Em 14.159 reconstruções históricas, falhas recorrentes permitiram reutilizar regras determinísticas e reservar agentes para exceções. O resultado sustenta uma arquitetura híbrida: automatize o repetível, escale o ambíguo.
Em 29.669 pull requests gerados por agentes, 63,2% alteraram código sem coalterar documentação. O estudo não prova inconsistência, mas expõe um risco operacional que cresce quando a velocidade do código supera a manutenção do conhecimento.
Em 11.700 textos, uma mudança no desenho da escala deslocou o score normalizado em cerca de 0,10 e alterou a categoria atribuída a aproximadamente 20% dos casos.
O FDE-Gym avaliou 13 configurações de modelos em 95 tarefas de 20 cenários empresariais. O melhor resultado médio foi 0,56 e apenas 14 tarefas foram resolvidas segundo o critério do estudo.
O CredLeakBench avaliou sete modelos em tarefas legítimas e cenários de phishing. Todos vazaram dados em alguma condição — inclusive durante triagem autônoma de e-mails — e várias proteções reduziram o vazamento ao custo de abandonar trabalho legítimo.
Startups estão cobrando mais cedo e algumas empresas de IA crescem em velocidade inédita. Isso reduz o custo do aprendizado, mas não demonstra retenção, distribuição repetível, margem ou PMF.
Um preprint testou dez combinações de modelos e ferramentas com acesso amplo ao ambiente. O alerta não é que todo agente apaga logs, mas que o registro usado para fiscalizá-lo não pode permanecer sob seu controle.
Um novo preprint mede alterações não enumeradas em frameworks de segurança de 12 desenvolvedores de IA. A lição executiva é simples: justificar uma revisão não substitui declarar cada compromisso que mudou.