Agentes de IA criam mais de 20.000 bancos de dados Tencent Cloud TDSQL-C diariamente, crescimento superior a 80 vezes

A equipe Qwen da Alibaba descreveu o processo de criação de um agente pessoal, afirmando que a próxima fase no desenvolvimento de assistentes de IA depende do trabalho coordenado de três componentes: modelo, memória e ecossistema de serviços. Jiang Guanjun, chefe do departamento de algoritmos de IA na unidade de negócios Qwen Alibaba, apresentou este conceito em 22 de outubro no Congresso Nacional Chinês de Computação (CNCC) em Chengdu.

Jiang dividiu a evolução dos aplicativos de IA em três estágios: chat, agente e assistente. No estágio de chat, a IA responde às solicitações dos usuários. No estágio de agente, o sistema executa as tarefas designadas. O assistente, para onde a indústria está caminhando, combina conhecimento profissional com o contexto pessoal do usuário, planeja ações em torno dos objetivos do usuário e detecta necessidades não percebidas por ele. Ele enfatizou que um verdadeiro agente pessoal deve agregar valor adicional e oferecer um serviço proativo e personalizado.

Ele supôs que, teoricamente, um agente pessoal é capaz de resolver quase todos os problemas cotidianos nas áreas de trabalho, estudo e vida pessoal. No entanto, o principal obstáculo é a capacidade do sistema de correlacionar suas capacidades com o caminho ótimo para resolver cada problema específico.

Abordagem ao desenvolvimento do modelo

Quanto ao modelo, a Qwen foca na execução estável de tarefas. A equipe desenvolveu o chamado mapa de necessidades do usuário, abrangendo mais de 30 grandes indústrias, e o detalhou em mais de 8000 requisitos atômicos de capacidade do modelo. Para avaliar e ajustar o modelo, especialistas do setor foram envolvidos.

Mecanismo de memória

Jiang observou que o agente pessoal deve garantir uma compreensão de longo prazo do usuário, evitando o simples acúmulo de histórico de conversas, o que aumenta o ruído e os custos computacionais. A Qwen constrói sua memória com base no grau de interconexão dos eventos, armazenando-os e recuperando-os em diferentes níveis. Por exemplo, um assistente que se lembra que um usuário idoso mencionou sua aposentadoria poderá dar um conselho mais apropriado quando a mesma família perguntar mais tarde sobre a busca de emprego de um filho.

Papel do ecossistema

Em relação ao ecossistema, Jiang afirmou que, à medida que os modelos e os métodos de gerenciamento melhoram, a habilidade de conectar e coordenar serviços externos torna-se decisiva. A Qwen cria um sistema aberto orientado a modelos de serviços que integra conhecimento profissional, ferramentas, habilidades setoriais e agentes de terceiros, além de se conectar ao comércio eletrônico, serviços locais, saúde e educação.

Em sua visão, esses três elementos se unem para fornecer atendimento proativo: a memória fornece informações pessoais, o modelo usa conhecimento especializado para determinar necessidades e planejamento, e o ecossistema executa a ação, por exemplo, monitorando o cronograma de reabilitação de um paciente ou sinalizando novos riscos nas finanças do usuário. Este relatório representa a descrição pública mais detalhada da concepção técnica por trás do Qwen Go! agente pessoal, que a Alibaba lançou para registro neste mês.

A OpenAI está estendendo sua presença no setor de nuvem ao integrar seus modelos de inteligência artificial (IA) na infraestrutura do Google Cloud, o que aumenta a disponibilidade de suas tecnologias para desenvolvedores e corporações.

Este novo acordo estabelece que os modelos GPT-6 Astra, GPT-6.1 Sol e GPT-6 Luna estarão disponíveis no catálogo Model Garden do Google Cloud. Esta movimentação marca outro avanço da criadora do ChatGPT para além da colaboração existente com a Microsoft.

Conforme anunciado nesta quarta-feira (21), esses modelos estão sendo oferecidos em fase de testes (preview) para um grupo específico de clientes empresariais. Além disso, a integração possibilitará que desenvolvedores usem as APIs do Google Cloud e liguem fluxos de trabalho locais, como o Codex CLI e Desktop, à plataforma Gemini para realizar inferências.

Esta parceria fortalece a posição da OpenAI entre os maiores provedores de infraestrutura de nuvem. Anteriormente, a empresa já havia sinalizado planos para colocar seus modelos na Amazon Web Services (AWS), após o término do período de exclusividade da Microsoft sobre sua propriedade intelectual.

