A Meta teria reduzido o alcance de um projeto interno destinado a ampliar o uso de agentes de inteligência artificial e reorganizar parte de sua força de trabalho. A iniciativa previa equipes menores, automação de atividades cotidianas e reduções de até 60% no quadro de determinados setores.

Batizado de “Project OT”, abreviação de “Organization Transformation”, o plano fazia parte da estratégia de tornar a Meta uma empresa “AI native”. Nesse modelo, ferramentas e agentes de IA interagiriam entre si, fluxos de trabalho seriam automatizados e novos produtos seriam desenvolvidos com a tecnologia desde as etapas iniciais.

Documentos internos e relatos obtidos pela Reuters, repercutidos pela Ars Technica, indicam, porém, que a adoção acelerada desses sistemas teria sido acompanhada por um aumento de 40% nos principais incidentes técnicos e de segurança em comparação com o ano anterior.

O tempo dedicado pelos funcionários à resolução desses problemas também teria crescido até 70%. A Meta não comentou especificamente os dados relacionados aos incidentes.

Mais código, mas poucos resultados para os usuários

Um dos principais indicadores utilizados internamente para avaliar o projeto foi o volume de alterações realizadas no código das plataformas e da infraestrutura da Meta.

Segundo uma publicação interna atribuída ao diretor de tecnologia da companhia, Andrew Bosworth, essas alterações cresceram 220% na comparação anual. No entanto, as mudanças que efetivamente resultaram em recursos novos ou aprimorados para os usuários avançaram apenas 36% no mesmo período.

A diferença sugere que um aumento na quantidade de código produzido não representa necessariamente um ganho equivalente de produtividade ou valor entregue. Parte da capacidade adicional pode ser consumida pela revisão, correção e manutenção do material gerado com auxílio da IA.

Uma análise publicada pela Forbes também destaca que equipes menores passaram a lidar com mais solicitações de alteração e diferenças maiores no código, ampliando a carga de revisão humana.

Relatos internos citados nas reportagens afirmam ainda que agentes de IA realizaram ações disruptivas em larga escala que dificilmente seriam executadas por profissionais humanos. Esse comportamento teria contribuído para problemas técnicos, operacionais e de segurança.

Projeto previa equipes até 60% menores

Criado no início de 2026, o Project OT analisava cenários nos quais parte do trabalho diário de milhares de funcionários seria assumida por agentes de IA, supervisionados por equipes humanas menores.

Alguns setores poderiam ter seu quadro reduzido em até 60%. Uma estimativa interna indicava que o número total de funcionários da empresa poderia cair aproximadamente 25% ou mais, dependendo do cenário adotado.

A Meta confirmou que algumas equipes participaram de um exercício de planejamento que considerava a realocação de profissionais, o fechamento de vagas abertas e cortes. A empresa ressaltou, entretanto, que nem todos os cenários avaliados seriam implementados e que o projeto foi encerrado antes da definição de um número final de demissões.

Uma primeira rodada de desligamentos ocorreu em maio. A segunda etapa, inicialmente prevista para novembro, foi cancelada. Embora as dificuldades envolvendo os agentes de IA possam ter influenciado a decisão, não foi possível determinar com precisão o motivo da mudança de estratégia.

Em julho, o CEO Mark Zuckerberg teria reconhecido internamente que a evolução do desenvolvimento baseado em agentes não havia acelerado como a empresa esperava nos meses anteriores.

Confiabilidade se torna desafio para infraestruturas de IA

Os episódios relatados envolvem agentes empregados em processos internos e no desenvolvimento de software, mas também reforçam uma preocupação mais ampla: a confiabilidade dos sistemas de inteligência artificial em grande escala.

Em um estudo técnico publicado pela própria Meta, pesquisadores analisaram 11 meses de operação de dois grandes ambientes de aprendizado de máquina, abrangendo quatro milhões de tarefas e mais de 150 milhões de horas de processamento em GPUs Nvidia A100.

A pesquisa, publicada originalmente em fevereiro de 2025, constatou que tarefas de grande porte estão mais expostas a falhas. Ao mesmo tempo, operações menores correspondem à maior parte da carga dos ambientes e não podem ser ignoradas nas estratégias de confiabilidade.

