Anthropic apresentou o Mythos como IA perigosa demais — e o problema vai além dos bancos

A história do Mythos importa não porque a Anthropic assustou banqueiros, mas porque mostrou a todas as empresas uma nova realidade: o tempo entre a descoberta de uma falha de software e um ataque real quase desapareceu. Antes, as empresas operavam na lógica de "primeiro anunciamos a vulnerabilidade, depois os clientes instalam o patch com calma". Com modelos de IA mais autônomos, esse esquema começa a quebrar. E o ponto mais vulnerável não é Wall Street, mas milhares de organizações menos protegidas, que não têm equipe de especialistas caros nem orçamento para reformular a defesa imediatamente.

Quando a Anthropic anunciou o Mythos em 7 de abril de 2026 e deu a entender, ao mesmo tempo, que o modelo era perigoso demais para um lançamento comum, a primeira reação foi previsível: seria um problema sobretudo para bancos e infraestrutura crítica. Poucos dias depois, o secretário do Tesouro dos EUA, Scott Bessent, reuniu os executivos dos maiores bancos para garantir que levavam a ameaça a sério. Para a Anthropic, foi uma publicidade perfeita: a empresa ganhou atenção máxima e, de quebra, levantou uma pergunta incômoda sobre quem recebe acesso antecipado a uma tecnologia tão poderosa.

Segundo a Bloomberg, o próprio Tesouro dos EUA agora também busca acesso ao Mythos. Enquanto isso, o AI Security Institute britânico já tem acesso ao modelo e virou, na prática, um dos principais árbitros independentes em segurança de IA. A avaliação preliminar do instituto se resume a uma ideia importante: há muito barulho em torno do Mythos, mas ele não é infundado. O modelo é visivelmente mais adequado a ciberataques complexos do que outros sistemas de IA populares, como chatbots comuns do tipo ChatGPT ou Gemini. Mas ele parece especialmente perigoso não contra os alvos mais protegidos, e sim contra sistemas simplificados e mal defendidos.

Isso muda o foco de toda a discussão. Grandes bancos costumam operar em um dos perímetros de TI mais protegidos do mundo. A situação é bem pior para pequenas e médias empresas, prestadores regionais de serviços, organizações de saúde e qualquer negócio em que a segurança foi tratada por anos como tarefa secundária.

Por muito tempo, o setor seguiu o modelo de responsible disclosure, ou divulgação responsável de vulnerabilidades. O fornecedor encontra o problema, publica um aviso e oferece a correção, enquanto os clientes testam o patch, aprovam as mudanças e só então o levam à produção. Na Microsoft, isso virou rotina, como o Patch Tuesday mensal. Em bancos e grandes corporações, o processo pode levar semanas ou meses: as equipes de TI precisam garantir que a atualização não quebre sistemas legados, integrações críticas e normas internas. Antes da IA generativa, isso era tolerável justamente porque os invasores normalmente precisavam de ainda mais tempo para transformar um erro publicado em um exploit funcional.

Agora essa folga desaparece. Há alguns anos, um invasor podia copiar a descrição de uma vulnerabilidade para um chatbot, pedir que estudasse repositórios públicos e encontrasse padrões semelhantes em outros softwares. Hoje, com os modelos agênticos, o risco é maior: esses sistemas não apenas sugerem a ideia do ataque, mas podem testar variantes por conta própria, procurar cadeias de falhas e levar o ataque até o resultado. Segundo a descrição da Anthropic, o Mythos consegue encadear vários erros não fatais em um cenário de invasão em várias etapas, como um ladrão que primeiro encontra uma janela entreaberta, depois abre a porta por dentro e então desliga o alarme. Nenhuma etapa isolada dá acesso total; juntas, dão.

Isso é uma mudança importante também porque a IA generativa até agora basicamente reforçava técnicas antigas: ajudava a escrever e-mails de phishing mais convincentes, criar deepfakes plausíveis para ligações e acelerar a preparação rotineira de ataques. A IA agêntica leva a automação para o próprio ofício da invasão. E os criminosos há muito têm sua lógica: raramente atacam de frente os maiores bancos, porque é caro e difícil demais, e procuram mais hospitais, pequenas lojas virtuais ou empresas com infraestrutura mal configurada.

Para esses alvos, o crítico nem é se o atacante tem o Mythos, mas o fato de a janela entre a publicação de uma vulnerabilidade e sua exploração ter encolhido a um mínimo perigoso. Segundo o zerodayclock.com, o tempo médio entre a divulgação pública de uma falha de software e a criação de um exploit funcional caiu de 771 dias em 2018 para menos de quatro horas hoje.

O que isso significa

O Mythos não é só uma história chamativa sobre uma "IA perigosa demais", mas também um sinal de que o antigo regime de ciberdefesa deixa de funcionar. Os bancos provavelmente conseguirão se adaptar mais rápido: têm pessoas, dinheiro e processos. O problema principal são todos os outros. Pequenas e médias empresas precisarão atualizar sistemas quase em tempo real, e sem novo suporte técnico e regras regulatórias mais rígidas, o mercado dificilmente entregará essa velocidade sozinho.