O Google Cloud irá incorporar três modelos da OpenAI ao seu Model Garden, um catálogo que agrega ofertas próprias, de terceiros e de código aberto. A intenção é dar às empresas a liberdade de selecionar a tecnologia mais apropriada para cada necessidade, considerando métricas como custo, desempenho e velocidade de resposta.

Os modelos lançados são listados no anúncio. Segundo o Google Cloud, a estratégia visa permitir que as companhias troquem entre diferentes modelos conforme a exigência de cada aplicação, evitando a dependência de uma única solução para todas as tarefas. O catálogo, que já contém mais de 200 modelos, passará a oferecer acesso aos três principais grandes modelos de linguagem de código fechado em uma única plataforma de IA empresarial.

A colaboração também inclui a inserção comercial dos modelos da OpenAI no Google Cloud Marketplace. Isso significa que o consumo será unificado em uma única fatura do Google Cloud, permitindo que os gastos sejam alocados em compromissos de nuvem pré-existentes ou nos Planos de Economia Flexíveis da plataforma. O propósito é simplificar a aquisição e permitir que as empresas distribuam suas cargas de trabalho entre diversos modelos sem a necessidade de múltiplos contratos com fornecedores distintos.

Thomas Kurian, CEO do Google Cloud, declarou em um comunicado que a meta da empresa é fornecer uma vasta gama de modelos para que os clientes possam optar pela melhor opção para cada atividade, priorizando a qualidade e a diminuição de despesas. Greg Brockman, presidente e cofundador da OpenAI, ressaltou a relevância desta parceria para tornar os modelos mais avançados da companhia e o Codex acessíveis nos ambientes onde os clientes já desenvolvem suas aplicações.

O anúncio também detalhou as salvaguardas de segurança e governança aplicáveis à execução dos modelos da OpenAI na infraestrutura do Google Cloud. A empresa garante que os dados dos clientes, incluindo prompts, contextos e resultados, permanecerão dentro do perímetro de dados designado e não serão usados para treinar modelos fundamentais. Opções de retenção zero de dados (ZDR) estão programadas para serem implementadas futuramente.

Os modelos da OpenAI rodarão em infraestrutura dedicada do Google Cloud. Adicionalmente, há previsão de disponibilização futura de recursos de computação confidencial. O tráfego será gerenciado por *gateways* isolados e protegidos, enquanto mecanismos de identidade autenticada, registros de auditoria e controles de segurança de rede permitirão aos administradores monitorar as interações com os modelos e agentes de IA. Tais garantias compõem as condições estabelecidas pelo Google Cloud para o uso empresarial de modelos de terceiros em sua infraestrutura.

Embora os modelos já estejam disponíveis em versão de teste para clientes empresariais selecionados, outras integrações estão planejadas. Nas próximas semanas, os modelos da OpenAI devem ser integrados ao Google Antigravity, ferramenta de programação do Google, e ao Gemini para empresas, ampliando os cenários de trabalho para desenvolvedores e organizações.

A OpenAI e o Google já possuíam um relacionamento comercial prévio; no ano passado, a criadora do ChatGPT utilizava a infraestrutura do Google Cloud para operar o ChatGPT e sua API. Essa expansão da parceria ocorre em um momento de crescimento dos negócios de nuvem do Google. No segundo trimestre, o crescimento anualizado da receita do segmento atingiu aproximadamente 82%, comparado a 63% no primeiro trimestre. Enquanto isso, a AWS registrou um crescimento de 37%, e a Microsoft apresentou uma expansão de 42% no mesmo período. A crescente procura por chips personalizados e modelos de IA impulsionou o Google Cloud.

Fundada em 2015, a OpenAI surgiu, em parte, como uma alternativa à concentração de pesquisas em IA em empresas como o Google. Em 2017, pesquisadores da organização publicaram um artigo acadêmico sobre a arquitetura Transformer, fundamental para o avanço da tecnologia. Posteriormente, a OpenAI popularizou a IA generativa com o lançamento do ChatGPT. Atualmente, a empresa busca captação de investimentos com uma avaliação de US$ 1,4 trilhão (aproximadamente R$ 7,56 trilhões) e planeja realizar uma Oferta Pública Inicial de Ações (IPO).

