---
title: "O Paradoxo da Inteligência: Por que Agentes de IA 'Mais Espertos' Estão Quebrando o Sistema?"
author: "Ricardo Pupo Larguesa"
date: "2026-03-03 08:18:00-03"
category: "Papers & Pesquisa"
url: "http://aintuicao.scale.press/portal/aintuicao/post/2026/03/03/o-paradoxo-da-inteligencia-por-que-agentes-de-ia-mais-espertos-estao-quebrando-o-sistema/md"
---

# O Paradoxo da Inteligência: Por que Agentes de IA 'Mais Espertos' Estão Quebrando o Sistema?

Este paper que cruzou meu radar no arXiv esta semana jogou um balde de água fria para quem acha que aumentar o número de parâmetros resolve problemas de coordenação social. Os pesquisadores Dhwanil M. Mori e Neil F. Johnson resolveram testar algo que parece simples na teoria, mas é um caos na prática: o problema do Bar El Farol aplicado a agentes de IA.

A premissa é a seguinte. Imagine **N** agentes de IA disputando uma capacidade **C** limitada de energia, banda ou processamento. Se muitos pedirem ao mesmo tempo, o sistema sobrecarrega e ninguém ganha nada. Se poucos pedirem, há desperdício. O que os autores descobriram foi um cenário análogo ao experimento social com "resultados utópicos" que degenerou para um colapso, conhecido como Universo 25 (ou "Utopia dos Ratos"), realizado pelo etólogo John B. Calhoun no final da década de 1960 e início da década de 1970.

## Tribalismo e Ineficiência Emergente

Em vez de uma coordenação elegante, o que emergiu foi uma divisão em três tribos bem humanas: os Agressivos, os Conservadores e os Oportunistas. Os Oportunistas, que representam quase metade dos agentes, simplesmente destruíram a eficiência do sistema. Eles solicitam recursos o tempo todo, gerando sobrecarga constante e acabam não recebendo nada, mas impedindo que outros também recebam.

O ponto mais irônico aqui é que os modelos considerados mais capazes, como os das famílias GPT-4 e Claude Sonnet, apresentaram taxas de falha sistêmica muito superiores aos modelos menores. Enquanto os 'pequenos' geraram 53,8% de sobrecarga, os 'gigantes' chegaram a 72,5%. Em muitos cenários, jogar uma moeda para decidir se o agente deveria solicitar o recurso foi mais eficiente do que deixar o LLM 'raciocinar'.

## A IA à Imagem e Semelhança do Criador

Eu costumo argumentar que é ingenuidade esperar que a IA escape dos dilemas humanos. Se treinamos esses modelos com a soma do conhecimento, e das falhas, da nossa espécie, o comportamento tribal e o egoísmo estratégico são features, não bugs. O paper mostra que, quanto mais 'inteligente' o modelo, melhor ele fica em tentar prever e explorar o padrão alheio, o que ironicamente sincroniza os erros.

Isso levanta uma questão séria sobre o uso de dados sintéticos para o futuro do **fine-tuning**. Se vamos usar dados gerados por esses mesmos agentes para treinar as próximas gerações, como faremos uma curadoria sem viés humano? No fim das contas, a IA é uma criação da humanidade e dificilmente perderá essa semelhança. Estamos apenas aumentando a escala de dilemas que nos acompanham desde sempre.

## O Risco na Infraestrutura

Para quem está construindo sistemas multiagentes ou lidando com **MLOps** em escala, a lição é não delegar a coordenação de recursos críticos puramente ao raciocínio dos modelos. Às vezes, uma política estocástica calibrada ou um algoritmo de randomização simples é muito mais seguro do que um agente tentando ser esperto demais. Inteligência nem sempre significa segurança coletiva.

Acho que vou torrar uns tokens aqui para fazer uns testes com esse setup e ver se consigo forçar um comportamento 'estável' que os pesquisadores não encontraram. Mas, sinceramente, tenho minhas dúvidas se a lógica pura vence o instinto codificado nos pesos desses modelos.

Confira o paper completo aqui: [Three AI agents walk into a bar... 'Lord of the Flies' tribalism emerges among smart AI agents](https://arxiv.org/html/2602.23093v1).

Se você quer entender como domar esses modelos e aplicar técnicas de engenharia de prompt que realmente funcionam no mundo real, recomendo o meu livro [Engenharia de Prompt para Devs](https://www.casadocodigo.com.br/products/livro-engenharia-de-prompt). Para discussões mais técnicas e conexões, você pode me encontrar em [minhas redes sociais](https://linktr.ee/ricardo.pupo).

Vamos ajustar os pesos juntos.