BCE vai discutir com bancos os riscos do modelo Mythos, da Anthropic, para o sistema financeiro

O Banco Central Europeu tira a conversa sobre inteligência artificial do campo dos experimentos tecnológicos e a leva para a supervisão bancária direta. O regulador marcou uma chamada com os responsáveis por riscos dos bancos da zona do euro para discutir especificamente o novo modelo Mythos, da Anthropic, e entender se ele pode explorar vulnerabilidades em sistemas financeiros.

O formato da reunião importa tanto quanto o tema. Quando um banco central procura não as equipes de TI nem as áreas de inovação, mas os diretores de riscos, isso indica que o assunto é tratado como uma possível ameaça à estabilidade, e não como mais uma ferramenta para ganhar eficiência. O foco, nesse caso, não está na praticidade da interface nem no desempenho do modelo, mas nos riscos operacionais, na proteção de dados, no controle de acesso, na resiliência dos processos internos e na possibilidade de que a IA acelere cenários de ataque já conhecidos.

Até o momento, não há relatos de incidentes reais com o Mythos, mas a própria redação da pauta mostra quão a sério o regulador leva o tema.

O motivo da atenção é claro. Os bancos deixaram há muito tempo de ser estruturas fechadas, com sistemas críticos isolados do mundo externo. Eles têm cadeias complexas de prestadores, serviços em nuvem, APIs, sistemas automatizados de monitoramento, ferramentas internas de análise e canais digitais para clientes.

Nesse contexto, cada salto na capacidade da IA gera um novo conjunto de perguntas. Se um modelo analisa código melhor, monta cenários de várias etapas com mais rapidez, trabalha com segurança com grandes volumes de dados ou automatiza a interação com serviços externos, o risco de abuso cresce junto com os benefícios. Em teoria, esses sistemas podem ajudar criminosos a encontrar configurações fracas mais depressa, preparar campanhas de phishing convincentes, escalar a engenharia social ou testar barreiras de defesa com mais velocidade do que antes.

Para o regulador europeu, o tema é especialmente sensível, porque a infraestrutura financeira da zona do euro se apoia na confiança na solidez dos bancos, dos sistemas de pagamento e dos procedimentos de controle. Mesmo que o novo modelo não crie um tipo de ameaça fundamentalmente novo, ele pode tornar as ameaças antigas mais baratas, mais rápidas e de maior escala. Esse é um dos efeitos centrais dos sistemas de IA atuais: eles não necessariamente inventam uma nova forma de invasão, mas podem reduzir drasticamente a barreira de entrada para operações complexas.

Por isso, a conversa sobre o Mythos provavelmente diz respeito não só ao modelo da Anthropic, mas a uma classe mais ampla de sistemas que ganham autonomia, planejam melhor suas ações e podem funcionar como ferramenta nas mãos de uma pessoa ou de uma equipe.

Na prática, esse tipo de chamada costuma servir para alinhar o mapa de riscos e definir o que os bancos devem verificar primeiro. Pode-se tratar de como é feito o controle de acesso aos sistemas internos, onde ainda há pontos fracos nos processos de autenticação, com que segurança os bancos conectam modelos externos e com que rapidez perceberiam atividade atípica se a IA fosse usada em um ataque. Para os próprios bancos, é também um sinal para rever seus cenários de red teaming, os procedimentos de vendor risk management e os requisitos para fornecedores de serviços de IA.

Se o regulador levanta a questão no nível dos diretores de riscos, o tema quase inevitavelmente avança para inspeções formais, cenários de estresse e novas expectativas de reporte.

A conclusão principal é simples: os grandes reguladores financeiros já não veem os modelos avançados de IA como uma tecnologia de escritório neutra. O caso do Anthropic Mythos mostra que a próxima etapa da adoção de IA nos bancos envolverá não apenas produtividade e automação, mas também uma revisão rigorosa dos riscos cibernéticos, dos controles internos e da responsabilidade pelo uso de modelos externos. Para o mercado, é uma virada importante: quanto mais poderosos os sistemas de IA, mais rápido passam a ser avaliados pelos padrões de infraestrutura crítica, e não pelos de software de consumo.