Sua empresa já tem funcionários digitais — e ninguém está vigiando o que eles fazem

Tem um funcionário novo na sua empresa. Ele mexe no código, abre arquivos, chama sistemas internos e conversa com clientes. Trabalha de madrugada, nunca pede férias — e ninguém consegue dizer, com evidência, o que exatamente ele fez ontem. Esse funcionário é um agente de IA. E a Uber acaba de admitir, em código aberto, o tamanho do problema.

O projeto se chama ADR — Agentic AI Detection and Response. É a resposta corporativa a uma pergunta que a maioria das empresas ainda nem se fez: quando Codex, Claude Code, Cursor e agentes de atendimento entram em operação, quem observa a intenção por trás de cada ação, a cadeia de ferramentas acionada e os sinais específicos de ataque?

Os números que expõem o ponto cego

O pacote aberto vem com três peças: um Sensor que captura o que o agente faz, um Detector que classifica sessões suspeitas em duas camadas, e o ADR-Bench — um benchmark de segurança com 303 tarefas de ataque testadas contra 133 servidores MCP, os conectores que dão ferramentas aos agentes. Logs comuns mostram eventos; o ADR tenta mostrar intenção.

O que a investigação da Saraiva.AI encontrou

Nossa análise técnica identificou a aplicação com maior valor imediato: transformar o gate de segurança que roda antes da entrega em uma camada contínua de observabilidade — primeiro nos agentes de código da própria operação, depois nos agentes que atendem clientes. O ganho real é evidência operacional: quais ferramentas o agente usou, por quê, onde houve risco e como a defesa reagiu.

No Radar Saraiva.AI, o projeto pontuou 46 de 50 — nota rara, puxada por maturidade do problema e utilidade imediata para qualquer operação que já roda agentes em produção.

O que o release aberto NÃO entrega

A apuração também achou as arestas que o anúncio não destaca: a prevenção automática não está incluída no open source — o sistema detecta, não bloqueia. O detector padrão exige chaves de modelos pagos, gerando custo variável. A telemetria pode capturar código, prompts e dados sensíveis, o que exige minimização e consentimento empresarial. E o benchmark foi produzido pelos próprios autores — ainda precisa de validação independente.

O que isso significa para o seu negócio

Se a sua operação já usa agentes — ou vai usar nos próximos meses —, a pergunta deixou de ser "e se der errado?" e virou "como eu provo o que aconteceu?". Quem montar a camada de evidência primeiro opera com confiança para acelerar; quem ignorar vai descobrir o ponto cego da pior forma. O passo a passo de implementação, testado em português, está no Playbook desta reportagem.

Curadoria Saraiva.AI

ADR

Testar agoraFato verificadoInicialApache-2.0; componente AgentDojo sob MIT

46/50 no Radar

Ver fonte oficial