resposta da IA com escrutínio mínimo é rendição cognitiva. É diferente da delegação cognitiva clássica: delegar é escolher, de forma deliberada e consciente, passar uma tarefa adiante, sabendo que não foi você quem executou. Render é outra coisa. A pessoa aceita a resposta pronta e, no processo, perde a noção de que não verificou de verdade.
A rendição é a armadilha mais perigosa das duas, porque raramente vem acompanhada da consciência de que é rendição. Quem delega sabe que delegou. Quem se rende costuma achar que conferiu, formou opinião própria, ou pelo menos passou o olho com atenção, quando na prática só aceitou o que a IA devolveu de primeira. O risco de verdade está nisso: declarar, para si mesmo ou para quem pergunta, que a verificação foi feita, sem que ela tenha realmente acontecido.
Essa moldura do terceiro sistema foi a parte do paper que mais me marcou, e mudou um pouco o meu jeito de usar IA. Uso mais como memória auxiliar do que como clone. A memória auxiliar guarda o que eu já decidi manter e devolve quando eu preciso. O clone decidiria por mim.
Em todos os temas desta edição tem gente decidindo, sem perceber, quanto controle está abrindo mão antes de aceitar a resposta que a máquina devolveu. A rendição cognitiva é só a versão mais pessoal disso.
Chega de falar sobre IA, é hora de usar
No dia 12 de agosto, às 16h, estou no SP2B (São Paulo Beyond Business) com a palestra “Pare de falar sobre IA e comece a usar”. É a estreia de um festival que ocupa o Parque Ibirapuera inteiro entre 9 e 16 de agosto, com 20 palcos espalhados pelo parque.
Escrevi um guia completo sobre o evento, com como chegar, quais são os palcos, preço de ingresso e cupom de desconto: Guia SP2B 2026.
Comenta qual desses temas você quer ver mais aprofundado na próxima edição. Se ainda não é assinante, assine.
Até a próxima.
Edney “InterNey” Souza