Ele colocou um ano de rascunhos no Codex. Quem investigou se isso importou foi a dona do Codex
Começo por uma pergunta que ficou no ar por dois dias. No domingo, 6 de setembro, Tristan Buckmaster, professor do Courant Institute, na NYU, entrou numa ligação com pesquisadores da OpenAI. Acabara de saber que um modelo interno da empresa havia produzido uma prova de cerca de 100 páginas para exatamente o problema que ele e um colega vinham atacando havia um ano. Ele escreveu depois, num documento público hospedado no site da universidade: “Perguntei se o modelo tinha sido treinado, ou tido acesso, às nossas sessões no Codex, nas quais vínhamos colocando todos os nossos rascunhos durante todo o projeto. Disseram-me que o modelo não consulta dados de usuário. Perguntei de novo sobre treinamento e não obtive resposta.” Duas perguntas. Uma respondida. Antes que alguém ache que isto é sobre a OpenAI ter feito algo errado, adianto: pode ser que não tenha feito nada. O problema é outro, e é pior. Saber se as soluções das equações de Navier-Stokes em três dimensões permanecem suaves para sempre ou podem explodir em tempo finito é um dos sete Problemas do Milênio, com US$ 1 milhão de prêmio. Por cerca de um ano, Buckmaster e Levent Alpöge, matemático que trabalha na Anthropic, atacaram o problema numa colaboração pessoal, partindo de uma rota aberta pelos espanhóis Diego Córdoba e Luis Martínez-Zoroa, a quem Buckmaster faz questão de creditar. Nas palavras dele, “na maior parte do último ano o progresso foi lento”. Durante todo esse período, usaram Claude, da Anthropic, e Codex, da OpenAI — pago com verba própria de pesquisa, uma conta grande paga à OpenAI. Em 15 de agosto veio o avanço. Em 22, a verificação formal em Lean. Em 3 de setembro, correu o boato de que “a Anthropic” teria resolvido um problema grande. No dia 6, a ligação e a pergunta sem resposta. Em 8 de setembro, a OpenAI anunciou: cerca de 10 mil agentes, 88 horas, quase 5 milhões de mensagens entre eles, custo de vários milhões de dólares. Cedeu a prioridade do Euler a Buckmaster e Alpöge, reivindicou o de Navier-Stokes e disse que não vai pedir o prêmio. No mesmo dia veio a frase que correu o mundo: “Embora improvável, não podemos descartar que dados desidentificados derivados do uso dos nossos produtos tenham ajudado a melhorar nossos modelos”. E o diretor de pesquisa, Mark Chen, publicou a distinção que a empresa passou a repetir: nenhum humano ou agente olhou dados de usuário nesse esforço; mas sim, a empresa usa feedback e dados desidentificados para melhorar o ChatGPT e o Codex — “e toda empresa de LLM também”. Guarde esse “sim”. Em 9 de setembro, uma porta-voz afirmou ser impossível que os prompts de Buckmaster no Codex dos últimos dois meses tivessem influenciado o sistema. Em 10, a OpenAI substituiu o comunicado: após investigação interna, confirmou que esses prompts “não poderiam ter influenciado o sistema de nenhuma forma, inclusive por treinamento”. Em 13, foi além: “nenhuma entrada de usuário posterior a 3 de julho poderia ter influenciado este sistema”. Seja justo com a empresa, porque isso importa. A explicação é tecnicamente coerente: um modelo cujo corte de dados de treinamento é 3 de julho não pode ter ingerido nada posterior a isso. E o material decisivo — o avanço de 15 de agosto — está dentro da janela coberta pela negativa. Nesse ponto, a defesa se sustenta sozinha. Agora releia o que as negativas cobrem. Dois meses. Nada posterior a 3 de julho. O projeto durou cerca de um ano. Sobram uns dez meses de rascunhos que entraram no Codex e sobre os quais os comunicados não dizem nada. É o recorte que a própria empresa escolheu. Pode não haver nada ali. Provavelmente não há. O ponto não é esse. Um cliente pagante fez uma pergunta. A resposta exigiu uma investigação. A única entidade capaz de realizá-la era a empresa sobre a qual se perguntava: ela definiu o escopo, apurou e publicou a conclusão. Buckmaster não tinha como verificar nada disso. Ninguém tinha. E ele foi mais honesto que qualquer nota oficial do episódio: “Não vi a prova da OpenAI. Não sei o que o modelo deles fez, nem como. Não sei se os nossos dados foram usados. Não estou acusando ninguém de nada.” Junte isso ao “sim” de Mark Chen e o desenho fica completo. O canal existe, é normal, é declarado. O que não existe é instrumento para, depois, dizer o que passou por ele. Nem para o cliente, nem para a imprensa, nem para o regulador. Só para o fornecedor, quando ele decide olhar. Em 11 de setembro, 25 medalhistas Fields assinaram uma declaração conjunta: os objetivos dos laboratórios de IA e os da comunidade matemática estão em desalinhamento severo, e anúncios às pressas, sem tempo para citar trabalhos anteriores, levantam “graves questões de atribuição e plágio”. Vinte e cinco medalhistas Fields assinando algo juntos acontece aproximadamente nunca. Matemática é o caso mais limpo desse problema, porque ali o ativo é puro: uma ideia não publicada. É o laboratório do que vai acontecer com todo mundo. Se um professor do Courant, que sabe exatamente o que é um modelo de linguagem e pagava a conta do próprio bolso, terminou dependendo da investigação interna do fornecedor para saber o que houve com um ano de rascunhos dele — pense em quem colou a planilha de margem no chat grátis hoje de manhã. O estudo The Value of AI: Brazil 2026, da SAP com a Oxford Economics, ouviu 2.600 líderes em 13 países, 200 deles no Brasil. 82% das empresas brasileiras afirmam que colaboradores usam ferramentas de IA de terceiros sem aprovação ou supervisão formal, ao menos ocasionalmente — acima da média global do mesmo estudo, de 69%. A ressalva “ao menos ocasionalmente” importa: o número não mede uso sistemático. Mas o efeito não depende disso — um único documento colado uma única vez já saiu da sua fronteira e não volta. O preço aparece no mesmo recorte: 43% das empresas brasileiras apontam vazamento de dados ou exposição de propriedade intelectual, e a IBM calcula o custo médio de um vazamento no Brasil em R$ 7,19 milhões. A IA já apoia 26% das tarefas nas companhias brasileiras, enquanto só 18% adotam a tecnologia de maneira integrada. A tecnologia entrou por todo lado; a arquitetura não entrou por lugar nenhum. Isso não é indisciplina. Ninguém cola uma minuta de contrato num chat por rebeldia: cola porque funciona e porque a empresa não ofereceu um caminho que também funcionasse. Shadow AI é sintoma de arquitetura ausente. Existe proteção contratual: a retenção zero de dados, cláusula na qual o fornecedor se compromete a não registrar entradas e saídas. É real, funciona — e é um aditivo, não o padrão de quem simplesmente abre uma aba. A melhor prova disso veio de um tribunal. Em 13 de maio de 2025, a magistrada Ona T. Wang, no caso do New York Times contra a OpenAI, determinou que a e
