Tech Radar — A IA dita o ritmo, o julgamento define o padrão
Nesta edição: 2 mil pessoas tentam quebrar um agente de e-mail e falham, a indústria cria um time compartilhado para bugs de open source achados na velocidade da IA, um dev descobre que código de IA não tem bom gosto, a IBM passa de 1nm e a Apple aposta o silício do Mac em IA.
O fio que conecta a semana é velocidade. A IA segue comprimindo o tempo de tudo — invadir um sistema, achar uma vulnerabilidade, gerar código que funciona, até encolher um transistor. A lição em cada uma destas histórias é que velocidade sozinha não decide nada. Os times que saem na frente respondem à aceleração com julgamento, coordenação e guardrails. Aqui está o que eu colocaria na frente de um time de liderança de tecnologia esta semana, e por que importa além da manchete.
2 mil pessoas tentaram quebrar um agente de e-mail com IA — e falharam
Um desenvolvedor criou o hackmyclaw.com, expondo um assistente de e-mail com IA que tinha acesso a um arquivo secrets.env, e desafiou o Hacker News a extrair o segredo. Vieram mais de 6 mil e-mails de mais de 2 mil pessoas — falsa autoridade, falsos pedidos de "resposta a incidente", engenharia social em vários idiomas — e nenhum vazou o segredo. O guardrail era um prompt de sistema de quatro linhas; o modelo era o Claude Opus 4.6, que a Anthropic treinou especificamente para resistir a prompt injection.
Impacto para empresas: o dado mais útil sobre segurança de agentes em meses. Um modelo capaz, com uma instrução curta e clara, segurou a linha contra milhares de tentativas adversariais. Isso tranquiliza quem está avaliando colocar agentes em fluxos reais.
Riscos e oportunidades: ainda assim, o experimento custou mais de US$ 500 em tokens e teve a conta do Gmail suspensa por três dias. Um agente exposto é passivo de custo e de disponibilidade, não só de segurança. E o autor foi claro: um modelo mais fraco e mais barato provavelmente teria vazado — aqui capacidade e segurança andam juntas.
Minha leitura: isso reduz meu medo de prompt injection, mas não elimina. Eu ainda não daria a um agente o poder de enviar e-mail ou mover dinheiro sem supervisão. Escolha um modelo endurecido contra injection, mantenha as instruções curtas e explícitas, limite o gasto e parta do princípio de que a caixa de entrada é hostil.
A indústria cria um time compartilhado para bugs de open source achados na velocidade da IA
A Linux Foundation lançou o Akrites, um esforço coordenado para triar e corrigir vulnerabilidades no software open source crítico. O problema que ele aponta é certeiro: scanners de IA derrubaram o custo de achar um bug sério de semanas de trabalho especializado para minutos, e os mantenedores agora se afogam em relatórios duplicados gerados por IA — a mesma falha descrita de cinco formas por cinco pessoas na mesma semana. O Akrites opera um time de resposta a incidentes (SIRT) compartilhado e confidencial, para que o mantenedor enfrente um parceiro coordenado em vez de cem. Na mesma semana, IBM, Red Hat e Palo Alto ampliaram um esforço paralelo, o Project Lightwell, com o mesmo alvo.
Impacto para empresas: se você entrega software, você depende desse bem comum. A descoberta ultrapassou a defesa, e o esgotamento de mantenedores não remunerados virou risco de cadeia de suprimentos dentro do seu próprio roadmap.
Riscos e oportunidades: o risco é uma enxurrada de relatórios de IA de baixo sinal enterrar o exploit real, e achados vazarem antes do patch enquanto todos correm para divulgar. A oportunidade é a divulgação coordenada virar um padrão compartilhado, e não cem correrias privadas.
Minha leitura: é o formato certo de resposta — somar o sinal, proteger o mantenedor, divulgar uma vez. Para a maioria das empresas o passo prático é menor: conheça suas dependências críticas, financie ou apoie as que você usa e pare de tratar open source como infraestrutura gratuita que se mantém sozinha.
Um dev descobre que código de IA não tem bom gosto
Em "You can't unit test for taste", um desenvolvedor documenta a construção de um pipeline de pontos de interesse para um app de corrida usando Claude, dados do GeoNames, Python, Parquet e DuckDB. Ele esperava que a IA fosse a feature; ela acabou em papel de apoio, ao lado de filtros de dados e sinais de relevância, enquanto ele brigava com alucinações e curava o resultado na mão. As decisões de julgamento — quais marcos importam, qual referência da Wikipédia é a certa — foram dele, não do modelo.
Impacto para empresas: um contraponto pé no chão ao discurso de que "a IA escreve tudo". Bate com o que vejo no dia a dia — a IA é um ótimo acelerador para o encanamento e um substituto ruim para o bom gosto de produto.
Riscos e oportunidades: as práticas que ele relata valem copiar: montar o plano com o modelo antes, rodar um contexto novo por marco e manter domínio suficiente do stack para guiar em vez de seguir. Contextos grandes degradam a qualidade — mantenha-os enxutos.
Minha leitura: o diferencial nunca foi velocidade de digitação; era saber o que é "bom". A IA torna esse julgamento mais valioso, não menos.
A IBM passa de um nanômetro
A IBM apresentou o que chama de primeira tecnologia de chip sub-1nm do mundo, uma arquitetura "nanostack" no nó de 0,7nm (7 angstroms) que empilha transistores na vertical e relata um ganho de 40% de escala em SRAM, mirando explicitamente a demanda de banda das cargas de IA. A IBM projeta uma década de escala adicional e produção em cerca de cinco anos.
Impacto para empresas: nada para agir neste trimestre, mas importa no longo prazo. A curva de custo por carga de IA depende de o silício continuar escalando — e isso diz que dá para mais uma década.
Minha leitura: um bom sinal para planejamento de infraestrutura e FinOps de vários anos — não um motivo para mudar nada hoje. Anote como "o piso de compute continua caindo".
A Apple aposta o silício do Mac em IA
A Bloomberg noticiou que a Apple vai pular a geração M6 de topo e ir direto para uma linha M7 Pro, Max e Ultra com foco em IA. Trate os detalhes como reportagem, não confirmação — mas a direção é o que importa.
Impacto para empresas: os roadmaps dos fornecedores agora se organizam abertamente em torno de IA no dispositivo. Se o seu produto ou seus desenvolvedores dependem de inferência local, ciclos de troca de hardware e premissas de capacidade estão mudando sob seus pés.
Minha leitura: planeje a troca de equipamentos e as features de IA local pensando para onde o silício vai, não onde ele está. O centro de gravidade migrou para a inferência.
A constante nas cinco histórias é que a IA comprime o tempo em todas as camadas — ataque, defesa, entrega e hardware. Os times que vencem não são os mais rápidos; são os que combinam a velocidade com julgamento sobre o que vale a pena fazer, coordenação para que a velocidade não vire caos, e guardrails para que um processo autônomo não vire, em silêncio, um problema de seis mil e-mails e três dias fora do ar. Essa é a tendência a observar: conforme as ferramentas ficam mais rápidas, as disciplinas humanas em volta delas viram a verdadeira vantagem competitiva.