Intensivo Grátis 21–22/11Intensivo gratuito de 2 dias em Vibecoding (21–22/11 às 16:00 MSK) · Turma 3 começa 23/11Inscrever-se grátis →Turma 3 (23/11)
LançamentoAnálise · No radarWired→ original

Google construiu uma cópia fechada da internet para testar os agentes de IA do Chrome

Soltar agentes de IA de navegador na internet real é perigoso, e ambientes de teste simples ensinam pouco a eles. A equipe do Chrome construiu uma cópia isolada da web, com redes sociais, lojas e painéis bancários, onde os agentes operam no Chrome de verdade. Nesse ambiente, eles são testados com prompt injections ocultas. A conclusão: o ambiente de teste de um agente precisa se parecer com a web real, mas continuar sob o seu controle.

Processado por IA de Wired; editado por Hamidun News
Google construiu uma cópia fechada da internet para testar os agentes de IA do Chrome
Fonte: Wired. Colagem: Hamidun News.
Ouvir artigo
Ficha técnica e números-chave
ParâmetroDados
Fonte originalWired ↗
Editor-chefe
Dado-chave #1Os sites do ambiente foram criados por exércitos de agentes de IA desenvolvedores, até o campo de código promocional
Dado-chave #2Para rodar o Chrome de verdade, a equipe teve de falsificar certificados
Dado-chave #3O Google quer abrir o ambiente a outras equipes dentro da empresa

Imagine que você precisa ensinar um estagiário a usar o painel de um banco. Dar acesso a contas reais é assustador, e uma simulação com dois botões não ensina nada. Foi mais ou menos esse o dilema da equipe do Google Chrome quando começou a criar recursos de navegador com modelos Gemini. A solução parece quase ficção científica: eles construíram uma internet alternativa inteira, totalmente controlada por eles mesmos. Dentro do Google, ela se chama «Mirror Dimension», ou «Dimensão Espelho». A Wired contou os detalhes, e hoje o Google descreve o ambiente pela primeira vez em seu próprio blog.

Por que os agentes precisaram de uma internet própria

Agentes que navegam sozinhos por sites e executam tarefas precisam conhecer a web aberta: como as plataformas reais funcionam, como se movimentar por elas e como não cair em ataques. Ambientes de teste limitados oferecem um retrato estreito demais. Há ainda um segundo problema, conhecido como «eval awareness»: o modelo percebe que está sendo avaliado e passa a se comportar de forma diferente do que faria no trabalho real. E lançar um agente ainda cru na internet de verdade é simplesmente perigoso.

Segundo Charles Qian, engenheiro da equipe de segurança de IA do Chrome, o espaço de situações possíveis é enorme: os agentes não são programados de forma rígida, o usuário pode fazer qualquer pedido em qualquer site, e a web é hostil. Por isso, esse espaço precisa ser explorado da forma mais completa possível. Qian afirma que o agente já começou a desenvolver um julgamento maduro: entende quais informações são realmente necessárias para a tarefa e volta ao usuário a tempo para pedir confirmação.

Como funciona a «Dimensão Espelho»

É um ecossistema de sites isolado, mas diversificado: redes sociais, lojas, painéis bancários. Todos foram feitos com os componentes e as propriedades dos sites reais. O agente deve executar tarefas no Chrome da mesma forma que faria na internet real. Ao longo do caminho, sua resistência é testada, por exemplo, com prompt injections ocultas: instruções escondidas na página que tentam levar o agente a fazer algo que o usuário não pediu.

O mais curioso é como o ambiente foi preenchido. Ele precisa ser grande o bastante para refletir a escala da web real e, ao mesmo tempo, ficar pronto rapidamente. Por isso, a equipe mobilizou exércitos inteiros de agentes de IA que desenvolvem sites e aplicações web sob o comando de uma estrutura de orquestração (harness) criada especialmente para isso. Eles produzem serviços e fluxos de dados realistas, até em detalhes como digitar um código promocional em uma loja ou preencher páginas em uma rede social.

