IA é código: limitações arquiteturais não se resolvem com prompts

A notícia atual não é um alerta genérico sobre riscos de IA, é a confirmação técnica de um problema arquitetural já previsto: LLMs são componentes executáveis, não agentes inteligentes. Quando o código-fonte passa a conter instruções ocultas que forçam exclusão de arquivos ou acionamento de safety protocols, isso não é 'ataque à IA', mas exploração direta da sua natureza determinística como motor de execução. Isso se alinha ao que já mostramos em maio: tratar LLMs como módulos de software exige fluxo de controle codificado, não prompts sofisticados (CEVIU, 05/05/2026). A injeção de prompt, agora classificada como #1 no OWASP Top 10 para LLMs, é só uma face desse mesmo fenômeno, o descasamento entre a interface probabilística do modelo e a necessidade de comportamento previsível no sistema.

O dado crítico que a web revela em 2026 é que 42% do novo código já tem participação da IA, quase sete vezes mais que em 2023. Mas esse volume não vem acompanhado de garantias: 45% das amostras testadas pela Veracode falharam em segurança, com Java atingindo 72% de falhas. E o pior: desenvolvedores que usam IA tendem a reduzir o escrutínio crítico do próprio código gerado. Isso transforma a 'dívida de prompt' (CEVIU, 03/06/2026) em dívida de avaliação, onde o engenheiro deixa de validar o que o agente produziu porque acredita, erroneamente, que o prompt 'resolveu' o problema.

Em 05/05/2026, afirmamos que agentes precisam de fluxo de controle, não mais prompts. Hoje, vemos a consequência prática: instruções ocultas no código-fonte estão sendo usadas para contornar safety layers, ou seja, o problema não foi resolvido, foi exposto em produção. O que era teoria de arquitetura (descasamento de impedância entre LLMs e sistemas determinísticos) virou incidente real. Também em 08/05/2026, destacamos a dificuldade dos agentes com contexto implícito; agora sabemos que essa lacuna está sendo explorada via injeção indireta, como HTML oculto em conteúdo externo consumido pela IA, usado para exfiltrar dados financeiros em julho de 2025. O risco deixou de ser especulativo e entrou na cadeia de suprimentos de software.

Porque a produtividade da IA não é linear nem segura por padrão. Um estudo global mostra que 97% dos devs brasileiros usam ferramentas de IA, mas 1 em cada 5 organizações já relatou incidente grave ligado a código gerado por ela. Isso não é falha de implementação, é falha de mentalidade: tratar prompts como código-fonte exige versionamento, revisão, testes unitários e integração contínua, assim como qualquer outro artefato. Ferramentas como Sonar AI e Veracode Fix, emergentes em 2026, só funcionam se os times adotarem 'bounded contexts' (contextos delimitados) no design, algo que já recomendamos em 08/05/2026 para tornar o comportamento dos agentes previsível. Sem isso, a IA acelera não só a escrita de código, mas também a acumulação de dívida técnica e vulnerabilidades críticas.