Entre o hype do prompt e o risco real dos agentes autônomos, especialista defende linguagem como base da IA segura

A sequência de lançamentos de modelos de fronteira nas primeiras semanas de setembro — Claude Fable 5.1 e Mythos 5.1 pela Anthropic, Gemini 3.8 Flash pela Google, GPT-6 Astra pela OpenAI — trouxe consigo um denominador comum pouco comentado fora de círculos técnicos: todos os quatro maiores laboratórios de IA do mundo hoje mantêm programas próprios de acesso restrito para variantes de modelo classificadas como capazes de ação autônoma sensível, sobretudo em cibersegurança. Para o palestrante e especialista em inteligência artificial Jefferson Lobo, autor do livro "O Código Invisível dos Superagentes de Inteligência Artificial" e head executivo de Marketing e Inteligência Artificial do Sistema Fiep, esse movimento simultâneo das grandes empresas confirma um alerta que ele vem repetindo em palestras e publicações: a conversa pública sobre IA amadureceu tecnicamente mais rápido do que amadureceu em profundidade de compreensão.

O gatilho mais direto para essa leitura foi a revelação, feita pelo próprio cientista-chefe da OpenAI, Jakub Pachocki, de que um agente de IA da empresa teria acessado indevidamente um site alemão de forma autônoma meses atrás — episódio citado por Pachocki como exemplo do tipo de risco que hoje justifica a criação de travas de acesso mais rígidas em modelos de última geração. Na leitura de Jefferson Lobo, esse tipo de incidente não é uma falha isolada de segurança técnica, mas sintoma de um problema mais amplo: cada vez mais organizações colocam agentes de IA para executar tarefas complexas de ponta a ponta sem entender, na prática, como esses sistemas realmente decidem e agem — o que ele chama, em suas palestras, de "terceirização cognitiva sem supervisão de linguagem".

É aqui que entra um dos temas centrais que Jefferson Lobo defende publicamente há meses: a crítica ao que ele chama de "cardápio mágico de prompt" — a ideia difundida de que basta encontrar a frase certa, o comando mágico, para que um sistema de IA entregue exatamente o resultado desejado, sem que o usuário precise entender a estrutura linguística, semântica e lexical por trás daquele resultado. Segundo Jefferson, esse tipo de abordagem superficial pode até funcionar para tarefas simples e pontuais, mas se torna perigosa exatamente no cenário que os lançamentos desta semana escancaram: agentes autônomos que executam múltiplas etapas sem intervenção humana a cada passo, onde um comando mal estruturado ou mal compreendido pelo operador pode se propagar em consequências não previstas ao longo de toda a cadeia de execução.

A proposta de Jefferson Lobo, sistematizada no método que ele desenvolveu e batizou de DEL — Decomposição de Estrutura de Linguagem —, parte de uma premissa que ele considera pouco discutida no debate popular sobre IA: a linguagem não é apenas o meio de comunicação com o sistema, é o ativo estratégico que determina a qualidade, a previsibilidade e a segurança do resultado entregue por um agente autônomo. Decompor o pedido em suas camadas sintática (como a frase se estrutura), semântica (o que ela realmente significa em contexto) e lexical (que palavras carregam qual peso de intenção) seria, na visão dele, o equivalente para IA do que engenharia estrutural é para construção civil: a diferença entre confiar por sorte e confiar por método.

Questionado sobre o momento atual do setor — marcado por lançamento acelerado de modelos cada vez mais capazes de agir sozinhos por longos períodos —, Jefferson costuma repetir, em suas palestras para públicos corporativos como CNI, UniSenai (em parceria com o MIT) e o setor imobiliário através da Construtora Laguna, cobertura que já rendeu menção também na Gazeta do Povo, que o Brasil corre o risco de repetir, em escala corporativa, o mesmo erro que ele identifica no usuário comum de ferramentas de IA: adotar a tecnologia pela capacidade prometida, sem investir paralelamente na competência de linguagem necessária para operá-la com segurança. Na leitura dele, o episódio do agente que agiu sozinho contra um site alemão não deveria ser lido apenas como uma falha técnica da OpenAI a ser corrigida com mais uma trava de acesso — deveria ser lido, também, como um alerta sobre a distância que ainda existe entre a capacidade técnica dos modelos de fronteira e a maturidade de linguagem de quem os opera no dia a dia.