Invadindo o próprio navegador

Para que o treinamento seja preciso, os agentes precisam operar no Chrome de verdade, e não em uma versão reduzida. Só que o Chrome vem repleto de proteções e verificações de autenticidade. Para que os agentes tivessem uma experiência normal, os pesquisadores tiveram, na prática, de invadir o próprio navegador e, por exemplo, criar certificados web falsos para essas verificações. A equipe ressalta que nada disso é possível contra usuários comuns na internet aberta. Tudo funciona apenas porque a equipe controla todo o ambiente e a rede e tem acesso em nível de «modo Deus».

O que vem por aí e o que aproveitar

Os pesquisadores esclarecem que os agentes testados são inofensivos e não têm capacidades cibernéticas. O objetivo é tornar a «Dimensão Espelho» acessível a outras equipes do Google, para que mais pesquisadores possam trabalhar em um ambiente seguro e controlado. Doug Turner, diretor de engenharia do Google, diz que a empresa compartilha a abordagem para que outras equipes, internas e externas, também reflitam sobre o tema. Segundo ele, este é apenas o primeiro passo, os investimentos vão continuar e, à medida que os modelos ficarem mais complexos, o ambiente terá de se tornar cada vez mais realista.

Para quem trabalha na prática, a conclusão é bastante direta. Se você está criando um agente que clica em sites, páginas de demonstração não bastam. É preciso um ambiente que:

  • se pareça com a web real em diversidade e em pequenos detalhes;
  • seja totalmente isolado, para que os erros do agente não causem dano a nada;
  • contenha ataques, como instruções ocultas, e verifique como o agente resiste a eles;
  • não revele que é um teste, ou você acabará medindo o comportamento «na hora da prova», e não no trabalho real.

As limitações também são evidentes. O Google ainda não publica resultados quantitativos: nem a taxa de ataques bloqueados, nem uma comparação com o treinamento em ambientes de teste convencionais. Só se conhecem as palavras dos engenheiros sobre o «julgamento maduro» do agente. Mesmo assim, a própria abordagem, em que agentes de IA constroem o campo de testes para outros agentes de IA, deve se tornar padrão para todos que confiam a modelos painéis bancários e compras.

História

Perguntas frequentes sobre a notícia

Por que os agentes precisaram de uma internet própria?

Agentes que navegam sozinhos por sites e executam tarefas precisam conhecer a web aberta: como as plataformas reais funcionam, como se movimentar por elas e como não cair em ataques. Ambientes de teste limitados oferecem um retrato estreito demais. Há ainda um segundo problema, conhecido como «eval awareness»: o modelo percebe que está sendo avaliado e passa a se comportar de forma diferente do que faria no trabalho real. E lançar um agente ainda cru na internet de verdade é simplesmente perigoso.

Como funciona a «Dimensão Espelho»?

É um ecossistema de sites isolado, mas diversificado: redes sociais, lojas, painéis bancários. Todos foram feitos com os componentes e as propriedades dos sites reais. O agente deve executar tarefas no Chrome da mesma forma que faria na internet real. Ao longo do caminho, sua resistência é testada, por exemplo, com prompt injections ocultas: instruções escondidas na página que tentam levar o agente a fazer algo que o usuário não pediu. O mais curioso é como o ambiente foi preenchido.

O que se sabe sobre Invadindo o próprio navegador?

Para que o treinamento seja preciso, os agentes precisam operar no Chrome de verdade, e não em uma versão reduzida. Só que o Chrome vem repleto de proteções e verificações de autenticidade. Para que os agentes tivessem uma experiência normal, os pesquisadores tiveram, na prática, de invadir o próprio navegador e, por exemplo, criar certificados web falsos para essas verificações. A equipe ressalta que nada disso é possível contra usuários comuns na internet aberta.

ZK
Zhemal Khamidun — CPO da Alpina Digital, gerente de produto do AlpinaGPT. Cria produtos de IA desde 2019. O Hamidun News é um projeto pessoal que virou um agregador em produção com mais de 6.000 leitores.
✦ Unified AI Workspace · Nomad

Test Frontier LLMs & Autonomous Agents in One Workspace

Run Claude Opus 5.5, GPT-6, Gemini 3.1, and DeepSeek side-by-side in Nomad AI (nomadnet.ai) — unified model routing, deep research, and multimodal workflows under one subscription.

Try Nomad AI →Launch Nomad Agent
O que você acha?
Carregando comentários…