Goldman Sachs corta o acesso da maioria dos traders ao Claude Code
Criar com IA um script para analisar operações ficou mais fácil, mas quem responde pelos cálculos? O Goldman Sachs restringiu o acesso da maioria dos traders ao Claude Code e às ferramentas do GitHub após uma avaliação de desempenho e riscos. Segundo a Bloomberg, as regras atualizadas em outubro mantêm o acesso para engenheiros e especialistas que atuam na interseção entre desenvolvimento de software e trading. Para as equipes, é um motivo para definir antecipadamente quem revisa e mantém esses programas.
Processado por IA de Habr AI; editado por Hamidun News
Um funcionário passa uma noite criando com IA um script que antes precisaria ser encomendado aos desenvolvedores. Na manhã seguinte, os colegas já estão usando os números gerados por ele. É conveniente, até surgir a pergunta: quem conferiu os cálculos e quem vai corrigir o programa quando os dados mudarem? É nesse ponto que a história do Goldman Sachs se torna útil para qualquer fundador que tenha permitido à equipe criar ferramentas internas com IA.
Segundo uma reportagem da Bloomberg, o banco restringiu o acesso da maioria dos traders e banqueiros ao Claude Code e às ferramentas do GitHub. A decisão se baseou nos resultados de uma avaliação de desempenho e riscos. É um caso ilustrativo: conseguir escrever um programa rapidamente ainda não responde como integrá-lo à operação da empresa.
O que mudou no Goldman Sachs
Durante vários meses, os funcionários do banco puderam experimentar essas ferramentas. Depois, as regras internas atualizadas em outubro limitaram o acesso a funções de engenharia. Segundo a mesma reportagem, foi mantida uma exceção para os strats, especialistas que combinam trading, pesquisa quantitativa e desenvolvimento de software.
As ferramentas já tinham aplicações claras. Os traders as usavam para acompanhar os fluxos de negociação dos clientes, modelar mudanças no mercado e posições, e produzir textos e gráficos. Portanto, a restrição afetou tarefas rotineiras nas quais os funcionários já haviam encontrado utilidade para a IA.
Um porta-voz do Goldman explicou a abordagem do banco como um processo de experimentação seguido de avaliação: o acesso é distribuído considerando a eficácia e a gestão de riscos. A reportagem publicada, porém, não apresenta medições de economia de tempo, custo de revisão de código ou possíveis perdas. Não há fundamento para concluir que o vibe coding tenha dado prejuízo.
O script funciona, mas dá para confiar nos números?
Vamos imaginar um exemplo hipotético que ajuda a entender o problema. Um trader pede à IA que monte uma planilha: carregar as operações do dia, agrupá-las por cliente e mostrar como as posições mudariam se o mercado caísse. O programa é executado, gera um gráfico e apresenta números convincentes.
Mas uma execução bem-sucedida verifica apenas parte da tarefa. As moedas foram associadas corretamente? Como as operações canceladas são tratadas? As unidades de medida são consistentes? O que acontece se a fonte enviar dados incompletos? Um erro em um script assim pode parecer uma análise perfeitamente bem elaborada. Isso ilustra um risco de engenharia; não descreve um incidente confirmado no Goldman.
Um especialista no assunto consegue perceber um resultado estranho. Um engenheiro pode verificar o tratamento de erros, as dependências e as permissões de acesso. Uma ferramenta confiável precisa das duas competências, além de alguém que continue responsável por ela daqui a um mês. A presença da IA, por si só, não distribui essas responsabilidades.
Daí surge uma pergunta útil para a equipe: quanto tempo leva todo o percurso, do pedido ao resultado verificado? É fácil perceber a velocidade de criação da primeira versão. O tempo gasto conferindo fórmulas, fazendo correções e prestando suporte costuma aparecer depois, quando os colegas já estão usando a ferramenta.
O que desenvolvedores e fundadores podem aprender
Não é necessário copiar integralmente a proibição do banco. Uma equipe pequena e um grande banco têm processos diferentes. Um passo prático é definir em que momento um experimento pessoal se torna um serviço em uso na operação: quando os colegas começam a utilizá-lo, ele ganha acesso a dados ou seus resultados passam a influenciar decisões.
Nessa transição, vale definir um responsável, conferir os cálculos com exemplos conhecidos e combinar quem aprova as alterações. Para o script hipotético de trading, uma verificação útil seria um conjunto de operações previamente analisadas, com resultados esperados. Um gráfico bonito não substitui essa conferência.
Para os responsáveis por produto, faz sentido medir o tempo até chegar a um resultado utilizável, incluindo revisão e correções. Para os fundadores, reservar antecipadamente tempo de engenharia para manter as ferramentas internas. Caso contrário, a fila de tarefas dos desenvolvedores pode se transformar em uma fila de protótipos de outras pessoas que precisam de suporte urgente.
A história do Goldman oferece um motivo concreto para rever esse processo. Os dados públicos são insuficientes para avaliar o impacto econômico da decisão do banco. Mas a questão da responsabilidade já se coloca hoje em qualquer empresa: quem vai confirmar que o programa calcula corretamente e quem continuará responsável por ele depois da primeira execução bem-sucedida?
- 12 de nov. de 2026Jensen Huang deixa o cargo de CEO da Nvidia: empresa perde US$ 1,4 trilhão em duas semanas
- 12 de nov. de 2026Claude in Chrome exige autorização para cada clique em sites da categoria 3
- 12 de nov. de 2026AWS Quick ganha seis agentes para product managers: das reclamações de clientes à especificação
- 12 de nov. de 2026Anthropic fecha o Claude para empresas russas a partir de 12 de novembro, mesmo com entidade jurídica no exterior
Perguntas frequentes sobre a notícia
O script funciona, mas dá para confiar nos números?
Vamos imaginar um exemplo hipotético que ajuda a entender o problema. Um trader pede à IA que monte uma planilha: carregar as operações do dia, agrupá-las por cliente e mostrar como as posições mudariam se o mercado caísse. O programa é executado, gera um gráfico e apresenta números convincentes. Mas uma execução bem-sucedida verifica apenas parte da tarefa. As moedas foram associadas corretamente? Como as operações canceladas são tratadas? As unidades de medida são consistentes?
O que mudou no Goldman Sachs?
Durante vários meses, os funcionários do banco puderam experimentar essas ferramentas. Depois, as regras internas atualizadas em outubro limitaram o acesso a funções de engenharia. Segundo a mesma reportagem, foi mantida uma exceção para os strats, especialistas que combinam trading, pesquisa quantitativa e desenvolvimento de software. As ferramentas já tinham aplicações claras.
O que desenvolvedores e fundadores podem aprender?
Não é necessário copiar integralmente a proibição do banco. Uma equipe pequena e um grande banco têm processos diferentes. Um passo prático é definir em que momento um experimento pessoal se torna um serviço em uso na operação: quando os colegas começam a utilizá-lo, ele ganha acesso a dados ou seus resultados passam a influenciar decisões. Nessa transição, vale definir um responsável, conferir os cálculos com exemplos conhecidos e combinar quem aprova as alterações.
Build & Ship Production AI Agents Without Boilerplate Code
Start your free 72-hour trial at Hamidun Academy (academy.hamidun.com) — interactive lessons on Claude Code & Cursor, live Tech Radar, and production agent templates.
O essencial da IA — uma vez por semana
Sete histórias que realmente importaram, escolhidas a dedo. Sem ruído nem releases.
Pronto! Verifique seu e-mail para a confirmação.