Hotz alerta que agentes de codificação por IA representam risco sistêmico para projetos de criptomoeda

George Hotz — o prodígio adolescente que famosamente fez jailbreak no iPhone e posteriormente reverse-engineered o PlayStation 3 — lançou um aviso franco sobre a implantação em massa de agentes de codificação baseados em IA: pode ser “um dos erros mais custosos da história do campo”. Em um novo post de blog intitulado "The Eternal Sloptember", Hotz argumenta que sistemas de codificação baseados em agentes não “programam” de forma confiável. Após seis meses de experimentos práticos — usando agentes para expandir o Tinygrad (seu framework de aprendizado profundo de código aberto) e para fazer reverse-engineering do firmware de um chip USB–PCIe — ele afirma que o padrão é consistente: agentes aceleram o progresso inicial, mas entregam aos desenvolvedores um produto frágil e bagunçado que nunca é realmente finalizado. “O agente antecipa todo o progresso”, escreve ele. “Você puxa a alavanca e espera que o trabalho de conclusão seja feito. Nunca é completamente feito.” Sua acusação é direta: “Agentes não conseguem programar, e está levando cada vez mais tempo para perceber que eles não conseguem.” E pior, ele acrescenta, as falhas são sutis: “A saída está quebrada, mas de uma maneira que está ficando cada vez mais difícil de detectar. Exatamente o que você esperaria de um modelo estatístico cada vez mais preciso.” Por que isso importa agora O post de Hotz chega em meio a uma divisão nítida da indústria. Cinco dias antes, Andrej Karpathy — um dos pesquisadores de IA mais visíveis — anunciou sua mudança para a equipe de pré-treinamento da Anthropic, chamando os próximos anos de “especialmente formativos” para modelos grandes. Karpathy e a liderança da Anthropic adotaram publicamente fluxos de trabalho agentes: o CEO da Anthropic, Dario Amodei, disse no Fórum Econômico Mundial que alguns engenheiros lá já permitem que modelos gerem código e apenas revisem os resultados. A Microsoft também avançou fortemente em agentes ao transformar o GitHub Copilot em um sistema agente completo em 2025, com o CEO Satya Nadella posicionando a mudança como equivalente à transição para a computação em nuvem. Hotz está do lado oposto desse debate. Ele se alinha à chamada perspectiva LeCun/Marcus — Yann LeCun e Gary Marcus sendo céticos proeminentes que veem modelos de linguagem grandes principalmente como correspondedores de padrões sofisticados, não como verdadeiros raciocinadores. Hotz alerta que, quando empresas impulsionam agentes por toda a organização de engenharia, o efeito na qualidade média do código será negativo: os altos desempenhos ainda capturarão e corrigirão erros dos agentes porque possuem loops de feedback apertados, enquanto os baixos desempenhos — potencializados por agentes para entregar muito mais patches e PRs — não o farão. O resultado, ele prevê, será “uma era dourada para montes e montes de lixo, e uma idade das trevas para joias de qualidade”. Antecipando a defesa de que isso é apenas medo de substituição, Hotz rebate. Ele cita ferramentas automatizadas como o AFL (American Fuzzy Lop) da Google, que encontrou muitos bugs sem provocar angústia existencial entre programadores, e observa como xadrez e Go cresceram em popularidade após a dominação da IA. Sua verdadeira preocupação é organizacional: a adoção generalizada pode mascarar uma queda constante na qualidade do código sob a capa de maior velocidade. Ele até especula que o impulso de marketing possa ser parcialmente uma tática de vendas: “Quase acho que isso é algum tipo de psyop para vender agentes. O medo da perda é uma das únicas maneiras de fazer grandes empresas se moverem.” Riscos concretos para engenheiros de cripto Para projetos de cripto e blockchain, a crítica de Hotz deve soar particularmente forte. Contratos inteligentes são implacáveis: falhas sutis em código implantado podem significar perda irreversível de fundos. Se agentes se tornarem o método padrão para gerar código de contrato, o risco não é apenas funcionalidades com bugs, mas vulnerabilidades sistêmicas e difíceis de detectar se espalhando por DeFi, sistemas NFT e infraestrutura de layer-2 — especialmente se equipes confiarem em agentes sem revisões rigorosas, testes e verificação formal. O que observar - Adoção de ferramentas vs. processo: Agentes podem acelerar prototipagem, mas equipes devem manter revisões rigorosas, auditorias e métodos formais quando apropriado. - Visibilidade das falhas: Espere mais erros sutis e estatísticos que passem em testes rápidos mas falhem em condições extremas. - Incentivos organizacionais: Monitore se a busca das empresas por velocidade está superando controles de qualidade. - Risco setorial: Em cripto, priorize auditorias e verificações de segurança on-chain antes de confiar em código gerado por agentes. Pontos contrários contextuais Nem todos concordam com Hotz. Karpathy, anteriormente cético quanto a agentes, mudou publicamente de posição após melhorias recentes nos modelos e juntou-se à Anthropic em 19 de maio de 2026. A prática dos engenheiros da Anthropic de revisar a saída do modelo em vez de escrever cada linha por conta própria é o argumento prático a favor dos fluxos de trabalho com agentes. Hotz diz que tentou a mesma abordagem desatenta e consistentemente acabou revertendo para correções manuais. Conclusão O aviso de Hotz é um chamado à cautela, não ao ludismo: agentes de IA são poderosos, mas suas saídas são aproximações estatísticas — não substitutos para julgamento técnico cuidadoso. Para equipes de cripto, onde o custo dos defeitos é unicamente alto, o post é um lembrete oportuno: velocidade sem revisão e verificação vigilantes pode transformar inovação em contágio.