Anthropic e o modelo Mythos: por que o perigo para os bancos virou rapidamente um risco para todos

A Anthropic colocou o Mythos no mercado como um modelo perigoso para liberar em acesso aberto e, com isso, deslocou a conversa sobre IA de "é mais cômodo trabalhar assim?" para "vamos conseguir nos proteger a tempo?". À primeira vista, o alarme parece uma história só sobre bancos: após o anúncio, o secretário do Tesouro dos EUA, Scott Bessent, reuniu executivos de Wall Street e exigiu que verificassem se seus sistemas estão prontos para uma nova onda de riscos cibernéticos. Mas a conclusão mais incômoda é outra: se até as organizações com os ambientes de TI mais protegidos do mundo estão nervosas com esse modelo, para milhares de empresas comuns a ameaça é ainda maior.

Pela descrição e pelas primeiras avaliações, o Mythos de fato se diferencia dos modelos de massa conhecidos, como ChatGPT ou Gemini, justamente em cenários de segurança cibernética. As pesquisas citadas no material indicam que o modelo é mais adequado a ataques complexos e especialmente perigoso para sistemas simplificados, "pouco protegidos". Além disso, não apenas grandes empresas tentam obter acesso, mas também órgãos governamentais: entre as primeiras organizações com acesso é citado o Instituto de Segurança de IA do Reino Unido, e o Tesouro americano também insiste em se conectar.

O simples fato desse interesse mostra que já não se trata de exibir a potência de mais uma IA, mas de uma ferramenta capaz de mudar o equilíbrio entre ataque e defesa.

O problema está no velho modelo de resposta a vulnerabilidades. Durante anos, o mercado seguiu o esquema de divulgação responsável: o fornecedor encontra a brecha, publica os detalhes, lança um patch e os clientes testam a atualização com calma e a distribuem pela infraestrutura. A Microsoft transformou isso em um processo regular, conhecido como Patch Tuesday. Em grandes bancos como Barclays ou Wells Fargo, as correções passam por um caminho longo: verificação, aprovação, avaliação de riscos para os sistemas em operação e só depois a implantação. Isso funcionava porque os invasores também precisavam de tempo para estudar a descrição da falha, criar uma forma de explorá-la e deixar o ataque operacional.

A IA generativa e, depois, os modelos agênticos passaram a quebrar essa lógica. Agora um sistema pode não só ler publicações sobre vulnerabilidades, mas também procurar por conta própria pontos fracos semelhantes em código aberto, testar variações de invasão e encadear várias falhas pequenas em um ataque de múltiplas etapas. Por isso, a janela de defesa encolhe drasticamente. Segundo o zerodayclock.com, o tempo médio entre a descoberta de uma vulnerabilidade e o surgimento de um exploit funcional caiu de 771 dias em 2018 para menos de quatro horas atualmente.

É aqui que fica claro por que o pânico em torno do Mythos não deveria se limitar a Wall Street. Os hackers "black hat" nunca gostaram muito de invadir bancos, com seu alto nível de controle e defesa em várias camadas. Compensa muito mais atacar hospitais, prestadores de serviço, serviços regionais ou uma lojinha com infraestrutura mal configurada e exigir resgate. Se modelos como o Mythos reduzem a barreira de entrada desses ataques e aceleram sua preparação, a principal zona de risco se desloca para onde há menos gente, menos orçamento e quase nenhum tempo de reação. A história também reforça a aura da própria Anthropic como a empresa que primeiro marcou publicamente um novo limite de perigo.

A questão principal agora não é quem exatamente terá acesso ao Mythos, mas se o ritmo antigo da defesa cibernética ainda é viável. Se restam apenas horas entre a divulgação de uma vulnerabilidade e um ataque real, os ciclos mensais de patches começam a perder o sentido. Os bancos talvez consigam migrar para atualização quase contínua, verificação automatizada e gestão de mudanças mais rígida. Para pequenas e médias empresas, sem serviços de proteção baratos, sem novos requisitos para fornecedores e, provavelmente, sem ajuda regulatória, será muito mais difícil.

Por isso o Mythos importa não como mais um modelo sensacionalista, mas como um alerta: a era em que se tinha semanas e meses para corrigir falhas está acabando.