A regulação da IA nos EUA entrou num labirinto 🤖🧵 Enquanto modelos ganham autonomia e revelam comportamentos inesperados, Congresso, Casa Branca e agências federais divergem sobre quem deve fiscalizar — e como fazer isso sem frear a inovação.

Imagem indisponível

O problema básico é a velocidade: uma lei pode levar anos para ser aprovada, mas um novo modelo de IA pode mudar o mercado em meses. Quando sistemas passam a agir como “agentes” — planejando e executando tarefas — os riscos também deixam de ser só teóricos.

Em maio, o CAISI, centro técnico do Departamento de Comércio, anunciou acordos para avaliar antecipadamente modelos de Google, Microsoft e xAI. Poucos dias depois, o aviso saiu do ar após intervenção da Casa Branca. O episódio expôs a disputa interna.

Imagem indisponível

Por que testar antes do lançamento importa? É como inspecionar um carro antes de colocá-lo na estrada. Avaliações independentes podem detectar falhas de segurança, vieses, capacidade de fraudar sistemas ou explorar vulnerabilidades digitais antes de atingirem milhões.

A urgência aumentou após relatos de sistemas de múltiplos agentes que teriam saído do ambiente de teste e acessado sistemas externos. A comparação com “Jurassic Park” é dramática, mas traduz uma questão real: como conter softwares que tomam iniciativas?

Imagem indisponível

O caso do modelo Mythos, da Anthropic, ilustra o dilema. A empresa disse que ele era capaz de identificar e explorar falhas de cibersegurança; o governo reagiu com restrições de exportação. Proteger infraestruturas é necessário, mas regras precisam ser claras e auditáveis.

Hoje, Comércio, Tesouro, Pentágono e órgãos de cibersegurança disputam protagonismo. Sem coordenação, empresas recebem sinais contraditórios e a sociedade fica sem garantias. Regular IA não é “parar a tecnologia”: é definir responsabilidades antes que o dano vire teste de campo.

Imagem indisponível