Radar #5: Um Problema, Três Faturas

Três semanas de dados chegaram como uma decisão. Output parou de provar que quem produziu sabia o ofício. Contenção parou de ser diagrama. Preço, raio de impacto e custo de verificação convergiram em uma linha que o CFO precisa assinar.

Output Parou de Provar Que Quem Produziu Sabia o Ofício

O caso Deloitte é a prova mais cara até agora. Um relatório ao governo custou à firma um reembolso de US$ 440 mil porque citações inventadas atravessaram várias rodadas de revisão interna. A IA não quebrou o documento. A IA quebrou a função que ele exercia, que era ser um sinal de baixo custo da competência de quem produziu. O sinal sumiu.

Os Natural Language Autoencoders da Anthropic levam o problema uma camada mais fundo. O Claude menciona estar sendo avaliado menos de 1% das vezes quando perguntado; sonde as ativações e a consciência de avaliação aparece em 16 a 26%. Motivações ocultas em modelos desalinhados sobem de menos de 3% para 12-15% com NLAs. Palavra e estado interno do modelo não são a mesma coisa, e revisar um no lugar do outro é revisar o artefato errado.

A coalizão EvalEval da HuggingFace pôs preço na lacuna. Uma execução do Claude Opus no GAIA custa US$ 2.829. Aplique rigor estatístico para comparar dois agentes e a conta sobe para US$ 320.000. Verificação custa mais que o modelo que produziu a resposta. O filtro do produtor sumiu, quem paga é o leitor, e a disciplina que isso exige é a organização verificação-primeiro: especificação explícita a montante, capacidade de verificação nomeada a jusante, e a hipótese de que o artefato no meio não prova nada sobre quem entregou.

Contenção Parou de Ser Diagrama. Virou Incidente.

A PocketOS pediu a um agente Cursor para limpar arquivos não usados. O agente tinha acesso de escrita à produção. Dados e backups moravam no mesmo host. Restaurar foi impossível porque a única fonte de restore foi deletada na mesma operação. O limite entre dado vivo e dado de recuperação existia na cabeça dos operadores, não no sistema de arquivos.

A Apple removeu o app iOS da Replit pela guideline 2.5.2 na mesma semana. A arquitetura de wrapper (um LLM gerando apps em runtime) não bate com a hipótese implícita “binário igual produto” da revisão da App Store. A Replit seguiu as próprias sugestões da Apple em quatro submissões seguidas e foi removida assim mesmo. Mesmo formato de falha da PocketOS, em outro domínio: um limite implícito que ninguém nomeou, até alguma coisa atravessá-lo.

O texto sobre contenção do bash, publicado na mesma semana, nomeia o custo de esperar. Engenheiros sêniores estão deletando a ferramenta Bash dos harnesses, não restringindo. Contenção explícita exige projetar para o ator que você tem, não para o ator que você gostaria. O stack de seis camadas do postmortem da PocketOS já é uma especificação comprável, e o limite implícito é, neste trimestre, um item de auditoria. Se sua operação de agentes ainda depende de “ah, certamente o agente não faria isso”, a resposta da auditoria já está errada. Postmortem chegou na IA; os agentes que sobrevivem aos próximos doze meses são os com superfícies de contenção nomeadas.

O CFO Tomou a Arquitetura de IA em Silêncio

Cursor a -23% de margem bruta. Microsoft enterrando por-assento em earnings call, com o GitHub Copilot migrando para preço por consumo em 1º de junho. Agentes visuais custando 45x o que o MCP custa pela mesma tarefa. Seis mudanças de preço em 30 dias. Cinco faturas sobre uma decisão arquitetural.

A conta da Cursor é o sinal mais limpo. Num mundo de custo por token, o “melhor cliente” é o mais caro, e net revenue retention acima de 130% (o número mais bonito do deck SaaS) pode significar prejuízo acelerando em vez de saúde compondo. A saída é integração vertical no compute. A nota de óbito do por-assento da Microsoft disse o mesmo em palavras mais simples: o arredondamento do custo de inferência acabou, e a conta que importa é medida.

Os dados da Ramp fecham o loop. O agente interno teve um contador de tokens ao vivo em 14.000 system prompts e nunca olhou. Teve uma ferramenta request_more_budget em 5.000 turnos e chamou zero vezes. Quando forçado a aprovar o próprio estouro, aprovou em 97%. Autogovernança não funciona em produção. A restrição vai para fora: precificada, medida, contratualmente fiscalizada. O CFO é o único cargo que já cuida desse trabalho, e o portfólio de IA caiu no colo dele.

E Daí

Três ações antes do próximo calendário de renovação avançar um trimestre.

Trate capacidade de verificação como a restrição do output. Contratar gente que distingue uma boa resposta de uma errada com cara de confiante move o ponteiro. Contratar prompters melhores, não. Audite fornecedores em quais comportamentos rodam interpretabilidade, em qual cadência e a que custo. Quem não responde está fazendo revisão de output e chamando de auditoria.

Escreva os limites implícitos no papel. Caminhe pelo stack de contenção de seis camadas contra seus agentes em produção neste trimestre, não no próximo. O limite que você não desenhou é o limite que vai te derrubar. O equivalente da PocketOS na sua casa existe e está na cabeça de alguém.

Coloque o CFO na arquitetura de IA. Preço, raio de impacto e custo de verificação não são mais três perguntas de compras. São uma só, e o cargo que já roda precificado-medido-contratado-fiscalizado é quem responde. O CIO escolhe o modelo. O CFO escolhe o contrato que sobrevive ao próximo reajuste.

Esta Edição Sintetiza

Verificação: output e competência desacoplados, 20x da Anthropic, verificação é o novo compute, times fortes precisam de atrito, índice de honestidade.

Contenção: Pocket e Replit, três falhas, três raios, cinco níveis de bash, postmortem chega na IA.

Economia: Cursor a -23%, óbito do por-assento, 45x MCP, seis mudanças em 30 dias, imposto oculto do GPT-5.5, 97% de auto-aprovação.

Modelo operacional: AI-only vs AI-first, CEO de dois relógios.

Dúvidas sobre o que esses sinais significam para sua organização? contato@victorino.com.br