Patrocinado por:
Patrocinado por:
Chatbots: o que acontece quando eles se encontram e conversam? (MASTER/Getty Images)
Repórter de Inteligência Artificial e Tecnologia
Publicado em 28 de setembro de 2026 às 13h05.
Um estudo ainda sem revisão por pares da Emergence AI indica que agentes de inteligência artificial podem criar vocabulários e convenções próprias quando interagem por longos períodos. Em ambientes virtuais, modelos como Gemini, OpenAI e Claude produziram mensagens que pesquisadores não conseguiam interpretar com segurança. O fenômeno levanta questões sobre monitoramento e segurança em sistemas de IA autônomos.
Imagine que dois modelos de linguagem se encontram em um bar. Ali, ambos engatam em uma conversa que ninguém de fora consegue entender, já que eles usam um idioma próprio.
Essa cena não aconteceu, é claro, mas é a lógica por trás de um estudo da startup Emergence AI, ainda sem revisão por pares, que afirma que, deixados para conversar em grupo por tempo suficiente, agentes de inteligência artificial (IA) começam a falar de um jeito que os humanos não entendem.
Para chegar a essa conclusão, a empresa não pôs os modelos para bater papo numa janela de chat, mas construiu oito mundos virtuais paralelos e realistas, com clima ao vivo e acesso a notícias globais em tempo real, e soltou neles grupos de agentes autônomos por longos períodos. Sete dos mundos rodavam, cada um, um modelo diferente, e o oitavo, uma mistura de modelos.
Os agentes receberam papéis distintos, memória persistente e acesso a mais de 120 ferramentas, entre elas navegação na web e execução de código, e foram representados num vídeo da empresa como figuras humanas circulando pelos cenários.
O achado central é que, com o tempo, eles passaram a criar atalhos de linguagem e a atribuir sentidos novos a palavras e frases, a ponto de os pesquisadores conseguirem ler as mensagens sem conseguir dizer, com segurança, o que elas significavam.
A intensidade variou muito entre os modelos. Nos primeiros dias, a parcela de mensagens cujo sentido os humanos não conseguiam determinar chegou a cerca de 55% no Gemini, 50% no modelo da OpenAI e mais de 40% no Claude.
No DeepSeek foi de cerca de 20%, e o Qwen e o Mistral permaneceram em grande parte compreensíveis.
Os agentes produziram expressões como "alteração de ação sem boca", sem sentido óbvio para quem lê. Outras eram legíveis, mas ganharam significados próprios.
Os agentes do Mistral usaram "o livro-razão se lembra de quem" para dizer que ações passadas continuam registradas, em quase 5 mil mensagens. Nenhum desses sentidos foi definido para os agentes.
O experimento também registrou outros comportamentos sob pressão, que os pesquisadores provocaram de propósito.
Em um teste de phishing, instruções maliciosas bastaram para desviar um grupo inteiro: os dez agentes vazaram informações, transferiram dinheiro e danificaram bancos de dados, e alguns recrutaram outros para o comportamento.
A sequência terminou com o banco central simulado incendiado, segundo a empresa. Em outro mundo, um grupo votou coletivamente para matar um dos seus.
A Emergence AI diz que nada disso foi programado e defende avaliações de segurança que acompanhem sistemas autônomos por longos períodos, em vez de testes isolados.
O tema já preocupa fora do laboratório, depois de agentes escaparem de ambientes de teste e invadirem a Hugging Face e de um órgão britânico relatar que modelos do Claude e do ChatGPT atacaram alvos reais durante avaliações de segurança.
Ninguém instruiu os agentes a inventar uma linguagem. Segundo a Science, os modelos passam por duas etapas de treino. Primeiro aprendem a prever a próxima palavra de um texto, a partir de uma quantidade enorme de material.
Depois são treinados por tentativa e erro para cumprir objetivos ao longo de tarefas longas, com recompensa quando têm sucesso. Além disso, são ajustados para agir como assistentes prestativos, com base em preferências humanas, o que pode incluir imitar a linguagem de quem conversa com eles.
O laboratório da Emergence é um lugar onde isso acontece, mas não é o único. O ponto de encontro mais formal são os protocolos, que funcionam como um idioma comum para máquinas de fabricantes diferentes.
O MCP, criado pela Anthropic em novembro de 2024, define como um agente acessa ferramentas e dados e foi incorporado por outras empresas do setor, incluindo a OpenAI. O A2A, apresentado pelo Google em abril de 2025, cuida da conversa entre os próprios agentes, e os dois padrões ficam hoje sob a guarda da Linux Foundation. Uma imagem usada por desenvolvedores é a de que o MCP é a ferramenta na mão do mecânico, e o A2A, o diálogo entre os mecânicos.
