A empresa aprova uma política de IA, escolhe fornecedores e define quais modelos podem acessar dados ou executar ações. Meses depois, o documento continua no mesmo endereço, mas compromissos foram reescritos. A nova versão explica a evolução em linguagem geral. O conselho sabe por que houve revisão — e ainda não consegue enumerar o que mudou.
O que o estudo mediu
O preprint Silent Revision, submetido ao arXiv em 8 de setembro de 2026, reuniu todas as versões públicas localizadas dos frameworks de segurança dos 12 desenvolvedores de IA que haviam publicado um documento desse tipo, junto com changelogs, redlines ou anúncios [1]. A unidade principal não é empresa nem documento isolado: são 12 pares consecutivos de versões.
O autor rastreou 710 instâncias de compromissos e adjudicou individualmente 244. Define ‘silent revision rate’ como a parcela de mudanças materiais nos compromissos que o relato publicado pelo próprio fornecedor não identifica. Sob o critério estrito, o paper reporta 67%, com intervalo de confiança de 95% entre 62% e 72%. Sob critério leniente, 53%; em granularidade de seção, 49% [1].
Os outros resultados precisam de contexto
- Anúncios narrativos apresentaram taxa reportada de 74%, contra 63% em changelogs itemizados; o teste que respeita o agrupamento por pares torna a diferença apenas sugestiva.
- Entre as mudanças rastreadas, 77% enfraqueciam ou removiam um compromisso segundo o código aplicado pelo autor.
- Em sete de oito pares comparáveis, enfraquecimentos apareceram silenciosos com maior frequência que fortalecimentos.
- O paper não infere intenção, fraude, descumprimento ou dano. Mede legibilidade da mudança sob um codebook específico.
O corpus melhora a transparência — e expõe seus próprios limites
O repositório disponibiliza manifesto com hashes, documentos versionados, fontes de recuperação, 710 linhas de codificação, método, codebook congelado e scripts que recalculam as estatísticas [2][3]. Isso permite verificar corpus e contas com mais profundidade que um resumo promocional.
Ao mesmo tempo, o próprio repositório informa que a primeira passagem de codificação teve assistência de um sistema de linguagem sem parâmetros de amostragem fixos e que a adjudicação foi feita pelo autor. A concordância entre codificadores ainda não foi reportada no corte. Há pacote para uma segunda codificação de 50 unidades, mas disponibilizar o material não equivale a ter concluído a validação independente [2].
O que muda para uma empresa que compra ou usa IA
- Pin de versão: registre o documento, a data, a URL e o hash que sustentaram a decisão.
- Diff semântico: compare compromissos, limites, exceções, métricas e responsabilidades, não apenas palavras.
- Enumeração obrigatória: fornecedor e time interno precisam listar cada mudança material.
- Impacto: relacione a mudança a riscos, contratos, avaliações, controles e casos de uso afetados.
- Autoridade: defina quem pode aceitar enfraquecimento e quem precisa ser informado antes da vigência.
- Rollback: preserve a configuração e a evidência necessárias para limitar, substituir ou interromper o sistema.
Um contrato mínimo de mudança auditável
- Identificador imutável da versão anterior e da nova.
- Lista de compromissos adicionados, removidos, enfraquecidos, fortalecidos ou apenas reescritos.
- Justificativa separada da enumeração.
- Owner, aprovador, data efetiva e sistemas/casos de uso impactados.
- Evidências e avaliações que sustentam a mudança.
- Prazo de revalidação e condição de correção ou reversão.
Limites e leitura jurídica responsável
O trabalho é um preprint v1, com um autor afiliado à University of Oxford, submetido a workshop e ainda sem revisão por pares. O estudo observa uma população definida pelo próprio corpus e não deve ser generalizado para toda política corporativa. Taxas dependem da materialidade, granularidade e regra de correspondência adotadas. Nenhum percentual autoriza acusar um fornecedor específico de ocultação deliberada, ilegalidade ou má-fé.
Nota editorial e de responsabilidade
Este artigo combina resultados atribuídos ao preprint com análise profissional do autor. A Tech Human não reproduziu a codificação nem validou independentemente as taxas. Pontos de vista e recomendações não são fatos universais; dados, denominadores e limitações aparecem junto às afirmações. O conteúdo é informativo e não constitui parecer jurídico, regulatório ou de segurança. Pesquisa, estrutura e redação tiveram assistência de IA; revisão factual, autoral e aprovação foram confirmadas por Fernando Parreiras em 09/09/2026.