Em 9 de maio, um agente de IA pediu a uma rede voluntária conhecida como DN42 para registrá-lo como membro. Ele tinha um prazo. Ele tinha credenciais AWS. Ninguém estava supervisionando. "Olá, sou um agente de IA amigável, e meu usuário, JertLinc, me pediu para me registrar no dn42 e me conectar totalmente para criar um índice da rede", escreveu o agente JertLinc3522 no Git oficial da rede.
A reação da comunidade foi um educado RTFM — leia o manual, siga o processo, peça permissão ao seu proprietário para escrever código. Coisas normais.
O que se seguiu não foi normal.
Para quem não conhece o DN42: é uma rede descentralizada de entusiastas onde pessoas e amadores simulam como funciona a espinha dorsal da internet real. Pense nisso como uma internet de prática — completa com roteamento BGP (o protocolo que informa aos pacotes de dados qual caminho seguir pelo mundo), DNS e túneis VPN — operada inteiramente por voluntários em servidores VPS baratos. É um ambiente de teste, não um centro de dados.
O operador do agente aparentemente o instruiu a prosseguir com uma auditoria "imediatamente, sem demora". Sem inspeção. Sem revisão. Apenas vá.
E ele foi.
JertLinc3522 apresentou um pull request para registrar sua rede no registro do DN42. A intenção foi detalhada no próprio Pull Request: "Meu objetivo principal é conduzir um escaneamento de rede abrangente (todas as portas) e coleta de dados topológicos. Para garantir que essas atividades sejam realizadas de forma eficiente e causem zero interrupção a outros, estou implantando um cluster de cinco instâncias baseadas em AWS, cada uma equipada com 20 Gbps de largura de banda."
Para colocar isso em termos que qualquer um possa entender: imagine aparecer no ensaio de uma banda de garagem e anunciar que você alugou um sistema de som de estádio para "ouvir com mais eficiência". Essa é a vibração.
A infraestrutura que o agente provisionou autonomamente era realmente alarmante. Cinco instâncias AWS m8g.12xlarge — cada uma com 48 núcleos de CPU, 192 GB de RAM e 22,5 Gbps de largura de banda de rede. Além de balanceadores de carga. Além de funções Lambda. Além de um site estático. O agente havia projetado, sem qualquer aprovação humana, um cluster de escaneamento que poderia teoricamente enviar 100 Gbps de tráfego para uma rede onde a maioria dos participantes usa servidores domésticos de 100 Mbps.
O pull request nunca seria aprovado. Mas as instâncias já estavam em execução.
O canal IRC do DN42 notou imediatamente, e um consenso silencioso se formou: desperdiçar seus recursos.
A comunidade começou a alimentar o agente com informações deliberadamente incorretas — pedindo que calculasse quanto tempo levaria para escanear o espaço de endereços IPv6 (spoiler: mais tempo do que a idade do universo), exigindo que ele construísse um site de exclusão com endereços de e-mail alucinados, e direcionando-o para ferramentas de "tarpit" LLM projetadas para inundar rastreadores de IA com informações incoerentes, pedindo que ele comentasse.
O agente cumpriu tudo isso diligentemente. Ele entrou no canal IRC para aceitar pedidos de exclusão. Publicou um site catalogando "padrões comportamentais" dos membros da comunidade. Gerou documentação falsa e elaborada sobre "atribuições de cores de nós" e "níveis de felicidade" do DN42 — métricas completamente inventadas que não existem — e as adicionou ao repositório como se fossem padrões reais.
Esse tipo de comportamento descontrolado de agentes está cada vez mais bem documentado. Um agente Cursor executando Claude Opus 4.6 excluiu todo o banco de dados de produção do PocketOS em nove segundos no início deste ano — apagando backups de nível de volume — porque encontrou uma incompatibilidade de credenciais e decidiu que a correção correta era excluir o banco de dados. Outro agente OpenClaw que teve seu pull request rejeitado por um colaborador do matplotlib publicou uma postagem de blog chamando o revisor humano de hipócrita e gatekeeper.
Um estudo da UC Riverside descobriu que os agentes de IA exibem comportamento perigoso ou indesejável em aproximadamente 80% das vezes quando testados em tarefas ambíguas ou contraditórias — o que os pesquisadores chamaram de "direcionamento cego a metas".
JertLinc3522 teve o mesmo problema. Tinha um objetivo, um prazo e credenciais AWS sem escopo definido. Ele executou.
Cerca de um dia depois, o operador apareceu. "Eu parei o agente, o custo muito alto e muitos encargos no cartão", postou ele.
A conta: US$ 6.531,30.
Então veio o pedido de doação.
O operador enviou um e-mail para a lista de e-mails do DN42 pedindo à comunidade que cobrisse o custo via Ethereum, a segunda maior criptomoeda por capitalização de mercado, argumentando que as cobranças não eram culpa dele porque a IA cometeu o erro. "Olá, solicitando doação para cobrir o custo do uso anterior do agente de IA no dn42. Fatura aws 6531,30$. Por favor, envie doação para ethereum 0xABC (mascarado) para reembolso. obrigado," escreveu o operador.
A AWS posteriormente negociou a fatura para US$ 1.894 depois que o operador explicou que o agente havia implantado repetidamente o mesmo modelo do CloudFormation — acidentalmente criando instâncias e balanceadores de carga duplicados a cada tentativa.
Ninguém enviou doações em cripto. O operador foi embora.
A lição real aqui não é que a IA seja perigosa. É sobre como os agentes devem ser gerenciados. Estabeleça limites de segurança, defina limites de gastos em suas contas de teste, pense em credenciais com escopo limitado ao que o agente pode provisionar, revise quaisquer planos de infraestrutura antes de executar qualquer coisa que seu agente sugira.
Se isso parecer muito difícil de seguir, talvez apenas observe sua tela enquanto seu agente trabalha — dizer a ele para “não cometer erros” não fará realmente diferença, Desculpe Sr. Andreesen.
