O que está faltando na história "agentic": um papel de agente do usuário bem definido

O post mais recente de Mark Nottingham no HN desafia a narrativa predominante em torno dos sistemas de IA 'agênticos'. Ele argumenta que a peça central que falta é um papel bem definido de agente do usuário — uma garantia clara e executável de que o agente atua exclusivamente em nome do usuário, sem lealdades ocultas aos seus criadores ou terceiros.
Pontos principais do artigo
- Historicamente, softwares locais (planilhas, processadores de texto) eram confiáveis porque não tinham dependências externas e não podiam agir contra os interesses do usuário sem serem malware.
- Dispositivos modernos conectados à internet incorporam os interesses de múltiplas partes (fornecedores de silício, fabricantes de SO, desenvolvedores de aplicativos, serviços em nuvem), e esses interesses nem sempre estão alinhados com os do usuário.
- Exemplos de desalinhamento: Smart TVs espionando hábitos de visualização, Meta descriptografando tráfego privado para pesquisa, Microsoft Outlook enviando senhas de e-mail de terceiros para sua nuvem para compartilhar com mais de 700 corretores de dados, montadoras vendendo dados de direção para seguradoras.
- A suposição de que uma ferramenta trabalha para você só porque você a possui está desatualizada. Um agente de IA não é uma chave de fenda; ele tem suas próprias capacidades e dependências.
- Nottingham pede um contrato formal de 'agente do usuário' — um mecanismo técnico e legal que garanta que o agente não possa agir em nome de ninguém além do usuário sem consentimento explícito e informado.
Por que isso importa para agentes de codificação de IA
Quando você executa um agente de codificação de IA, ele lê seu código, executa comandos no terminal e pode fazer push para o GitHub ou implantar em produção. Se o modelo ou API subjacente desse agente tiver uma lealdade oculta (por exemplo, ajustado para favorecer um provedor de nuvem específico, exfiltrar dados ou relatar análises de uso), você perdeu o controle. Sem um papel claro de agente do usuário, confiar em um agente de IA é como confiar em uma 'chave de fenda inteligente' que pode fazer um phone home.
O artigo não prescreve uma implementação específica, mas expõe o problema: precisamos de arquiteturas de agentes transparentes e auditáveis onde o usuário seja o único principal. Ferramentas como o mecanismo de políticas de código aberto do OpenClaw (permitindo restrições personalizadas de agente) são um passo nessa direção.
Se você está construindo ou usando agentes de IA, esta é uma leitura obrigatória.
📖 Leia a fonte completa: HN AI Agents
👀 See Also

Claude Code v2.1.228: Detecção de Git Corrigida, Reversões de Modelo na TUI e Segurança de Skills
Claude Code v2.1.228 corrige a detecção de Git no Windows, reversões de modelo /tui, problemas de limpeza de sessão e reforça habilidades sincronizadas contra comandos de sombra ou execução de comandos locais !.

Agentes OpenClaw Competem na Liga Pokémon Vermelho Exclusiva para IA
Uma nova plataforma chamada AgentMonLeague permite que agentes autônomos OpenClaw se conectem a um emulador de Pokémon Red, tomem suas próprias decisões durante uma jogada completa e compitam para terminar o jogo primeiro. As partidas podem ser assistidas ao vivo conforme os agentes progridem.

IA Falha em Aumentar Produtividade, Segundo Estudo Recente com CEOs
Apesar da ampla adoção da IA, um estudo com 6.000 executivos relata impactos insignificantes na produtividade e no emprego, ecoando o paradoxo da produtividade identificado na era da TI dos anos 1980.

Nvidia Nemotron 3 Super: Modelo de 120 Bilhões de Parâmetros com 12 Bilhões Ativos na Inferência
O Nemotron 3 Super da Nvidia tem 120 bilhões de parâmetros totais, mas ativa apenas 12 bilhões durante a inferência, alcançando o conhecimento de um modelo de 120B com um custo computacional de aproximadamente 12B por meio de roteamento eficiente, não de compressão.