A Meta anunciou o corte de cerca de 8 mil funcionários, atribuindo a decisão à necessidade de redirecionar investimentos para a bilionária infraestrutura de inteligência artificial. No mesmo período, um levantamento apontou que ferramentas de IA generativa expõem dados sensíveis em 64% das violações registradas nas empresas que as adotam. A combinação desses números revela que a tecnologia, ao mesmo tempo em que promete reestruturar operações e otimizar custos, traz riscos concretos de vazamento.
Do mainframe ao chatbot: uma linha do tempo silenciosa
Desde os anos 1960, sistemas como o COBOL em mainframes processam transações bancárias e folhas de pagamento em São Paulo, Nova York e Londres. Essas máquinas antigas continuam em operação porque entregam confiabilidade que nenhuma nova ferramenta substituiu por completo. Agora, empresas como a Meta tentam acelerar a transição para modelos de IA generativa, cortando posições que antes cuidavam de processos manuais ou de suporte para conseguir arcar com a compra dos servidores e chips necessários.
É como substituir o caixa do banco por um app que nunca dorme, mas que às vezes deixa a porta do cofre aberta. A piada é ruim, mas o problema é real.
O que o estudo sobre exposição de dados realmente mostra
Pesquisas internas de segurança indicam que prompts enviados para modelos de IA generativa frequentemente incluem informações confidenciais: dados de clientes, estratégias comerciais e até senhas. Em grande parte dos casos avaliados, esses textos não passam por filtros adequados antes de chegarem aos servidores externos. O resultado é que informações que antes ficavam dentro do data center agora trafegam por redes que nem sempre são controladas pela própria empresa.
A Meta, ao justificar os cortes com a necessidade de bancar a corrida estrutural da IA, enfrenta o mesmo dilema que qualquer organização que adota a ferramenta sem revisar políticas de uso. O que era um processo controlado por humanos vira um fluxo automatizado que pode vazar sem aviso.
Os dois lados da mesma moeda
De um lado, a redução de 8 mil posições libera recursos que a empresa direciona para infraestrutura de IA. De outro, o estudo revela que a maioria das organizações ainda não sabe como proteger os dados que alimenta nesses modelos. A escolha entre eficiência e proteção não é simples, mas os números deixam claro que ignorar o segundo lado custa caro.
Para quem trabalha com sistemas legados, a lição é direta: a IA não substitui o cuidado que sempre foi necessário ao lidar com dados sensíveis. Ela apenas multiplica a velocidade com que um erro pode se espalhar.