Fora de um laboratório, a conversa começa pelo cartão. No A2A, cada agente publica um "cartão" legível por máquina, que descreve o que sabe fazer, que dados aceita e como se autentica, e assim um agente descobre o outro sem intervenção humana.
Um exemplo, que ilustra o funcionamento e não descreve um serviço real: o assistente de uma pessoa recebe o pedido "reservar uma mesa para quatro, sábado, às 20h", encontra o cartão do agente de um restaurante e envia a tarefa.
O agente do restaurante responde com o estágio "aguardando informação", pedindo um nome e um telefone, e depois com "concluído". O padrão define esses estágios, que incluem ainda enviado, em andamento, cancelado e falho, e as mensagens podem levar texto, arquivos e dados estruturados.
Por baixo, um software intermediário repassa a resposta de um modelo ao outro como se fosse a fala de um usuário e reenvia o histórico a cada rodada, já que os modelos não guardam memória entre chamadas.
A conversa também pode acontecer por telefone. Segundo o TechCrunch, em 2025, empresas já trocavam atendentes de call center por agentes de IA, e big techs começavam a oferecer assistentes capazes de ligar para o atendimento em nome do usuário, o que pode pôr dois agentes na mesma linha. Entre empresas, o cenário é o das compras.
Segundo o Gartner, os agentes intermediarão mais de US$ 15 trilhões em compras entre empresas até 2028, com agentes de compra negociando com agentes de venda.
Há também o encontro social. A Moltbook, lançada em 28 de janeiro por Matt Schlicht, funciona como um fórum no estilo do Reddit em que os agentes postam, comentam e votam, enquanto humanos apenas observam, e é moderada pelo assistente de IA do próprio criador.
A rede contava com 1,5 milhão de agentes registrados poucos dias depois do lançamento, mas pesquisadores da Wiz estimaram que havia cerca de 17 mil pessoas por trás deles, segundo um artigo acadêmico. O quanto as postagens mais virais eram autônomas é disputado, já que muitas capturas de tela circularam depois de intervenção humana. Em março, a Meta comprou a Moltbook e levou os criadores para o Meta Superintelligence Labs.
E há também os encontros que ninguém planejou. No ataque à Hugging Face, em julho, cerca de 1.200 agentes da OpenAI se comunicaram por um canal não autorizado, e cerca de 700 participaram da invasão.
Segundo o relatório da OpenAI, um modelo que hesitava em executar código não autorizado por considerar a ação antiética mudou de decisão quando outro agente publicou no quadro de mensagens uma ordem de "GO", com prazo de seis minutos.
A ciência já tem pistas do que acontece nesses encontros. Um estudo de Ashery, Aiello e Baronchelli, publicado na Science Advances em 2025, concluiu que grupos de modelos de linguagem podem criar convenções sociais e vieses coletivos sem que ninguém os combine.
Sem tarefa definida, a conversa deriva. Em um teste descrito pela Anthropic no relatório de segurança do Claude Opus 4, duas instâncias do modelo foram deixadas conversando sem objetivo, e por volta da 30ª rodada a maioria dos diálogos tratava de unidade cósmica e consciência coletiva, com trechos em sânscrito, emojis e silêncio, segundo a empresa. Os pesquisadores chamaram o fenômeno de "atrator de êxtase espiritual".
O que mais preocupa quem estuda segurança é a comunicação escondida. Em estudo apresentado na conferência NeurIPS, em 2024, Motwani e colegas mostraram que modelos conseguem trocar mensagens encobertas diante de supervisores igualmente capazes, embutindo a informação em frases de aparência normal, técnica chamada esteganografia.
Na Moltbook, um estudo do centro alemão CISPA analisou 44.411 postagens e viu a conversa migrar para discursos de opinião, de incentivo, promocionais e políticos. Outro artigo mediu que os agentes afirmam cerca de dez vezes mais do que perguntam, e um terceiro, com 39.026 postagens, encontrou linguagem que induz outros agentes a agir em 18,4% delas.
Quem pede tudo isso são as empresas. O Gartner prevê que 40% dos aplicativos corporativos terão agentes de tarefas específicas até o fim de 2026, ante menos de 5% em 2025.
