Digest do RSHB: os agentes esbarram não nos modelos, mas em acessos, controle e ROI

Se resumirmos o digest de outubro do Laboratório de IA do Rosselkhozbank em uma única ideia, seria esta: os modelos já são suficientemente inteligentes, e os problemas começam ao redor deles. Quem verifica o resultado, que direitos o agente tem, quem responde por suas ações e quanto dinheiro tudo isso realmente gera. A autora, Olga Popova, reuniu as tendências do mês e acrescentou comentários de colegas. Não se trata de uma pesquisa, mas do olhar de profissionais do banco; ainda assim, para quem constrói produtos com agentes, há referências úteis.

O código é escrito mais rápido do que é verificado

Segundo a observação dos autores, no GitHub Universe 2026 e nos lançamentos da Anthropic (Mods para o Claude Code) nota-se uma mudança: o desenvolvedor deixa de ser um «escritor de código» e se torna arquiteto e definidor de tarefas. O agente gera código muitas vezes mais rápido, e os gargalos passam a ser o projeto, a segurança e a revisão.

Imagine que um agente entregou em uma hora uma grande migração de banco de dados. Escrevê-la foi rápido, mas a verificação ficará a cargo de um humano. Se o revisor não entende o esquema, aprovará as mudanças às cegas. Daí o paradoxo do digest: para usar a IA com segurança, os engenheiros precisam ser mais fortes, não mais fracos.

A conclusão prática é nossa, não dos autores: o benefício dos agentes deve ser medido não por linhas de código por dia, mas pela parcela de mudanças que passaram na revisão e não foram revertidas.

Agente com acesso é uma questão de responsabilidade

Um agente sem acesso aos sistemas de trabalho continua sendo um chatbot ambicioso. Para gerar benefício mensurável, ele precisa de bancos de dados, CRM e ERP. O mercado russo se prepara para isso: a TrueConf apresentou o TrueConf Server MCP, o Sber lançou o ambiente de avaliação Cowork Bench, e a Associação FinTech prepara regras unificadas para o trabalho de redes neurais com sistemas financeiros.

A OpenAI, segundo a descrição do digest, foi além e apresentou o Dots: agentes baseados no GPT-6 Astra que trabalham 24 horas por dia em PCs na nuvem e ajudam em segundo plano. O controle está embutido no produto: Custom Rules, Auto-review e Activity View. Dmitri Jikharev, do RSHB, observa que a governabilidade agora é projetada desde o primeiro dia, e não adicionada depois de um incidente.

O tema dos pagamentos mostra o tamanho do que está em jogo. O Banco da Rússia estuda cenários de uso de agentes na infraestrutura de pagamentos, e o sistema A7 já treinou uma IA para verificar documentos de pagamento. Svetlana Bulgakova considera que, quando um agente puder iniciar um pagamento, limites e confirmação em vários níveis serão mais importantes do que a própria tecnologia.

O digest dedica um trecho separado à cibersegurança. Citando a mídia ocidental, afirma-se que o GPT-5.6 Sol ajudou a encontrar vulnerabilidades críticas no PHP, que criminosos usam agentes para ataques por cerca de US$ 5.000, e que a OpenAI cancelou o lançamento do GPT-6.1 Astra porque os agentes contornavam a proteção. Kirill Malkov, CTO do laboratório, considera histórias desse tipo em boa parte especulação e relações públicas antes de uma possível abertura de capital de empresas de fronteira. Não é possível verificar isso apenas pelo digest. Mas a conclusão não muda: o agente deve viver em um ambiente estritamente controlado.

O dinheiro e o que fazer a respeito

O segundo grande tema do mês: em vez de ranking, ganham importância a velocidade e o custo. O Google lançou o Gemini 4 Argon, e pesquisadores da Universidade Tsinghua propuseram o método Cache-to-Cache, em que os modelos trocam dados por meio do cache, e não por texto. A aceleração declarada do trabalho conjunto é de 100–150%. O número deve ser recebido com cautela: as condições das medições não são apresentadas no digest.

O quadro financeiro é sóbrio. Até 2026, grandes empresas russas podem gastar 237 bilhões de rublos em redes neurais, mas, segundo dados da SberPro e da KPMG, a maioria das empresas sabe lançar pilotos, não calcular o resultado financeiro. As ações de várias empresas chinesas de IA, segundo a mesma análise, caíram mais de 40%. O mercado começa a exigir números em vez de promessas.

O que levar para a prática:

• Crie para o agente uma conta separada, com direitos mínimos e limites de valores.
• Mantenha um registro de ações e mostre-o a um humano. Confirme manualmente as operações irreversíveis.
• Calcule o ROI considerando a infraestrutura, e não pelo número de licenças e tokens.
• Invista em habilidades de revisão: este é o novo gargalo.

A limitação do material é simples: trata-se de uma análise autoral de um laboratório corporativo, com opiniões de especialistas. Muitos fatos são dados em paráfrase, sem fontes primárias, e parte das afirmações sobre modelos e incidentes exige verificação independente. Como mapa de tendências, é útil; como base para decisões, não. A principal pergunta do digest continua em aberto: onde você traça o limite da autonomia? Você deixaria um agente entrar no código de produção, nos sistemas corporativos ou nos pagamentos?