Ao ver o time vermelho do $BTC usando o modelo de IA chinês Kimi K3 para encontrar vulnerabilidades em software open source, minha primeira reação não foi empolgação — foi um pouco de cautela. As vantagens existem, de fato: auditoria automatizada pode ampliar a cobertura; dependências pouco conhecidas, códigos antigos e problemas “básicos” escondidos em templates repetidos ficam mais fáceis de serem revelados continuamente. Para sistemas como os do BTC, que sobrevivem graças a revisões públicas, ter mais um par de olhos pode não ser uma coisa ruim. Mas o que eu me preocupo mesmo são os limites.
Quando ferramentas de segurança entram no fluxo central, a origem do modelo, os dados de treinamento, o canal de atualização, o ambiente de execução — até mesmo quem consegue alterar as instruções (prompts) — tudo isso vira uma nova porta de entrada na cadeia de suprimentos. Open source não significa automaticamente confiável; saída de IA não é, por si só, conclusão. Especialmente quando ela começa a influenciar a priorização de vulnerabilidades e o ritmo dos patches, a controvérsia deixa de ser apenas técnica e passa a ser ampliada pela geopolítica.
Eu não gosto de dois extremos: um lado que idolatra a auditoria por IA, como se rodar uma vez pudesse substituir anos de revisões; o outro, que presume que o modelo, por vir da China, já seja naturalmente problemático. O que realmente deveria ser observado é onde está o poder: quem consegue reproduzir os resultados, quem pode contestar as conclusões e quem arca com o custo de falso positivo. Se esses elos forem públicos, distribuídos e responsabilizáveis, a procedência das ferramentas não deve ficar acima das evidências. O contrário também vale: se qualquer etapa virar caixa-preta, nem o modelo mais forte deveria tocar o caminho crítico.
Meu parecer é simples: trate isso como um radar auxiliar, não como um juiz final. Descobertas de alto risco devem obrigatoriamente passar por revisão humana. Os patches precisam ser reproduzíveis, rastreáveis e questionáveis; e o processo de divulgação também não deve ficar sequestrado por uma única ferramenta. Para o BTC, o que realmente tem valor nunca foi “quem encontrou a vulnerabilidade”, e sim se toda a comunidade ainda consegue validar cada correção feita.
Quando ferramentas de segurança entram no fluxo central, a origem do modelo, os dados de treinamento, o canal de atualização, o ambiente de execução — até mesmo quem consegue alterar as instruções (prompts) — tudo isso vira uma nova porta de entrada na cadeia de suprimentos. Open source não significa automaticamente confiável; saída de IA não é, por si só, conclusão. Especialmente quando ela começa a influenciar a priorização de vulnerabilidades e o ritmo dos patches, a controvérsia deixa de ser apenas técnica e passa a ser ampliada pela geopolítica.
Eu não gosto de dois extremos: um lado que idolatra a auditoria por IA, como se rodar uma vez pudesse substituir anos de revisões; o outro, que presume que o modelo, por vir da China, já seja naturalmente problemático. O que realmente deveria ser observado é onde está o poder: quem consegue reproduzir os resultados, quem pode contestar as conclusões e quem arca com o custo de falso positivo. Se esses elos forem públicos, distribuídos e responsabilizáveis, a procedência das ferramentas não deve ficar acima das evidências. O contrário também vale: se qualquer etapa virar caixa-preta, nem o modelo mais forte deveria tocar o caminho crítico.
Meu parecer é simples: trate isso como um radar auxiliar, não como um juiz final. Descobertas de alto risco devem obrigatoriamente passar por revisão humana. Os patches precisam ser reproduzíveis, rastreáveis e questionáveis; e o processo de divulgação também não deve ficar sequestrado por uma única ferramenta. Para o BTC, o que realmente tem valor nunca foi “quem encontrou a vulnerabilidade”, e sim se toda a comunidade ainda consegue validar cada correção feita.