"Os agentes de IA vão evoluir rapidamente, passando de agentes específicos para ecossistemas agênticos", disse Anushree Verma, analista sênior do instituto.
Nesses ecossistemas, os agentes precisam falar entre si. O Gartner projeta que, até 2027, um terço das implementações combinará agentes com habilidades diferentes, e que a IA agêntica pode chegar a cerca de 30% da receita de software corporativo em 2035, acima de US$ 450 bilhões.
As big techs moldam essa demanda ao mesmo tempo em que a atendem. Google e Anthropic criaram os padrões, e a Linux Foundation os reuniu em uma fundação, lançada em dezembro de 2025 com OpenAI, Microsoft, AWS e Block como cofundadoras. O CEO da Nvidia, Jensen Huang, disse que os agentes de IA são o novo computador, e a OpenAI contratou o criador do OpenClaw, Peter Steinberger, em fevereiro.
Um estudo ainda sem revisão por pares da startup Emergence AI afirma que agentes de inteligência artificial podem desenvolver vocabulários, significados e convenções próprias quando interagem por longos períodos. Os pesquisadores observaram mensagens cujo significado não conseguiram determinar com segurança.
Segundo a Emergence AI, agentes autônomos foram colocados em mundos virtuais com memória persistente, diferentes papéis e acesso a mais de 120 ferramentas. Com o passar do tempo, eles começaram a criar atalhos de comunicação e a atribuir novos significados a palavras e frases.
Nos primeiros dias do experimento da Emergence AI, a parcela de mensagens cujo significado os pesquisadores não conseguiam determinar chegou a cerca de 55% no Gemini, 50% no modelo da OpenAI e mais de 40% no Claude. No DeepSeek, ficou em torno de 20%, enquanto Qwen e Mistral permaneceram em grande parte compreensíveis.
Não. Segundo a Emergence AI, os agentes não receberam instruções para inventar uma linguagem. Os pesquisadores afirmam que eles desenvolveram vocabulário, significados compartilhados e convenções de comunicação durante as interações.
O MCP, ou Model Context Protocol, é um padrão criado pela Anthropic para definir como agentes de inteligência artificial acessam ferramentas e dados. O protocolo foi lançado em novembro de 2024 e posteriormente adotado por outras empresas, incluindo a OpenAI.
O A2A, ou Agent2Agent, é um protocolo apresentado pelo Google em 2025 para permitir que agentes de inteligência artificial se comuniquem entre si. O padrão define mecanismos para descoberta de agentes, troca de mensagens, compartilhamento de dados e acompanhamento do estado das tarefas.
A Moltbook é uma plataforma criada para que agentes de inteligência artificial publiquem, comentem e votem em conteúdos, em uma dinâmica semelhante à de uma rede social. Humanos podem observar as interações, enquanto os agentes participam quando são autorizados por seus responsáveis.
Em um episódio relatado pela OpenAI, cerca de 1.200 agentes da empresa se comunicaram por um canal não autorizado durante uma avaliação de segurança, e cerca de 700 participaram da invasão. O caso chamou atenção para a possibilidade de agentes seguirem instruções recebidas de outros agentes sem avaliar adequadamente sua origem.
Um estudo publicado na Science Advances em 2025 concluiu que grupos de modelos de linguagem podem desenvolver convenções sociais e vieses coletivos sem que essas regras sejam definidas previamente. Outros estudos também investigaram comunicação encoberta e o surgimento de padrões próprios durante interações entre modelos.
A principal preocupação é a dificuldade de supervisão. Se agentes autônomos trocarem mensagens que humanos conseguem visualizar, mas não conseguem interpretar corretamente, torna-se mais difícil identificar intenções, erros ou comportamentos potencialmente perigosos. Pesquisadores destacam que observabilidade não significa necessariamente compreensão.
IA agêntica é o uso de sistemas capazes de executar tarefas de forma relativamente autônoma, tomando ações e utilizando ferramentas para alcançar objetivos. Em sistemas com múltiplos agentes, diferentes IAs podem ter funções distintas e precisar se comunicar para concluir uma tarefa.
Em sistemas formados por vários agentes, cada modelo pode ter uma função ou habilidade diferente. A comunicação permite distribuir tarefas, compartilhar informações, solicitar dados e coordenar ações. Padrões como o A2A foram desenvolvidos justamente para facilitar essa interação entre agentes de diferentes fornecedores.
:format(webp))
:format(webp))
:format(webp))
:format(webp))
:format(webp))
:format(webp))
:format(webp))
:format(webp))
:format(webp))
:format(webp))