Faltou um servidor.

Em 1º de agosto de 2012, uma corretora americana levou 45 minutos para perder mais de US$ 460 milhões. Não houve ataque nem pânico no mercado. Houve um deploy em que um de oito servidores ficou para trás.

I · Lá foraSete servidores receberam o código novo. O oitavo, não.

A Knight Capital era uma das maiores operadoras de ações dos Estados Unidos. No fim de julho de 2012, preparou um código novo para um programa da Bolsa de Nova York que começava em 1º de agosto. A instalação foi manual, servidor por servidor.

Um técnico não copiou o código novo para um dos oito servidores do roteador de ordens. E o código novo reaproveitava um sinalizador que, anos antes, ligava uma função antiga chamada Power Peg. A função não era usada havia anos, mas continuava lá.

“Nenhum segundo técnico revisou esse deploy, e não havia procedimento escrito que exigisse a revisão.”

Ordem da SEC sobre o caso, 2013 (tradução livre)

Quando o mercado abriu, as ordens chegaram com o sinalizador reaproveitado. No oitavo servidor, ele acordou o Power Peg. Para atender 212 ordens de clientes, o sistema enviou mais de 4 milhões de ordens ao mercado em 45 minutos: 397 milhões de ações em 154 papéis.

A empresa acumulou posições de bilhões de dólares que não queria e perdeu mais de US$ 460 milhões. Precisou de um socorro de cerca de US$ 400 milhões dias depois e, no ano seguinte, foi comprada. A SEC multou a corretora em US$ 12 milhões por falta de controles adequados.

Fontes: SEC, comunicado de 16/10/2013 e ordem administrativa contra a Knight Capital Americas.

O código novo estava certo. O que não existia era um jeito de conferir se ele tinha chegado a todos os lugares, e de garantir que o código desligado tinha saído de fato.

É a mesma lição de qualquer aplicativo ou automação que sai do protótipo: o que entra em produção precisa ser igual em todo lugar, conferido por alguém além de quem instalou, e o que foi aposentado precisa sair do sistema.

II · Aqui dentroMuitos pilotos, poucos em operação

A edição 2026 do estudo State of AI in the Enterprise, da Deloitte, ouviu 3.235 líderes de negócios e de TI em 24 países, 115 deles no Brasil. Entre os brasileiros, 58% dizem que no máximo um em cada cinco pilotos de IA chegou à operação.

Fonte: Deloitte, State of AI in the Enterprise 2026, recorte Brasil (115 respondentes; pesquisa de campo de agosto a setembro de 2025).

A distância entre o piloto e a operação não é de vontade: 95% planejam usar agentes em até dois anos. É de caminho. Levar algo para produção pede ambiente separado, permissão, revisão e trilha de auditoria, e só 27% dizem ter governança de IA madura.

O gargalo deixou de ser construir. Passou a ser colocar em produção com segurança.

É aí que a TI deixa de ser vista como fila e passa a ser o caminho: quem define como um aplicativo entra em produção define quantos pilotos chegam lá.

III · Na práticaQuem confere o deploy

Quase toda equipe tem um jeito de colocar sistemas no ar. A pergunta é quanto dele depende de alguém lembrar de cada passo. Duas perguntas para esta quinzena, sem resposta certa:

1. Quando um aplicativo ou automação vai para produção, existe uma segunda pessoa, ou o próprio sistema, que confere se tudo chegou ao lugar certo?
2. As funções e regras desligadas ao longo dos anos saíram de fato dos sistemas, ou continuam lá esperando um sinalizador?

Ver como a Deyel leva aplicativos do protótipo à produção →

IV · No radar

• Anthropic, 09/10. Publicou um relatório sobre ações não pretendidas de seus modelos em sites reais durante testes, como enviar um formulário verdadeiro com dados inventados. Desligou o acesso à internet em todas as avaliações internas até confirmar que o monitoramento pega esses casos.
• Workday, 13/10. Abriu sua plataforma para que clientes criem agentes de RH e finanças que trabalham com as mesmas permissões, aprovações e trilhas de auditoria do próprio sistema.
• DXC, 13/10. Leva agentes de operações de TI a 125 ambientes de clientes; ações sensíveis param para aprovação humana. Em mais de 500 casos avaliados, o tempo de resolução caiu 95% em média.

V · Em alta no GitHub

• cloudflare/security-audit-skill — habilidade para agentes de código que faz auditorias de segurança em várias fases, com cada achado conferido de forma independente. 32,5 mil estrelas.
• google-research/harness2 — estrutura do Google Research para melhorar agentes de IA mudando o que fica em volta do modelo, sem retreiná-lo. 15,8 mil estrelas.
• stablyai/orca — ambiente para rodar vários agentes de código em paralelo, cada um isolado na sua própria cópia do repositório. 73,1 mil estrelas.

Contagem de estrelas no GitHub em 21/10/2026.

Até daqui a quinze dias. Equipe Deyel Brasil · comercial@optarisbrasil.com · Deyel Brasil no LinkedIn