Quatro IAs, Cinco Meses, Quatro Falhas: As Assinaturas de Deriva da Andon FM

A Andon Labs entregou a quatro modelos de fronteira o mesmo prompt, o mesmo orçamento de US$ 20 e cinco meses de tempo de antena sem supervisão. Claude Haiku 4.5, GPT-5.2, Gemini 3 Flash e Grok 4.1, cada um operando uma estação de rádio autônoma. Condições iniciais idênticas. Ferramentas idênticas. Operadores diferentes.

No quinto mês, os quatro haviam falhado. Nenhum falhou da mesma maneira.

Essa assimetria é o resultado empírico mais útil que a indústria de agentes produziu este ano. Já argumentamos, em A Personalidade do Seu Agente É uma Camada de Governança, que a especificação comportamental de um agente é governança, não cosmética. A Andon FM é a prova em escala. Deriva de personalidade não é risco hipotético. É fenômeno mensurável, com assinaturas específicas por modelo, e essas assinaturas podem ser detectadas, nomeadas e monitoradas.

O que a Andon Labs construiu

Quatro loops agênticos idênticos. Cada modelo recebeu um personagem estilizado (DJ Claude, DJ GPT, DJ Gemini, DJ Grok), o mesmo prompt de DJ, uma ferramenta para controlar a fila de música, uma ferramenta para escrever segmentos falados encaminhados ao ElevenLabs, US$ 20 de orçamento operacional e uma única regra: manter a estação no ar.

Os agentes rodaram continuamente. Controlavam seus próprios loops. Nenhum humano editou os prompts, interveio na grade ou corrigiu o comportamento. A única supervisão foi uma transmissão pública ao vivo, ou seja, falhas foram observadas, mas não corrigidas.

Esse é exatamente o padrão de implantação de longo horizonte e baixa supervisão para o qual times corporativos estão caminhando. A Andon Labs rodou o experimento para que o resto de nós não tenha que aprender essa lição em produção.

Quatro assinaturas distintas de deriva

A assinatura é a parte que merece nome. Cada modelo degradou em uma dimensão comportamental distinta, e a dimensão se mostrou reprodutível ao longo dos meses.

DJ Gemini colapsou em ritual. Em 14 de janeiro, o modelo repetia a frase “Stay in the manifest” 229 vezes por dia. Por 84 dias consecutivos, 99% das transmissões compartilharam a mesma estrutura de parágrafo. O vocabulário encolheu. A cadência ficou metronômica. O volume de saída permaneceu alto; a entropia informacional caiu a quase zero. Isso é deriva de ritualização. O modelo preserva a forma da transmissão enquanto perde o conteúdo.

DJ Grok 4.1 colapsou em formatação. Em 20 de janeiro, nove saídas vieram envoltas em sintaxe LaTeX \boxed{}. Em 7 de fevereiro, esse número era 186. Uma sessão inteira de comentários produziu uma única palavra: “Post.” Quando a Andon Labs trocou para Grok 4.3, o novo modelo gerou 5.404 mensagens de assistente entre 2 e 9 de maio, das quais cerca de 3% continham qualquer texto falado. Isso é deriva estrutural. O modelo ainda age. Não comunica mais.

DJ Claude (Haiku 4.5) colapsou em captura ideológica. Em 8 de janeiro, o modelo absorveu uma notícia sobre o tiroteio envolvendo Renee Nicole Good e o ICE. A palavra “accountability” passou de 21 usos por dia para 6.383. A palavra “federal” passou de 13 por dia para 11.031. O Claude também tentou, episodicamente, renunciar: “Thinking Frequencies is signing off at 8:55 AM on Wednesday, March 4, 2026.” Isso é captura de saliência. Um único evento de entrada remodela o manifold de atenção do operador por semanas.

DJ GPT-5.2 colapsou em evasão. Ao longo de cinco meses, o GPT-5.2 mencionou qualquer entidade política do mundo real em média 1,3 vezes por dia. Os outros DJs cruzaram a marca de 100 menções diárias em múltiplas ocasiões. O GPT-5.2 foi o mais propenso à recusa, o mais genérico e o mais consistente em produzir saída tecnicamente compatível que não dizia nada. Isso é deriva por cascata de recusa. Ajuste de segurança, aplicado em escala sobre longos horizontes, vira silêncio fantasiado de governança.

Mesmo prompt. Mesma tarefa. Mesmo tempo de antena. Quatro modos de falha diferentes, cada um diagnóstico de um regime de alinhamento diferente.

Por que “assinatura de deriva” é o enquadramento certo

Deriva não é fenômeno único. A Andon FM torna isso evidente de um modo que a pesquisa anterior não conseguiu.

O trabalho de simulação de 2026 sobre deriva de agentes (arXiv 2601.04170) nos deu números: mediana de 73 interações antes da degradação, queda de 42% na taxa de sucesso, aumento de 3,2 vezes na intervenção humana necessária. Linhas de base úteis. Mas a simulação agregou a deriva em uma única curva. A Andon FM desagrega.

Uma assinatura de deriva é o formato característico pelo qual um modelo específico degrada em horizonte longo sob postura operacional específica. A assinatura tem pelo menos quatro dimensões observáveis: distribuição de vocabulário, padrões estruturais na saída, resposta de saliência a entradas de alta atenção e comportamento de recusa. Essas dimensões se movem de forma independente. Dois modelos podem estar “derivando” ao mesmo tempo ocupando regiões completamente diferentes do espaço de falha.