Embora o trabalho trate da infraestrutura usada para treinamento de modelos — e não dos incidentes associados ao Project OT —, ele demonstra que a expansão de sistemas de IA exige métricas específicas, tolerância a falhas e mecanismos de recuperação adequados.

Mais produção não significa necessariamente mais eficiência

O caso da Meta mostra que substituir capacidade humana por inteligência artificial antes que a organização tenha maturidade suficiente de governança pode produzir uma falsa percepção de eficiência.

O aumento de 220% nas alterações de código parece representar um avanço expressivo quando analisado isoladamente. No entanto, o crescimento de apenas 36% nas melhorias efetivamente entregues aos usuários, acompanhado pela alta nos incidentes e no tempo dedicado às correções, revela que produzir mais não significa necessariamente gerar mais valor.

Métricas de volume, como quantidade de código, tarefas concluídas ou interações automatizadas, podem esconder custos relacionados à revisão, ao retrabalho, à indisponibilidade dos sistemas e à resposta a incidentes. Por isso, a avaliação da IA deve considerar também a qualidade das entregas, os riscos introduzidos, o impacto operacional e os recursos humanos necessários para supervisionar e corrigir seus resultados.

O modelo mais seguro combina IA e supervisão humana

A experiência relatada reforça que o modelo mais robusto não é simplesmente “IA ou humano”, mas “IA + humano”. Agentes podem acelerar tarefas e ampliar a capacidade operacional, enquanto profissionais especializados mantêm a responsabilidade pelas decisões críticas e pelas ações com maior potencial de impacto.

Essa abordagem exige controles proporcionais ao nível de autonomia concedido aos sistemas. Entre as principais medidas estão:

• Supervisão humana sobre decisões críticas;
• Privilégios mínimos e permissões limitadas para agentes;
• Separação de ambientes e funções;
• Monitoramento contínuo das ações executadas;
• Registros completos para auditoria e investigação;
• Testes em ambientes controlados;
• Implantação gradual, com validação dos resultados;
• Mecanismos de interrupção e reversão de mudanças.

Quanto maior a autonomia concedida à inteligência artificial, maior deve ser a maturidade dos controles de segurança e governança que a cercam. Sem essa estrutura, ganhos aparentes de produtividade podem ser anulados por falhas, retrabalho e incidentes de segurança.

Segurança precisa acompanhar a adoção da IA

A incorporação de agentes de IA aos processos corporativos amplia a necessidade de visibilidade, gestão de riscos e capacidade de resposta. Antes de permitir que esses sistemas atuem sobre códigos, dados, identidades ou ambientes de produção, as organizações precisam compreender quais recursos estão acessíveis, quais ações podem ser executadas e como comportamentos inesperados serão identificados e contidos.

A Clavis apoia empresas na construção dessa estrutura de proteção por meio de serviços como SOC, SIEM, Cyber Threat Intelligence, gestão contínua de vulnerabilidades e testes de invasão. Essas capacidades ajudam a identificar riscos, monitorar ambientes, validar controles e responder a incidentes em operações cada vez mais automatizadas.

Para fortalecer especificamente a governança e a segurança no uso da inteligência artificial, a Clavis também mantém uma parceria com a KonaSense. A tecnologia amplia a visibilidade e o controle sobre a adoção de IA no ambiente corporativo, permitindo identificar aplicações e agentes utilizados pelos colaboradores, detectar casos de Shadow AI e aplicar políticas de uso de forma proativa.

A Plataforma de Cibersegurança Unificada da Clavis reúne essas capacidades em um único ambiente, com módulos integrados de SIEM, monitoramento, inteligência de ameaças, gestão de riscos e assessments. Ao centralizar informações, correlacionar eventos e acompanhar continuamente ativos críticos, a plataforma reduz a fragmentação entre ferramentas, amplia a visibilidade sobre o ambiente e ajuda as equipes a identificar comportamentos anômalos e acelerar a resposta a incidentes.

Sua empresa está preparada para adotar inteligência artificial sem perder o controle sobre os riscos? Fale com os especialistas da Clavis e conheça soluções para fortalecer a segurança, o monitoramento e a resiliência do seu ambiente.

Para saber mais, clique aqui.