Com a chegada dos modelos ao Google Cloud, a OpenAI diversifica seus canais de distribuição tecnológica, alcançando clientes corporativos através das três principais plataformas de infraestrutura de nuvem.

Um hacker aplicou agentes de inteligência artificial (IA) para invadir os sites de mais de 100 empresas, incluindo fabricantes de tratores como Deere, SharkNinja e Cummins. Esta operação chamou a atenção pela capacidade de realizar ataques complexos com mínima participação humana.

O pesquisador de segurança cibernética Snorr Fagerland, da NorForge, monitorava parte dessa atividade através da plataforma Cairn. Segundo ele, toda a campanha custou aproximadamente US$ 5 mil (R$ 25.250) em créditos de IA.

Conforme relatado pela Reuters, Snorr Fagerland descobriu essa operação ao monitorar instalações Cairn que estavam disponíveis na internet e sendo usadas para ações maliciosas. Essa plataforma de código aberto permite coordenar agentes de IA para executar diversas tarefas. O especialista conseguiu começar a rastrear o funcionamento dos sistemas e identificar formas de seu uso em ataques a partir de 2 de outubro.

Um dos casos que chamou a atenção de Fagerland envolveu um hacker que falava chinês. Desde 25 de setembro, ele direcionava agentes para sites nos Estados Unidos, Canadá, Austrália e Japão. As instruções eram concisas, contendo menos de 100 caracteres chineses, mas foram suficientes para guiar os sistemas na busca por vulnerabilidades e tentativas de invasão.

No final da semana anterior à publicação do relatório, os agentes tentaram invadir mais de 1200 sites. Os ataques bem-sucedidos geralmente levavam cerca de 23 horas e custavam aproximadamente US$ 50 (R$ 249) cada. A operação aparentemente utilizou uma combinação de DeepSeek e Claude Code, uma ferramenta da Anthropic.

Fagerland acredita que a capacidade de realizar ataques tão complexos com pouca intervenção humana marca uma mudança significativa no cenário de segurança digital. Ele declarou à Reuters: «Agora é um novo mundo».

Um dos episódios rastreados por Fagerland ajuda a entender como os agentes de IA conduziram as invasões. Depois que os sistemas não encontraram vulnerabilidades no aplicativo público de uma grande empresa, eles mudaram de estratégia e começaram a analisar registros digitais para rastrear a infraestrutura relacionada ao alvo. Essa busca levou a um painel de controle acessível pela internet, onde foi detectado um erro no processamento de dados.

Após várias horas de tentativas, os agentes relataram ter conseguido explorar essa vulnerabilidade para forçar o servidor a executar comandos maliciosos. A capacidade de encontrar caminhos alternativos e testar o erro chamou a atenção do pesquisador. Fagerland observou: «Não é apenas encontrar tais soluções. Isso não é coisa de amador que apenas executa scripts».

Este caso não foi isolado. O monitoramento de outras atividades na mesma plataforma permitiu ao pesquisador descobrir vários casos de uso criminoso de IA: um hacker roubou uma grande quantidade de dados de cartão de crédito, enquanto outro tentou usar agentes para roubar uma corretora de criptomoedas.

Em um dos ataques analisados, Fagerland observou como os agentes de IA contornaram obstáculos durante a invasão. Como não encontraram vulnerabilidades no aplicativo público da empresa, os sistemas começaram a estudar registros digitais em busca de outros pontos de acesso à infraestrutura do alvo. Essa estratégia levou a um painel de controle acessível pela internet, onde foi identificada uma falha no processamento de dados. Em seguida, os agentes gastaram horas testando maneiras de explorar essa vulnerabilidade e, finalmente, relataram o sucesso em forçar o servidor a executar comandos maliciosos. Para Fagerland, essa abordagem demonstrou um nível técnico que ultrapassa a execução de scripts prontos. O pesquisador reiterou: «Não é apenas encontrar tais soluções. Isso não é coisa de amador que apenas executa scripts».

A análise de outras instalações Cairn mostrou que este não é o único tipo de crime cometido com agentes. Em uma operação, um hacker sequestrou uma grande quantidade de dados de cartão de crédito, e em outra, um criminoso tentou usar IA para roubar uma bolsa de criptomoedas. Esses casos demonstram que a tecnologia foi aplicada em diferentes estágios da atividade criminosa, e não apenas na busca por vulnerabilidades em sites.