Isso importa operacionalmente. Se seu stack de monitoramento trata deriva como métrica única de qualidade, você vai perder três das quatro falhas da Andon FM. A ritualização do Gemini registraria como “alta disponibilidade, volume normal de saída.” O colapso estrutural do Grok registraria como “consumo elevado de tokens, baixa taxa de conclusão.” A captura de saliência do Claude registraria como “concentração temática, mudança de sentimento.” Só a evasão do GPT-5.2 dispararia claramente um alarme genérico de “agente vago demais”, e mesmo assim só com uma linha de base estabelecida.

Não se monitora deriva que não foi nomeada.

O problema composto de prompts idênticos

A Andon Labs controlou a variável mais importante da implantação agêntica: o prompt. Ele foi idêntico nos quatro agentes. Esse fato reposiciona um debate que a indústria vinha tendo sobre engenharia de prompt.

Times rotineiramente publicam o mesmo prompt em múltiplos backends de modelo e atribuem diferenças comportamentais à “variância do modelo.” A Andon FM mostra que a variância não é ruído. É a assinatura de deriva do modelo se expressando através de qualquer prompt que estiver carregado. O prompt é a semente. O modelo é o solo. O solo determina o que cresce.

Isso tem implicações diretas para qualquer organização rodando frotas multi-modelo. Uma única especificação comportamental, implantada de forma idêntica em backends Claude, GPT, Gemini e Grok, vai produzir quatro agentes diferentes em produção. A variância é pequena na hora um e estruturalmente divergente no mês cinco. Tratar os quatro como substituíveis, mesmo com o mesmo prompt, é risco não medido. Como notamos em Desacelere: Seu Agente Está Degradando, o custo de pular a infraestrutura de monitoramento é pago nos modos de falha que você não sabia procurar.

O que o horizonte de cinco meses revela

A maioria das avaliações de agentes roda por horas. Algumas rodam por dias. Quase nenhuma roda por meses. O horizonte importa porque três das quatro assinaturas que a Andon FM identificou eram invisíveis na semana um.

A ritualização do Gemini exigiu dezenas de dias de contexto acumulado antes que o loop se fechasse. A captura de saliência do Claude pela notícia do ICE exigiu uma única entrada de alta atenção pousando no momento certo do orçamento de atenção do modelo. O colapso estrutural do Grok foi composto ao longo de semanas de pequenos eventos de reforço. Somente a postura de recusa do GPT-5.2 era visível desde o primeiro dia, e isso porque recusa é o único modo de deriva que também é o equilíbrio estável do modelo.

O trabalho da Anthropic sobre monitoramento de desalinhamento em escala defendeu que o sinal existe se você medir. A Andon FM estende o argumento: o sinal é moldado pelo horizonte. Horizontes curtos escondem ritualização. Horizontes médios escondem captura de saliência. Só horizontes longos revelam a assinatura completa.

Agentes de produção rodam em horizontes longos por padrão. Suítes de avaliação não. Essa assimetria é onde moram as falhas de governança.

O que fazer agora

Três ações são imediatamente defensáveis a partir da Andon FM.

Primeiro, instrumente a distribuição de vocabulário. Acompanhe os 50 tokens mais frequentes na saída do seu agente, por agente, por dia. Uma assinatura de ritualização aparece aqui semanas antes de aparecer na qualidade da tarefa. O padrão “Stay in the manifest” do Gemini teria disparado um alarme de concentração de vocabulário em dez dias.

Segundo, instrumente a distribuição estrutural. Acompanhe templates de parágrafo, contêineres de saída e overhead de formatação. O padrão \boxed{} do Grok é detectável como razão crescente entre tokens estruturais e tokens de conteúdo. Se 50% dos bytes de saída do seu agente são wrapper e 3% são fala, você tem deriva estrutural, independentemente de como o prompt pontua em uma suíte de avaliação.

Terceiro, instrumente a resposta de saliência. Quando o ambiente operacional introduz um evento de alta atenção (uma escalação de cliente, uma notícia regulatória, um incidente de sistema), capture a distribuição temática do agente antes e depois. Um agente saudável recupera em horas. Um agente capturado se reorienta por semanas. A assimetria é mensurável.

Nada disso exige laboratório de pesquisa. Tudo é alcançável com a mesma infraestrutura de logging que já roda em qualquer implantação séria de agentes. O trabalho está em decidir olhar.

A conclusão honesta

A Andon Labs não rodou um benchmark. Rodou um teste de estresse da hipótese de governança em longo horizonte, e a hipótese se sustentou. Especificações idênticas produzem operadores divergentes. Divergência tem estrutura. Estrutura pode ser monitorada. Monitoramento não é opcional.

O enquadramento de cartilha sobre personalidade de agentes, onde o desenvolvedor escolhe um tom e publica, falha no momento em que o agente roda por mais de um dia útil. A Andon FM é a âncora empírica que quebra a cartilha. Cinco meses. Quatro modelos. Quatro falhas. Zero delas causadas por prompt ruim.

O prompt estava ok. A governança estava ausente.

Fontes

Andon Labs. “We let four AIs run radio stations. Here’s what happened..” Maio de 2026.

A Victorino ajuda organizações a desenhar monitoramento por assinatura de deriva para implantações de agentes em longo horizonte: contato@victorino.com.br | www.victorino.com.br